CN116151933A - 基于大数据的国际贸易信息数据数字化监管***及方法 - Google Patents

基于大数据的国际贸易信息数据数字化监管***及方法 Download PDF

Info

Publication number
CN116151933A
CN116151933A CN202310408962.XA CN202310408962A CN116151933A CN 116151933 A CN116151933 A CN 116151933A CN 202310408962 A CN202310408962 A CN 202310408962A CN 116151933 A CN116151933 A CN 116151933A
Authority
CN
China
Prior art keywords
data
evaluation
commodity
international trade
mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310408962.XA
Other languages
English (en)
Other versions
CN116151933B (zh
Inventor
谭凯达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ganen Network Technology Co ltd
Original Assignee
Shenzhen Ganen Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Ganen Network Technology Co ltd filed Critical Shenzhen Ganen Network Technology Co ltd
Priority to CN202310408962.XA priority Critical patent/CN116151933B/zh
Publication of CN116151933A publication Critical patent/CN116151933A/zh
Application granted granted Critical
Publication of CN116151933B publication Critical patent/CN116151933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及国际贸易信息数据数字化监管技术领域，具体为基于大数据的国际贸易信息数据数字化监管***及方法，包括国际贸易数据获取模块、评价指标提取模块、等级划分模块、实际有效数据分析模块和评价结果分析模块；国际贸易数据获取模块用于获取国际贸易数据库中记录商家销售不同类型商品的贸易数据和运营模式；评价指标提取模块用于基于贸易数据提取商品对应的评价指标；等级划分模块用于设定评价指标的分数等级；实际有效数据分析模块用于分析确认不同运营数据下评价指标的实际有效数据；评价结果分析模块用于分析对应类型商品的数字化评价结果；并根据数字化评估结果对所分析的类型商品进行运营模式的推荐预警。

Description

基于大数据的国际贸易信息数据数字化监管***及方法
技术领域
本发明涉及国际贸易信息数据数字化监管技术领域，具体为基于大数据的国际贸易信息数据数字化监管***及方法。
背景技术
随着互联网电商行业的兴起，跨境电商也在日常生活中逐渐深入到消费群体中，但是与国内电商运营环境不同的是，跨境电商没有像国内成熟的物流产业链，且由于发货地和收货地属于两个国家，往往会产生很多如运输时效长、清关滞留等难以预测的问题；而现如今对于跨境电商的运营市场给出了两种运营方式FBM和FBA可以满足商家的选择需求，FBM即自发货模式，卖家自己的货源渠道，店铺有客户下单后，通过国际快件包裹送到国外客户的手中；而FBA即表示仓储派送模式，需要提前备货至指定仓库中；虽然这两种运营方式的出现解决了商家的运营难题，但是由于商品类型的差异、种类繁多、用户的多样性，导致商品在使用不同运营方式上存在差异化，且商家无法数字化的分析判断其中差异并有效地对销售的商品进行合理运营方式的选择，从而导致商家在跨境电商运营上产生成本过高、用户不稳定等问题。
发明内容
本发明的目的在于提供基于大数据的国际贸易信息数据数字化监管***及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于大数据的国际贸易信息数据数字化监管方法，包括以下分析步骤：
步骤S1：获取国际贸易数据库中记录商家销售不同类型商品的贸易数据和运营模式，贸易数据包括运输数据和销售反馈数据；运营模式包括FBA模式和FBM模式；运输数据包括运输周期、中转站个数以及商品在运输过程中快递包装的环保指数；销售反馈数据是指国际贸易交易完成后买家对商品进行的评价数据；
步骤S2：基于步骤S1中的贸易数据，提取商品对应的评价指标，并建立商品运营方式评价指标数据的等级划分；
步骤S3：分析确认不同运营数据下对应步骤S2中评价指标的实际有效数据；
步骤S4：基于步骤S3中的实际有效数据，分析对应类型商品的数字化评价结果；并根据数字化评估结果对所分析的类型商品进行运营模式的推荐预警。
进一步的，步骤S2包括以下分析步骤：
