CN109409671A - 一种跨境电商企业的评估方法及装置 - Google Patents

一种跨境电商企业的评估方法及装置 Download PDF

Info

Publication number
CN109409671A
CN109409671A CN201811113378.7A CN201811113378A CN109409671A CN 109409671 A CN109409671 A CN 109409671A CN 201811113378 A CN201811113378 A CN 201811113378A CN 109409671 A CN109409671 A CN 109409671A
Authority
CN
China
Prior art keywords
cross
data
electric business
business enterprise
sample
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.)
Pending
Application number
CN201811113378.7A
Other languages
English (en)
Inventor
洪志权
蔡昆颖
卢山
莫君
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.)
Guangzhou New Silk Road Information Technology Co Ltd
Original Assignee
Guangzhou New Silk Road Information 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 Guangzhou New Silk Road Information Technology Co Ltd filed Critical Guangzhou New Silk Road Information Technology Co Ltd
Priority to CN201811113378.7A priority Critical patent/CN109409671A/zh
Publication of CN109409671A publication Critical patent/CN109409671A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

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

Abstract

本申请公开了一种跨境电商企业的评估方法及装置，该方法可包括：获取待评估跨境电商企业的指标数据；使用评估模型对指标数据进行评估，生成针对待评估跨境电商企业的授信额度；其中，评估模型基于样本数据库构建得到，样本数据库包括至少一个样本跨境电商企业的样本数据，样本数据包括样本跨境电商企业的指标数据和授信额度。实施本申请，能够实现对跨境电商企业的信用及经营状况的精准评估，提高金融机构对跨境电商企业的授信效率与准确度。

