货代企业贷款融资的信息化

供应链贷款融资对于货代企业是全新的业务领域,尽管其监管内容仍是商品,但服务对象发生了改变,以前是为货主服务,在供应链贷款融资中是为银行提供监管服务。如何为银行有效监管货物并将货物监管,维护银行的利益,同时将监管商品的动态让银行与货主及时、准确、便捷的获取是货代企业在供应链融资业务中信息化 因为货代企业的单票利润率低,且具有固定成本占总成本比例较高的特点,必须通过规模效应才能有效提高企业的效益,因此营销是货代企业生存发展的首要动力。不断探索数据挖掘模型,尽可能获取多的有用信息,从而实现营销目标是数据挖掘过程的重点。图2描述了一个以技术为中心的典型数据挖掘的结构。

在传统货代业务中,制定数据挖掘模型对数据库进行数据挖掘有着十分广泛的作用。比如对客户进行价值分析:在数据库中调用客户名称、和客户价值的有效因素,包括最近一次交易时间、交易频率和交易金额,分别定义权重,使用聚类算法,将聚类结果预设为战略客户、重要客户、一般客户、零星客户。最终的运算结果将显示现有客户的价值属性。从而可以获得更为客观的客户价值判断,可以货代企业分配营销资源,销售人员确定工作目标提供了依据。

随着供应链融资业务的开展,使得货代企业数据空前膨胀,使得数据挖掘技术应用于数据分析的需求更为迫切和有价值,从系统中仅运用固定的数据挖掘模型,获取统计分析结果不能完全满足应对瞬息万变的市场形势的需求。此时应考虑借助专门的软件,对数据库进行主动式数据挖掘。最近几年,以用户为中心的数据挖掘思想逐渐成为现阶段主动式数据挖掘研究的主流。以用户为中心的主动式数据挖掘和传统的数据挖掘相比,除了可以应用计算机的运算能力之外,还将人的主动性和灵活性融入发现过程,加快了发现有价值信息的速度,增加了这些信息的有用性。因此主动式数据挖掘技术的应用前景十分广阔。[4]

供应链融资中,客户的种类不再单一,而是包括了银行和融资企业两个层面,质押商品的种类和特性千差万别,客户所需求的服务要求不尽相同,高价值商品对数量的准确性要求高,矿石等大宗产品对品质十分在意等,主动式数据挖掘技术为更好实施客户关怀,提高客户的满意度和忠诚度提供了信息保障,从而提高货代企业的监管业务水平和服务能力。再比如融资企业作为供应链中的一环,可以根据其监管商品的流向,对供应链上每一环进行货代业务和供应链融资业务的开发,做

到有的放矢。

在传统货代业务竞争日益激烈和目前金融危机的双重压力下,货代企业普遍发展速度减缓和盈利能力下降,供应链融资业务则为货代企业提供了一个新的发展契机和利润增长点。在这种情形下,进行相关业务信息化深度开发与应用,不仅可以有效的快速提高货代企业的业务能力,同时也有助于货代企业建立差异化竞争优势,从而赢得市场的美誉度和提高品牌的知名度,继而确立在行业中的领先地位,可谓意义深远,利在千秋。的主要目标。 1) 建立和完善质押商品监管系统

目前,货代企业信息化水平并不高,对于中小货代企业而言,由于信息化人才的匮乏和资金所囿,往往难以自行开发所需的商品监管系统,最为可行的方式是与专业物流软件公司合作开发。[1]在开发的过程中,根据监管业务一般与物流服务同时进行的特点,将商品监管系统与货代企业本身的客户关系管理系统衔接起来,在拓展业务,降低开发成本的可以共享监管商品的规格、计量、所有权等各项基础信息,根据监管商品的特性,确保监管商品的质量。同时将各项标准、企业管理制度纳入系统之中,简化工作流程,提高工作效率,降低监管风险。同时企业本身也要注重物流信息化人才培养及储备,在内部培养系统的管理维护人员,并且与软件开发公司沟通,定期进行咨询和培训业务,保持系统的适用性与先进性,同时培养商品监管系统的二次开发的能力,为将来开发更加完善的商品监管系统做好准备。

2) 积极开展电子服务

惠普公司于1998年提出电子服务的概念:狭义概念是以网络为基础并通过互联网提供的服务;广义上讲,电子服务是一种以技术为基础的,一客户为中心的组织服务理念和发展战略,其目的是通过信息的交流为客户提供更好的体验。[2] 货代企业应以电子商务网站为前台,现有客户关系管理系统为后台,为监管委托方银行积极开展电子服务。由于货代企业在为银行提供监管服务的同时为融资企业提供物流相关服务,因此融资企业也应作为货代企业的电子服务对象。 货代企业应关注电子服务的质量,确保客户的满意度。电子服务质量包括技术性质量和功能性质量两类,具体是提供给客户使用的界面应该符合企业的视觉特征,界面友好且操作简便,响应速度快;内容应该丰富而完善,保证客户可以从其中得到所需求的所有及时准确的信息;提供充分的客户支持,在电子服务之外,有离线支持以备解决客户的疑难问题。

3) 将数据挖掘技术引入监管系统

“数据挖掘”在百度百科中定义为:数据挖掘(Data Mining),又称为数据库中的知识发现(Knowledge Discovery in Database, KDD),就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程,简单的说,数据挖掘就是从大量数据中提取或“挖掘”知识。