大数据背景下物流创新发展解决方案

目录

【精彩书摘】
基于大数据的供应链金融征信方案设计

作品作者：北京邮电大学“恰同学”队指导教师：雷全胜孔继利参赛队员：张银许哲莲杨凌珠蔡富贵黄学峰〖2〗〖1〗基于大数据的供应链金融征信方案设计引言目前，我国中小企业发展迅猛，已有1100多万户，占全国企业总数的90%，提供了近80%的城镇就业岗位，完成了75%以上的企业技术创新，创造的最终产品和服务价值相当于国内生产总值的60%左右，纳税额占国家税收的50%左右。中小企业，特别是民营企业的蓬勃发展已成为推动中国经济向前发展的重要动力。而事实上，我国中小企业的发展一直处于“强位弱势”的尴尬境地，得不到与其贡献相对称的融资待遇。中小企业的发展速度较快，使其资金需求呈现“短、小、急、频”的特点，而且融资渠道单一，过度依赖于银行信贷融资。当前中小企业的信用等级评级普遍较低，可抵押资产少而且财务制度不健全，使银行等金融机构为控制贷款风险而很少对中小企业做信用贷款，仅以固定资产抵押担保方式提供贷款服务。而广大中小企业资产中70%以上表现为应收账款和存货，普遍缺乏不动产担保资源。据央行估算，我国中小企业大约有16万亿多的资产由于受到法律等方面的限制，不能用于担保借入信贷资金。供应链金融恰好可以允许中小企业通过存货、预付账款和应收账款担保融资，这对解决中小企业融资难意义重大。根据调研，我们发现中小企业在传统信贷中存在以下一些问题：（1）传统信贷审批手续复杂，时间长，往往需要两三个月，这对于亟须填补资金缺口的中小企业来说实在是太过漫长。（2）担保类贷款占所有贷款比重大，但中小企业担保类贷款情况不容乐观。相关调查结果显示，大多数中小企业的固定资产只占总资产的5%～20%，由于现有商业银行接受的信贷担保物70%左右是土地和建筑物等不动产，而广大中小企业普遍缺乏不动产资源，因此，这成为制约中小企业贷款业务推广的最大瓶颈。（3）现有银行对中小企业的信用衡量指标十分单一，主要是考虑其财务状况；而中小企业缺乏完善的企业信息系统，信息共享程度低，因此，财务信息存在着不透明、造假等风险因素，同时其财务状况也往往不能满足商业银行对贷款企业的财务要求。因双方信息的不对称导致中小企业陷入传统信贷融资难、银行陷入贷款风险高的尴尬现象发生。（4）大多数中小企业分布在核心企业的上下游，并且以下游经销商居多。超过七成的中小企业认为核心企业对他们的贷款支持力度较低，并且由于中小企业自身财务状况的限制以及抵押物的匮乏，增加了中小企业的贷款难度。供应链金融是指银行围绕供应链核心企业，根据供应链内部真实的贸易背景，以贸易活动中产生的应收账款、预付账款以及存货为担保，为供应链成员企业提供信贷融资、资金结算、保险、理财等综合性金融服务。供应链金融从供应链视角评估中小企业信用风险，将中小企业纳入银行授信服务范围。这在增加金融机构业务形式和客户群体的同时，为解决中小企业融资难题提供了新途径，为提升供应链运营效率与竞争实力提供保障。供应链金融在一定程度上实现了金融机构、中小企业、供应链核心企业的多方共赢。为此，我们设想采用供应链金融的融资模式来解决中小企业在传统信贷中遇到的问题。同时，我们也通过调研，了解到当前中小企业在供应链融资方面存在的一些现象，如目前供应链融资在中小企业中普及度还不高，但是中小企业对供应链融资的需求在不断上涨，且中小企业对存货质押、应收账款、预付款的供应链融资模式适应性较强，供应链融资相比传统信贷有利率低、期限短、单笔贷款金额小的特点；但目前大多数银行的供应链金融的信贷评估数据来源依旧局限于融资企业提供以及银行内部的一些调查所得，导致指标单一、数据匮乏的现象发生，从而导致中小企业难以得到期望的贷款额度。现根据以上问题分析并依据“数据协同，融资焕新”的方向，特提出如下解决方案：（1）中小企业信用评估模型融入大数据，客观评价企业信用。