Description

一种跨境电商企业的评估方法及装置
技术领域
本申请涉及计算机技术领域，特别涉及一种跨境电商企业的评估方法及装置。
背景技术
近年来，随着人们生活水平的提高，消费者跨境购物的需求急剧上升，目前，跨境电商(cross-borderbusiness)是消费者跨境购物的主要途径。跨境电商是指分属不同关境的交易主体，通过电子商务平台达成交易、支付结算，并通过跨境物流运输商品的一种国际商业活动，支持这项活动的公司称为跨境电商企业或跨境电商平台。
跨境电商企业需要大量流转跨境商品，对周转资金的需求较高，为了正常经营，需要向金融机构(例如银行等)融资。目前，金融机构通过人工评估跨境电商企业的融资额度，例如通过人工查询到的应收账款、存货等信息评估融资额度。这种人工评估的方式至少具有以下缺点：
(1)评估效率低。
(2)评估结果不准确，难以满足跨境电商企业的融资需求。具体的，由于跨境电商企业的信息透明度较低，金融机构与融资企业间的信息严重不对称，很多信息是金融机构无法获知的，导致金融机构无法对跨境电商企业的信用及经营情况进行精准的核定，无法准确评估提供给跨境电商企业的融资额度，难以满足跨境电商企业的融资需求。
当前，如何提升对跨境电商企业的评估准确度，提高评估效率，满足跨境电商企业的融资需求，是亟需解决的问题。
发明内容
本申请提供一种跨境电商企业的评估方法及装置，能够实现对跨境电商企业的信用及经营状况的精准评估，提高金融机构对跨境电商企业的授信效率与准确度。
第一方面，本申请提供了一种跨境电商企业的评估方法，应用于评估装置，该方法可包括：获取待评估跨境电商企业的指标数据；使用评估模型对指标数据进行评估，生成针对待评估跨境电商企业的授信额度；其中，评估模型基于样本数据库构建得到，样本数据库包括至少一个样本跨境电商企业的样本数据，样本数据包括样本跨境电商企业的指标数据和授信额度。
实施第一方面的方法，评估装置使用评估模型对待评估跨境电商企业的指标数据进行评估，生成该待评估跨境电商企业的授信额度，可实现对跨境电商企业的信用及经营状况的精准评估，提高金融机构对跨境电商企业的授信效率与准确度，满足跨境电商企业的融资需求。
结合第一方面，可选地，评估装置在使用评估模型对所述指标数据进行评估之前，还包括：判断待评估跨境电商企业是否满足可授信条件；在待评估跨境电商企业满足可授信条件的情况下，使用评估模型对指标数据进行评估。
这里，可通过以下方式判断待评估跨境电商企业是否满足可授信条件：获取待评估跨境电商企业的可授信数据；判断可授信数据是否满足预设条件；在可授信数据满足预设条件的情况下，待评估跨境电商企业满足可授信条件。
通过这样的方式，可提高金融机构对跨境电商企业的授信效率与准确度。
结合第一方面，可选地，评估装置在使用评估模型对所述指标数据进行评估之前，还包括：确定待评估跨境电商企业的可授信额度范围；其中，生成的针对待评估跨境电商企业的授信额度在可授信额度范围内。
这里，可通过以下方式确定待评估跨境电商企业的可授信额度范围：获取待评估跨境电商企业的基本信息；根据基本信息，确定待评估跨境电商企业的可授信额度范围。
通过这样的方式，可提高金融机构对跨境电商企业的授信效率与准确度。
结合第一方面，可选地，评估装置在获取待评估跨境电商企业的指标数据之前，还可构建评估模型。构建评估模型的步骤可包括：获取至少一个样本跨境电商企业的样本数据；基于至少一个样本数据生成样本数据库；基于样本数据库构建评估模型。
可选地，评估装置在基于至少一个样本数据生成样本数据库之后，基于样本数据库构建评估模型之前，还可包括：判断样本数据库是否包括缺少预设指标数据的样本数据；在样本数据库包括缺少预设指标数据的样本数据的情况下，对缺少预设指标数据的样本数据做预处理，以得到缺少的预设指标数据，将缺少预设指标数据的样本数据和缺少的预设指标数据组合为处理后的样本数据，将缺少预设指标数据的样本数据替换为处理后的样本数据。
评估装置在基于至少一个样本数据生成样本数据库之后，基于样本数据库构建评估模型之前，还可包括：判断样本数据库是否包括缺少预设指标数据的样本数据；在样本数据库包括缺少预设指标数据的样本数据的情况下，将样本数据库中缺少预设指标数据的样本数据删除。
通过上述步骤，可保证样本数据库中的样本数据包括完整的指标数据，可使生成的评估模型更加准确。
可选地，评估装置基于样本数据库构建评估模型时，具体可包括：将样本数据库中的样本数据按照预设比例，分为训练集和测试集；基于训练集构建初始评估模型；根据测试集对初始评估模型进行调整，得到评估模型。
通过上述步骤，将样本数据库中的样本数据分为训练集和测试集，可以使得评估模型完成自我调整优化，使得最终生成的评估模型具有更加准确的评估能力。
可选地，评估装置基于样本数据库构建评估模型之前，还可包括：判断样本数据库中样本数据的数量是否大于第一阈值；在样本数据库中样本数据的数量小于第一阈值的情况下，根据至少一个样本数据生成至少一个虚拟样本数据；将至少一个虚拟样本数据加入样本数据库中。
通过上述步骤，可以使得样本数据库中样本数据的数量不低于第一阈值，最终得到的评估模型基于大量的样本数据构建而成，可以提高评估模型的准确度。
可选地，评估装置生成针对待评估跨境电商企业的授信额度之后，还可包括：获取待评估跨境电商企业的实际授信额度；将待评估跨境电商企业的指标数据和实际授信额度组合为一个样本数据，将组合的样本数据加入到样本数据库中以更新样本数据库；根据更新后的样本数据库，优化评估模型。
通过上述步骤，将该待评估跨境电商企业的指标数据和实际授信额度作为一个样本数据，加入到样本数据库中，可使样本数据库更加实时和准确。
可选地，评估装置生成针对待评估跨境电商企业的授信额度之后，还可包括：监测待评估跨境电商企业的实时风控数据，根据风控数据生成针对待评估跨境电商企业的风控评估结果；根据风控评估结果，输出提示信息。
通过上述步骤，输出提示信息，可提示金融机构注意待评估跨境电商企业的最新经营状况，使金融机构可以实时掌控风险，提高抗风险能力。
可选地，评估装置获取待评估跨境电商企业的指标数据时，具体可包括：确定待评估跨境电商企业的指标数据的类别；根据指标数据的类别与数据源的对应关系，确定待评估跨境电商企业的指标数据所对应的数据源；从数据源获取待评估跨境电商企业的指标数据。
第二方面，本申请提供一种评估装置，包括：存储器以及与所述存储器耦合的处理器。其中，存储器用于存储第一方面或第一方面任意一种可能的实施方式所描述的跨境电商企业的评估方法的实现代码，处理器用于执行存储器中存储的程序代码，即执行第一方面或第一方面任意一种可能的实施方式所描述的跨境电商企业的评估方法。
第三方面，本申请提供一种评估装置，包括多个功能模块，用于相应的执行第一方面或第一方面可能的实施方式所提供的方法。
第四方面，本申请提供了一种计算机存储介质，该计算机存储介质存储有计算机指令，计算机指令被调用时，用于执行第一方面或第一方面可能的实施方式所提供的方法。
第五方面，本申请提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面描述的方法。
实施本申请，评估装置使用评估模型对待评估跨境电商企业的指标数据进行评估，生成该待评估跨境电商企业的授信额度，可实现对跨境电商企业的信用及经营状况的精准评估，提高金融机构对跨境电商企业的授信效率与准确度，满足跨境电商企业的融资需求。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1-图7为本申请提供的跨境电商企业的评估方法的流程示意图；
图8为本申请提供的评估装置的结构示意图；
图9为本申请提供的评估装置的功能框图；
图10为本申请提供的评估模型构建单元的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请，下面将结合本申请中的附图，对本申请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。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了更清楚地描述本申请，首先介绍本申请涉及的几个基本概念。
(一)待评估跨境电商企业和样本跨境电商企业。
本申请中，将当前需要被评估信用及经营状况，以向金融机构融资的企业称为待评估跨境电商企业，将已经被评估并成功融资的企业称为样本跨境电商企业。
(二)跨境电商企业相关数据
具体的，本申请涉及四种和跨境电商企业(包括待评估跨境电商企业和样本跨境电商企业)相关的数据：可授信数据、基本信息、指标数据和风控数据。，下面详细描述这四种数据。
(1)可授信数据
本申请中，可授信数据可用于衡量跨境电商企业是否满足可授信条件。
具体的，授信指金融机构授予跨境电商企业一个具体的信用额度，银行在给予跨境电商企业该信用额度后，跨境电商企业即可提用该信用额度对应金额的资金。本申请中，将该信用额度称为授信额度。
本申请中，跨境电商企业的可授信数据可包括以下至少一项：跨境电商企业的经营年限、货在保税仓年限、法人/实际控制人信用(例如是否是失信被执行人)、国内关联公司的税务信息(例如是否有欠税信息)、企业征信情况(例如企业征信是否异常)、相关合理数据对金融机构的开放情况等。
