CN114091109B - 跨境电商平台数据验证方法、系统、终端及存储介质 - Google Patents

Abstract

本发明涉及跨境电商平台数据验证方法，包括以下步骤：对电商平台的统计数据标签化处理，数据脱敏后输入到数据沙盒中待验证数据存储区，等待数据验证，同时推送给行方系统；对电商平台的明细数据进行明细数据处理，将明细数据处理的结果经过标签化处理后作为统计指标；对比由明细数据产生的统计指标与等待验证的标签化数据，判断差距是否在设定的合理范围内，计算每个标签化数据字段的可信系数，从待验证数据存储区转储到到已验证数据存储区，已验证数据存储区的数据推送至行方系统；基于数据沙盒的跨境数据验证方案，能够有效的解决实时数据脱敏与交互、数据质量审计等功能，具有效率高、安全性强、可追溯的优点，具有较为广泛的应用前景。

Description

跨境电商平台数据验证方法、系统、终端及存储介质

技术领域

本发明涉及跨境电商平台数据验证技术领域，更具体地说，涉及一种跨境电商平台数据验证方法、系统终端及存储介质。

背景技术

跨境电商已经成为我国外贸增长的亮点和重要驱动力，跨境电商企业对资金的需求也在快速增长，国内商业银行正在积极开发面向跨境电商企业的金融服务；我国跨境电商企业主要通过亚马逊、eBay、Wish、Shopee等跨境电商平台面向全球销售商品，存在交易频率高，供应链环节多而复杂，资金结算周期较长等特点，对金融机构的风控技术提出了较高的要求；

然而，受制于各国不同的数据保护法律法规限制，国内金融机构在开展跨境电商金融产品设计时，无法直接大规模获取实时的相关数据，因而难以建立起有效的跨境电商风险体系；跨境电商企业在经营过程中会产生极为丰富和复杂的数据，例如销售、订单、物流、资金、用户评价等，同时也存在许多风险因素，例如退货退款、物流丢单、配送周期波动、资金周转、电商平台政策变化等；商业银行在设计跨境电商金融产品时除了传统的信贷数据之外，对订单、物流、销售等另类数据产生了巨大需求；

以亚马逊为例，关于店铺销售经营方面主要提供两类数据：一类是统计类数据，一般是某一个时间段的总的销售数据，统计类数据通常可以即时获取；一类是明细类数据，可以获得每一笔订单的详细信息，但是这类数据需要较长的时间周期才能完全获得；对于可以即时获取的统计类数据，对于银行实现跨境卖家的快速额度审批来说非常重要，但是银行在获取和使用这方面数据存在一定的困难；一方面，亚马逊平台只允许少数平台服务商可以获取这方面数据，且不允许这些服务商将原始数据直接提供给银行等第三方机构；另一方面如何验证这些统计数据的数据质量，也是一个问题；

基于此种环境下，需要一种能够有效的解决实时数据脱敏与交互、数据质量审计等功能跨境电商平台数据验证方式方法。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种跨境电商平台数据验证方法，还提供了一种跨境电商平台数据验证系统、一种跨境电商平台数据验证终端及一种存储介质。