通过数据挖掘技术，全面搜索关于中小企业的各方面数据，包括企业的基本信息、网上数据信息、物流信息，以及企业自己提供的数据等，通过数据分析以及模型构建，从而得出该企业的信用评分。（2）只选取少量的中小企业财务信息作为评价指标。因为财务信息在传统信用评价所占比例高，但中小企业的财务信息缺乏系统性、透明性和优势性，这导致许多运行稳定、前景乐观，但规模较小的中小企业并不能顺利融资，故本方案只选取少量财务指标，在结合外部大数据的基础上利用选取的模型进行计算，减小中小企业贷款难度。（3）针对中小企业借贷程序复杂、审批时间长的问题，我们简化了贷款流程，只需提交企业基本信息，并可以通过手机智能终端线上评估借贷。（4）针对抵押担保贷款所占比例大，但是不利于中小企业贷款的问题，我们结合供应链融资，选用质押融资和应收账款融资相结合的方式，全面考虑中小企业是否可以贷款以及其融资额度融资利率等。（5）针对中小企业的信用评估数据来源单一、信息共享性差的问题，我们综合考虑核心企业、供应链情况、行业环境、融资项质量等各项指标，并设计搭建四方共用平台，所在供应链的企业被平台连接，实现信息的全面联通。中小企业还可通过智能终端平台，实时监控质押物的在途或在库情况，全面掌握流通信息。方案的总体设计思路如图11所示，方案的技术路线如图12所示。本方案的设计内容及运用的方法和工具如表11所示。
图11方案总体设计思路图12方案的技术路线表11本方案的设计内容及运用的方法和工具项目设计内容方法和工具大数据评价指标构建指标体系、获取数据、数据分析、BP神经网络模型构建WireShark 抓包、数学建模、SPSS19?0、MATLAB R2014a、Python、Weka 3?6、专家打分法、方差分析供应链融资供应链金融、设计指标、Logistic模型构建、实例验证数学建模、MATLAB R2014a、方差分析、SPSS19?0、主成分分析、盈亏平衡分析智能终端融资手机App的开发,网页平台StarUml、Powerdesigner、Android Studio、SWOT分析、业务流程分析、数据库设计、程序设计等1方案综述1?1数据协同，搭建供应链融资模型1?1?1供应链金融评估指标 传统企业信用评级模式主要以财务数据为核心，依靠担保和抵押、第三方担保等形式来防范信贷风险。中小企业往往没有实质性的抵押物和规范的财务报表，抑制了很多银行的贷款积极性；而贷后的跟踪评级难，更使银行面对中小企业信贷时望而却步。在大数据时代下，企业的信用无处不在。信用不仅存在于抵押质押物和担保物之中，更多地体现在企业的每一份订单、货单、税单、工资表、社保表、水电缴费记录等各项明细数据中，甚至存在于地址信息、行为数据、社会关系等非结构化数据中。借助大数据分析技术，这些海量数据可以成为评价中小企业信用状况以及预测信贷风险的客观依据。在大数据背景下，信用不仅表现为物质资本，更体现为虚拟资本，即信用主体自身拥有或者社会赋予的人文资本。因此，我们通过调查分析，独辟蹊径地舍弃融资企业的大部分财务指标，而采用大数据获取的非财务指标来扩充其自身信用评估模型，同时辅以核心企业的财务信用指标、融资项指标以及供应链稳定程度、行业发展前景等外部指标来完善供应链融资企业信用评估模型。 供应链融资企业信用评估模型的原始数据来源主要分为四类途径，如图13所示。（1）融资企业自身提供的数据；（2）从供应链信息共享平台获取的数据；（3）第三方合作平台获取的数据；（4）利用互联网爬虫技术所得的数据。