提取贸易数据中同一类型商品对应的第j个评价指标pj，pj={p1,p2,p3,p4}；p1为运输周期，p2为买家正向评价比例，p3为中转站个数，p4为包装环保级别；并设定评价指标的分数等级数量为n；所述买家正向评价比例是从所述销售反馈数据中获取；
获取贸易数据中运输周期的最大值max[Tp1]和最小值min[Tp1]；则计算周期差值为T0，T0=max[Tp1]-min[Tp1]，则输出运输周期对应分数等级的划分为：min+(n-1)「T0/n」以上，[min+(n-2)「T0/n」,min+(n-1)「T0/n」]，...，[min[Tp1]+「T0/n」,min+2「T0/n」]，min[Tp1]+「T0/n」以下；其中「T0/n」表示对T0/n取整；提取运输周期作为评价指标是因为运输周期反应出运输效率，运输时长越短运输效率越高；
买家正向评价比例是指买家在确认收货后对商品进行正向评价的比例，正向评价是指未产生差评或因商品运输包装问题进行退换货前提下的默认好评以及用户主动评价；设置买家正向评价比例对应分数等级的划分为：「100%/n」以下，[「100%/n」,2「100%/n」]，...,[(n-2)「100%/n」,(n-1)「100%/n」]，(n-1)「100%/n」以上；分析买家正向评价比例是因为买家对商品的反馈可以有效的判断出商品运营方式的好坏，当某一商品的某一运营方式不恰当时，往往给买家带来的购买体验也是不好的；容易造成客户群体的流失；
设置包装环保级别对应分数等级的划分为：n，n-1，n-2,...,1；分析包装环保级别是因为在国际贸易记录的物流数据中FBM自发货模式和FBA模式在快递包装的自主性上有所不同，所影响的包换环保程度就产生区别，而当前遵循环保理念作为商品运营模式的评价指标可以实现快递物流的绿色化；因为在FBM自发货模式中商家拥有自己的销售渠道，店铺中客户下单后通过国际快递包裹送入国外客户手中，商品包装取决于商家；而FBA模式则是仓储仓库同一备货包装运输，包裹的包装不具有多样性，标准统一；
获取贸易数据中平均中转站个数u，设置中转站个数对应分数等级的划分为：u+b以上，[u,u+b]，...，[u-(n-3)b,u]，[u-(n-2)b,u-(n-3)b]；b表示设置的间隔中转站数。中转站个数越多，表示快递在转运过程中遇到的风险越大，买家收到运输后商品产生破损的可能性就越大。
进一步的，步骤S3包括以下分析步骤：
获取监测周期内同一类型商品在运营方式为FBM模式下的平均运输周期w1、买家正向评价比例w2和平均中转站个数w3；获取监测周期内同一类型商品在运营方式为FBA模式下的平均运输周期f1、买家正向评价比例f2和平均中转站个数f3；
获取监测周期内同一类型商品快递包装的可回收材料比例b和快递使用可回收包装的件数q，利用公式计算环保指数z，z=b*q；当z=100%*q时，输出包装环保级别为1；当z属于[75*q，100*q]时，输出包装环保级别为2，以此类推，当z小于50%*q时，输出包装环保级别为n；
获取监测周期内同一类型商品在运营方式为FBM模式下的包装环保级别w4和在运营方式为FBA模式下的环保指数f4；
生成FBM模式下的实际有效数据{w1,w2,w3,w4}和FBA模式下的实际有效数据{f1,f2,f3,f4}。
进一步的，步骤S4包括以下分析步骤：
确定因素集及相应权重向量；
因素集为U，U={p1，p2，p3，p4}；并设置对应权重向量为A，A={0.25，0.2，0.3，0.25}；
设置评语集V，V={0，1，...，n-1}；评语集即表示评价指标的分数等级；
确定各个因素对评语集的隶属度函数C0...n-1(U)，
C0...n-1(U)={C0(U),C2(U),...,Cn-1(U)}
C0...n-1(U)={C0...n-1(p1),C0...n-1(p2),C0...n-1(p3),C0...n-1(p4)}
其中Cn-1(U)表示因素集U对第n个评语集的隶属度函数；C0...n-1(p1)表示因素p1即运输周期对第1至n个评语集的隶属度函数；
并利用Matlab绘制隶属度函数的图像；
建立模糊评判矩阵，分别将FBM模式下的实际有效数据{w1,w2,w3,w4}和FBA模式下的实际有效数据{f1,f2,f3,f4}代入对应的隶属度函数，且{w1,w2,w3,w4}、{f1,f2,f3,f4}与因素集{p1，p2，p3，p4}中因素类型一一对应；
计算出对应的模糊评判矩阵；
r1...n=[C0(pj),C1(pj),...,Cn-1(pj)]
p1={w1,f1};p2={w2,f2};p3={w3,f3};p4={w4,f4};
Figure SMS_1
其中Ri表示第i种运营模式下实际有效数据对应的模糊评判矩阵；r1...n表示四种实际有效数据隶属于评语集的隶属度；
基于模糊评判矩阵，利用M(·,+) 算子计算第i种运营模式下实际有效数据的总评价值Bi，Bi=A
Figure 10000230258494
Ri，并对Bi进行归一化处理；所述M(·,+) 算子是指加权平均型模糊算子；
基于总评价值以及最大隶属度原则，输出对应评价结果；
当两种模式下对应的评价结果相同时，基于总评价值和评语集计算对应方案下的总评分si，si=∑(Bi*V)；由于评语是一种打分，进而计算两种方案的总得分，作为评价标准更加合理；