本申请中，从数据源获取上述跨境电商企业的可授信数据的方式可以有多种。例如，可利用网络爬虫算法获取可授信数据、接收用户输入的可授信数据、通过相关文件等来获取可授信数据等，在此不予限定。
可选地，在通过可授信数据衡量跨境电商企业是否满足可授信条件时，可判断可授信数据是否满足预设条件，在可授信数据满足预设条件的情况下，跨境电商企业满足可授信条件。这里，预设条件有多种，例如，可包括经营年限必须大于一年、企业征信正常等。
请参见表1，表1示例性地列举了预设条件以及可授信数据的来源。
表1
(2)基本信息
本申请中，基本信息可用于衡量跨境电商企业能够获得的授信额度范围。
本申请中，基本信息包括跨境电商企业在注册及经营时涉及的一些基本信息，反映了企业的常规情况，下面分别描述。
跨境电商企业注册时涉及的基本信息，可包括以下至少一项：企业名称、注册资本、注册地址、实际办公地址、经营年限、经营品类、控股股东、法人代表/实际控制人信息(例如姓名、身份证号码、居住地、个人资产、学历、联系方式等)、财务人员信息(例如姓名、联系方式等)、业务人员信息(例如姓名、联系方式等)等。
本申请中，跨境电商企业经营时涉及的基本信息，可包括以下几种：
1、国内关联公司的基本信息。
这里，和跨境电商企业的核心供应商存在股份关联关系，或者，实际公司职员存在交叉的境内公司为该跨境电商企业的关联企业。可理解的，跨境电商企业在境内的生产经营行为、客服/财务等操作，往往是由境内的关联公司负责。
国内关联公司的基本信息可包括以下至少一项：在职员工数、企业名称、注册资本、注册地址、实际办公地址、经营年限、经营品类、控股股东、法人代表/实际控制人信息(例如法人的姓名、身份证号码、居住地、个人资产、学历、联系方式等)、企业联系人信息(例如财务人员的姓名及联系方式、业务人员的姓名及联系方式等。
2、供应商的基本信息。
这里，供应商是向跨境电商企业提供商品及相应服务的企业或机构，供应商的基本信息可反映跨境电商企业采购跨境商品的能力。例如，当供应商的数量越多、规模越大时，跨境电商企业采购跨境商品的能力越强，跨境电商企业能够获得的授信额度范围的上限值越大。
供应商的基本信息可包括以下至少一项：各个供应商的所在地、合作期限、合作品类、交货方式、交货地、结算模式及周期、当前应付账款、上年度合作金额、采购占比等。
3、B2B(business-to-business)渠道供应商/平台的基本信息。
这里，B2B渠道供应商/平台是参与跨境商品销售的供应商/平台，渠道供应商/平台的基本信息可反映跨境电商企业销售跨境商品的能力。例如，当渠道供应商/平台的数量越多、规模越大时，跨境电商企业销售跨境商品的能力越强，跨境电商企业能够获得的授信额度范围的上限值越大。
其中，B2B渠道供应商/平台可包括：一线平台、二线平台、垂直平台、内容平台、自有平台等。这里，垂直平台是仅经营同一类型商品的平台(例如妈咪宝贝、孩子王等平台)，内容平台是主要输出内容的平台(例如小红书等)，自有平台是跨境电商企业自主经营的平台。其余的综合类B2B渠道供应商/平台可根据规模或具体合作情况分为上述的一线平台、二线平台，例如一线平台可包括天猫国际、京东国际、唯品国际、网易考拉等平台，二线平台可包括苏宁、聚美、云集等平台。具体实现中，还可根据其他标准对各B2B渠道供应商/平台进行划分，本申请不作限制。
其中，B2B渠道供应商/平台的基本信息包括：各个平台的情况、合作品类、年度供货金额等。这里，各个平台的情况可至少包括：平台的市场排名、市场影响力、定位、优势等。
4、B2B渠道店铺的基本信息。
这里，B2B渠道店铺为各个渠道供应商/平台中，用于销售跨境电商企业提供的跨境商品的店铺，B2B渠道店铺的基本信息可反映跨境电商企业销售跨境商品的能力。例如，当B2B渠道店铺的数量越多、规模越大时，跨境电商企业销售跨境商品的能力越强，跨境电商企业能够获得的授信额度范围的上限值越大。
其中，B2B渠道店铺可包括：一线店铺、二线店铺、垂直店铺、内容店铺等。这里，一线平台中用于销售跨境电商企业提供的跨境商品的店铺称为一线店铺，二线店铺、垂直店铺、内容店铺和一线平台类似，在此不赘述。
其中，B2B渠道店铺的基本信息可包括：店铺数量/基本情况、主销产品、上年度销售额等。
不限于上述提到的基本信息，跨境电商企业还可包括更多的基本信息，本申请不作限制。
这里，从数据源获取上述跨境电商企业的基本信息的方式可以有多种。例如，可从相关文件(如营业执照、采购合同等)获取、从店铺后台数据获取、网络爬虫获取等，在此不予限定。
本申请中，在通过上述基本信息确定跨境电商企业的可授信额度范围时的方式可以有多种。可选地，可通过基本信息的完整度确定跨境电商企业的可授信额度范围，当获取到的基本信息越完整时，跨境电商企业的可授信额度范围的上限越高。可选地，还可通过基本信息中的B2B渠道供应商/平台、B2B渠道店铺的数量及规模确定跨境电商企业的可授信额度范围，当B2B渠道供应商/平台、B2B渠道店铺越多、规模越大时，跨境电商企业的可授信额度范围的上限越高。
请参见表2，表2示例性地列举了上述基本信息的来源，以及，可授信额度范围的上限确定方式。
表2
(3)指标数据
本申请中，指标数据反映跨境电商企业的经营状况，指标数据可用于衡量跨境电商企业的具体授信额度。本申请中，利用评估模型来根据指标数据衡量跨境电商企业的授信额度，可参照后续方法实施例的相关描述，在此不赘述。
本申请中，指标数据可包括以下至少一项：剔除往来款流水/交易流水、月均常备库存数(包括历史月份的数据)、月进出仓货量(包括历史月份的数据)、周转率(周转率为商品出仓量占库存数的比值)/进出频次(包括历史月份的数据)、日整体营业收入、订单情况(日跨境商品销售金额)、跨境商品毛利、各平台(包括一线平台、二线平台、垂直平台、内容平台及其他平台)的月均供货金额(包括历史月份的数据)、各店铺(包括一线店铺、二线店铺、垂直店铺、内容店铺及其他店铺)的月均销售额(包括历史月份的数据)、点击率、网站ICP备案、销量/销售额、是否为关联企业、企业评级、个人担保、企业担保、不动产及其他资产担保等。
其中，点击率是指消费者在平台/店铺的浏览点击率；网站ICP是指平台/店铺的中华人民共和国电信与信息服务业务经营许可证；销售量/销售额是指平台/店铺面向消费者销售商品的销售量和销售额；企业评级是指中信保对跨境电商企业的信用评级；个人担保是指该跨境电商企业的实际控制人是否为借贷行为做个人担保；企业担保是指是否存在外部企业为该跨境电商企业的借贷行为做担保；不动产及其他资产担保是指是否存在外部不动产或其他资产作为担保本次该跨境电商企业的借贷行为。
本申请中，从数据源获取上述跨境电商企业的指标数据的方式有多种。例如，可利用网络爬虫算法获取指标数据、接收用户输入的指标数据、通过相关文件等来获取指标数据等，在此不予限定。
请参见表3，表3示例性地列举了指标数据以及指标数据的来源。
表3
(4)风控数据
本申请中，风控数据反映跨境电商企业在获得授信额度后的经营情况及信息变动，风控数据可用于衡量金融机构向跨境电商企业提供授信额度后所面临的风险。
本申请中，风控数据至少可包括经营数据、财务数据和征信数据。
其中，经营数据可包括以下至少一项：实时(当月或当日等)销售额/销售量、周转率、在库货物信息(例如保质期等)、负面信息(例如是否有拖欠工资等)、舆论信息(例如网络对跨境电商企业的评价)。
其中，财务数据可包括以下至少一项：银行流水。
其中，征信数据可包括以下至少一项：企业法务信息(例如是否有法院相关案件、是否为严重违法企业等)、法人信息(例如是否为失信被执行人等)。
本申请中，从数据源获取上述风控数据的方式有多种。例如，可利用网络爬虫算法获取风控数据、接收用户输入的风控数据、通过相关文件等来获取风控数据等，在此不予限定。
可选地，可将跨境电商企业的经营状况分为多级，例如正常、预警、异常、初级异常、中级异常、高级异常等，不同的风控数据可对应不同等级。例如，当月增长率大于或等于-10％时，经营状况可以为正常，月增长率＝本月销售额-上月销售额)/本月销售额＝增长率。
请参见表4，表4示例性地列举了风控数据、风控数据的来源以及不同风控数据对应的经营状况等级。
表4
上述第(二)种基本概念详细介绍了跨境电商企业的几种相关数据，可理解的，不限于上述列出的几种数据，具体实现中，跨境电商企业还可以有更多的相关数据。此外，不同类型的跨境电商企业也可以有不同的相关数据。
上述详细介绍了本申请涉及的几个跨境电商企业的基本概念，下面描述本申请提供的跨境电商企业的评估方法。
请参见图1，图1是本申请提供的一种跨境电商企业的评估方法的流程示意图，该方法可由跨境电商企业的评估装置执行。如图1所示，该方法至少可包括如下步骤：
S101、获取待评估跨境电商企业的指标数据。
具体的，评估装置可获取待评估跨境电商企业的指标数据。这里，待评估跨境电商企业的指标数据可参照前文基本概念(二)中的相关描述，例如，获取的指标数据可包括剔除往来款流水/交易流水、各平台的月均供货金额、各店铺的月均销售额等。
可选地，评估装置在获取待评估跨境电商企业的指标数据时，可首先确定该待评估跨境电商企业的指标数据的类别，根据指标数据的类别与数据源的对应关系，确定该待评估跨境电商企业的指标数据所对应的数据源，再从确定的数据源中获取指标数据。
