一种基于大数据的贸易信息监管系统及方法与流程

本发明涉及大数据，具体为一种基于大数据的贸易信息监管系统及方法。

背景技术：

1、伴随着我国社会和经济的发展与进步，信息技术取得了飞速发展，互联网与计算机技术的应用范围不断扩大，整个社会迈入大数据时代。在大数据时代中，企业贸易模式也深受影响；企业在开展建设与发展工作的过程中，应当对贸易数据的重要作用有正确的认知，帮助企业创造更多的经济效益与社会效益，保证贸易的安全性；

2、在企业的贸易营销环节中，企业与客户、企业产品与客户之间的关系影响甚至决定着企业贸易营销的有效性。在企业的客户关系管理中，包括对老客户关系的维持和新客户关系的建立，是企业培养具有一定忠诚度和信任感客户群体的重要方式。有效的客户关系管理能够有效地降低企业贸易营销的失效风险，保证企业基本的客户群体。

技术实现思路

1、本发明的目的在于提供一种基于大数据的贸易信息监管系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种基于大数据的贸易信息监管系统，本系统包括：可视化存储数据库模块、客户分类模块、风险评估模块和显示终端模块；

4、所述可视化存储数据库模块，用于预先构建可视化存储数据库；

5、所述客户分类模块，用于在预设采集周期内，采集客户上报的客户资料数据，基于客户资料数据库对客户进行分类，将客户分为有效客户和无效客户，计算客户有效指数；

6、所述风险评估模块，用于基于贸易资料数据库，对有效客户进行风险评估，输出风险评估值；

7、所述显示终端模块，用于根据客户有效指数和风险评估值，计算客户综合评价值，将综合评价值发送至显示终端进行预警展示；

8、所述可视化存储数据库模块的输出端与所述客户分类模块的输入端相连接，所述客户分类模块的输出端与所述风险评估模块的输入端相连接，所述风险评估模块的输出端与所述显示终端模块的输入端相连接。

9、进一步的，所述可视化存储数据库模块还包括贸易资料数据库单元和客户资料数据库单元；

10、所述贸易资料数据库单元，用于存储贸易需求数据、成交量数据、交付量数据、退还量数据和贸易金额数据；

11、所述客户资料数据库单元，用于存储客户历史贸易量数据和客户历史成交次数数据。

12、进一步的，所述客户分类模块还包括客户有效指数计算单元和客户分类判断单元；

13、所述客户有效指数计算单元，用于根据采集客户上报的客户资料数据，计算客户有效指数，具体计算公式如下：

14、y＝σni＝1ai/a×(ti/t)

15、其中，y表示客户有效指数，a表示客户历史数据中成交的商品种类数的波动值，且a＝σni＝1[(ai-a0)2/n]，a0表示客户历史数据中成交的商品种类数的平均值，ai表示客户历史数据中第i次成交的商品种类数，t表示客户历史数据中成交的贸易量数据的波动值，且t＝σni＝1[(ti-t0)2/n]，t0表示客户历史数据中成交的贸易量数据的平均值，ti表示客户历史数据中第i次成交的贸易量数据；

16、所述客户分类判断单元，用于预设客户有效指数阈值，如果某个客户有效指数大于等于有效指数阈值，则将该客户标记为有效客户，否则将该客户标记为无效客户。

17、进一步的，所述风险评估模块还包括有效客户筛选单元和风险评估值计算单元；

18、所述有效客户筛选单元，用于对有效客户进行统一编码，并生成编码集合记为{i1，i2，...，im}，其中i1，i2，...，im中任一项表示一个有效客户，m表示有效客户的总个数；基于贸易资料数据库，如果有效客户的历史贸易资料数据中任一项数据发生异常，则提取发生异常的有效客户，将所有发生异常的有效客户生成待观察集合；所述发生异常包括贸易需求数据超出供货商产能最大值、成交量数据超出历史成交量的最大值、交付量数据小于历史交付量数据的最小值、退还量数据超出历史由于质量问题导致退还的数量最大值和贸易金额数据超出历史贸易金额的最大值；

19、所述风险评估值计算单元，用于对有效客户进行风险评估，计算有效客户的风险评估值，具体计算公式如下：

20、h＝σb∈bfb/fb

21、其中，h表示任一有效客户的风险评估值，b表示贸易资料数据库集合{贸易需求数据，成交量数据，交付量数据，退还量数据，贸易金额数据}，b表示贸易资料数据库集合中任一项数据发生异常的数据元素，fb表示待观察集合中存在与任一有效客户相同异常数据元素b的有效客户数量，fb表示待观察集合中不存在与任一有效客户相同异常数据元素b的有效客户数量。

22、进一步的，所述显示终端模块还包括客户综合评价值计算单元和预警展示单元；

23、所述客户综合评价值计算单元，用于根据任一有效客户的客户有效指数和风险评估值，计算客户综合评价值k＝y*h；

24、所述预警展示单元，用于预设客户综合评价值阈值，如果客户综合评价值大于等于客户综合评价值阈值，则将该客户的综合评价值发送至显示终端进行预警展示。

25、一种基于大数据的贸易信息监管方法，本方法包括以下步骤：

26、步骤s100：预先构建可视化存储数据库，所述可视化存储数据库包括贸易资料数据库和客户资料数据库；所述贸易资料数据库包括贸易需求数据、成交量数据、交付量数据、退还量数据和贸易金额数据；所述客户资料数据库包括客户历史贸易量数据和客户历史成交次数数据；

