大数据环境下物流企业信用评价的变革
韩嵩
【摘 要】在对物流企业信用评价的实际操作和理论研究进行分析的基础上，论文从数据的收集方法、评价指标体系和评价方法三个方面对大数据对物流企业的信用评价的影响进行剖析，并提出了扩展数据采集方式，灵活设计指标体系，扩展指标的外延，加强高端大数据挖掘技术的研究和加强数据集成四个路径。
【Abstract】On the base of analyzing the actual operation and theoretical research on logistics enterprise credit evaluation， this paper analyzed the impact of big data on credit evaluation of logistics enterprises from three aspects of data collection method， evaluation index system and evaluation method， and put forward the extended data acquisition mode， flexible design of index system， index extension， strengthening of high-end large data mining technology research and four paths of data integration.
【关键词】物流企业；信用评价；变革路径
【Keywords】logistics enterprises； credit evaluation； change path
【中图分类号】F253 【文献标志码】A 【文章编号】1673-1069（2017）07-0132-02
1 物流企业信用评价的现状
从我国物流企业信用统计实践的角度，我国的企业征信系统始于1997 年，由人民银行牵头，分为地市级、省级和银行总行三级数据库，随后，海关、银行、法院、公安、工商、税务、保险部门等部门逐步建立起自己的数据库系统。此外，国家政府部门认定的全牌照信用评级机构有大公国际，中诚信国际，联合信用和东方金诚国际信用评估有限公司。从行业的层面，针对物流企业，中国物流与采购联合会研究制定了物流企业信用评价方案，在全国大部分省区市设立了物流企业信用评价办公室，从企业综合素质、财务指标、管理指标、竞争力指标和信用记录指标五个方面对物流企业的信用进行评价，把物流企业分为AAA、AA、A、B、C五个等级。
从理论研究的角度来看，廖卫等（2013）[1]将决策树模型引入到第三方物流企业信用评级体系中；王静（2008）[2]分析建立基于中小物流企业价值的信用评级体系的必要性，并提出建立该信用评级体系的四个步骤；罗勇等（2015）[3]基于模糊综合法构建了以企业信誉及违约记录、速动比率及资产负债率、人力资源水平及盈利能力、产权清晰程度及担保状况、区域信用状况及区域法制环境等10个因素为指标的物流企业客户信用评价指标体系；秦立公等（2013）建立物流企业信用评价指标体系并通过多级模糊综合评判法对物流企业的信用水平做出客观评价。从目前的研究现状中可以看出，大数据技术在物流企业信用评价中的应用研究还鲜有论及。然而在大数据的时代，如何借助大数据技术对物流企业的信用进行全面、客观和及时的评价对于物流企业的发展，尤其是小微企业的发展至关重要。
2 大数据环境下物流企业信用评价的变化
大数据不是基于人工设计、借助传统方法而获得的有限、固定、不连续、不可扩充的结构型数据，而是基于现代信息技术与工具可以自動记录、储存和连续扩充的、大大超出传统统计记录与储存能力的一切类型的数据。Viktor Mayer 在《大数据时代》一书中提出了大数据的三个最显著的变化：一是样本等于总体；二是不再追求精确性；三是相关分析比因果分析更重要。在大数据环境下，物流企业信用评价的指标体系、数据的获得途径、评价方法等都发生了改变。
第一，在大数据环境下，传统数据的收集方法将不再满足需要。大数据时代带来的首要变化就是数据格式及数据来源的多样化，这将在一定程度上极大扩展了现有的调查方式。传统的调查方式多采用普查、抽样调查，形式上采用问卷调查，由企业自行填报。这种形式所获取的数据质量和信息价值密度高、采集渠道规范性比较好、大多为结构化数据，然而可验证性较差、维度单一、可信度也往往遭到质疑。在大数据环境下，信用评价的开端不是先设计指标，再收集数据，而是从大数据中寻找已经存在的，对信用评价具有支撑作用的数据，继而再确定指标体系和方法。随着工商、税务、公安、法院等部门的数据集成和开放，企业活动留下的网络足迹的可跟踪性越来越强，信用评级机构可以通过互联网、物联网等多种非传统渠道，及时捕捉以前无法获得或无法使用的数据。