具体的，由于不同的跨境电商企业的指标数据的类别不同(例如部分跨境电商企业有内容平台月均供货金额，部分没有)，因此需先确定待评估跨境电商企业的指标数据的类别，之后才能根据指标数据类别与数据源的对应关系，确定数据源。这里，不同的指标数据对应的数据源不同，可参照前文表3以及数据源的相关描述。
S102、使用评估模型对该指标数据进行评估，生成针对该待评估跨境电商企业的授信额度，其中，该评估模型基于样本数据库构建得到，该样本数据库包括至少一个样本跨境电商企业的样本数据，该样本数据包括样本跨境电商企业的指标数据和授信额度。
可选地，评估装置可以在接收到评估指令的情况下，对待评估跨境电商企业进行评估。这里，评估装置可以接收用户输入的评估指令，也可以通过通信接口接收其他设备发送的评估指令。
具体的，评估装置使用评估模型对待评估跨境电商企业的指标数据进行评估，生成针对该待评估跨境电商企业的授信额度。这里，评估模型基于大量的真实样本数据构建得到，能够根据待评估跨境电商企业的指标数据，生成符合该待评估跨境电商企业实际情况的授信额度。这里，评估模型的构建方法可以参照后续方法实施例的相关描述。
可选地，评估装置可使用评估模型生成一个或多个针对待评估跨境电商企业的授信额度。其中，生成的授信额度可直接作为金融机构最终确定的针对该待评估跨境电商企业的授信额度，也可作为金融机构确定针对该待评估跨境电商企业的授信额度时的参考数据，本申请不作限制。
实施图1所示的方法，评估装置使用评估模型对待评估跨境电商企业的指标数据进行评估，生成该待评估跨境电商企业的授信额度，可实现对跨境电商企业的信用及经营状况的精准评估，提高金融机构对跨境电商企业的授信效率与准确度，满足跨境电商企业的融资需求。
结合图1所示的方法，为了进一步提高对跨境电商企业的授信效率与准确度，本申请还可在上述步骤S102之前，执行以下几种可能的步骤。
在可选实施例中，在步骤S102之前，即评估装置使用评估模型对指标数据进行评估之前，还可包括：判断该带评估跨境电商企业是否满足可授信条件，在该待评估跨境电商企业满足可授信条件的情况下，使用评估模型对指标数据进行评估。
具体的，在待评估跨境电商企业满足可授信条件的情况下，才使用评估模型对指标数据进行评估，若待评估跨境电商企业不满足可授信条件，金融机构可直接将该待评估跨境电商企业的授信金额置为0。通过这样的方式，可提高金融机构对跨境电商企业的授信效率与准确度。
本申请中，判断待评估跨境电商企业是否满足可授信条件的方式有多种，下面列举可能的两种方式：
(1)评估装置可接收用户的可授信指令或拒绝授信指令，并根据接收到的指令判断待评估跨境电商企业是否满足可授信条件。这里，用户可依据待跨境电商企业的实际情况发出可授信指令或拒绝授信指令。可理解的，当评估装置接收到可授信指令时，可判断待评估跨境电商企业满足可授信条件，当评估装置接收到拒绝授信指令时，可判断待评估跨境电商企业不满足可授信条件。
(2)评估装置获取该待评估跨境电商企业的可授信数据，并判断该可授信数据是否满足预设条件，在该可授信数据满足预设条件的情况下，该待评估跨境电商企业满足可授信条件。
这里，可授信数据可参照前文基本概念(二)中提到的可授信数据，可授信数据的预设条件可参照前文基本概念(二)中提到的预设条件。在一个具体的实施例中，可授信数据和预设条件可参照表1中的相关描述。
在另一可选实施例中，在步骤S102之前，即评估装置使用评估模型对指标数据进行评估之前，还可包括：确定待评估跨境电商企业的可授信额度范围，其中，评估装置在步骤S102中生成的针对该待评估跨境电商企业的授信额度在可授信额度范围内。
具体的，先确定待评估跨境电商企业的可授信额度范围，然后使用评估模型对指标数据进行评估，在确定的可授信额度范围内生成针对该待评估跨境电商企业的授信额度。通过这样的方式，可提高金融机构对跨境电商企业的授信效率与准确度。
本申请中，确定待评估跨境电商企业的可授信额度范围的方式有多种，下面列举可能的两种方式：
(1)评估装置可接收用户输入的可授信额度范围。这里，用户可依据待跨境电商企业的实际情况输入可授信额度范围。
(2)评估装置获取该待评估跨境电商企业的基本信息，根据基本信息确定待跨境电商企业的可授信额度范围。
这里，待评估跨境电商企业的基本信息、通过基本信息确定跨境电商企业的可授信额度范围的方式可参照前文基本概念(二)中所描述的基本信息及确定方式。可选的，可根据基本信息的完整程度，确定可授信额度范围。在一个具体的实施例中，可以参见表2，若获取到的待评估跨境电商企业的基本信息为表2中“授信500万人民币所需资料”所在列中“√”所对应的基本信息，那么，确定的该待评估跨境电商企业的可授信额度范围可以为“0-500万人民币”。
可选的，还可通过基本信息中的具体值(例如B2B渠道店铺的数量及规模等)确定跨境电商企业的可授信额度范围。当B2B渠道供应商/平台、B2B渠道店铺越多、规模越大时，跨境电商企业的可授信额度范围的上限越高。
参见图2，图2为本申请提供的另一种跨境电商企业的评估方法的流程示意图，该方法可由跨境电商企业的评估装置执行。图2所示方法与图1所示方法的不同之处在于，包括了评估模型的构建过程。
如图2所示，该方法可包括如下步骤：
S201、获取至少一个样本跨境电商企业的样本数据。
具体的，样本跨境电商企业是在历史时间段内已经被金融机构评估并授信的跨境电商企业。因此，样本跨境电商企业具有指标数据以及金融机构真实授予的授信额度，即样本数据包括样本跨境电商企业的指标数据和授信额度。
本申请中，评估装置获取至少一个样本数据，是指可获取一个样本数据，也可以获取多个样本数据。当获取的样本数据越多时，构建的评估模型越能反映金融机构真实评估跨境电商企业时的实际情况。
S202、基于至少一个样本数据生成样本数据库。
本申请中，可以将获取的样本数据都加入到样本数据库中，也可以根据一定的策略将部分样本数据加入到样本数据库中，还可以对部分样本数据作预处理后加入到样本数据库中，本申请不作限制。
S203、基于样本数据库构建评估模型。
可选地，可使用模型算法对样本数据库中的样本数据进行拟合，不断调整算法结构和模型参数，生成评估模型。这里，使用生成的评估模型对样本数据中样本跨境电商企业的指标数据进行评估时，生成的授信额度趋近或等于样本数据中样本跨境电商企业的指标数据的真实授信额度。因此，评估模型能够生成符合跨境电商企业实际情况的授信额度。
其中，模型算法可以包括但不限于：XGBOOST、GBRT、LASSO、RF算法等。模型参数可以包括迭代次数、伽马数值、学习速率、最大深度、交叉验证中的至少一种。可选地，在评估模型的构建过程中，可通过调整模型参数，来调整评估模型。例如，可通过调整迭代次数，调整评估模型的计算速度；通过调节伽马熟知，调节评估模型的算法保守程度；通过调节学习速率，调整评估模型的输出与最优值之间的关系；通过调整最大深度，调整模型算法树的最大层数；通过调整交叉验证，调整用于生成评估模型的样本数据的数量。
不限于上述提及的评估模型的构建方法，本申请还可以通过其他方式构建评估模型，本申请不作限定。
可选地，生成评估模型后，在获取更多样本数据的情况下，可对该评估模型进行调整优化，以逐步提升评估模型的评估精确度。
可选地，可以针对不同类型的跨境电商企业，生成不同的评估模型。
例如，针对不同类型的跨境电商企业，获取不同的样本数据，构建不同的样本数据库，进而生成不同的评估模型。通过这种方式，可针对跨境电商企业个性化地建立评估模型，进一步提升评估模型的准确性。
又例如，可利用不同的模型算法，分别生成不同的评估模型，并可以进一步地确定各评估模型所输出结果的精准度，选取精准度最高的评估模型作为最终评估装置使用的评估模型。
S204、获取待评估跨境电商企业的指标数据。
S205、使用评估模型对该指标数据进行评估，生成针对该待评估跨境电商企业的授信额度。
可理解的，步骤S204和图1所示方法中的步骤S101的实现相同，步骤S205和图1所示方法中的步骤S102的实现相同，可参照相关描述，在此不赘述。
参见图3，图3为本申请提供的又一种跨境电商企业的评估方法的流程示意图，该方法可由跨境电商企业的评估装置执行。图3所示方法与图2所示方法的不同之处在于，在评估模型的构建过程中，预先对样本数据库做了处理。
如图3所示，该方法可包括如下步骤：
S301、获取至少一个样本跨境电商企业的样本数据。
S302、基于至少一个样本数据生成样本数据库。
S303、判断样本数据库是否包括缺少预设指标数据的样本数据。
具体的，样本数据库中包括一个或多个样本数据，在这些样本数据中，可能有部分样本数据包括的指标数据不完整。例如，可能有部分样本数据没有包括预设指标数据，例如月进出仓货量、周转率等。这里，预设指标数据可以预先设置，也可以由评估装置根据实际情况进行调整，本申请不作限制。
S304、在样本数据库包括缺少预设指标数据的样本数据的情况下，对缺少预设指标数据的样本数据做预处理，以得到该缺少的预设指标数据，并将缺少预设指标数据的样本数据和缺少的预设指标数据组合为处理后的样本数据，将缺少预设指标数据的样本数据替换为处理后的样本数据。
这里，对缺少预设指标数据的样本数据做预处理是指，由评估装置根据现有的样本数据自动生成缺少的预设指标数据，或者，人工补充缺少的预设指标数据等。举例说明，部分指标数据之间具有关联关系，若现有的样本数据包括：针对某种商品，某个品牌的销量、行业内该商品的总销量(包括所有品牌)，则可以根据公式1计算得到该某个品牌的市场占有率：
