基于大數據的小微電商授信評估研究

邢浙斌,范　煒

(杭州電子科技大學,浙江　杭州　310018)

?

基于大數據的小微電商授信評估研究

邢浙斌,范煒

(杭州電子科技大學,浙江杭州310018)

電子商務不僅重構了市場營銷商業模式,而且重構了企業的資產形態與估值方法。與銀行傳統估值方法不同,基于大數據進行企業估值主要是利用電商企業的行為數據。構建大數據授信評估模型,有效解決了小微電商授信評估的問題。實證結果表明,大數據評估的結果與傳統方法評估結果的誤差基本控制在5%以內。

電商企業；大數據；授信評估

電子商務不僅重構了市場營銷商業模式,而且重構了企業的資產形態與估值方法。運用電子商務大數據進行授信評估,主要采用的是生產、銷售、物流、人流的行為數據,這與傳統授信評估采用成本效益財務數據有著本質的區別。小微電商依托淘寶、京東等交易平臺,其平臺交易數據全面、較為真實而且可獲取性強,基于大數據對企業進行估值,有效解決了小微電商企業規模小、財務數據不健全問題,本文旨在構建大數據授信評估模型并進行實證檢驗。

1　基于大數據的小微電商授信評估方法

1.1指標選取

根據小微電商的數據特點,筆者從盈利能力、成長能力、營運能力和市場競爭力四個方面(一級指標),選取銷售額、瀏覽量、訪客數、轉化率、客單價、付費流量比、推廣費用、商品結構、服務態度、物流速度、退款率等11個主要指標(二級指標)進行數據分析。盈利能力包括付費流量比(電商對于網站流量付出的相應費用,付出費用越少,盈利能力越強)、轉化率(所有到達淘寶店鋪并產生購買行為人數和所有到達店鋪人數的比率)。成長能力包括銷售額、推廣費用(電商為提升自己企業的知名度或拓寬渠道而做的業務宣傳)、商品結構(網店商品的豐富程度,商品數越多,商品結構越完善,成長性越好)。營運能力包括退款率(近30天成功退款筆數與近30天支付寶交易筆數的比率)、瀏覽量(店鋪各頁面被查看的次數)、訪客數(全店各頁面的訪問人數)。市場競爭力包括客單價(每一位顧客平均購買商品金額,客單價越低,市場競爭力越強)、物流速度(顧客從購買商品至收到商品的時間)、服務態度(電商對顧客售前售后的服務)。

1.2評估模型構建

對企業進行授信評估,既要考慮企業自身發展情況,也要考慮行業發展情況,在明確授信基準值的基礎上,還需要從企業和行業兩個維度對基準值進行修正。

(1)確定授信基準值。文章將該電商企業過去12個月的月均銷售額作為貸款基準值,主要是考慮電商企業產品不同,銷售規模差距較大,采用過去12個月的月均銷售額基本反映了企業近期的經營狀況。

(2)確定授信基準值的修正系數。主要從兩個層面進行修正:一是企業經營系數,反映受評企業的發展情況；二是行業發展系數,反映受評企業所在行業的發展情況。

一是企業經營狀況系數。將擬評估電商企業的瀏覽量、轉化率、推廣費用、商品結構、服務態度、物流速度等6個指標與行業同類企業的均值進行比較,高出均值的比例越大,企業的整體價值越大。其計算方法,首先,確定企業發展指標與行業均值比值(F),共分7個檔次,F≤50%,50%150%,每一個檔次的得分分別記作40、60、70、80、90、100、120?？蛦蝺r,付費流量比,退款率等3個指標的計算方法與上述類似,只是每一個檔次的得分分別記作120、100、90、80、70、60、40。另外,盈利能力、成長能力、營運能力和市場競爭力的得分分別記作S1、 S2、 S3、 S4。其次,確定各發展指標的權重(Q),該權重采取專家打分判別矩陣方法計算得出。最后,計算得出企業經營狀況系數。

(1)

二是行業發展系數。確定行業發展系數主要對行業的成長性、穩定性及規模性三個維度進行綜合評分。對于成長性,主要考慮服裝行業的銷售額在一年中的增長率,并與其他行業的平均值比較；對于規模性,主要考慮服裝行業的戶均銷售額,并與其他行業的平均值比較,高出均值的比例越大,企業的整體價值越大。其計算方法,首先,確定服裝行業發展指標與其他行業均值比值(F),共分6個檔次,F≤60%、60%140%,每一個檔次的得分分別記作40、60、80、100、110、120。而對于穩定性,主要考慮服裝行業在一年中的季度波動性。

(2)

評分原則與上述類似,只是每一個檔次的得分分別記作120、110、100、80、60、40。首先,成長性、穩定性及規模性的得分分別記作C1、 C2、 C3。其次,確定服裝行業三個維度的權重(P),該權重采取專家打分判別矩陣方法計算得出。最后,計算得出企業行業發展系數。