图13供应链融资信用评估数据来源我们将供应链融资信用指标体系分为两大部分，即融资企业主体信用评估指标与供应链融资债项信用评估指标。其中供应链融资债项信用评估指标又涵盖了供应链状况指标、核心企业资信状况指标、行业状况指标以及融资项下资产质量指标。我们依据这五个维度，根据调查研究，初步列出了76个三级指标，根据方差分析与主成分分析，最终确定44个指标组成供应链融资信用评估指标体系。1?1?2大数据应用及实现方法对于“大数据”（Big data），研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。其基本特征可以用4个V(Volume、Variety、Value和Velocity)来总结，即体量大、多样性、价值密度低、速度快。随着互联网技术和网络应用的快速发展，美国出现了利用大数据征信的企业，其中用户的互联网行为数据成为了其信用评估的重要指标。Crosman在对美国大数据征信公司进行研究后认为，利用互联网用户行为数据进行征信相比传统征信更具优势，互联网征信的评估指标更加多样，从而避免了申请者因无法提供相关评估数据而无法获得信用。以Zestfiance为例，一方面，相对于传统征信考察用户的30～50个评估指标，Zestfiance在评估时拥有10种不同的评估模型，共计7000余个评估变量，针对不同经济状况的信用申请者，可以选择不同的评估模型，保证用户能够得到评估结果；另一方面，Zestfiance的评估模型使用了机器学习技术，通过对用户不同网络行为数据与其信用水平的相关性分析，不断自我优化评估的计算方法，使得评估结果动态优化。大数据征信的基本理念是认为一切数据都和信用有关，即“一切数据皆信用”。基本思路是运用先进机器学习的预测模型和集成学习的策略，在能够获取的数据中尽可能地挖掘信用信息。本方案的大数据征信主要从大数据采集和大数据分析两个层面为中小企业提供信用评价：①大数据采集包含两个方面，一方面指选用大数据采集的方式如网络爬虫来获取相关数据，另一方面指需要采集大量的数据来作进一步的处理；②大数据分析，即采用数据挖掘的流程和方式，通过数据清洗、数据预处理、模型建立、结果分析等得到想要的结果，进而为符合信用标准的中小企业提供融资服务。由此可见，大数据挖掘技术在个人征信方面已经证实了其可行性，我们将大数据技术应用范围拓宽至中小企业贷款。由于企业在互联网中的数据痕迹区别于个人在互联网中的用户行为，因此我们主要通过互联网抓取中小企业的一些信用记录、用户评价、社交平台活跃度等数据。应用大数据分析对供应链金融具有很好的推动作用，具体包括以下三个方面：（1）大数据技术可以极大地扩展数据来源。利用大数据平台，银行能从互联网、移动平台等多种非传统渠道中及时捕捉以前无法获得或无法使用的客户数据 （包括非结构、半结构、流数据等），这使许多依靠传统方式无法完成的工作成为可能，从而使供应链融资业务的事前风险预判结果更准确，更具指导意义。（2）通过大数据技术可以将许多非结构化数据与传统数据快速整合、关联补充，完成企业行为模式分析和发现。这有助于银行确定融资企业运营状态变化规律，建立运营状态变化路径，按变化路径设置风险控制点，逐点评估业务风险，从而形成全新的事中风险动态计算体系及管理模式。（3）虽然单个事件是偶然的，但是大量数据汇总就会具备一定的必然性。大数据技术提供的基于预测的应用恰好可以将银行信息平台所掌握的许多第一手信息进行充分利用，帮助银行更加主动地掌控局面，为银行的风险处置提供客观准确的决策依据。大数据的应用步骤及实现方法分为以下几个部分（见图14）：（1）数据收集。数据来源包含四个部分：供应链平台数据，即通过“链易”供应链金融信息共享平台上产生的企业数据；互联网数据，即企业在进行网络活动过程中产生的数据，本文主要利用爬虫技术获取此类数据；企业提供的数据，如企业的基本信息和少量财务信息；第三方平台数据，通过与其他平台或企业的合作，如电商平台、水电缴纳公司等，从而得到部分数据。（2）数据预处理。数据预处理包含三个部分：首先，数据清洗，将较杂乱的原始数据清洗成可进一步处理的形态；其次，方差分析，去除与企业信用无关联的数据项；最后，主成分分析，把多个指标综合成几个指标。本文用Weka清洗数据、用SPSS分析数据。（3）模型分析。将处理后的数据进行模型分析，根据一定的评估准则，得到企业的信用水平，本文选用Matlab来处理。