第二，在大数据环境下，传统信用评价指标体系亟需变革。传统的信用评价指标体系是以财务指标为主、非财务指标为辅，这种评价指标体系比较适用于大型企业的信用评价，针对缺乏规范的财务数据的小微企业，此种信用评价体系难以发挥作用。传统的信用评价模型对进入模型的指标的要求较高，而大数据信用评分模型实践使“一切数据皆信用”成为可能，评价指标体系所包含的纬度也被极大的扩展。
第三，在大数据环境下，信用评价方法的研究力度需要加大。不同的数据特征直接影响到建模技术方法的选择，传统的信用评价方法是以构建信用评价体系、确定指标权重为主要内容或者寻找合理模型、合适参数为建立评价模型。前者主要包括专家打分法、信用评级和信用评分法，如层次分析法和Z值模型应用最为广泛；后者有信用迁移模型 、信贷资产组合模型、Logistic 回归模型等。大数据的环境下，数据的来源和类型变得复杂，从复杂的数据中提取有价值的信息，需要深度的数据挖掘。因此，信用评价的方法需要不断突破传统的模式，不断深化大数据的内涵，扩展大数据的外延。
3 大数据环境下物流企业信用评价的变革路径
在大数据时代，物流企业信用评价的变革是必然的趋势。下面针对数据的采集方式、信用评价指标体系、评价方法和数据集成四个方面探讨变革的路径。
第一，扩展数据采集方式，增加数据的可信度。在大数据环境下，由于数据来源的多样化，所以大数据要多源采集，如通过GPS定位系统、企业管理信息系统、社交网站等收集物流企业信用相关。这种针对原始数据的自动收集方式不需要调查对象长期的配合，避免了外界干扰，让数据呈现其原有的状态，数据质量将更有保证，结果会更可信。数据源也由单一的物流企业和银行信贷提供的信息得到极大的扩展，大数据环境下，数据源包括物流企业运营信息、银行信贷信息、政府监管信息、行业评价信息、媒体评价信息、互联网金融数据等等，尤其是针对小微企业，数据的重点将是网络上的内容数据和行为轨迹数据，企业的信用记录、企业评估咨询信息、法律纠纷记录、主要股东及配偶信用记录等将是小微企业信用关注的重点。
第二，灵活设计指标体系，扩展指标的外延。在大数据环境下，数据源的多样化使得信用评价不是先设计指标，再收集数据，而是从大数据中寻找已经存在的，对信用评价具有支撑作用的数据，然后再确定指标体系。因此，根据数据源确定指标体系，指标体系的设计会更灵活，数据的收集成本也会大大降低。大数据环境下物流企业信用评价指标包括企业经营基础信息指标、动态财务指标、用户反馈指标和其他政府机构对企业的信用记录、股东信用记录、经营交易记录、法院执行记录等。针对小微企业，信用评价指标体系更侧重于非财务指标，如企业主个人的信用水平、企业主素质、还款意愿和还款能力、行为偏好、信用记录、纳税情况、水、电、网等费用缴纳情况等。
第三，加强高端大数据挖掘技术的研究，实现对各种类型数据的分析。传统的统计分析对象是结构化数据。在大数据环境下，统计分析的对象还包括半结构化和非结构化数据，这些数据一般的统计方法难以胜任，需要引入更高端的大数据挖掘技术。在信用评分模型方面，传统的信用风险评分模型以 Logistic 回归方法为核心。大数据信用风险评分模型更多采用了神经网络、 支持向量机、随机森林等算法。这些机器学习方法在解决特定问题时具有优势，如有些能更好地解决模型过度拟合问题；有些方法适用于处理稀疏的数据；有些能处理大量的输入变量，预测准确度较高。
4 结语
大数据时代已经到来，在物流企业信用评价中应用大数据技术也成为亟待解决的问题，物流企业信用评价机构应充分认识大数据时代在数据来源、数据获取方式、信用评价指标和方法等方面给物流企业信用评价带来的变革，并从云计算技术、物联网技术和企业数据仓库等方面着手，灵活设计物流企业信用评价指标体系，客观及时地对物流企业信用进行评价，维护物流行业的秩序，促进我国物流业的良好可持续发展。
【参考文献】
【1】廖卫，王如龙，王莹.决策树算法在第三方物流企业信用评级中的研究与应用[J].物流科技，2013（10）：79-82.
【2】王静.基于中小物流企业价值的信用评级体系研究[J].经济经纬，2008（3）：107-109.
【3】罗勇，陈治亚.基于模糊综合法构建物流企业客户信用评价指标体系[J].华东交通大學学报，2015（4）：95-102.