本发明解决其技术问题所采用的技术方案是：

构造一种跨境电商平台数据验证方法，其中，包括以下步骤：

第一步：对电商平台的店铺统计数据接口输出的原始数据报告在不影响授信评估的前提下经过标签化处理，完全去掉可精确识别卖家店铺的信息，数据脱敏后输入到数据沙盒中；

第二步：在数据沙盒中，先将标签化后的数据存入待验证数据存储区，等待数据验证，同时推送给行方系统；

第三步：对电商平台的店铺明细数据接口提供的订单级数据，进行明细数据处理，将明细数据处理的结果经过如第一步中的标签化处理后作为统计指标；

第四步：对比由明细数据产生的统计指标与第二步中等待验证的标签化数据，判断差距是否在设定的合理范围内，计算每个标签化数据字段的可信系数；

第五步：经过验证的标签化数据，从待验证数据存储区转储到到已验证数据存储区，且每个标签化数据字段均附带每个字段的可信系数；

第六步：已验证数据存储区的数据推送至行方系统。

本发明所述的跨境电商平台数据验证方法，其中，所述第一步中，标签化处理的方法包括：

对金额类数据X，除以一相应设定的金额值N后，向下取整，即

。

本发明所述的跨境电商平台数据验证方法，其中，所述第一步中，标签化处理的方法包括：

对数量类数据Y，除以一相应设定的数量值M后，向下取整，即

。

本发明所述的跨境电商平台数据验证方法，其中，所述第三步中，明细数据处理的方法包括：

以统计数据报告时间t为基准，获取多个设定的不同过去时间长度的各项销售数据值。

本发明所述的跨境电商平台数据验证方法，其中，所述第四步中，可信系数计算方法为：

统计数据报告标签化后的数值为a，明细数据加工后的数值为b，可信系数为：

；

如果 a=b，则最大可信系数为1；如果a或b为0，则最小可信系数为0。

本发明所述的跨境电商平台数据验证方法，其中，所述第五步还包括方法：

数据验证后，平台统计报告数据、明细加工数据以及可信系数，将合并输出，保存在已验证数据存储区。

一种跨境电商平台数据验证系统，应用于如上述的跨境电商平台数据验证方法，其中，包括服务商处理单元和数据沙盒；

所述服务商处理单元，用于对接电商平台的店铺统计数据接口输出的原始数据报告，并对其进行标签化处理后输入所述数据沙盒的待验证数据存储区；

所述数据沙盒，用于将接收的统计数据报告标签化后的数据发送至行方系统；还用于接收电商平台的店铺明细数据接口提供的订单级数据，对其进行明细数据处理，将明细数据处理的结果经过标签化处理后作为统计指标，对比由明细数据产生的统计指标等待验证的标签化数据，判断差距是否在设定的合理范围内，计算每个标签化数据字段的可信系数，经过验证的标签化数据，从待验证数据存储区转储到到已验证数据存储区，且每个标签化数据字段均附带每个字段的可信系数，已验证数据存储区的数据推送至行方系统。

本发明所述的跨境电商平台数据验证系统，其中，所述服务商处理单元和所述数据沙盒进行标签化处理的方法包括：

对金额类数据X，除以一相应设定的金额值N后，向下取整，即

；

对数量类数据Y，除以一相应设定的数量值M后，向下取整，即

；

所述数据沙盒进行明细数据处理的方法包括：

以统计数据报告时间t为基准，获取多个设定的不同过去时间长度的各项销售数据值；

所述数据沙盒进行可信系数计算方法为：

统计数据报告标签化后的数值为a，明细数据加工后的数值为b，可信系数为：

；

如果 a=b，则最大可信系数为1；如果a或b为0，则最小可信系数为0；

所述数据沙盒，还用于在数据验证后，平台统计报告数据、明细加工数据以及可信系数，将合并输出，保存在已验证数据存储区。

一种跨境电商平台数据验证终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上述方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述方法的步骤。

本发明的有益效果在于：本申请提供了一种基于数据沙盒的跨境数据验证方案，能够有效的解决实时数据脱敏与交互、数据质量审计等功能，具有效率高、安全性强、可追溯的优点，具有较为广泛的应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图及实施例对本发明作进一步说明，下面描述中的附图仅仅是本发明的部分实施例，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附图：

图1是本发明较佳实施例的跨境电商平台数据验证方法流程图；

图2是本发明较佳实施例的跨境电商平台数据验证方法逻辑示意图；

图3是本发明较佳实施例的跨境电商平台数据验证方法指标字段示例图；

图4是本发明较佳实施例的跨境电商平台数据验证方法合并输出的数据字段示例图；

图5是本发明较佳实施例的跨境电商平台数据验证系统原理框图。

具体实施方式

为了使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的部分实施例，而不是全部实施例。基于本发明的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明较佳实施例的跨境电商平台数据验证方法，如图1所示，同时参阅图2，包括以下步骤：

