基于属性识别理论的电子商务应用度评价

内容摘要：本文首先分析了企业应用电子商务的特点，确定了评价电子商务应用深度的指标体系。其次应用属性识别模型来评价电子商务应用深度的等级。在确定二级评价指标的属性权重时，采用熵值法这一客观性方法来确定。最后文章通过实例，将这种方法应用于具体的评价，为企业电子商务应用深度提供了一种量化处理的方法。

关键词：电子商务 属性识别理论 应用度 信息熵 系统评价

电子商务应用度的指标特征

（一）电子商务应用度评价指标体系的确定原则

全面性原则。电子商务系统的应用是一个完整的人机系统，系统各组成部分需要协调工作才能发挥作用，指标体系应能全面地反映所评电子商务系统的综合情况。选择评价指标，既要考虑正效益指标，也必须考虑负效益指标，只有这些全方位的指标，才能保证评价内容的全面性。

科学性原则。评价指标体系应能客观、准确地反映电子商务系统的实际运行情况。指标体系的构建应注意结构合理、层次分明、概念清晰、内涵明确。

可测性原则。评价指标的涵义必须明确，数据资料应收集方便、计算简单。如果评价指标的含义不清楚，就会影响评价结果，甚至使评价无法进行乃至失败。

可比性原则。在评价指标确立时，要考虑到可比性，同类指标之间要能够比较，同一指标要具有历史可比性。

独立性原则。评价指标之间应尽可能避免显见的包含关系，对隐含的相关关系，要用适当的方法加以消除。

（二）电子商务应用度评价指标体系的借鉴和设计

根据电子商务应用度评估模型，以及电子商务本身的特征，可以确定电子商务应用度的指标体系。具体评价指标如表1所示。该评价指标体系将电子商务应用度评估系统分解为既互相独立、又互相依存的4个一级指标、16个二级指标，具有较强的可操作性，在指标体系的层次上，对每项指标给予相应权重，权重的分配原则主要说明指标的重要程度。

电子商务应用度评价的属性识别模型

（一）评价对象的数学描述

评价对象（电子商务应用度）的属性集合即对电子商务应用度进行评价时需要考核的内容集合，若要考核的属性共4项，则评价对象的属性集合可表示为：Ii={I1，I2，I3， I4}，分别表示为网络营销、管理、网站质量、网络采购等评价属性。

研究对象（电子商务应用度）的每个属性测量值有5个评价等级，（c1，c2，c3，c4，c5）构成研究对象的评价空间F的有效分各类，且满足c1>c2>c3>c4>c5，分别表示高应用度、较高应用度、中等应用度、较低应用度和低应用度。

（二）确定单属性测度值μijk

根据分类标准和评价准则，由评价者对评价对象进行评价，可以用概率的形式反映所有评价者对被评企业的每一属性的评价结果（满意程度），从而得到单属性Ii的测度值：

μijk（x）=μ（xij∈ck） （1）

其中，μijk（x）表示第i个属性的第j个属性值，xij属于ck（k=1，2，3，4，5）类的测度值。所求出的测度值μijk（x）都应满足：0≤μijk（x）≤1，并且μx（c）=1（即满足归一化条件），若不满足可以进行归一化处理。需要说明的是，在确定评价标准时，可能会遇到个别分类标准难以量化的情况，这时可以选聘电子商务相关专家，根据企业的实际情况，确定该指标的排名和地位，从而确定该指标的单属性测度值。

（三）确定属性综合测度μik

由于各企业的实际情况不同，不同的评价属性对电子商务应用度评价的影响程度是不同的。本文用属性权重wi（i=1，2，…，m）来反映这种差异。

再根据公式：

，1≤j≤n，1≤k≤5 （2）

其中，i表示评价对象的属性，m表示评价属性个数，k表示各属性的分割类，n表示二级属性的分类数目。由式（2）可以求出综合测度矩阵（μik）m×5。

（四）结果的识别

有了属性综合测度μik，就可以进行识别和比较分析。由于评价类别{c1 ， c2， …， ck}的有序性，用最大测度识别准则识别研究对象的类别显然是不合适的。因此，本文提出置信度准则（程乾生，1997）。若{c1， c2， … ， ck}满足ci>ci+1（i=1，2，…，k-1），对置信度λ（0.5

ki=min{k：μil（cl） ≥λ， 1≤k≤K} （3）

则认为xi属于Cki类。

二级评价指标属性权重的确定

当属性值xij及评价标准确定后，属性权重已相应确定，隐藏在属性测值的未确知测度中。即单属性测度确定后，该属性权重就相应确定了。可以根据各属性实测值的大小来确定各个属性的权重。借用信息熵概念定义属性Ij的峰值：