基于总评分，判断对应总评分最高对应的方案为监测类型商品的最优运营模式，并对该运营模式在同类型商品下进行预警推荐。通过上述方式将国际贸易运输快递中的定性评价转化为定量评价，使得有效分析出一类型商品在国际贸易交易中最合适的运营方式，从而实现在国际贸易中客户的高满意度、运输成本的低趋势、运输风险的最小化以及包装的节约环保化。
基于大数据的国际贸易信息数据数字化监管***，包括国际贸易数据获取模块、评价指标提取模块、等级划分模块、实际有效数据分析模块和评价结果分析模块；
国际贸易数据获取模块用于获取国际贸易数据库中记录商家销售不同类型商品的贸易数据和运营模式；
评价指标提取模块用于基于贸易数据提取商品对应的评价指标；评价指标包括运输周期、买家正向评价比例、中转站个数和包装环保级别；
等级划分模块用于设定评价指标的分数等级；
实际有效数据分析模块用于分析确认不同运营数据下评价指标的实际有效数据；
评价结果分析模块用于分析对应类型商品的数字化评价结果；并根据数字化评估结果对所分析的类型商品进行运营模式的推荐预警。
进一步的，等级划分模块包括等级数量设定单元和等级划分分析单元；
等级数量设定单元用于基于同一类型商品对应的评价指数设定分数等级数量；
等级划分分析单元用于基于分数等级数量分析运输周期的等级划分、买家正向评价比例的等级划分、包装环保级别对应的等级划分。
进一步的，实际有效数据分析模块包括平均值分析单元和环保指数计算单元；
平均值计算单元用于获取监测周期内同一类型商品在运营方式FBM模式下的平均运输周期、买家正向评价比例和平均中转站个数；以及在运营方式为FBA模式下的平均运输周期、买家正向评价比例和平均中转站个数；
环保指数计算单元用于获取监测周期内同一类型商品快递包装的可回收材料比例和快递使用可回收包装的件数，计算环保指数，并根据设定规则输出对应包装环保级别。
进一步的，评价结果分析模块包括因素集确定单元、权重向量确定单元、评语集设置单元、隶属度函数分析单元、模糊评判矩阵建立单元和总评价值分析单元；
因素集确定单元用于确定因素集；
权重向量确定单元用于确定对应因素集的权重向量；
评语集设置单元用于设置因素集对应的评语集；
隶属度函数分析单元用于分析各个因素对应评语集的隶属度函数并计算对应隶属度；
模糊评判矩阵建立单元用于基于隶属度建立模糊评判矩阵；
总评价值分析单元用于分析总评价值和总评分，并输出总评分最高对应的方案为监测类型商品的最优运营模式，并对该运营模式在同类型商品下进行预警推荐。
与现有技术相比，本发明所达到的有益效果是：本申请基于对国际贸易数据中跨境电商产生的记录数据进行分析，提取从运输成本、用户稳定性、运输风险和节约环保等四个方向的评价指标来分析商品运营方式的最优化和合理化，同时将这些数据进行模糊综合评价，使其数据量化，可以有效清晰且数字化的分析出同一类型商品适用的运营方式，从而可以***的对商家的运营方式作出预警提醒，解决了一些商家在国际贸易的运营模式上难以选择的问题，以及商家在跨境电商运营上产生成本过高、用户不稳定等问题；同时也使得国际贸易发展趋于积极发展、绿色发展。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于大数据的国际贸易信息数据数字化监管***的结构示意图。
实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：基于大数据的国际贸易信息数据数字化监管方法，包括以下分析步骤：
步骤S1：获取国际贸易数据库中记录商家销售不同类型商品的贸易数据和运营模式，贸易数据包括运输数据和销售反馈数据；运营模式包括FBA模式和FBM模式；且商品的贸易数据在FBA模式和FBM模式下均会产生并记录；商家销售不同类型商品是指本发明的分析是基于同一类型的商品的整体分析，并非单独对一个商品的数据分析；
运输数据包括运输周期、中转站个数以及商品在运输过程中快递包装的环保指数；销售反馈数据是指国际贸易交易完成后买家对商品进行的评价数据；
运输周期是指在买家确定购买后商品发送到买家接收商品的时间周期；国际贸易数据库是指进行国际贸易的商家建立的交易数据平台；
步骤S2：基于步骤S1中的贸易数据，提取商品对应的评价指标，并建立商品运营方式评价指标数据的等级划分；
步骤S3：分析确认不同运营数据下对应步骤S2中评价指标的实际有效数据；
步骤S4：基于步骤S3中的实际有效数据，分析对应类型商品的数字化评价结果；并根据数字化评估结果对所分析的类型商品进行运营模式的推荐预警。
步骤S2包括以下分析步骤：
提取贸易数据中同一类型商品对应的第j个评价指标pj，pj={p1,p2,p3,p4}；p1为运输周期，p2为买家正向评价比例，p3为中转站个数，p4为包装环保级别；并设定评价指标的分数等级数量为n；所述买家正向评价比例是从所述销售反馈数据中获取；如分数等级数量可以设为4个，分数分别对应为0，1，2，3；
获取贸易数据中运输周期的最大值max[Tp1]和最小值min[Tp1]；则计算周期差值为T0，T0=max[Tp1]-min[Tp1]，则输出运输周期对应分数等级的划分为：min+(n-1)「T0/n」以上，[min+(n-2)「T0/n」,min+(n-1)「T0/n」]，...，[min[Tp1]+「T0/n」,min+2「T0/n」]，min[Tp1]+「T0/n」以下；其中「T0/n」表示对T0/n取整；提取运输周期作为评价指标是因为运输周期反应出运输效率，运输时长越短运输效率越高；