S01：对电商平台的店铺统计数据接口输出的原始数据报告在不影响授信评估的前提下经过标签化处理，完全去掉可精确识别卖家店铺的信息，数据脱敏后输入到数据沙盒中；

S02：在数据沙盒中，先将标签化后的数据存入待验证数据存储区，等待数据验证，同时推送给行方系统；

S03：对电商平台的店铺明细数据接口提供的订单级数据，进行明细数据处理，将明细数据处理的结果经过如第一步中的标签化处理后作为统计指标；

S04：对比由明细数据产生的统计指标与第二步中等待验证的标签化数据，判断差距是否在设定的合理范围内，计算每个标签化数据字段的可信系数；

S05：经过验证的标签化数据，从待验证数据存储区转储到到已验证数据存储区，且每个标签化数据字段均附带每个字段的可信系数；

S06：已验证数据存储区的数据推送至行方系统；

本申请提供了一种基于数据沙盒的跨境数据验证方案，能够有效的解决实时数据脱敏与交互、数据质量审计等功能，具有效率高、安全性强、可追溯的优点，具有较为广泛的应用前景；

该方案基于数据沙盒来实现，数据沙盒是部署在银行的一个计算环境，主要解决数据验证的问题。数据标签化在平台服务商的系统内完成，主要是因为电商平台不允许直接将原始数据提供给第三方机构，只有通过平台服务商对数据进行脱敏处理以后，才能提供给银行在内的第三方机构；

其中，对店铺统计数据进行标签化处理，主要是为了隐藏能够识别卖家身份的信息，以符合电商平台的隐私保护政策。

店铺统计数据指标可以分为两类：金额类、数量类。针对这两类数据的标签化策略如下

对金额类数据X，除以一相应设定的金额值N后，向下取整，即

；

例如，对于销售额、回款额、库存价值这类金额类的数据X，除以10000，再向下取 整，即

。

如卖家过去一个月的销售额为 325410.00 元，经过标签化处理以后，

=32；

当然，此处根据实际的金额类型以及数值可以进行对N的值进行适应性调整，该种调整后的方案同样属于本申请保护范畴。

对数量类数据Y，除以一相应设定的数量值M后，向下取整，即

；

例如，对于订单量等数量类数据Y，除以100，再向下取整，即

。

如卖家过去一年的订单量为 27120 笔，经过标签化处理以后，

=270；

对于退货订单量等数量较少的数据Z，除以5，再向下取整，即

。

如卖家过去一年的退货订单量为 120 笔，经过标签化处理以后，

=24；

虽然标签化数据损失了数据精度，但仍然不影响对卖家经营能力进行评估；行方得到标签化的数据以后，可以对卖家的经营能力进行评估，从而根据卖家的店铺数据给予对应的授信额度；

原始数据经过标签化处理后，将以JSON数据格式保存在待验证数据存储区，指标字段示例如图3所示，对于其他时间范围的销售、回款、订单相关指标，标签化处理与之相同。

对于明细数据的处理，需要根据统计数据报告时间为基准来设置时间窗口，将时间窗口内的所有订单数据汇总。具体计算逻辑如下：统计数据报告时间为t，对应的明细数据的处理逻辑如下：