在得到缺少的预设指标数据后，将缺少预设指标数据的样本数据和缺少的预设指标数据组合为处理后的样本数据，将样本数据库中缺少预设指标数据的样本数据替换为处理后的样本数据。
可选地，在样本数据库包括缺少预设指标数据的样本数据的情况下，还可直接将样本数据库中缺少预设指标数据的样本数据删除，以保证数据库中的样本数据包括完整的指标数据。
通过上述步骤S304，可保证样本数据库中的样本数据包括完整的指标数据，可使生成的评估模型更加准确。
S305、基于样本数据库构建评估模型。
S306、获取待评估跨境电商企业的指标数据。
S307、使用评估模型对该指标数据进行评估，生成针对该待评估跨境电商企业的授信额度。
可理解的，步骤S301、S302和图2所示方法中的步骤S201、S202的实现相同，步骤S305-S307和图2所示方法中的步骤S203-S205的实现相同，可参照相关描述，在此不赘述。
参见图4，图4为本申请提供的又一种跨境电商企业的评估方法的流程示意图，该方法可由跨境电商企业的评估装置执行。图4所示方法与图2所示方法的不同之处在于，在评估模型的构建过程中，将样本数据库分为了测试集和训练集。
如图4所示，该方法可包括如下步骤：
S401、获取至少一个样本跨境电商企业的样本数据。
S402、基于至少一个样本数据生成样本数据库。
S403、将样本数据库中的样本数据按照预设比例，分为训练集和测试集。
可选地，可以将样本数据库中70％的样本数据作为训练集，30％的样本标数据作为测试。可理解的，该预设比例的取值可以有多种，该预设比例可以预先定义，也可以在评估模型的构建过程中随实际情况调整，本申请不作限定。
S404、基于训练集构建初始评估模型。
S405、根据测试集对初始评估模型进行调整，得到评估模型。
这里，步骤S405的实现和图2所示方法中的步骤S203类似，可参照相关描述。
可选地，可以将测试集中样本数据的指标数据输入初始评估模型中，获得授信额度，对比获得的授信额度和测试集中样本数据的实际授信额度，对初始评估模型进行调整优化，使得最终的评估模型能够输出的结果趋近于实际授信额度。
通过上述步骤S403-S405，将样本数据库中的样本数据分为训练集和测试集，可以使得评估模型完成自我调整优化，使得最终生成的评估模型具有更加准确的评估能力。
S406、获取待评估跨境电商企业的指标数据。
S407、使用评估模型对该指标数据进行评估，生成针对该待评估跨境电商企业的授信额度。
可理解的，步骤S401、S402和图2所示方法中的步骤S201、S202的实现相同，步骤S406、S407和图2所示方法中的步骤S204、S205的实现相同，可参照相关描述，在此不赘述。
参见图5，图5为本申请提供的又一种跨境电商企业的评估方法，该方法可由跨境电商企业的评估装置执行。图5所示方法与图2所示方法的不同之处在于，在评估模型的构建过程中，对样本数据库中样本数据的数量做了限制。
如图5所示，该方法可包括如下步骤：
S501、获取至少一个样本跨境电商企业的样本数据。
S502、基于至少一个样本数据生成样本数据库。
S503、判断样本数据库中样本数据的数量是否大于第一阈值。
可选地，第一阈值可以预先设置，也可以基于评估模型所需准确性来确定。
本申请中，若判断结果为是，则可以利用该样本数据库生成评估模型，若判断结果为否，则可以执行以下步骤。
S504、在样本数据库中样本数据的数量小于第一阈值的情况下，根据该至少一个样本数据生成至少一个虚拟样本数据。
具体的，在样本数据库中样本数据的数量小于第一阈值的情况下，可根据获取到的至少一个样本数据，使用算法生成至少一个虚拟样本数据，虚拟样本数据包括指标数据和授信额度。可选地，该算法可以为余弦算法，也可以为其他算法。
可选地，还可以结合指标数据合理区间和授信额度合理区间生成虚拟样本数据，以使生成的虚拟样本的指标数据和授信额度在合理区间内，即虚拟样本数据是合理的、可用于构建评估模型的样本数据。
S505、将至少一个虚拟样本数据加入样本数据库中。
S506、基于样本数据库构建评估模型。
S507、获取待评估跨境电商企业的指标数据。
S508、使用评估模型对该指标数据进行评估，生成针对该待评估跨境电商企业的授信额度。
可理解的，步骤S501、S502和图2所示方法中的步骤S201、S202的实现相同，步骤S506-S508和图2所示方法中的步骤S203-S205的实现相同，可参照相关描述，在此不赘述。
通过上述步骤，可以使得样本数据库中样本数据的数量不低于第一阈值，最终得到的评估模型基于大量的样本数据构建而成，可以提高评估模型的准确度。
参见图6，图6为本申请提供的又一种跨境电商企业的评估方法的流程示意图，该方法可由跨境电商企业的评估装置执行。图6所示方法与图2所示方法的不同之处在于，将待评估跨境电商企业的指标数据和实际授信额度作为样本数据，加入到样本数据库中，以优化评估模型。
如图6所示，该方法可包括如下步骤：
S601、获取至少一个样本跨境电商企业的样本数据。
S602、基于至少一个样本数据生成样本数据库。
S603、基于样本数据库构建评估模型。
S604、获取待评估跨境电商企业的指标数据。
S605、使用评估模型对该指标数据进行评估，生成针对该待评估跨境电商企业的授信额度。
S606、获取待评估跨境电商企业的实际授信额度。
可选地，金融机构在参考评估装置使用评估模型生成的授信额度后，会给予待评估跨境电商企业一个实际授信额度。所述实际授信额度可以和评估装置使用评估模型生成的授信额度相同，也可以不同。
S607、将待评估跨境电商企业的指标数据和实际授信额度组合为一个样本数据，将组合的样本数据加入到样本数据库中以更新样本数据库。
具体的，在金融机构给予待评估跨境电商企业实际授信额度后，该待评估跨境电商企业实际上也成为了样品跨境电商企业。因此，可以将该待评估跨境电商企业的指标数据和实际授信额度作为一个样本数据，加入到样本数据库中，以使样本数据库更加实时和准确。
S608、根据更新后的样本数据库，优化评估模型。
可选地，可以根据更新后的样本数据库再次进行拟合，调整模型算法的结构和模型参数，优化评估模型，优化后的评估模型更实时准确。
可理解的，步骤S601-S605和图2所示方法中的步骤S201-S205的实现相同，可参照相关描述，在此不赘述。
参见图7，图7为本申请提供的又一种跨境电商企业的评估方法的流程示意图，该方法可由跨境电商企业的评估装置执行。图7所示方法与图2所示方法的不同之处在于，在生成待评估跨境电商企业的授信额度之后，还对该待评估跨境电商企业进行风险控制。
如图7所示，该方法可包括如下步骤：
S701、获取至少一个样本跨境电商企业的样本数据。
S702、基于至少一个样本数据生成样本数据库。
S703、基于样本数据库构建评估模型。
S704、获取待评估跨境电商企业的指标数据。
S705、使用评估模型对该指标数据进行评估，生成针对该待评估跨境电商企业的授信额度。
S706、监测该待评估跨境电商企业的实时风控数据，根据风控数据生成针对该待评估跨境电商企业的风控评估结果。
具体的，在生成授信额度后，可周期性或在任意时间监测该待评估跨境电商企业的实时风控数据。这里，待评估跨境电商企业的风控数据可参照前文基本概念(二)中关于风控数据的相关描述。在一个具体的实施例中，风控数据可参照表4及相关描述。
可选地，周期性监测该待评估跨境电商企业的实时风控数据时，周期可以根据实际需要设定，例如一个小时、四个小时、一天、一周等。
具体的，风控评估结果反映了金融机构向该待评估跨境电商企业给予授信额度后可能面临的风险，可以是通过该待评估跨境电商企业的经营状况来表示。这里，经营状况可以参照前文基本概念(二)中关于经营状况的基本描述。在一个具体的实施例中，经营状况可以为表4中的经营状况等级，例如，当经营状况为正常时，表示风险较低，当经营状况为高级异常时，表示风险较高。
S707、根据风控评估结果，输出提示信息。
具体的，输出的提示信息可以为上述的经营状况等级，也可以为其他提示信息，本申请不作限定。
实施图7所示方法，可输出提示信息，提示金融机构注意待评估跨境电商企业的最新经营状况，使金融机构可以实时掌控风险，提高抗风险能力。
上述详细介绍了本申请的跨境电商企业的评估方法，为了更好地执行本申请，下面介绍本申请提供的跨境电商企业的评估装置。
参见图8，图8为本申请提供的跨境电商企业的评估装置的结构示意图，该装置可以为上述图1-图7所示方法实施例中的评估装置。如图8所示，该装置800可包括通信接口801、一个或多个处理器802和存储器803，这些部件可通过总线或者其它方式连接。其中：
通信接口801该装置80与其他通信设备通信。具体实现中，通信接口801可包括有线通信接口(例如以太网接口)，也可包括无线通信接口。
存储器803与处理器802耦合，用于存储各种软件程序和/或多组指令、网络通信程序等。本申请中，存储器803可用于存储样本数据库。
在本申请的一些实施例中，存储器803可用于存储本申请的一个或多个实施例提供的跨境电商企业的评估方法在装置80侧的实现程序。关于本申请的一个或多个实施例提供的评估方法的实现，请图1-图7所示方法实施例。