如实施例所示：最小值是3天，最大值30天，则T0为27天，则「T0/n」=「27/4」=6；则运输周期对应分数等级的划分为：9以下，9-15，15-21，21以上；单位为天；
买家正向评价比例是指买家在确认收货后对商品进行正向评价的比例，正向评价是指未产生差评或因商品运输包装问题进行退换货前提下的默认好评以及用户主动评价；设置买家正向评价比例对应分数等级的划分为：「100%/n」以下，[「100%/n」,2「100%/n」]，...,[(n-2)「100%/n」,(n-1)「100%/n」]，(n-1)「100%/n」以上；分析买家正向评价比例是因为买家对商品的反馈可以有效的判断出商品运营方式的好坏，当某一商品的某一运营方式不恰当时，往往给买家带来的购买体验也是不好的；容易造成客户群体的流失；如买家正向评价比例对应分数等级的划分为：25%以下，[25%，50%]，[50%，75%]，75%以上；
设置包装环保级别对应分数等级的划分为：n，n-1，n-2,...,1；包装环保级别是指在对应分数等级条件下级别越小表明对环境影响越小，更加环保；分析包装环保级别是因为在国际贸易记录的物流数据中FBM自发货模式和FBA模式在快递包装的自主性上有所不同，所影响的包换环保程度就产生区别，而当前遵循环保理念作为商品运营模式的评价指标可以实现快递物流的绿色化；因为在FBM自发货模式中商家拥有自己的销售渠道，店铺中客户下单后通过国际快递包裹送入国外客户手中，商品包装取决于商家；而FBA模式则是仓储仓库同一备货包装运输，包裹的包装不具有多样性，标准统一；如包装环保级别对应分数等级为4，3，2，1；
获取贸易数据中平均中转站个数u，设置中转站个数对应分数等级的划分为：u+b以上，[u,u+b]，...，[u-(n-3)b,u]，[u-(n-2)b,u-(n-3)b]；b表示设置的间隔中转站数。中转站个数越多，表示快递在转运过程中遇到的风险越大，买家收到运输后商品产生破损的可能性就越大。如u=6，设置b=3，则等级如下：9以上，[6，9]，[3，6]和3以下。
步骤S3包括以下分析步骤：
获取监测周期内同一类型商品在运营方式为FBM模式下的平均运输周期w1、买家正向评价比例w2和平均中转站个数w3；获取监测周期内同一类型商品在运营方式为FBA模式下的平均运输周期f1、买家正向评价比例f2和平均中转站个数f3；
获取监测周期内同一类型商品快递包装的可回收材料比例b和快递使用可回收包装的件数q，利用公式计算环保指数z，z=b*q；当z=100%*q时，输出包装环保级别为1；当z属于[75*q，100*q]时，输出包装环保级别为2，以此类推，当z小于50%*q时，输出包装环保级别为n；可回收材料比例是指快递包装中可回收材料的比例，如纸箱的可回收材料的比例是100%，塑料袋包装的可回收材料比例为75%，所以以100%为初始界限，当材料完全可回收时，均是环保的；
获取监测周期内同一类型商品在运营方式为FBM模式下的包装环保级别w4和在运营方式为FBA模式下的环保指数f4；
生成FBM模式下的实际有效数据{w1,w2,w3,w4}和FBA模式下的实际有效数据{f1,f2,f3,f4}。
步骤S4包括以下分析步骤：
确定因素集及相应权重向量；
因素集为U，U={p1，p2，p3，p4}；并设置对应权重向量为A，A={0.25，0.2，0.3，0.25}；
设置评语集V，V={0，1，...，n-1}；评语集即表示评价指标的分数等级；
确定各个因素对评语集的隶属度函数C0...n-1(U)，
C0...n-1(U)={C0(U),C2(U),...,Cn-1(U)}
C0...n-1(U)={C0...n-1(p1),C0...n-1(p2),C0...n-1(p3),C0...n-1(p4)}
其中Cn-1(U)表示因素集U对第n个评语集的隶属度函数；C0...n-1(p1)表示因素p1即运输周期对第1至n个评语集的隶属度函数；
并利用Matlab绘制隶属度函数的图像；
建立模糊评判矩阵，分别将FBM模式下的实际有效数据{w1,w2,w3,w4}和FBA模式下的实际有效数据{f1,f2,f3,f4}代入对应的隶属度函数，且{w1,w2,w3,w4}、{f1,f2,f3,f4}与因素集{p1，p2，p3，p4}中因素类型一一对应；
计算出对应的模糊评判矩阵；
r1...n=[C0(pj),C1(pj),...,Cn-1(pj)]
p1={w1,f1};p2={w2,f2};p3={w3,f3};p4={w4,f4};
Figure SMS_2
其中Ri表示第i种运营模式下实际有效数据对应的模糊评判矩阵；r1...n表示四种实际有效数据隶属于评语集的隶属度；
基于模糊评判矩阵，利用M(·,+) 算子计算第i种运营模式下实际有效数据的总评价值Bi，Bi=A
Figure 10000230287345
Ri，并对Bi进行归一化处理；所述M(·,+) 算子是指加权平均型模糊算子；
基于总评价值以及最大隶属度原则，输出对应评价结果；
当两种模式下对应的评价结果相同时，基于总评价值和评语集计算对应方案下的总评分si，si=∑(Bi*V)；由于评语是一种打分，进而计算两种方案的总得分，作为评价标准更加合理；
基于总评分，判断对应总评分最高对应的方案为监测类型商品的最优运营模式，并对该运营模式在同类型商品下进行预警推荐。通过上述方式将国际贸易运输快递中的定性评价转化为定量评价，使得有效分析出一类型商品在国际贸易交易中最合适的运营方式，从而实现在国际贸易中客户的高满意度、运输成本的低趋势、运输风险的最小化以及包装的节约环保化。
