首都机场口岸入境非法检快件检验检疫风险管理模式初探

皋司虎 魏晓娟 李宝明

（首都机场出入境检验检疫局 北京 101300）

1 前言

随着社会的飞速发展，数字化、电信化产业的不断提升，物流行业的稳步增长，使得越来越多的人更愿意进行网购，或者通过寄运的方式完成货物的运输过程。据统计，2017年上半年首都机场非法检“Ⅰ类、Ⅱ类”快件进口总量同比上升将近8%，这不仅仅为我国带来了更多的收入和机会，同时对检验检疫货物的监管提出了全新的挑战。大量境外新兴宠物、奇花异草、甚至病菌虫种经由快递、邮递这一途径进入我国，其中不乏有可能入侵的生物[1]。在人员相对稳定的情况下，能否在货量提升时对非法检货物保持较高的检出率就成了重要课题。

关于出入境快件的检验检疫监管及平台建设，李景[2]从跨境进口零售电商的角度，对进境邮快件的检疫监管进行了初步探讨，并提出建立集成化检疫监管体系的新思路；黄琦山[3]则提出了C2C的监管模式；张宗平等[4]针对国际邮件快件检验检疫监管中存在的问题，建立了国际邮件快件检验检疫监管信息系统，为其他检验检疫机构的监管提供借鉴。上述研究虽然讨论了进境快件的监管模式的改进和平台的搭建，但并未给出实际可行的操作模式，如何应对风险的布控，对于首都机场口岸入境快件的报检环境，则需要与时俱进改进监管布控模式，以应对全新形势下的快件进口形式。

2 研究方法和数据来源

为了提高非法检入境快件的检出率，有效控制风险，进而优化检验检疫资源配置，提高检验检疫的效率，本文主要以非法检入境快件为研究对象，探讨如何构建风险控制模型。

2.1 研究方法

综合运用调查分析法、经验总结法、德尔菲法、贝叶斯条件概率，对推动跨境电子商务中快件检验检疫监管模式创新进行研究，旨在打破传统模式制约，探索研究首都口岸跨境电子商务发展实际要求的检验检疫工作机制，为相关部门和行业提供相关参考和决策依据。

2.1.1 德尔菲法（Delphi）[5]

为了在 “快件检验检疫电子监管系统”中有效地、科学地取得影响因子，本文使用了德尔菲法（Delphi）进行数据采集。共采集了2次数据，统计其中得分较高的4项数据，确定了核心影响因子。

德尔菲法，又称专家调查法，以专家对某一被调查对象的看法或认知为基础，依靠专家在被调查对象所属领域的经验和知识，做出判断，进而科学地为对象提出解决方案。其做法通常为：采用匿名的、单对单的方式调查专家小组各个成员的认知或预测意见，经过反复几轮的问卷填写、统计分析、搜集各专家小组成员的预测意见，并最终使专家小组成员的预测意见趋于集中，从而做出决策，本研究中利用德尔菲法建立被调查对象的影响因子具体流程见图1。

图1 利用德尔菲法建立被调查对象的影响因子的流程

2.1.2 贝叶斯条件概率

在确定影响因子后对每一项影响因子进行单独计算分值，本文选取了贝叶斯条件概率。贝叶斯定理是关于随机事件A和B的条件概率 （或边缘概率）的一则定理。其中P（A|B）是在B 发生的情况下A 发生的可能性。通常，事件A 在事件B（发生）的条件下的概率，与事件B在事件A的条件下的概率是不一样的；然而，这两者是有确定的关系，贝叶斯法则就是这种关系的陈述。

2.2 数据来源和预处理

根据影响因子进行数据采集，此次数据采集是在“入境快件检验检疫电子监管系统”中完成的。通过运单号收集暂扣入境非法检快件信息，并按照不同品名、发件人、收件人、国别进行分类统计；再次从系统中提取同一类别下的入境非法检快件量和入境非法检快件查货量。

3 平台简述以及“风险控制模块”的建立

3.1 平台简述

首都机场口岸快件处现运行 “中国电子检验检疫（ECIQ）主干系统”、“入境快件检验检疫电子监管系统”、“北京市跨境电商公共服务平台系统”3个系统（图2），全覆盖了从首都机场入境的所有快件货物。这里主要介绍“入境快件检验检疫电子监管系统”。