图14大数据应用分析1?1?3数学建模 利用大数据建立融资企业的主体信用评估模型，我们选用了BP神经网络模型，它的计算逻辑如图15所示。图15BP神经网络模型计算逻辑将上文BP神经网络模型计算所得结合供应链融资指标评估企业信用，我们选用了Logistic模型，通过该模型的计算，可根据结果得出对该企业的融资决断，如图16所示。
图16Logistic模型与决策1?2融资焕新，实现供应链线上平台1?2?1供应链金融信息共享平台供应链金融作为银行新的融资模式与金融产品，在参与主体、银企关系、信用评级、还款来源等方面，与传统信贷融资模式存在不同，如表12所示。表12供应链金融与传统融资模式对比体现方面供应链金融融资模式传统融资模式参与主体银行、融资企业、供应链核心企业、物流监管企业银行、融资企业银企关系一对多一对一信用评级侧重点供应链内部贸易真实性、融资项下资产质量财务指标、不动产价值信用评级方式主体评级和债项评级主体评级信用评级内容融资企业资质、核心企业资质、供应链稳定性、融资项下资产质量融资企业资质还款来源销售收入营运资金授信支持性资产动产不动产我们设想的“链易”供应链金融信息共享平台，作为一个跨行业的业务信息控制平台，通过银行网站接口登录，涵盖了融资业务、物流全程监控、调度与优化、数据收集处理、风险识别、评估与控制、结算支持等功能，可以支持企业授信客户登录、核心企业客户登录、物流监管企业登录、银行及其他合作方登录。具体功能如图17所示。
图17“链易”供应链金融信息共享平台功能
【书摘与插画】
基于大数据的供应链金融征信方案设计

作品作者：北京邮电大学“恰同学”队指导教师：雷全胜孔继利参赛队员：张银许哲莲杨凌珠蔡富贵黄学峰〖2〗〖1〗基于大数据的供应链金融征信方案设计引言目前，我国中小企业发展迅猛，已有1100多万户，占全国企业总数的90%，提供了近80%的城镇就业岗位，完成了75%以上的企业技术创新，创造的最终产品和服务价值相当于国内生产总值的60%左右，纳税额占国家税收的50%左右。中小企业，特别是民营企业的蓬勃发展已成为推动中国经济向前发展的重要动力。而事实上，我国中小企业的发展一直处于“强位弱势”的尴尬境地，得不到与其贡献相对称的融资待遇。中小企业的发展速度较快，使其资金需求呈现“短、小、急、频”的特点，而且融资渠道单一，过度依赖于银行信贷融资。当前中小企业的信用等级评级普遍较低，可抵押资产少而且财务制度不健全，使银行等金融机构为控制贷款风险而很少对中小企业做信用贷款，仅以固定资产抵押担保方式提供贷款服务。而广大中小企业资产中70%以上表现为应收账款和存货，普遍缺乏不动产担保资源。据央行估算，我国中小企业大约有16万亿多的资产由于受到法律等方面的限制，不能用于担保借入信贷资金。供应链金融恰好可以允许中小企业通过存货、预付账款和应收账款担保融资，这对解决中小企业融资难意义重大。根据调研，我们发现中小企业在传统信贷中存在以下一些问题：（1）传统信贷审批手续复杂，时间长，往往需要两三个月，这对于亟须填补资金缺口的中小企业来说实在是太过漫长。（2）担保类贷款占所有贷款比重大，但中小企业担保类贷款情况不容乐观。相关调查结果显示，大多数中小企业的固定资产只占总资产的5%～20%，由于现有商业银行接受的信贷担保物70%左右是土地和建筑物等不动产，而广大中小企业普遍缺乏不动产资源，因此，这成为制约中小企业贷款业务推广的最大瓶颈。（3）现有银行对中小企业的信用衡量指标十分单一，主要是考虑其财务状况；而中小企业缺乏完善的企业信息系统，信息共享程度低，因此，财务信息存在着不透明、造假等风险因素，同时其财务状况也往往不能满足商业银行对贷款企业的财务要求。