本申请中，处理器802可用于读取和执行计算机可读指令。具体的，处理器802可用于调用存储于存储器803中的程序，例如本申请的一个或多个实施例提供的跨境电商企业的评估方法在装置80侧的实现程序，并执行该程序包含的指令。
当处理器802调用该计算机指令时，可执行以下步骤：
获取待评估跨境电商企业的指标数据；使用评估模型对指标数据进行评估，生成针对待评估跨境电商企业的授信额度；其中，评估模型基于样本数据库构建得到，样本数据库包括至少一个样本跨境电商企业的样本数据，样本数据包括样本跨境电商企业的指标数据和授信额度。
可选地，在使用评估模型对指标数据进行评估之前，处理器802用于调用计算机指令，以执行以下步骤：判断待评估跨境电商企业是否满足可授信条件；在待评估跨境电商企业满足可授信条件的情况下，使用评估模型对指标数据进行评估。
具体的，在判断待评估跨境电商企业是否满足可授信条件时，可通过获取待评估跨境电商企业的可授信数据；判断可授信数据是否满足预设条件；在可授信数据满足预设条件的情况下，待评估跨境电商企业满足可授信条件。
可选地，用评估模型对指标数据进行评估之前，处理器802用于调用计算机指令，以执行以下步骤：确定待评估跨境电商企业的可授信额度范围；其中，生成的针对待评估跨境电商企业的授信额度在可授信额度范围内。
具体的，在确定待评估跨境电商企业的可授信额度范围，可通过获取待评估跨境电商企业的基本信息；根据基本信息，确定待评估跨境电商企业的可授信额度范围。
可选地，获取待评估跨境电商企业的指标数据之前，处理器802用于调用计算机指令，以执行以下步骤：获取至少一个样本跨境电商企业的样本数据；基于至少一个样本数据生成样本数据库；基于样本数据库构建评估模型。
可选地，基于至少一个样本数据生成样本数据库之后，基于样本数据库构建评估模型之前，处理器802用于调用计算机指令，以执行以下步骤：判断样本数据库是否包括缺少预设指标数据的样本数据；在样本数据库包括缺少预设指标数据的样本数据的情况下，对缺少预设指标数据的样本数据做预处理，以得到缺少的预设指标数据，并将缺少预设指标数据的样本数据和缺少的预设指标数据组合为处理后的样本数据，将缺少预设指标数据的样本数据替换为处理后的样本数据。
可选地，在基于样本数据库构建评估模型时，可将样本数据库中的样本数据按照预设比例，分为训练集和测试集；基于训练集构建初始评估模型；根据测试集对初始评估模型进行调整，得到评估模型。
可选地，基于样本数据库构建评估模型之前，处理器802用于调用计算机指令，以执行以下步骤：判断样本数据库中样本数据的数量是否大于第一阈值；在样本数据库中样本数据的数量小于第一阈值的情况下，根据至少一个样本数据生成至少一个虚拟样本数据；将至少一个虚拟样本数据加入样本数据库中。
可选地，生成针对待评估跨境电商企业的授信额度之后，处理器802用于调用计算机指令，以执行以下步骤：获取待评估跨境电商企业的实际授信额度；将待评估跨境电商企业的指标数据和实际授信额度组合为一个样本数据，将组合的样本数据加入到样本数据库中以更新样本数据库；根据更新后的样本数据库，优化评估模型。
可选地，生成针对待评估跨境电商企业的授信额度之后，处理器802用于调用计算机指令，以执行以下步骤：监测待评估跨境电商企业的实时风控数据，根据风控数据生成针对待评估跨境电商企业的风控评估结果；根据风控评估结果，输出提示信息。
可选地，在获取待评估跨境电商企业的指标数据时，可确定待评估跨境电商企业的指标数据的类别；根据指标数据的类别与数据源的对应关系，确定待评估跨境电商企业的指标数据所对应的数据源；从数据源获取待评估跨境电商企业的指标数据。
参见图9，图9为本申请提供的跨境电商企业的评估装置的功能框图，该装置可以为上述图1-图7所示方法实施例中的评估装置。如图9所示，该装置900可包括：第一获取单元901和评估单元902，其中：
第一获取单元901，用于获取待评估跨境电商企业的指标数据；
评估单元902，用于使用评估模型对指标数据进行评估，生成针对待评估跨境电商企业的授信额度；其中，评估模型基于样本数据库构建得到，样本数据库包括至少一个样本跨境电商企业的样本数据，样本数据包括样本跨境电商企业的指标数据和授信额度。
可选地，装置900还可包括第一判断单元903，用于判断待评估跨境电商企业是否满足可授信条件；评估单元902，具体用于在待评估跨境电商企业满足可授信条件的情况下，使用评估模型对指标数据进行评估。
可选地，第一获取单元901，还用于获取待评估跨境电商企业的可授信数据；第一判断单元903，具体用于判断可授信数据是否满足预设条件，在可授信数据满足预设条件的情况下，待评估跨境电商企业满足可授信条件。
可选地，装置900还可包括确定单元904，用于确定待评估跨境电商企业的可授信额度范围；其中，生成的针对待评估跨境电商企业的授信额度在可授信额度范围内。
可选地，第一获取单元901，还用于获取待评估跨境电商企业的基本信息；确定单元904，具体用于根据基本信息，确定待评估跨境电商企业的可授信额度范围。
可选地，装置900还可包括评估模型构建单元905，用于基于样本数据库构建评估模型，其中，样本数据库包括至少一个样本跨境电商企业的样本数据，样本数据包括样本跨境电商企业的指标数据和授信额度。
可选地，装置900还可包括监测单元906和输出单元907，其中，
监测单元906，用于在评估单元生成针对待评估跨境电商企业的授信额度之后，监测待评估跨境电商企业的实时风控数据，根据风控数据生成针对待评估跨境电商企业的风控评估结果；
输出单元907，用于根据风控评估结果，输出提示信息。
可选地，第一获取单元901，具体用于确定待评估跨境电商企业的指标数据的类别；根据指标数据的类别与数据源的对应关系，确定待评估跨境电商企业的指标数据所对应的数据源；从数据源获取待评估跨境电商企业的指标数据。
下面详细描述装置900中的评估模型构建单元905的结构，参见图10，图10为本申请提供的评估模型构建单元905的结构示意图。如图所示，评估模型构建单元905可包括：第二获取单元9051、生成单元9052、构建单元9053，其中，
第二获取单元9051，还用于在获取待评估跨境电商企业的指标数据之前，获取至少一个样本跨境电商企业的样本数据；
生成单元9052，用于基于至少一个样本数据生成样本数据库；
构建单元9053，用于基于样本数据库构建评估模型。
可选地，评估模型构建单元905还可包括第二判断单元9054和预处理单元9055，其中，
第二判断单元9054，用于在生成单元9052基于至少一个样本数据生成样本数据库之后，在构建单元9053基于样本数据库构建评估模型之前，判断样本数据库是否包括缺少预设指标数据的样本数据；
预处理单元9055，用于在样本数据库包括缺少预设指标数据的样本数据的情况下，对缺少预设指标数据的样本数据做预处理，以得到缺少的预设指标数据，并将缺少预设指标数据的样本数据和缺少的预设指标数据组合为处理后的样本数据，将缺少预设指标数据的样本数据替换为处理后的样本数据。
可选地，评估模型构建单元905还可包括第三判断单元9056和删除单元9057，其中，
第三判断单元9056，用于在生成单元9052基于至少一个样本数据生成样本数据库之后，在构建单元9053基于样本数据库构建评估模型之前，判断样本数据库是否包括缺少预设指标数据的样本数据；
删除单元9057，用于在样本数据库包括缺少预设指标数据的样本数据的情况下，将样本数据库中缺少预设指标数据的样本数据删除。
可选地，构建单元9053，具体用于将样本数据库中的样本数据按照预设比例，分为训练集和测试集；基于训练集构建初始评估模型；根据测试集对初始评估模型进行调整，得到评估模型。
可选地，评估模型构建单元905还可包括第四判断单元9058，用于在构建单元9053基于样本数据库构建评估模型之前，判断样本数据库中样本数据的数量是否大于第一阈值；生成单元9052，还用于在样本数据库中样本数据的数量小于第一阈值的情况下，根据至少一个样本数据生成至少一个虚拟样本数据；将至少一个虚拟样本数据加入样本数据库中。
可选地，第二获取单元9051，还用于在评估单元902生成针对待评估跨境电商企业的授信额度之后，获取待评估跨境电商企业的实际授信额度；生成单元9052，还用于将待评估跨境电商企业的指标数据和实际授信额度组合为一个样本数据，将组合的样本数据加入到样本数据库中以更新样本数据库；构建单元9053，还用于根据更新后的样本数据库，优化评估模型。
可理解的，装置900及评估模型构建单元905中各功能模块可以进行组合，本申请不作限制。
可理解的，装置900及评估模型构建单元905中各功能模块的功能可根据上述图1-图7所示方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不赘述。
综上，实施本申请，评估装置使用评估模型对待评估跨境电商企业的指标数据进行评估，生成该待评估跨境电商企业的授信额度，可实现对跨境电商企业的信用及经营状况的精准评估，提高金融机构对跨境电商企业的授信效率与准确度，满足跨境电商企业的融资需求。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所揭露的仅为本申请一种较佳实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (15)