Vij=1+ （4）

其中，K为评价级别数目，μijk为单属性测度，则Vij的大小反映属性Ij的重要性程度。由此可定义属性Ij的权重为：

Wij=，j=1，2，…， m；i=1，2，…，n （5）

其中，m为参与评价的属性数目。

实例评价

天津某包装企业是以生产工业包装袋为主的企业，应用电子商务已经4年半。在采购方式上，通过阿里巴巴、聪慧网采购较多，采购额占总采购的将近一半。为了更好的销售，注册了阿里巴巴诚信通会员，但信息更新慢，排名靠后，缺少专业人才进行管理，同时，公司还购买了信息群发营销软件进行广告推广。公司有自己的网站，但自从公司IT人员离开公司后，网站的使用和维护较差，也没有和企业内部信息系统进行整合，客户服务方面也没能利用好电子商务，还是以传统的电话客服为主。该企业成立了一个有10人组成的考评委员会，以期对公司电子商务应用度进行评估。表2为专家对该公司电子商务应用度的评价数据（已求出的单属性测度值）。

（一）属性权重的确定

一级评价指标的属性权重由专家按层次分析法（AHP）来确定，求出的各权重为：

W=（w1，w2，w3，w4）=（0.46，0.14，0.14，0.26）

二级评价指标的属性权重按照式（4）、式（5）来确定。各二级评价指标的属性权重分别为：

w1j=（w11，w12，w13）=（0.30，0.31，0.39）

w2j=（w21，w22，w23，w24）=（0.21，0.20，0.20，0.19）

w3j=（w31，w32，w33，w34，w35）=（0.14，0.20，0.22，0.21，0.23）

w4j=（w41，w42，w43）=（0.38，0.38，0.24）

（二）单属性的一级评判结果

由表1可以得到各属性属于各个分类级别的测量值，即各属性的单属性测度值。因此可以利用式（2）来计算单属性的一级评判结果。

属性I1（网络营销）的评价结果为：

μ1jk（x）=μ（x1j∈ck）=（0.30，0.31，0.39）

=（0.03，0.09，0.33，0.41，0.11）

同样可以求得其他各属性的评价结果。

属性I2（电子商务管理）的评价结果为：

μ2jk（x）=μ（x2j∈ck）=（0.06，0.16，0.22，0.34，0.32）

属性I3（网站质量）的评价结果为：

μ3jk（x）=μ（x3j∈ck）=（0.19，0.40，0.35，0.06，0.00）

属性I4（网络采购）的评价结果为：

μ4jk（x）=μ（x4j∈ck）=（0.00，0.00，0.15，0.82，0.02）

由μ1jk、μ2jk、μ3jk、μ4jk得到单属性测度矩阵：

（μijk）4×5=

（三）确定综合测度

根据单属性测度矩阵和式（2）可以求出该企业电子商务应用度的最终评价结果：

=（0.46，0.14，0.14，0.26）

=（0.05，012，0.27，0.46，0.10）

根据以上计算结果可以判断，该企业电子商务应用度属于高的可能性为5%，属于较高的可能性为12%，属于中等的可能性为27%，属于较低的可能性为46%，属于低的可能性为10%。

（四）识别

按照置信度准则，选取置信度λ=0.8，则由式（3）可以确定该企业电子商务应用度等级为四类，即较差的电子商务应用度。也就是说可以有80%的把握认为，该企业电子商务应用度评价等级不低于四级。根据单属性测度值和四级评价指标的属性权重可以发现对该企业电子商务应用度影响作用最大的指标，例如该例中的直接薪酬（I13）、个人才能施展空间（I41）、企业管理的科学性（I42）等指标。从而为企业的高层管理者提供了较为翔实的信息，以便加强对企业电子商务应用度的掌握，从而做出及时有效的对策。

结论

本文将属性识别理论的综合评判模型应用于企业电子商务应用度评价，能取得预期的评价效果，使企业高层管理者较为准确而全面地掌握电子商务应用度的情况，从而做出及时有效的对策。在模型的应用过程中，评价指标体系的内容、评价标准的确定、各权数的确定将直接影响到学科质量评价的结论。因此，应结合不同层次、不同类型的企业的具体情况而定，可以广泛征求有关专家的意见，综合考虑（郭奇、曹洪洋，2004）。

参考文献：

1.郭奇.高校教学质量评价的属性识别法[J].数学的实践与认识，2008，38（6）

2.郭奇，曹洪洋.大气环境质量评价的属性识别法[J].环境监测管理与技术，2004（3）

3.程乾生.属性识别理论模型及其应用.北京大学学报（自然科学版），1997（1）

4.Li Qing.Evaluation modeling on E-commerce Application of Enterprise[J].2011 2nd World Congress on Computer Science and Information Engineering