如实施例所示：
若分析运营方案评价指标数据的等级划分如下：
两种运营模式中的实际有效数据分别如下：
{w1,w2,w3,w4}={8，95%，4，2}；
{f1,f2,f3,f4}={12，74%，7，3}；
则计算运输周期p1对“0”的隶属度函数：
Figure SMS_3
运输周期p1对“1”的隶属度函数：
Figure SMS_4
运输周期p1对“2”的隶属度函数：
Figure SMS_5
运输周期p1对“3”的隶属度函数：
Figure SMS_6
以此类推计算出买家正向比例p2、中转站个数p3和包装环保级别p4对“0”、“1”、“2”和“3”的隶属度函数；
代入运营模式的实际有效数据{w1,w2,w3,w4}={8，95%，4，2}，计算隶属于评语集“0”、“1”、“2”和“3”的隶属度；r1=[0，0，0.143，1]；相似得计算出r2，r3，r4；由r1、r2、r3和r4构成模糊评判矩阵R1；
Figure SMS_7
假设B1=A
Figure 10000230291595
Ri=[0.25，0.2，0.3，0.25]/>
Figure 10000230295625
Ri，并进行归一化处理后得到B1=[0.3178，0.3256，0.2417，0.2019]；此时根据最大隶属度原则可知B1属于评语为1；评价结果需根据B2计算的结果得知，评语数值越大，评价结果越好；
若计算出B1的评语与B2的评语相同时，
则计算si=∑(Bi*V)= 0.3178*0+0.3256*1+0.2417*2+0.2019*3=1.4147，根据具体的总评分进行比较分析。
基于大数据的国际贸易信息数据数字化监管***，包括国际贸易数据获取模块、评价指标提取模块、等级划分模块、实际有效数据分析模块和评价结果分析模块；
国际贸易数据获取模块用于获取国际贸易数据库中记录商家销售不同类型商品的贸易数据和运营模式；
评价指标提取模块用于基于贸易数据提取商品对应的评价指标；评价指标包括运输周期、买家正向评价比例、中转站个数和包装环保级别；
等级划分模块用于设定评价指标的分数等级；
实际有效数据分析模块用于分析确认不同运营数据下评价指标的实际有效数据；
评价结果分析模块用于分析对应类型商品的数字化评价结果；并根据数字化评估结果对所分析的类型商品进行运营模式的推荐预警。
等级划分模块包括等级数量设定单元和等级划分分析单元；
等级数量设定单元用于基于同一类型商品对应的评价指数设定分数等级数量；
等级划分分析单元用于基于分数等级数量分析运输周期的等级划分、买家正向评价比例的等级划分、包装环保级别对应的等级划分。
实际有效数据分析模块包括平均值分析单元和环保指数计算单元；
平均值计算单元用于获取监测周期内同一类型商品在运营方式FBM模式下的平均运输周期、买家正向评价比例和平均中转站个数；以及在运营方式为FBA模式下的平均运输周期、买家正向评价比例和平均中转站个数；
环保指数计算单元用于获取监测周期内同一类型商品快递包装的可回收材料比例和快递使用可回收包装的件数，计算环保指数，并根据设定规则输出对应包装环保级别。
评价结果分析模块包括因素集确定单元、权重向量确定单元、评语集设置单元、隶属度函数分析单元、模糊评判矩阵建立单元和总评价值分析单元；
因素集确定单元用于确定因素集；
权重向量确定单元用于确定对应因素集的权重向量；
评语集设置单元用于设置因素集对应的评语集；
隶属度函数分析单元用于分析各个因素对应评语集的隶属度函数并计算对应隶属度；
模糊评判矩阵建立单元用于基于隶属度建立模糊评判矩阵；
总评价值分析单元用于分析总评价值和总评分，并输出总评分最高对应的方案为监测类型商品的最优运营模式，并对该运营模式在同类型商品下进行预警推荐。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于大数据的国际贸易信息数据数字化监管方法，其特征在于，包括以下分析步骤：
步骤S1：获取国际贸易数据库中记录商家销售不同类型商品的贸易数据和运营模式，所述贸易数据包括运输数据和销售反馈数据；所述运营模式包括FBA模式和FBM模式；所述运输数据包括运输周期、中转站个数以及商品在运输过程中快递包装的环保级别；所述销售反馈数据是指国际贸易交易完成后买家对商品进行的评价数据；
步骤S2：基于步骤S1中的贸易数据，提取商品对应的评价指标，并建立商品运营方式评价指标数据的等级划分；
步骤S3：分析确认不同运营数据下对应步骤S2中评价指标的实际有效数据；
步骤S4：基于步骤S3中的实际有效数据，分析对应类型商品的数字化评价结果；并根据数字化评估结果对所分析的类型商品进行运营模式的推荐预警。
2.根据权利要求1所述的基于大数据的国际贸易信息数据数字化监管方法，其特征在于：所述步骤S2包括以下分析步骤：
提取贸易数据中同一类型商品对应的第j个评价指标pj，pj={p1,p2,p3,p4}；p1为运输周期，p2为买家正向评价比例，p3为中转站个数，p4为包装环保级别；并设定评价指标的分数等级数量为n；所述买家正向评价比例是从所述销售反馈数据中获取；
获取贸易数据中运输周期的最大值max[Tp1]和最小值min[Tp1]；则计算周期差值为T0，T0=max[Tp1]-min[Tp1]，则输出运输周期对应分数等级的划分为：min+(n-1)「T0/n」以上，[min+(n-2)「T0/n」,min+(n-1)「T0/n」]，...，[min[Tp1]+「T0/n」,min+2「T0/n」]，min[Tp1]+「T0/n」以下；其中「T0/n」表示对T0/n取整；