【摘 要】在对物流企业信用评价的实际操作和理论研究进行分析的基础上，论文从数据的收集方法、评价指标体系和评价方法三个方面对大数据对物流企业的信用评价的影响进行剖析，并提出了扩展数据采集方式，灵活设计指标体系，扩展指标的外延，加强高端大数据挖掘技术的研究和加强数据集成四个路径。
【Abstract】On the base of analyzing the actual operation and theoretical research on logistics enterprise credit evaluation， this paper analyzed the impact of big data on credit evaluation of logistics enterprises from three aspects of data collection method， evaluation index system and evaluation method， and put forward the extended data acquisition mode， flexible design of index system， index extension， strengthening of high-end large data mining technology research and four paths of data integration.
【关键词】物流企业；信用评价；变革路径
【Keywords】logistics enterprises； credit evaluation； change path
【中图分类号】F253 【文献标志码】A 【文章编号】1673-1069（2017）07-0132-02
1 物流企业信用评价的现状
从我国物流企业信用统计实践的角度，我国的企业征信系统始于1997 年，由人民银行牵头，分为地市级、省级和银行总行三级数据库，随后，海关、银行、法院、公安、工商、税务、保险部门等部门逐步建立起自己的数据库系统。此外，国家政府部门认定的全牌照信用评级机构有大公国际，中诚信国际，联合信用和东方金诚国际信用评估有限公司。从行业的层面，针对物流企业，中国物流与采购联合会研究制定了物流企业信用评价方案，在全国大部分省区市设立了物流企业信用评价办公室，从企业综合素质、财务指标、管理指标、竞争力指标和信用记录指标五个方面对物流企业的信用进行评价，把物流企业分为AAA、AA、A、B、C五个等级。
从理论研究的角度来看，廖卫等（2013）[1]将决策树模型引入到第三方物流企业信用评级体系中；王静（2008）[2]分析建立基于中小物流企业价值的信用评级体系的必要性，并提出建立该信用评级体系的四个步骤；罗勇等（2015）[3]基于模糊综合法构建了以企业信誉及违约记录、速动比率及资产负债率、人力资源水平及盈利能力、产权清晰程度及担保状况、区域信用状况及区域法制环境等10个因素为指标的物流企业客户信用评价指标体系；秦立公等（2013）建立物流企业信用评价指标体系并通过多级模糊综合评判法对物流企业的信用水平做出客观评价。从目前的研究现状中可以看出，大数据技术在物流企业信用评价中的应用研究还鲜有论及。然而在大数据的时代，如何借助大数据技术对物流企业的信用进行全面、客观和及时的评价对于物流企业的发展，尤其是小微企业的发展至关重要。
2 大数据环境下物流企业信用评价的变化
大数据不是基于人工设计、借助传统方法而获得的有限、固定、不连续、不可扩充的结构型数据，而是基于现代信息技术与工具可以自動记录、储存和连续扩充的、大大超出传统统计记录与储存能力的一切类型的数据。Viktor Mayer 在《大数据时代》一书中提出了大数据的三个最显著的变化：一是样本等于总体；二是不再追求精确性；三是相关分析比因果分析更重要。在大数据环境下，物流企业信用评价的指标体系、数据的获得途径、评价方法等都发生了改变。
第一，在大数据环境下，传统数据的收集方法将不再满足需要。大数据时代带来的首要变化就是数据格式及数据来源的多样化，这将在一定程度上极大扩展了现有的调查方式。传统的调查方式多采用普查、抽样调查，形式上采用问卷调查，由企业自行填报。这种形式所获取的数据质量和信息价值密度高、采集渠道规范性比较好、大多为结构化数据，然而可验证性较差、维度单一、可信度也往往遭到质疑。在大数据环境下，信用评价的开端不是先设计指标，再收集数据，而是从大数据中寻找已经存在的，对信用评价具有支撑作用的数据，继而再确定指标体系和方法。随着工商、税务、公安、法院等部门的数据集成和开放，企业活动留下的网络足迹的可跟踪性越来越强，信用评级机构可以通过互联网、物联网等多种非传统渠道，及时捕捉以前无法获得或无法使用的数据。