1.一种跨境电商企业的评估方法，其特征在于，包括：
获取待评估跨境电商企业的指标数据；
使用评估模型对所述指标数据进行评估，生成针对所述待评估跨境电商企业的授信额度；
其中，所述评估模型基于样本数据库构建得到，所述样本数据库包括至少一个样本跨境电商企业的样本数据，所述样本数据包括所述样本跨境电商企业的指标数据和授信额度。
2.根据权利要求1所述的方法，其特征在于，所述使用评估模型对所述指标数据进行评估之前，还包括：
判断所述待评估跨境电商企业是否满足可授信条件；
在所述待评估跨境电商企业满足可授信条件的情况下，使用所述评估模型对所述指标数据进行评估。
3.根据权利要求2所述的方法，其特征在于，所述判断所述待评估跨境电商企业是否满足可授信条件，具体包括：
获取所述待评估跨境电商企业的可授信数据；
判断所述可授信数据是否满足预设条件；
在所述可授信数据满足预设条件的情况下，所述待评估跨境电商企业满足可授信条件。
4.根据权利要求1所述的方法，其特征在于，所述使用评估模型对所述指标数据进行评估之前，还包括：确定所述待评估跨境电商企业的可授信额度范围；其中，生成的针对所述待评估跨境电商企业的授信额度在所述可授信额度范围内。
5.根据权利要求4所述的方法，其特征在于，所述确定所述待评估跨境电商企业的可授信额度范围，具体包括：
获取所述待评估跨境电商企业的基本信息；
根据所述基本信息，确定所述待评估跨境电商企业的可授信额度范围。
6.根据权利要求1所述的方法，其特征在于，所述获取待评估跨境电商企业的指标数据之前，还包括：
获取所述至少一个样本跨境电商企业的样本数据；
基于所述至少一个样本数据生成所述样本数据库；
基于所述样本数据库构建所述评估模型。
7.根据权利要求6所述的方法，其特征在于，所述基于所述至少一个样本数据生成所述样本数据库之后，基于所述样本数据库构建所述评估模型之前，还包括：
判断所述样本数据库是否包括缺少预设指标数据的样本数据；
在所述样本数据库包括所述缺少预设指标数据的样本数据的情况下，对所述缺少预设指标数据的样本数据做预处理，以得到所述缺少的预设指标数据，将所述缺少预设指标数据的样本数据和所述缺少的预设指标数据组合为处理后的样本数据，将所述缺少预设指标数据的样本数据替换为所述处理后的样本数据。
8.根据权利要求6所述的方法，其特征在于，所述基于所述至少一个样本数据生成所述样本数据库之后，基于所述样本数据库构建所述评估模型之前，还包括：
判断所述样本数据库是否包括缺少预设指标数据的样本数据；
在所述样本数据库包括所述缺少预设指标数据的样本数据的情况下，将所述样本数据库中缺少所述预设指标数据的样本数据删除。
9.根据权利要求6所述的方法，其特征在于，所述基于所述样本数据库构建所述评估模型，具体包括：
将所述样本数据库中的样本数据按照预设比例，分为训练集和测试集；
基于所述训练集构建初始评估模型；
根据所述测试集对所述初始评估模型进行调整，得到所述评估模型。
10.根据权利要求6所述的方法，其特征在于，所述基于所述样本数据库构建所述评估模型之前，还包括：
判断所述样本数据库中样本数据的数量是否大于第一阈值；
在所述样本数据库中样本数据的数量小于所述第一阈值的情况下，根据所述至少一个样本数据生成至少一个虚拟样本数据；
将所述至少一个虚拟样本数据加入所述样本数据库中。
11.根据权利要求6-10任一项所述的方法，其特征在于，所述生成针对所述待评估跨境电商企业的授信额度之后，还包括：
获取所述待评估跨境电商企业的实际授信额度；
将所述待评估跨境电商企业的指标数据和所述实际授信额度组合为一个样本数据，将组合的所述样本数据加入到所述样本数据库中以更新所述样本数据库；
根据更新后的所述样本数据库，优化所述评估模型。
12.根据权利要求1-10任一项所述的方法，其特征在于，所述生成针对所述待评估跨境电商企业的授信额度之后，还包括：
监测所述待评估跨境电商企业的实时风控数据，根据所述风控数据生成针对所述待评估跨境电商企业的风控评估结果；
根据所述风控评估结果，输出提示信息。
13.根据权利要求1-10任一项所述的方法，其特征在于，所述获取待评估跨境电商企业的指标数据，具体包括：
确定所述待评估跨境电商企业的指标数据的类别；
根据指标数据的类别与数据源的对应关系，确定所述待评估跨境电商企业的指标数据所对应的数据源；
从所述数据源获取所述待评估跨境电商企业的指标数据。
14.一种评估装置，其特征在于，包括：存储器以及与所述存储器耦合的处理器，其中，
所述存储器用于存储程序代码，所述处理器用于调用所述存储器中存储的程序代码，以执行权利要求1-13任一项所述的跨境电商企业的评估方法。
15.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行权利要求1-13任一项所述的方法。
CN201811113378.7A 2018-09-25 2018-09-25 一种跨境电商企业的评估方法及装置 Pending CN109409671A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811113378.7A CN109409671A (zh) 2018-09-25 2018-09-25 一种跨境电商企业的评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811113378.7A CN109409671A (zh) 2018-09-25 2018-09-25 一种跨境电商企业的评估方法及装置

