大数据背景下跨境电子商务信用评价体系构建

武建伟 李飒 郑州财经学院

跨境电子商务将互联网技术作为发展依托，可将其理解为将各国原本传统形式的国际贸易利用电子化和网络化进行推进，并以互联网为基础发展起来的一种新型交易形式。尤其是近些年来，我国“一带一路”战略目标为跨境电商的发展提供了更加有利的环境，当前阶段跨境电商已经发展为我国国民经济的关键组成部分之一，我国综合国力水平受其直接影响。但是当前阶段我国跨境电商行业发展至瓶颈阶段，深入探讨之后明确信誉问题为制约其发展的首要因素，所以构建跨境电子商务信用评价体系必须提上日程且迫在眉睫，进而在提升跨境电商行业发展规范性的基础上推进其持续发展。本文借助和大数据相匹配的指标赋权方法简单探讨跨境电子商务信用评价模型的构建，旨在为我国跨境电商行业的进步发展做出积极贡献。

1 构建大数据背景下跨境电子商务信用评价体系需遵循的原则

1.1 合法性原则

对于互联网所挖掘的大数据而言，如不能进行科学处理极有可能会发生侵犯用户隐私的情况。因为交易双方处于不同国家，所以将此种交易形式称之为跨境电商，再加上各国保护隐私方面的法律法规存在一定的差异性，所以如处理不当会发生侵犯对方隐私的遐想。对于大数据隐私而言，西方国家已经明确了隐私法案，且部分国家与欧盟签署了相应的隐私声明，但是我国此方面的立法仍旧处于模糊甚至空白状态。大数据征信需要最大限度避免引发不必要的跨国纠纷事件，所以需要确定获取授权后再收集可能牵涉到用户或者国家隐私的数据信息，并需要对其使用和流向进行监管。

1.2 完整性原则

指标体系完整性的提升需要将大数据征信作为根本依据，进而可更加全面、细致的将信用真实状况进行反映。但是当前阶段信息孤岛的难题影响了大数据征信的进一步发展，此种情况在跨境电商领域更加严重。其主要表现形式是外部信用信息相对孤立，但是内部信用信息又十分的碎片，不仅无法形成完整的体系，而且缺乏统一标准，因此无法达成互联互通、信息共享的目的，严重影响大数据征信工作的推进。想要达成构建完整指标体系的目的，需要对其顶层设计复杂和严格的要求进行满足，所以要利用信息系统梳理与合作交换达成更深层次挖掘有效信息的目的。

1.3 有效性原则

随着社会的发展和进步，越来越多的专家学者和各行业精英都加入研究大数据的行列，提升了大数据热度的同时也引发了一些弊端。人们需要对大数据有明确的认识，理解大数据并非万能的事实，其数据量和数据价值并不对等。对于大数据而言，其信息的价值密度非常低，传统二八定律可相对准确的解释大数据的价值密度，应用于大数据中则代表仅有10%-20%的数据信息具有应用价值。所以，挖取构建跨境电商信用评价所需的各类指标和原始数据过程中，需要重视挖掘的方向、挖掘的深度以及数据的清晰，杜绝盲目追求海量数据的情况发生，进而最大限度提升大数据信息的价值。所以说，有效性是大数据背景下跨境电子商务信用评价体系构建需要满足的根本原则。

2 探讨大数据背景下跨境电子商务信用评价体系的构建

全面分析各类信用评价模式的优势和劣势是科学构建跨境电商信用评价指标体系的基本前提。众多周知，多样性是信用评价模型的主要特征，传统的基本评价模型因其自身特征和现阶段大数据背景及应用要求相悖，所以使用过程中具有较大的局限性，需要对其进行更新和优化，确保应用的评价模型可匹配大数据的特征。通过整理可以得出大数据有四个主要特征，分别是价值性、高速性、大容量以及多样性。对于大容量特性而言，评价模型良好伸缩性方面具有十分严格的要求；对于多样性特征而言，则表示需要具有相对较高的异质程度，进而可有效处理多种类型的数据，尤其是非结构性的数据信息；对于高速性特征而言，其主要需求是计算灵活度以及计算速度；对于价值性特征而言，可理解为价值高以及价值密度低，要求评价体系处理存在空缺的数据和大量噪声数据也需保持较高的鲁棒性，进而达成对不完整和不准确信息进行有效处理的目的。

就当前情况而言，模糊综合评价法、神经网络、盲数评价法、支持向量机等是比较先进信用评价方法，也可将神经网络和支持向量机看作是及其学习工具。下面就四种评价进行简单探讨。

第一，模糊综合评价法。此种评价方法将模糊数学作为基本依据，其在多层次复杂问题，评估方面具有良好优势，可呈现矢量结果，其包含十分丰富的信息。但是其具有一定的缺点，即会受到使用人员的主观影响，且在指标集过大时极有可能发生超模糊情况。此种评价体系通常应用于评估对象相对模糊、结构复杂且层次较多的情况。

第二，盲数评价法。概率统计和模糊数学是此种评价体系的直接依据，其可以做到与信息多种不确定性特征的客观相符，且可利用将信息识别范围扩大的措施提升结果准确率。但是此种评价体系存在一定的不足，首先，对模糊性信息进行处理时效果较差；其次，运算阶数大幅度提升，计算量提高速度过快。此种评价体系多用于评价对象具有多元特征且具有多种不确定性时。

第三，支持向量机。统计学理论是其理论基础，直接优势为训练样本可少量，并且可将高维问题有效解决。对大规模数据信息进行处理时速度较慢和数据敏感性较差是其存在的弊端，因此在评价只有有限训练样本的对象时对其进行应用。

第四，神经网络。神经系统的学习规则是神经网络依靠的理论基础，自学习、自适应能力、鲁棒性强以及并行分布处理能力强是其显著优势；收敛速度相对较慢及在评估级次较多时可能出现拟合现象是其存在的不足。通常评价模糊、残缺以及不确定对象时会对其进行应用。

3 结束语

当前阶段在互联网高速发展的背景下各国都积极发展电力商务行业，而跨境电商属于电子商务的关键部分，并且自2015年上升至国家战略目标的高度。综合来看现阶段跨境电商的发展情况得出信用问题是影响其进一步发展的主要因素，所以必须结合大数据的时代背景对跨境电商信用评价体系进行构建，进而在推动跨境电商发展的同时促进我国经济的进一步发展。