基于大数据的小微电商授信评估研究

《基于大数据的小微电商授信评估研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于大数据的小微电商授信评估研宄［摘要］电子商务不仅重构了市场营销商业模式，而且重构了企业的资产形态与估值方法。与银行传统估值方法不同，基于大数据进行企业估值主要是利用电商企业的行为数据。构建大数据授信评估模型，有效解决了小微电商授信评估的问题。实证结果表明，大数据评估的结果与传统方法评估结果的误差基本控制在5%以内。［关键词］电商企业；大数据；授信评估［DOI］10.13939/j.cnki.zgsc.2016.35.012电子商务不仅重构了市场营销商业模式，而且重构了企业的资产形态与估值方法。运用电子商务大

2、数据进行授信评估，主要采用的是生产、销售、物流、人流的行为数据，这与传统授信评估采用成本效益财务数据有着本质的区别。小微电商依托淘宝、京东等交易平台，其平台交易数据全面、较为真实而且可获取性强，基于大数据对企业进行估值，有效解决了小微电商企业规模小、财务数据不健全问题，本文旨在构建大数据授信评估模型并进行实证检验。1基于大数据的小微电商授信评估方法1.1指标选取根据小微电商的数据特点，笔者从盈利能力、成长能力、营运能力和市场竞争力四个方面（一级指标），选取销售额、浏览量、访客数、转化率、客单价、付费流量比、推广

3、费用、商品结构、服务态度、物流速度、退款率等11个主要指标（二级指标）进行数据分析。盈利能力包括付费流量比（电商对于网站流量付出的相应费用，付出费用越少，盈利能力越强）、转化率（所有到达淘宝店铺并产生购买行为人数和所有到达店铺人数的比率）。成长能力包括销售额、推广费用（电商为提升自己企业的知名度或拓宽渠道而做的业务宣传）、商品结构（网店商品的丰富程度，商品数越多，商品结构越完善，成长性越好）。营运能力包括退款率（近30天成功退款笔数与近30天支付宝交易笔数的比率）、浏览量（店铺各页面被查看的次数）、访客数（全店

4、各页面的访问人数）。市场竞争力包括客单价（每一位顾客平均购买商品金额，客单价越低，市场竞争力越强）、物流速度（顾客从购买商品至收到商品的时间）、服务态度（电商对顾客售前售后的服务）。1.2评估模型构建对企业进行授信评估，既要考虑企业自身发展情况，也要考虑行业发展情况，在明确授信基准值的基础上，还需要从企业和行业两个维度对基准值进行修正。(1)确定授信基准值。文章将该电商企业过去12个月的月均销售额作为贷款基准值，主要是考虑电商企业产品不同，销售规模差距较大，采用过去12个月的月均销售额基本反映了企业近期的经营状

5、况。(2)确定授信基准值的修正系数。主要从两个层面进行修正：一是企业经营系数，反映受评企业的发展情况；二是行业发展系数，反映受评企业所在行业的发展情况。一是企业经营状况系数。将拟评估电商企业的浏览量、转化率、推广费用、商品结构、服务态度、物流速度等6个指标与行业同类企业的均值进行比较，高出均值的比例越大，企业的整体价值越大。其计算方法，首先，确定企业发展指标与行业均值比值(F)，共分7个档次，F彡50%，50%150%,每一个档次的得分分别记作40、60、70、80、90、100、120。客单价，付费流量比，退

6、款率等3个指标的计算方法与上述类似，只是每一个档次的得分分别记作120、100、90、80、70、60、40。另外，盈利能力、成长能力、营运能力和市场竞争力的得分分别记作SI、S2、S3、S4。其次，确定各发展指标的权重(Q)，该权重采取专家打分判别矩阵方法计算得出。最后，计算得出企业经营状况系数。2小微电商企业授信评估实证分析文章以服装行业的一小微电商企业为例，用大数据分析方法评估其申请贷款的授信额度。该企业主要从事中老年服装、T恤、卫衣、针织衫、休闲长裤、连衣裙、西装西裤等商品，过去一年该企业销售额436万

7、元，访客总数156万次，客单价194元。该企业申请授信评估的时间为2014年4月，因此，评估时间跨度为2013年4月至2014年3月。(1)确定授信基准值。该企业过去12个月的月均销售额为363360元，贷款基准值可初步确定为36万元。(2)计算企业经营状况系数。通过计算得出，最大特征值为人max=4.15，一致性指标CI=0.05，一致性比率CR=0.06(4)授信额度评定。根据授信基准值36万元，经营系数0.60,行业系数为0.75,由此计算得出该企业的授信额度为16万元。3研宄结论运用上述大数据评估授信方

8、法，杭州电融数据公司与杭州银行等多家金融机构开展了小微电商企业授信评估合作业务，杭州电融数据公司提供授信评估报告，银行核实报告并发放贷款。自2014年5月至2014年12月，杭州电融数据公司已经为1111户小微电商企业出具了授信评估报告，银行据此己经为小微电商授信贷款额度2.4亿元，户均贷款21.6万元。从结果看，用大数据模型得出的授信额度与银行用传统方法计算授信额度的误差基本上在5%