图2 系统关系图

“入境快件检验检疫电子监管系统”是指入境快件全申报综合业务管理信息系统，具备对快件营运人发送的舱单信息和报单信息进行电子自动审核、核销功能。通过使用该套系统完成首都机场口岸入境无检验检疫快件的受理报检、布控查验、口岸检验检疫、放行管理工作。本系统与ECIQ系统各司其职，部分参数库数据可以从ECIQ系统中间池中读取但不能回写。该系统把快件分为4类，分别为“Ⅰ类”指文件资料类、无检验检疫要求的低价值货物类快件，“Ⅱ类”指无检验检疫要求的高价值货物类快件，“Ⅲ类”指有检验检疫要求的快件，“Ⅳ类”指转关快件。

3.2 基于数据建立“风险控制模块”算法

3.2.1 数据采集

3.2.1.1 确立影响因子

3.2.1.1.1 选取专家

选择了首都机场口岸检务为数据采集源，随机选择了19名专家组成评价小组。评价小组主要成员工作年限8年以上，小组成员学历分布：博士学历（1 人）、硕士学历（6 人）、本科学历（12 人）；行政级别分布：处级干部（1人），副处级干部（2人），科长和主任科员（11人），副科长和副主任科员（3人），其他为具有丰富工作经验的科员。

3.2.1.1.2 问卷设计和回收情况

根据“快件检验检疫电子监管系统”里的主要申报项，确定了7个问题设计了原始调查问卷。调查问卷中，题目项表示的就是初步拟定的影响因子，选择项是对其重要程度的描述。例：认为快递运营企业诚信度是影响非法检物品不合格率的因素。

A.很重要的因素（4’） B.重要的因素（3’）

C.一般重要因素（2’） D.不太重要因素（1’）

该问卷共发放2次，第2次是把相同问题打乱顺序重新发放。问卷发放回收后统计，确定品名、收件人、发件人、国别为主要影响因子。

3.2.1.2 数据采集的时间、方式

针对目前首都机场口岸数据情况，以申报字段进行数据的采集工作，并将数据的采集时间设定为近5年内，以此进行数据库的搭建，并通过后期的数据分析及数据维护，达到实时更新、实时监管的目的。

3.2.2 分析方法以及过程

首先，对暂扣由企业申报的“Ⅰ类、Ⅱ类”的货物在口岸查验时先进行备注，备注暂扣的原因，并使用Excel进行汇总；这样可以得到2013—2015年暂扣货物中，由于品名、收件人、发件人、国别等原因被暂扣，具体哪些货物查验时出现了问题，从而安排并调整布控。

其次，根据数据的申报比例、检出率做出一套计算方法，从而赋予每一个申报字段一个取值，并通过数值来标准化的衡量货物的风险期望，从而命中风险较高的货物进行查验。

未来的整体计算概念为：品名值×权重+收件人值×权重+发件人值×权重+国别值×权重=总风险值

而得出的风险值将按以下方式进行划分：0～30为低风险，30～70为中风险，70以上为高风险。高风险自动批示查验，高、中、低风险将以不同颜色予以区分，并且风险命中情况可以人工干预，即在系统自动勾选查验结果的情况下，仍旧可以人工进行调整。

通过数据分析，将近年来检疫的人工操作模式及操作审单习惯，以数字化的方式，转移到应用系统中，以系统代替人工进行操作及审核“Ⅰ类、Ⅱ类”快件货物。

3.2.3 数据库建立和风控计算方法建立

利用Microsoft office Access工具收集数据，并进行数据表的透视和筛选工作。将3年来检疫查验的涉及品名的权重设为X，涉及收件人的权重设为Y，涉及发件人的权重设为Z，涉及发件国家的权重设为W。在此过程中，本文对近千万条数据进行了整理，对权重有如下公式：

X+Y+Z+W=100

X=因品名项命中票数/总查验票数×100%×100

Y=因收件人项命中票数/总查验票数×100%×100

Z=因发件人项命中票数/总查验票数×100%×100

W=因国别项命中票数/总查验票数×100%×100这样，就可以得出一个数值。

而风险的计算方法为数学期望法 （随机变量分布法）：通过计算一票货物的期望值，来确定其是否存在风险。

其计算表达式为： ξ=XA+YB+ZC+WD其中，字段和权重设定见表1。

表1 字段和权重设定

再对风险值ξ进行判断，，如果大于70，将会被命中高风险，并自动批查。

品名（A）的计算方法：可以通过以往数据，获得所有品名的查验比例（in/jn，n=1，2，3，4，5…）及扣货票数（αn，n=1，2，3，4，5…）并以此作为依据进行计算，计算的方法为贝叶斯理论。