因双方信息的不对称导致中小企业陷入传统信贷融资难、银行陷入贷款风险高的尴尬现象发生。（4）大多数中小企业分布在核心企业的上下游，并且以下游经销商居多。超过七成的中小企业认为核心企业对他们的贷款支持力度较低，并且由于中小企业自身财务状况的限制以及抵押物的匮乏，增加了中小企业的贷款难度。供应链金融是指银行围绕供应链核心企业，根据供应链内部真实的贸易背景，以贸易活动中产生的应收账款、预付账款以及存货为担保，为供应链成员企业提供信贷融资、资金结算、保险、理财等综合性金融服务。供应链金融从供应链视角评估中小企业信用风险，将中小企业纳入银行授信服务范围。这在增加金融机构业务形式和客户群体的同时，为解决中小企业融资难题提供了新途径，为提升供应链运营效率与竞争实力提供保障。供应链金融在一定程度上实现了金融机构、中小企业、供应链核心企业的多方共赢。为此，我们设想采用供应链金融的融资模式来解决中小企业在传统信贷中遇到的问题。同时，我们也通过调研，了解到当前中小企业在供应链融资方面存在的一些现象，如目前供应链融资在中小企业中普及度还不高，但是中小企业对供应链融资的需求在不断上涨，且中小企业对存货质押、应收账款、预付款的供应链融资模式适应性较强，供应链融资相比传统信贷有利率低、期限短、单笔贷款金额小的特点；但目前大多数银行的供应链金融的信贷评估数据来源依旧局限于融资企业提供以及银行内部的一些调查所得，导致指标单一、数据匮乏的现象发生，从而导致中小企业难以得到期望的贷款额度。现根据以上问题分析并依据“数据协同，融资焕新”的方向，特提出如下解决方案：（1）中小企业信用评估模型融入大数据，客观评价企业信用。通过数据挖掘技术，全面搜索关于中小企业的各方面数据，包括企业的基本信息、网上数据信息、物流信息，以及企业自己提供的数据等，通过数据分析以及模型构建，从而得出该企业的信用评分。（2）只选取少量的中小企业财务信息作为评价指标。因为财务信息在传统信用评价所占比例高，但中小企业的财务信息缺乏系统性、透明性和优势性，这导致许多运行稳定、前景乐观，但规模较小的中小企业并不能顺利融资，故本方案只选取少量财务指标，在结合外部大数据的基础上利用选取的模型进行计算，减小中小企业贷款难度。（3）针对中小企业借贷程序复杂、审批时间长的问题，我们简化了贷款流程，只需提交企业基本信息，并可以通过手机智能终端线上评估借贷。（4）针对抵押担保贷款所占比例大，但是不利于中小企业贷款的问题，我们结合供应链融资，选用质押融资和应收账款融资相结合的方式，全面考虑中小企业是否可以贷款以及其融资额度融资利率等。（5）针对中小企业的信用评估数据来源单一、信息共享性差的问题，我们综合考虑核心企业、供应链情况、行业环境、融资项质量等各项指标，并设计搭建四方共用平台，所在供应链的企业被平台连接，实现信息的全面联通。中小企业还可通过智能终端平台，实时监控质押物的在途或在库情况，全面掌握流通信息。方案的总体设计思路如图11所示，方案的技术路线如图12所示。本方案的设计内容及运用的方法和工具如表11所示。
图11方案总体设计思路图12方案的技术路线表11本方案的设计内容及运用的方法和工具项目设计内容方法和工具大数据评价指标构建指标体系、获取数据、数据分析、BP神经网络模型构建WireShark 抓包、数学建模、SPSS19?0、MATLAB R2014a、Python、Weka 3?6、专家打分法、方差分析供应链融资供应链金融、设计指标、Logistic模型构建、实例验证数学建模、MATLAB R2014a、方差分析、SPSS19?0、主成分分析、盈亏平衡分析智能终端融资手机App的开发,网页平台StarUml、Powerdesigner、Android Studio、SWOT分析、业务流程分析、数据库设计、程序设计等1方案综述1?1数据协同，搭建供应链融资模型1?1?1供应链金融评估指标 传统企业信用评级模式主要以财务数据为核心，依靠担保和抵押、第三方担保等形式来防范信贷风险。