第二，在大数据环境下，传统信用评价指标体系亟需变革。传统的信用评价指标体系是以财务指标为主、非财务指标为辅，这种评价指标体系比较适用于大型企业的信用评价，针对缺乏规范的财务数据的小微企业，此种信用评价体系难以发挥作用。传统的信用评价模型对进入模型的指标的要求较高，而大数据信用评分模型实践使“一切数据皆信用”成为可能，评价指标体系所包含的纬度也被极大的扩展。
第三，在大数据环境下，信用评价方法的研究力度需要加大。不同的数据特征直接影响到建模技术方法的选择，传统的信用评价方法是以构建信用评价体系、确定指标权重为主要内容或者寻找合理模型、合适参数为建立评价模型。前者主要包括专家打分法、信用评级和信用评分法，如层次分析法和Z值模型应用最为广泛；后者有信用迁移模型 、信贷资产组合模型、Logistic 回归模型等。大数据的环境下，数据的来源和类型变得复杂，从复杂的数据中提取有价值的信息，需要深度的数据挖掘。因此，信用评价的方法需要不断突破传统的模式，不断深化大数据的内涵，扩展大数据的外延。
3 大数据环境下物流企业信用评价的变革路径
在大数据时代，物流企业信用评价的变革是必然的趋势。下面针对数据的采集方式、信用评价指标体系、评价方法和数据集成四个方面探讨变革的路径。
第一，扩展数据采集方式，增加数据的可信度。在大数据环境下，由于数据来源的多样化，所以大数据要多源采集，如通过GPS定位系统、企业管理信息系统、社交网站等收集物流企业信用相关。这种针对原始数据的自动收集方式不需要调查对象长期的配合，避免了外界干扰，让数据呈现其原有的状态，数据质量将更有保证，结果会更可信。数据源也由单一的物流企业和银行信贷提供的信息得到极大的扩展，大数据环境下，数据源包括物流企业运营信息、银行信贷信息、政府监管信息、行业评价信息、媒体评价信息、互联网金融数据等等，尤其是针对小微企业，数据的重点将是网络上的内容数据和行为轨迹数据，企业的信用记录、企业评估咨询信息、法律纠纷记录、主要股东及配偶信用记录等将是小微企业信用关注的重点。
第二，灵活设计指标体系，扩展指标的外延。在大数据环境下，数据源的多样化使得信用评价不是先设计指标，再收集数据，而是从大数据中寻找已经存在的，对信用评价具有支撑作用的数据，然后再确定指标体系。因此，根据数据源确定指标体系，指标体系的设计会更灵活，数据的收集成本也会大大降低。大数据环境下物流企业信用评价指标包括企业经营基础信息指标、动态财务指标、用户反馈指标和其他政府机构对企业的信用记录、股东信用记录、经营交易记录、法院执行记录等。针对小微企业，信用评价指标体系更侧重于非财务指标，如企业主个人的信用水平、企业主素质、还款意愿和还款能力、行为偏好、信用记录、纳税情况、水、电、网等费用缴纳情况等。
第三，加强高端大数据挖掘技术的研究，实现对各种类型数据的分析。传统的统计分析对象是结构化数据。在大数据环境下，统计分析的对象还包括半结构化和非结构化数据，这些数据一般的统计方法难以胜任，需要引入更高端的大数据挖掘技术。在信用评分模型方面，传统的信用风险评分模型以 Logistic 回归方法为核心。大数据信用风险评分模型更多采用了神经网络、 支持向量机、随机森林等算法。这些机器学习方法在解决特定问题时具有优势，如有些能更好地解决模型过度拟合问题；有些方法适用于处理稀疏的数据；有些能处理大量的输入变量，预测准确度较高。
4 结语
大数据时代已经到来，在物流企业信用评价中应用大数据技术也成为亟待解决的问题，物流企业信用评价机构应充分认识大数据时代在数据来源、数据获取方式、信用评价指标和方法等方面给物流企业信用评价带来的变革，并从云计算技术、物联网技术和企业数据仓库等方面着手，灵活设计物流企业信用评价指标体系，客观及时地对物流企业信用进行评价，维护物流行业的秩序，促进我国物流业的良好可持续发展。
【参考文献】
【1】廖卫，王如龙，王莹.决策树算法在第三方物流企业信用评级中的研究与应用[J].物流科技，2013（10）：79-82.
【2】王静.基于中小物流企业价值的信用评级体系研究[J].经济经纬，2008（3）：107-109.
【3】罗勇，陈治亚.基于模糊综合法构建物流企业客户信用评价指标体系[J].华东交通大學学报，2015（4）：95-102.