而此次本文将选择检出率作为条件变量，深入分析由此带来的查验准确情况以及风险期望。

在选定主要条件变量之后，运用贝叶斯条件概率公式进行检验风险识别建模。对条件概率公式进行变形，可以得到如下形式：把P（A）称为“先验概率”（Prior probability），即在B 事件发生之前，我们对A 事件概率的一个判断。P（A|B）称为“后验概率”（Posterior probability），即在B 事件发生之后，我们对 A 事件概率的重新评估。P（B|A）/P（B）称为“可能性函数”（Likelyhood），这是一个调整因子，使得预估概率更接近真实概率。所以，条件概率可以理解成下面的式子：

后验概率＝先验概率×调整因子

这就是贝叶斯推断的含义。先预估一个 “先验概率”，然后加入实验结果，看这个实验到底是增强还是削弱了“先验概率”，由此得到更接近事实的“后验概率”。

在本模块的计算中，则体现了查验总数、查验票数以及查扣情况的数理分析。

按照贝叶斯公式：设进货总量为j；查验票数为i；扣货票数为 α；

An=（αn/in）/[（αn/in）+（1-αn/in）×（jn-in）]

其中（n=1，2，3，4，5…）

发件人（B），收件人（C），国别（D）也可以按照此方式推导：

由此可以见，一票货物的风险公式即可全面展开为：

ξ=X（αn/in）/[（αn/in）+（1-αn/in）×（jn-in）]+Y（βn/yn）/[（βn/yn）+（1-βn/yn）×（tn-yn）]+Z（γn/qn）/[（γn/qn）+（1-γn/qn）×（pn-qn）]+W （λn/ln）/[（λn/ln）+（1-λn/ln）×（kn-ln）]

4 风险控制模块介绍

在风控计算方法的建立上，首都机场口岸可以有效地对申报为“Ⅰ类、Ⅱ类”入境快件进行风险分类管理。本着合作共赢的理念，首都机场口岸快件检验处与DHL合作开发了一款基于国外原始数据的风控模块企业端。该风控模块的主要功能划分如下：

登录→风险类别管理→风险值设定（使用Excel导入）→权重赋予→计算分值

4.1 风险控制模块主界面

进入模块主界面，如图3所示。该模块由于是共同开发，除了可以计算检疫风险值外还可以计算海关敏感货物风险值。

图3 北京口岸风险布控系统主界面

4.2 风险值的导入

风险值的导入，如图4所示。风险值计算结果可以由Excel直接导入，并且权重值设定端口是开放的，可以人为对某一种或多种字段进行干预。

4.3 高危数据展示

最终计算出风险值，如图5所示。每天在航班到达前4～6 h，就可以提前掌握高风险数据并布控查验指令。

图4 风险值的导入

图5 风险值的计算

5 问题与讨论

本文结合首都机场检验检疫局快件处3年来的查验情况进行总结分析，提出全新的运算法则，进行风险核算，降低操作成本的同时，使检出率得到更稳定的提升。在风控模块运行期间，可大幅提高检出率。新的风控模块现阶段还不能完全取代人工，但在近期及未来检验检疫的日常工作中产生非常有效的协助效果，它可以通过数据的时时更新，预测货物存在的风险，并可以很好的适应未来的数据发展趋势。

在测试中发现如果数据库中没有该货物的不合格数据，但有时货物需要查验，而没有风险命中，为此，可能是由于部分数据是第一次出现，所以在原始底库中没有显示，计算时会为0，故无法命中；最终，根据问题产生的原因，制定了相关的解决方案将模块的端口开放，允许人工进行直接干预，可以人为添加需要拦截的风险包裹，一旦选择了人工拦截，则系统会在后台将该票的信息进行采集、记录，如果之前该品名从未申报过，而本次查验时发生了扣货，则下次该品名再次申报时，仅品名分这项就将直接以最高分命中；再次批查的几率在70%以上。

本文中涉及的影响因子共有4项，在以后风险控制模块的实际应用中可根据情况对影响因子进行增减等，以期达到最理想效果。

[1]李中军.河南省跨境电子商务检验检疫监管问题研究[D]，郑州：郑州大学，2016.

[2]李景.创新跨境电商之进境邮快件检疫监管的新模式[J].管理观察，2016，36：95-96.

[3]黄琦山.C2C模式入境邮快件检验检疫监管工作的探讨[J].管理观察，2016，28：82，86.

[4]张宗平，莫灵江，黄坚.国际邮件快件检验检疫监管系统应用研究[J].现代计算机，2016，（28）：69-72.

[5]刘伟涛，顾鸿，李春洪.基于德尔菲法的专家评估方法[J].计算机工程，2011，37：189.