报告时间t最近一周的销售额：

所有订单时间在t-7 Day 到 t-1 Day之间所有订单的销售金额之和。

报告时间t最近一周的回款额：

所有订单时间在t-7 Day 到 t-1 Day之间所有订单的平台结算金额之和。

报告时间t最近一周的订单量：

所有订单时间在t-7 Day 到 t-1 Day之间的订单数量。

报告时间t最近一周的退货订单量：

所有订单时间在t-7 Day 到 t-1 Day之间的退货订单数量。

报告时间t最近一月的销售额：

所有订单时间在t-28 Day 到 t-1 Day之间所有订单的销售金额之和。

报告时间t最近一月的回款额：

所有订单时间在t-28 Day 到 t-1 Day之间所有订单的平台结算金额之和。

报告时间t最近一月的订单量：

所有订单时间在t-28 Day 到 t-1 Day之间的订单数量。

报告时间t最近一月的退货订单量：

所有订单时间在t-28 Day 到 t-1 Day之间的退货订单数量。

报告时间t最近一季度的销售额：

所有订单时间在t-90 Day 到 t-1 Day之间所有订单的销售金额之和。

报告时间t最近一季度的回款额：

所有订单时间在t-90 Day 到 t-1 Day之间所有订单的平台结算金额之和。

报告时间t最近一季度的订单量：

所有订单时间在t-90 Day 到 t-1 Day之间的订单数量。

报告时间t最近一季度的退货订单量：

所有订单时间在t-90 Day 到 t-1 Day之间的退货订单数量。

报告时间t最近一年的销售额：

所有订单时间在t-363 Day 到 t-1 Day之间所有订单的销售金额之和。

报告时间t最近一年的回款额：

所有订单时间在t-363 Day 到 t-1 Day之间所有订单的平台结算金额之和。

报告时间t最近一年的订单量：

所有订单时间在t-363 Day 到 t-1 Day之间的订单数量。

报告时间t最近一年的退货订单量：

所有订单时间在t-363 Day 到 t-1 Day之间的退货订单数量。

以上数据也按照统计数据同样的规则进行标签化处理；

数据验证的环节是将由平台统计数据报告标签化的结果，与由明细数据加工出来的指标进行对比，计算统计数据的可信系数。

由前述数据标签化过程可知，标签化后的数据都是整数类型；

统计数据报告标签化后的数值为a，明细数据加工后的数值为b，可信系数为：

；

如果 a=b，则最大可信系数为1；如果a或b为0，则最小可信系数为0；

数据验证后，平台统计报告数据、明细加工数据以及可信系数，将合并输出，保存在已验证数据存储区，合并输出的数据字段示例如图4所示；

此外，由于获取一个店铺的明细数据，需要一定的时间，一般是2到3天，才能从电商平台拉取完成，因此对于同一个店铺的统计数据报告和明细数据的获取存在一定时间差。

标签化后的统计数据可以在数据请求发出后，第一时间提供给行方系统。行方系统可以基于统计数据输出一个预授信额度。

在2到3天以后，该店铺的明细数据拉取完成，会执行明细数据加工和数据验证的流程，输出的验证数据提供给行方系统。此时行方系统可以基于验证数据对原先的额度进行调整。

由于整个沙盒环境都部署在银行的环境中，银行可以对沙盒内的代码进行审计，确保代码逻辑正确无误。该方案解决了电商平台店铺统计原始数据报告不能向行方提供的逻辑，同时也通过数据验证方案，解决了行方对统计数据的准确性的验证问题。

至于行方系统的调整逻辑和调整方案不在本专利的讨论范围内，本专利主要是解决对于电商平台统计数据的验证问题。

一种跨境电商平台数据验证系统，应用于如上述的跨境电商平台数据验证方法，如图5所示，包括服务商处理单元1和数据沙盒2；

服务商处理单元1，用于对接电商平台4的店铺统计数据接口输出的原始数据报告，并对其进行标签化处理后输入数据沙盒的待验证数据存储区20；

数据沙盒2，用于将接收的统计数据报告标签化后的数据发送至行方系统；还用于接收电商平台的店铺明细数据接口提供的订单级数据，对其进行明细数据处理，将明细数据处理的结果经过标签化处理后作为统计指标，对比由明细数据产生的统计指标等待验证的标签化数据，判断差距是否在设定的合理范围内，计算每个标签化数据字段的可信系数，经过验证的标签化数据，从待验证数据存储区转储到到已验证数据存储区21，且每个标签化数据字段均附带每个字段的可信系数，已验证数据存储区的数据推送至行方系统3；

本申请提供了一种基于数据沙盒的跨境数据验证方案，能够有效的解决实时数据脱敏与交互、数据质量审计等功能，具有效率高、安全性强、可追溯的优点，具有较为广泛的应用前景。