中小企业往往没有实质性的抵押物和规范的财务报表，抑制了很多银行的贷款积极性；而贷后的跟踪评级难，更使银行面对中小企业信贷时望而却步。在大数据时代下，企业的信用无处不在。信用不仅存在于抵押质押物和担保物之中，更多地体现在企业的每一份订单、货单、税单、工资表、社保表、水电缴费记录等各项明细数据中，甚至存在于地址信息、行为数据、社会关系等非结构化数据中。借助大数据分析技术，这些海量数据可以成为评价中小企业信用状况以及预测信贷风险的客观依据。在大数据背景下，信用不仅表现为物质资本，更体现为虚拟资本，即信用主体自身拥有或者社会赋予的人文资本。因此，我们通过调查分析，独辟蹊径地舍弃融资企业的大部分财务指标，而采用大数据获取的非财务指标来扩充其自身信用评估模型，同时辅以核心企业的财务信用指标、融资项指标以及供应链稳定程度、行业发展前景等外部指标来完善供应链融资企业信用评估模型。 供应链融资企业信用评估模型的原始数据来源主要分为四类途径，如图13所示。（1）融资企业自身提供的数据；（2）从供应链信息共享平台获取的数据；（3）第三方合作平台获取的数据；（4）利用互联网爬虫技术所得的数据。
图13供应链融资信用评估数据来源我们将供应链融资信用指标体系分为两大部分，即融资企业主体信用评估指标与供应链融资债项信用评估指标。其中供应链融资债项信用评估指标又涵盖了供应链状况指标、核心企业资信状况指标、行业状况指标以及融资项下资产质量指标。我们依据这五个维度，根据调查研究，初步列出了76个三级指标，根据方差分析与主成分分析，最终确定44个指标组成供应链融资信用评估指标体系。1?1?2大数据应用及实现方法对于“大数据”（Big data），研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。其基本特征可以用4个V(Volume、Variety、Value和Velocity)来总结，即体量大、多样性、价值密度低、速度快。随着互联网技术和网络应用的快速发展，美国出现了利用大数据征信的企业，其中用户的互联网行为数据成为了其信用评估的重要指标。Crosman在对美国大数据征信公司进行研究后认为，利用互联网用户行为数据进行征信相比传统征信更具优势，互联网征信的评估指标更加多样，从而避免了申请者因无法提供相关评估数据而无法获得信用。以Zestfiance为例，一方面，相对于传统征信考察用户的30～50个评估指标，Zestfiance在评估时拥有10种不同的评估模型，共计7000余个评估变量，针对不同经济状况的信用申请者，可以选择不同的评估模型，保证用户能够得到评估结果；另一方面，Zestfiance的评估模型使用了机器学习技术，通过对用户不同网络行为数据与其信用水平的相关性分析，不断自我优化评估的计算方法，使得评估结果动态优化。大数据征信的基本理念是认为一切数据都和信用有关，即“一切数据皆信用”。基本思路是运用先进机器学习的预测模型和集成学习的策略，在能够获取的数据中尽可能地挖掘信用信息。本方案的大数据征信主要从大数据采集和大数据分析两个层面为中小企业提供信用评价：①大数据采集包含两个方面，一方面指选用大数据采集的方式如网络爬虫来获取相关数据，另一方面指需要采集大量的数据来作进一步的处理；②大数据分析，即采用数据挖掘的流程和方式，通过数据清洗、数据预处理、模型建立、结果分析等得到想要的结果，进而为符合信用标准的中小企业提供融资服务。由此可见，大数据挖掘技术在个人征信方面已经证实了其可行性，我们将大数据技术应用范围拓宽至中小企业贷款。