所述买家正向评价比例是指买家在确认收货后对商品进行正向评价的比例，所述正向评价是指未产生差评或因商品运输包装问题进行退换货前提下的默认好评以及用户主动评价；设置买家正向评价比例对应分数等级的划分为：「100%/n」以下，[「100%/n」,2「100%/n」]，...,[(n-2)「100%/n」,(n-1)「100%/n」]，(n-1)「100%/n」以上；
设置包装环保级别对应分数等级的划分为：n，n-1，n-2,...,1；
获取贸易数据中平均中转站个数u，设置中转站个数对应分数等级的划分为：u+b以上，[u,u+b]，...，[u-(n-3)b,u]，[u-(n-2)b,u-(n-3)b]；b表示设置的间隔中转站数。
3.根据权利要求2所述的基于大数据的国际贸易信息数据数字化监管方法，其特征在于：所述步骤S3包括以下分析步骤：
获取监测周期内同一类型商品在运营方式为FBM模式下的平均运输周期w1、买家正向评价比例w2和平均中转站个数w3；获取监测周期内同一类型商品在运营方式为FBA模式下的平均运输周期f1、买家正向评价比例f2和平均中转站个数f3；
获取监测周期内同一类型商品快递包装的可回收材料比例b和快递使用可回收包装的件数q，利用公式计算环保指数z，z=b*q；当z=100%*q时，输出包装环保级别为1；当z属于[75*q，100*q]时，输出包装环保级别为2，以此类推，当z小于50%*q时，输出包装环保级别为n；
获取监测周期内同一类型商品在运营方式为FBM模式下的包装环保级别w4和在运营方式为FBA模式下的环保指数f4；
生成FBM模式下的实际有效数据{w1,w2,w3,w4}和FBA模式下的实际有效数据{f1,f2,f3,f4}。
4.根据权利要求3所述的基于大数据的国际贸易信息数据数字化监管方法，其特征在于：所述步骤S4包括以下分析步骤：
确定因素集及相应权重向量；
所述因素集为U，U={p1，p2，p3，p4}；并设置对应权重向量为A，A={0.25，0.2，0.3，0.25}；
设置评语集V，V={0，1，...，n-1}；所述评语集即表示所述评价指标的分数等级；
确定各个因素对评语集的隶属度函数C0...n-1(U)，
C0...n-1(U)={C0(U),C2(U),...,Cn-1(U)}
C0...n-1(U)={C0...n-1(p1),C0...n-1(p2),C0...n-1(p3),C0...n-1(p4)}
其中Cn-1(U)表示因素集U对第n个评语集的隶属度函数；C0...n-1(p1)表示因素p1即运输周期对第1至n个评语集的隶属度函数；
并利用Matlab绘制隶属度函数的图像；
建立模糊评判矩阵，分别将FBM模式下的实际有效数据{w1,w2,w3,w4}和FBA模式下的实际有效数据{f1,f2,f3,f4}代入对应的隶属度函数，且{w1,w2,w3,w4}、{f1,f2,f3,f4}与因素集{p1，p2，p3，p4}中因素类型一一对应；
计算出对应的模糊评判矩阵；
r1...n=[C0(pj),C1(pj),...,Cn-1(pj)]
p1={w1,f1};p2={w2,f2};p3={w3,f3};p4={w4,f4}；
Figure QLYQS_1
其中Ri表示第i种运营模式下实际有效数据对应的模糊评判矩阵；r1...n表示四种实际有效数据隶属于评语集的隶属度；
基于模糊评判矩阵，利用M(·,+) 算子计算第i种运营模式下实际有效数据的总评价值Bi，Bi=A
Figure 10000130247770
Ri，并对Bi进行归一化处理；所述M(·,+) 算子是指加权平均型模糊算子；
基于总评价值以及最大隶属度原则，输出对应评价结果；
当两种模式下对应的评价结果相同时，基于总评价值和评语集计算对应方案下的总评分si，si=∑(Bi*V)；
基于总评分，判断对应总评分最高对应的方案为监测类型商品的最优运营模式，并对该运营模式在同类型商品下进行预警推荐。
5.应用权利要求1-4中任一项所述的基于大数据的国际贸易信息数据数字化监管方法的基于大数据的国际贸易信息数据数字化监管***，其特征在于，包括国际贸易数据获取模块、评价指标提取模块、等级划分模块、实际有效数据分析模块和评价结果分析模块；
所述国际贸易数据获取模块用于获取国际贸易数据库中记录商家销售不同类型商品的贸易数据和运营模式；
所述评价指标提取模块用于基于贸易数据提取商品对应的评价指标；所述评价指标包括运输周期、买家正向评价比例、中转站个数和包装环保级别；
所述等级划分模块用于设定评价指标的分数等级；
所述实际有效数据分析模块用于分析确认不同运营数据下评价指标的实际有效数据；
所述评价结果分析模块用于分析对应类型商品的数字化评价结果；并根据数字化评估结果对所分析的类型商品进行运营模式的推荐预警。
6.根据权利要求5所述的基于大数据的国际贸易信息数据数字化监管***，其特征在于：所述等级划分模块包括等级数量设定单元和等级划分分析单元；
所述等级数量设定单元用于基于同一类型商品对应的评价指数设定分数等级数量；
所述等级划分分析单元用于基于分数等级数量分析所述运输周期的等级划分、所述买家正向评价比例的等级划分、所述包装环保级别对应的等级划分。