其中，服务商处理单元和数据沙盒进行标签化处理的方法包括：

对金额类数据X，除以一相应设定的金额值N后，向下取整，即

；

对数量类数据Y，除以一相应设定的数量值M后，向下取整，即

；

数据沙盒进行明细数据处理的方法包括：

以统计数据报告时间t为基准，获取多个设定的不同过去时间长度的各项销售数据值；

数据沙盒进行可信系数计算方法为：

统计数据报告标签化后的数值为a，明细数据加工后的数值为b，可信系数为：

；

如果 a=b，则最大可信系数为1；如果a或b为0，则最小可信系数为0；

数据沙盒，还用于在数据验证后，平台统计报告数据、明细加工数据以及可信系数，将合并输出，保存在已验证数据存储区；

具体实施说明参加上述描述，此处不再赘述。

一种跨境电商平台数据验证终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现如上述方法的步骤。

一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其中，计算机程序被处理器执行时实现如上述方法的步骤。

本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质，例如，ROM/RAM、磁盘、光盘、闪存等存储器。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种跨境电商平台数据验证方法，其特征在于，包括以下步骤：

第一步：对电商平台的店铺统计数据接口输出的原始数据报告在不影响授信评估的前提下进行标签化处理，完全去掉可精确识别卖家店铺的信息，数据脱敏后输入到数据沙盒中，数据沙盒是部署在银行的一个计算环境，用于解决数据验证的问题；

第二步：在数据沙盒中，先将标签化后的数据存入待验证数据存储区，等待数据验证，同时推送给银行方系统，银行方系统基于统计数据输出一个预授信额度；

第三步：对电商平台的店铺明细数据接口提供的订单级数据，进行明细数据处理，将明细数据处理的结果经过如第一步中的标签化处理后作为统计指标；

第四步：对比由明细数据标签化处理后产生的统计指标与第二步中等待验证的标签化数据，判断差距是否在设定的合理范围内，计算每个标签化数据字段的可信系数；

第五步：将经过验证的标签化数据，从待验证数据存储区转储到已验证数据存储区，且每个标签化数据字段均附带每个字段的可信系数；

第六步：将已验证数据存储区的数据推送至银行方系统，银行方系统基于验证数据对原先的额度进行调整；

明细数据处理的方法包括：

根据统计数据报告时间为基准来设置时间窗口，将时间窗口内的所有订单数据汇总。

2.根据权利要求1所述的跨境电商平台数据验证方法，其特征在于，所述第一步中，标签化处理的方法包括：

对金额类数据X，除以一相应设定的金额值N后，向下取整。

3.根据权利要求1或2所述的跨境电商平台数据验证方法，其特征在于，所述第一步中，标签化处理的方法包括：

对订单数量类数据Y，除以一相应设定的数量值M后，向下取整 。

4.根据权利要求1所述的跨境电商平台数据验证方法，其特征在于，所述第四步中，可信系数计算方法为：

原始数据报告标签化后的数值为a，明细数据加工后的数值为b，可信系数为：

；

如果 a=b，则最大可信系数为1；如果a或b为0，则最小可信系数为0。

5.一种跨境电商平台数据验证系统，应用如权利要求1-4任一所述的跨境电商平台数据验证方法，其特征在于，包括服务商处理单元和数据沙盒；

所述服务商处理单元，用于对电商平台的店铺统计数据接口输出的原始数据报告在不影响授信评估的前提下进行标签化处理，完全去掉可精确识别卖家店铺的信息，数据脱敏后输入到数据沙盒中；

所述数据沙盒，是部署在银行的一个计算环境，用于解决数据验证的问题：将标签化后的数据存入待验证数据存储区，等待数据验证，同时推送给银行方系统，银行方系统基于统计数据输出一个预授信额度；还用于接收电商平台的店铺明细数据接口提供的订单级数据，对其进行明细数据处理，将明细数据处理的结果经过标签化处理后作为统计指标，对比由明细数据标签化处理后产生的统计指标待验证的标签化数据，判断差距是否在设定的合理范围内，计算每个标签化数据字段的可信系数，将经过验证的标签化数据，从待验证数据存储区转储到已验证数据存储区，且每个标签化数据字段均附带每个字段的可信系数，将已验证数据存储区的数据推送至银行方系统，银行方系统基于验证数据对原先的额度进行调整；

其中，明细数据处理的方法包括：根据统计数据报告时间为基准来设置时间窗口，将时间窗口内的所有订单数据汇总。

6.一种跨境电商平台数据验证终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。

Images