27、步骤s200：在预设采集周期内，采集客户上报的客户资料数据，基于客户资料数据库对客户进行分类，将客户分为有效客户和无效客户，计算客户有效指数；

28、步骤s300：基于贸易资料数据库，对有效客户进行风险评估，输出风险评估值；

29、步骤s400：根据客户有效指数和风险评估值，计算客户综合评价值，将综合评价值发送至显示终端进行预警展示。

30、进一步的，所述步骤s200的具体实施过程包括：

31、步骤s201：根据采集客户上报的客户资料数据，计算客户有效指数，具体计算公式如下：

32、y＝σni＝1ai/a×(ti/t)

33、其中，y表示客户有效指数，a表示客户历史数据中成交的商品种类数的波动值，且a＝σni＝1[(ai-a0)2/n]，a0表示客户历史数据中成交的商品种类数的平均值，ai表示客户历史数据中第i次成交的商品种类数，t表示客户历史数据中成交的贸易量数据的波动值，且t＝σni＝1[(ti-t0)2/n]，t0表示客户历史数据中成交的贸易量数据的平均值，ti表示客户历史数据中第i次成交的贸易量数据；

34、步骤s202：预设客户有效指数阈值，如果某个客户有效指数大于等于有效指数阈值，则将该客户标记为有效客户，否则将该客户标记为无效客户；

35、根据上述方法，成交的商品种类数能够反应客户的渠道业务能力，商品种类数越多表示客户能够提供的渠道商就越多，并且客户能够提供的商品种类数越多，也能代表客户能够合作的业务范围越大；成交的贸易量数据能够反应客户提供货物量的能力，贸易量数据越大表示客户有稳定的渠道来源，进而客户合作的风险也会越低；客户资料数据是客户的基本要素数据，通过客户资料数据对客户进行初步分类，通过累加计算客户自己的历史数据记录进行分析，从纵向思维挖掘，能够使数据的分析不受外部干扰。

36、进一步的，所述步骤s300的具体实施过程包括：

37、步骤s301：对有效客户进行统一编码，并生成编码集合记为{i1，i2，...，im}，其中i1，i2，...，im中任一项表示一个有效客户，m表示有效客户的总个数；基于贸易资料数据库，如果有效客户的历史贸易资料数据中任一项数据发生异常，则提取发生异常的有效客户，将所有发生异常的有效客户生成待观察集合；所述发生异常包括贸易需求数据超出供货商产能最大值、成交量数据超出历史成交量的最大值、交付量数据小于历史交付量数据的最小值、退还量数据超出历史由于质量问题导致退还的数量最大值和贸易金额数据超出历史贸易金额的最大值；

38、步骤s302：对有效客户进行风险评估，计算有效客户的风险评估值，具体计算公式如下：

39、h＝σb∈bfb/fb

40、其中，h表示任一有效客户的风险评估值，b表示贸易资料数据库集合{贸易需求数据，成交量数据，交付量数据，退还量数据，贸易金额数据}，b表示贸易资料数据库集合中任一项数据发生异常的数据元素，fb表示待观察集合中存在与任一有效客户相同异常数据元素b的有效客户数量，fb表示待观察集合中不存在与任一有效客户相同异常数据元素b的有效客户数量；

41、根据上述方法，贸易需求数据能够反应客户对合作的认可度，在合作过程中如果客户不断提出新的需求服务，则表示客户对于合作认可度很大且对于合作的依赖性也很大，这样的客户关系值得深入合作；成交量数据，交付量数据，退还量数据和贸易金额数据能够反应客户的合作信用度，如果成交量数据很大，交付量数据很少，则表示客户生产或交付出现了严重问题，如果退还量数据越大表示商品质量存在严重问题，如果贸易金额数据很大表示客户关系需要深度跟踪维护；从贸易资料数据进行异常识别，通过待观察集合将客户集中，在客户之间进行分析，进而从横向思维挖掘，能够使数据的分析更加客观。

42、进一步的，所述步骤s400的具体实施过程包括：

43、步骤s401：根据任一有效客户的客户有效指数和风险评估值，计算客户综合评价值k＝y*h；

44、步骤s402：预设客户综合评价值阈值，如果客户综合评价值大于等于客户综合评价值阈值，则将该客户的综合评价值发送至显示终端进行预警展示。

45、与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于大数据的贸易信息监管系统及方法中，通过纵向和横向两个层面进行分析，在纵向思维中，分析客户自身数据的稳定性，进而对客户进行初步分类；在横向思维中，找寻客户与客户之间的关联性，通过客户之间数据的对比，再进一步分析有效客户的风险评估值；进而结合纵向和横向两个维度的数据分析，对客户进行综合评价，有利于在大量的合作客户中进行精确选择优质客户，避免贸易合作的风险，在筛选的过程中提高选择与评价的效率，对数据的量化分析和可视化展示，能够直观展现优势客户资源。