(3)

(3)確定授信額度。小微電商企業授信評估模型為：

授信額度=貸款基準值×經營系數×行業系數

(4)

2　小微電商企業授信評估實證分析

文章以服裝行業的一小微電商企業為例,用大數據分析方法評估其申請貸款的授信額度。該企業主要從事中老年服裝、T恤、衛衣、針織衫、休閑長褲、連衣裙、西裝西褲等商品,過去一年該企業銷售額436萬元,訪客總數156萬次,客單價194元。該企業申請授信評估的時間為2014年4月,因此,評估時間跨度為2013年4月至2014年3月。

(1)確定授信基準值。該企業過去12個月的月均銷售額為363360元,貸款基準值可初步確定為36萬元。

(2)計算企業經營狀況系數。通過計算得出,最大特征值為λmax=4.15,一致性指標CI=0.05,一致性比率CR=0.06<0.1,故比較評判矩陣具有滿意的一致性,權重可以接受,確定權重向量：A4=(25.3%、38.3%、11.1%、25.3%)。由此,利用公式(1)計算得出企業經營狀況系數為0.60。

表1　企業發展指標與行業均值比較的得分

表2　基于專家打分的判別矩陣權重計算

(3)計算行業發展系數。

一是行業成長性得分。本文以行業月銷售額衡量服裝行業的成長性。根據淘寶天貓網成交數據,自服裝行業月銷售額由2013年4月的25.21萬元上升到2014年3月的57.53萬元,年增速為128%,遠遠高出同期其他行業15%的增速,根據上述評分原則,服裝行業成長性得分120分。

二是行業穩定性得分。本文選擇季度銷售額的波動性衡量服裝行業的穩定性。近4個季度以來的銷售額分別為48.34萬元、58.27萬元、27.88萬元、68.09萬元。由此測算,服裝行業的季度銷售額一年的波動性為79%,對比淘寶天貓電商所有行業50%的平均波動性,根據上述評分原則,服裝行業穩定性得分40分。

三是行業規模性得分。近一年來天貓網服裝行業608萬元的戶均銷售額,對比天貓網所有行業電商企業816萬元的銷售額,根據上述評分原則,服裝行業規模性得分為60分。

四是指標權重的確定。采用專家打分、判別矩陣方法,可得出行業成長性、穩定性及規模性的權重分別為29.7%、16.3%、54.0%。

根據公式(3),可得出行業發展系數為0.75。

(4)授信額度評定。根據授信基準值36萬元,經營系數0.60,行業系數為0.75,由此計算得出該企業的授信額度為16萬元。

3　研究結論

運用上述大數據評估授信方法,杭州電融數據公司與杭州銀行等多家金融機構開展了小微電商企業授信評估合作業務,杭州電融數據公司提供授信評估報告,銀行核實報告并發放貸款。自2014年5月至2014年12月,杭州電融數據公司已經為1111戶小微電商企業出具了授信評估報告,銀行據此已經為小微電商授信貸款額度2.4億元,戶均貸款21.6萬元。從結果看,用大數據模型得出的授信額度與銀行用傳統方法計算授信額度的誤差基本上在5%以內,這表明運用大數據評估模型的結果具有較高的實用性和準確性。

大數據授信評估方法之所以能夠得到銀行的認同,總結其創新之處主要有以下兩點：一是將大數據當成真正的資產進行評估。運用大數據評估時,企業向評估公司開放了網店的數據接口,評估公司能夠充分提取交易數據。二是建立模型時考慮了企業和行業發展趨勢對企業價值的影響。

[1]廉薇.基于大數據和網絡小貸的小微企業貸款模式創新研究——以阿里小貸為例[J].經濟視角,2013(9)：46-48.

[2]薛逸飛,譚曉雯.基于電子商務平臺的小額信貸發展研究——以阿里小貸為例[J].金融經濟,2014(10)：18-20.

[3]黎玉華.信用評分卡模型的建立[J].科技信息,2010(13)：464-465.

[4]趙俊仙.關于創新小微企業非物化擔保模式的實踐與思考[J].經濟師,2012(3)：208-209.

[5]譚中明.三種類型信用擔保機構比較及優化調整策略[J].特區經濟,2012(11)：95-96.

[6]楊慧慧.我國小微企業融資困境與對策研究[D].合肥：安徽大學,2012.

[7]Brau,James C Do banks price owner-manager agency costs？An examination of small business borrowing[J].Journal of business management,2002(40):273-286.

[8]Berger,Dell Relationship lending and lines of small firm finance[J].Journal of Business,1995(68):351-382.

10.13939/j.cnki.zgsc.2016.35.012

邢浙斌(1991—),男,浙江紹興人,碩士研究生。研究方向：企業價值評估。