7.根据权利要求6所述的基于大数据的国际贸易信息数据数字化监管***，其特征在于：实际有效数据分析模块包括平均值分析单元和环保指数计算单元；
所述平均值计算单元用于获取监测周期内同一类型商品在运营方式FBM模式下的平均运输周期、买家正向评价比例和平均中转站个数；以及在运营方式为FBA模式下的平均运输周期、买家正向评价比例和平均中转站个数；
所述环保指数计算单元用于获取监测周期内同一类型商品快递包装的可回收材料比例和快递使用可回收包装的件数，计算环保指数，并根据设定规则输出对应包装环保级别。
8.根据权利要求7所述的基于大数据的国际贸易信息数据数字化监管***，其特征在于：所述评价结果分析模块包括因素集确定单元、权重向量确定单元、评语集设置单元、隶属度函数分析单元、模糊评判矩阵建立单元和总评价值分析单元；
所述因素集确定单元用于确定因素集；
所述权重向量确定单元用于确定对应因素集的权重向量；
所述评语集设置单元用于设置因素集对应的评语集；
所述隶属度函数分析单元用于分析各个因素对应评语集的隶属度函数并计算对应隶属度；
所述模糊评判矩阵建立单元用于基于隶属度建立模糊评判矩阵；
所述总评价值分析单元用于分析总评价值和总评分，并输出总评分最高对应的方案为监测类型商品的最优运营模式，并对该运营模式在同类型商品下进行预警推荐。
CN202310408962.XA 2023-04-18 2023-04-18 基于大数据的国际贸易信息数据数字化监管***及方法 Active CN116151933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310408962.XA CN116151933B (zh) 2023-04-18 2023-04-18 基于大数据的国际贸易信息数据数字化监管***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310408962.XA CN116151933B (zh) 2023-04-18 2023-04-18 基于大数据的国际贸易信息数据数字化监管***及方法

Publications (2)

Publication Number Publication Date
CN116151933A true CN116151933A (zh) 2023-05-23
CN116151933B CN116151933B (zh) 2023-10-24

Family

ID=86352720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310408962.XA Active CN116151933B (zh) 2023-04-18 2023-04-18 基于大数据的国际贸易信息数据数字化监管***及方法

Country Status (1)

Country Link
CN (1) CN116151933B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200134551A1 (en) * 2018-10-29 2020-04-30 Simranjit Singh System for facilitating international trade and method
CN112926893A (zh) * 2021-04-02 2021-06-08 西南石油大学 基于模糊综合评判和层次分析的水平井调剖效果评价方法
WO2021169038A1 (zh) * 2020-02-28 2021-09-02 青岛理工大学 一种深基坑***振速风险等级大数据评价方法
CN113408908A (zh) * 2021-06-22 2021-09-17 中国标准化研究院 一种基于履约能力和行为的多维信用评价模型构建方法
CN115471127A (zh) * 2022-09-28 2022-12-13 深圳美云集网络科技有限责任公司 一种具有运营管理功能的电商erp***
CN115660902A (zh) * 2022-10-18 2023-01-31 唐金桥 基于大数据的智慧旅游评价***
CN115759796A (zh) * 2022-09-06 2023-03-07 王峰 一种电子商务评价管理***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200134551A1 (en) * 2018-10-29 2020-04-30 Simranjit Singh System for facilitating international trade and method
WO2021169038A1 (zh) * 2020-02-28 2021-09-02 青岛理工大学 一种深基坑***振速风险等级大数据评价方法
CN112926893A (zh) * 2021-04-02 2021-06-08 西南石油大学 基于模糊综合评判和层次分析的水平井调剖效果评价方法
CN113408908A (zh) * 2021-06-22 2021-09-17 中国标准化研究院 一种基于履约能力和行为的多维信用评价模型构建方法
CN115759796A (zh) * 2022-09-06 2023-03-07 王峰 一种电子商务评价管理***