由于企业在互联网中的数据痕迹区别于个人在互联网中的用户行为，因此我们主要通过互联网抓取中小企业的一些信用记录、用户评价、社交平台活跃度等数据。应用大数据分析对供应链金融具有很好的推动作用，具体包括以下三个方面：（1）大数据技术可以极大地扩展数据来源。利用大数据平台，银行能从互联网、移动平台等多种非传统渠道中及时捕捉以前无法获得或无法使用的客户数据 （包括非结构、半结构、流数据等），这使许多依靠传统方式无法完成的工作成为可能，从而使供应链融资业务的事前风险预判结果更准确，更具指导意义。（2）通过大数据技术可以将许多非结构化数据与传统数据快速整合、关联补充，完成企业行为模式分析和发现。这有助于银行确定融资企业运营状态变化规律，建立运营状态变化路径，按变化路径设置风险控制点，逐点评估业务风险，从而形成全新的事中风险动态计算体系及管理模式。（3）虽然单个事件是偶然的，但是大量数据汇总就会具备一定的必然性。大数据技术提供的基于预测的应用恰好可以将银行信息平台所掌握的许多第一手信息进行充分利用，帮助银行更加主动地掌控局面，为银行的风险处置提供客观准确的决策依据。大数据的应用步骤及实现方法分为以下几个部分（见图14）：（1）数据收集。数据来源包含四个部分：供应链平台数据，即通过“链易”供应链金融信息共享平台上产生的企业数据；互联网数据，即企业在进行网络活动过程中产生的数据，本文主要利用爬虫技术获取此类数据；企业提供的数据，如企业的基本信息和少量财务信息；第三方平台数据，通过与其他平台或企业的合作，如电商平台、水电缴纳公司等，从而得到部分数据。（2）数据预处理。数据预处理包含三个部分：首先，数据清洗，将较杂乱的原始数据清洗成可进一步处理的形态；其次，方差分析，去除与企业信用无关联的数据项；最后，主成分分析，把多个指标综合成几个指标。本文用Weka清洗数据、用SPSS分析数据。（3）模型分析。将处理后的数据进行模型分析，根据一定的评估准则，得到企业的信用水平，本文选用Matlab来处理。
图14大数据应用分析1?1?3数学建模 利用大数据建立融资企业的主体信用评估模型，我们选用了BP神经网络模型，它的计算逻辑如图15所示。图15BP神经网络模型计算逻辑将上文BP神经网络模型计算所得结合供应链融资指标评估企业信用，我们选用了Logistic模型，通过该模型的计算，可根据结果得出对该企业的融资决断，如图16所示。
图16Logistic模型与决策1?2融资焕新，实现供应链线上平台1?2?1供应链金融信息共享平台供应链金融作为银行新的融资模式与金融产品，在参与主体、银企关系、信用评级、还款来源等方面，与传统信贷融资模式存在不同，如表12所示。表12供应链金融与传统融资模式对比体现方面供应链金融融资模式传统融资模式参与主体银行、融资企业、供应链核心企业、物流监管企业银行、融资企业银企关系一对多一对一信用评级侧重点供应链内部贸易真实性、融资项下资产质量财务指标、不动产价值信用评级方式主体评级和债项评级主体评级信用评级内容融资企业资质、核心企业资质、供应链稳定性、融资项下资产质量融资企业资质还款来源销售收入营运资金授信支持性资产动产不动产我们设想的“链易”供应链金融信息共享平台，作为一个跨行业的业务信息控制平台，通过银行网站接口登录，涵盖了融资业务、物流全程监控、调度与优化、数据收集处理、风险识别、评估与控制、结算支持等功能，可以支持企业授信客户登录、核心企业客户登录、物流监管企业登录、银行及其他合作方登录。具体功能如图17所示。
图17“链易”供应链金融信息共享平台功能

• 书名大数据背景下物流创新发展解决方案
• ISBN9787504761958
• 作者王晶
• 出版社中国财富出版社
• 出版时间2017-01-01
• 印刷时间2017-01-01
• 版次1
• 开本16开
• 纸张胶版纸
• 包装平装-胶订
• 是否套装否

返回顶部