Publications (1)

Publication Number Publication Date
CN109409671A true CN109409671A (zh) 2019-03-01

Family

ID=65465055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811113378.7A Pending CN109409671A (zh) 2018-09-25 2018-09-25 一种跨境电商企业的评估方法及装置

Country Status (1)

Country Link
CN (1) CN109409671A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210963A (zh) * 2019-06-04 2019-09-06 中投摩根信息技术（北京）有限责任公司 风控评级系统
CN110796539A (zh) * 2019-10-31 2020-02-14 中国工商银行股份有限公司 一种征信评估方法及装置
CN111125071A (zh) * 2019-11-25 2020-05-08 珠海格力电器股份有限公司 实时数据可信度的评估方法、装置及存储介质
CN113393328A (zh) * 2021-06-21 2021-09-14 深圳微众信用科技股份有限公司 融资贷前审批评估方法、装置及计算机存储介质
CN114091109A (zh) * 2022-01-19 2022-02-25 豆沙包科技(深圳)有限公司 跨境电商平台数据验证方法、系统、终端及存储介质
CN114398562A (zh) * 2021-12-31 2022-04-26 广州探迹科技有限公司 一种店铺数据管理方法、装置、设备及存储介质
CN114626885A (zh) * 2022-03-17 2022-06-14 华院分析技术(上海)有限公司 一种基于大数据的零售管理方法和系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210963A (zh) * 2019-06-04 2019-09-06 中投摩根信息技术（北京）有限责任公司 风控评级系统
CN110796539A (zh) * 2019-10-31 2020-02-14 中国工商银行股份有限公司 一种征信评估方法及装置
CN111125071A (zh) * 2019-11-25 2020-05-08 珠海格力电器股份有限公司 实时数据可信度的评估方法、装置及存储介质
CN113393328A (zh) * 2021-06-21 2021-09-14 深圳微众信用科技股份有限公司 融资贷前审批评估方法、装置及计算机存储介质
CN114398562A (zh) * 2021-12-31 2022-04-26 广州探迹科技有限公司 一种店铺数据管理方法、装置、设备及存储介质
CN114398562B (zh) * 2021-12-31 2023-04-18 广州探迹科技有限公司 一种店铺数据管理方法、装置、设备及存储介质
CN114091109A (zh) * 2022-01-19 2022-02-25 豆沙包科技(深圳)有限公司 跨境电商平台数据验证方法、系统、终端及存储介质
CN114091109B (zh) * 2022-01-19 2022-05-20 豆沙包科技(深圳)有限公司 跨境电商平台数据验证方法、系统、终端及存储介质
CN114626885A (zh) * 2022-03-17 2022-06-14 华院分析技术(上海)有限公司 一种基于大数据的零售管理方法和系统

Similar Documents

Publication Publication Date Title
CN109409671A (zh) 一种跨境电商企业的评估方法及装置
US20170330279A1 (en) Unified Option Trading System
CN109785121A (zh) 基于区块链架构的仓单质押融资方法及装置
CN109711983A (zh) 基于区块链架构的仓单质押融资评估方法及装置
CN109685651A (zh) 仓单质押的信贷风险监控方法及装置
Chen et al. The value of trade credit under risk controls
CN109345372A (zh) 信用评分方法、系统及计算机可读存储介质
CN108255473A (zh) 一种产品+服务+全民营销的创新商业模式平台
Kulikova et al. Lowest value principle implementation in inventory measurement of financial statements of the enterprises
Kang'aru et al. Effect of Financial Planning Practices on the Financial Performance of Non Profit Making Health Organizations in Kiambu County, Kenya
Honarmandi et al. Comparing the impact of brand value on corporate profit in B2B and B2C businesses: A case study
Kirshner et al. For the future and from afar: Psychological distance and inventory decision‐making
Li et al. Risk management of supply and cash flows in supply chains
KARSHALOVA et al. Improvement of Management Accounting in the Context of Uncertainty and Risks in the Food Retailing Sector in the Republic of Kazakhstan.
Bala et al. Corporate liquidity and profitability of listed food and beverages firms in Nigeria
US20200234372A1 (en) System and Method For Automated Investment
Shi et al. How Is Gross Profit Margin Overestimated in China?
Mei et al. Valuing a timber harvest contract as a high‐dimensional American call option via least‐squares monte carlo simulation
JP2021111281A (ja) 事業者分類装置、方法、プログラム、事業者評価システム及び信用リスク評価システム
Grody et al. Risk accounting-part 2: The risk data aggregation and risk reporting (BCBS 239) foundation of enterprise risk management (ERM) and risk governance
US20140180964A1 (en) Method for displaying current disparate ratio for enterprise value using difference between market value for enterprise and basic analysis
US20130212044A1 (en) System and mehtod for managing a distribution network of investment money
Nichita Enhancing quality of information through risk reporting in financial statements
Lu et al. Capacity investment decisions under risk aversion
KR20150124058A (ko) 종목 투자 가이드 시스템 및 그 방법

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301

RJ01 Rejection of invention patent application after publication