CN115471127A (zh) * 2022-09-28 2022-12-13 深圳美云集网络科技有限责任公司 一种具有运营管理功能的电商erp***
CN115660902A (zh) * 2022-10-18 2023-01-31 唐金桥 基于大数据的智慧旅游评价***

Also Published As

Publication number Publication date
CN116151933B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
Lai et al. Ranking of customer requirements in a competitive environment
US7577579B2 (en) Method of predicting sales based on triple-axis mapping of customer value
CN111553771A (zh) 一种智能电商***
CN112036985A (zh) 一种电商经营的营销***
Blois The manufacturing/marketing orientation and its information needs
Zandkarimkhani et al. Sustainable open-loop supply chain network design considering location routing problem: A hybrid approach based on FAHP, FTOPSIS, and mathematical programming
Chaudhary et al. Evaluation and measurement of performance, practice and pressure of green supply chain in Indian manufacturing industries
Dolai et al. Analyzing an imperfect production inventory model for green products considering learning effect on screening process under advertisement dependent credit period.
Shaw et al. Joint multi-item multi-supplier sustainable lot-sizing model applying combined BWM, TOPSIS, possibilistic programming, and ϵ-constraint method
CN106251159A (zh) 商机信息列表确定方法和装置
CN116151933B (zh) 基于大数据的国际贸易信息数据数字化监管***及方法
CN117391478A (zh) 一种货物运输的产品供应链管理***
CN113191814A (zh) 一种自动询价采购的方法及***
Masanta et al. Green consideration in a closed-loop supply chain model with imperfect inspection under learning impact
CN116012115A (zh) 一种基于商品图谱及供应链的人群兴趣动态标签方法
Çalık A comparative perspective in sustainable supplier selection by integrated mcdm techniques
Al Majzoub et al. Comparative analysis of reverse e-logistics’ solution in Asia and Europe
Qin The Inventory Control System of Reverse Logistics for E-Commerce Packaging Recovery Based on BP Neural Network
Monat Why Customers Buy.
Saleeshya et al. Impact of e-commerce on supply chain management
Agarwal Opportunity cost estimation using temporal association rule mining
Tian et al. Performance management in supply chain
CN117333269B (zh) 一种鲜花订单管理方法及***
Jovanović et al. The concept of sustainability in e-commerce and business Koncept održivosti u e-trgovini i biznisu
Huang et al. The case study on the supplier certification system of B2C platform enterprise

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant