电商行业财务数据与大数据耦合协同评价

夏平 杨继平

【摘要】结合大数据时代背景，基于PSR模型构建企业财务数据与大数据协调发展评价指标体系，选用主观与客观相结合的综合赋权法，引入耦合度和耦合协调度函数，从定性与定量层面评价2014 ～ 2018年电商行业财务数据与大数据的协调发展情况及演变机制，并对结果进行对比分析。研究表明：电商行业具有很强的大数据依赖性。阿里巴巴2014 ～ 2015年财务数据与大数据完成了从勉强协调到中级协调的跨越，此后协调指数开始下滑，并于2016年以后趋于平稳发展;京东的财务数据与大数据耦合协调发展水平持续上升，并于2017年以后趋于平稳;唯品会2014 ～ 2016年财务数据与大数据耦合协调发展处于上升态势，2016年之后下滑严重;拼多多的财务数据与大数据耦合协调发展水平持续向好，增速较快。

【关键词】电商;财务数据;大数据;协调发展

【中图分类号】 F724.6     【文献标识码】A      【文章编号】1004-0994（2020）09-0027-8

一、引言

伴随着互联网、云计算和物联网的迅速发展，互联网服务时时刻刻都在产生海量的交互数据信息，电商也由此产生了大量的结构化与非结构化数据。随着电商行业的竞争日益激烈，其对大数据的依赖越发强烈，基于获取的大数据，通过科学、合理的算法帮助电商企业做出针对性、系统性的决策，是其顺应科学发展潮流的必然选择。但由于大数据复杂且繁多[1] ，单纯的数据积累并不能转化为对企业决策有益的资源，也无法量化大数据对企业财务数据带来的影响。只有建立合理的评价模型，对大数据进行科学、有效的分析，才能发现财务数据与大数据之间的内在联系[2] 。因此，企业如何顺应大数据时代的发展潮流，在维持财务数据平稳运行的基础上提升大数据带来的资源效益，构建财务数据与大数据协调发展评价指标体系，辨别其协调发展现状及演化机制，是具有重要意义的现实问题。

本文通过测算电商行业财务数据与大数据耦合协调指数，并对其发展机制进行研究，探讨现阶段电商行业各个企业的大数据运用情况，以及良好的大数据效益是否有助于企业财务数据的平稳持续增长。同时，结合企业的商业模式、营运渠道、战略布局等进行综合分析，为现阶段电商行业加强大数据运用提供全新的理论依据与案例参考。

二、文献综述

关于大数据对企业财务数据影响的研究，宗威、吴锋[3] 发现，客户会产生大量有关产品和服务的大数据信息，企业可以通过科学的大数据分析方法提供更加契合市场及消费者需求的产品和服务。易明等[4] 提出，大数据时代的到来使信息管理受到了强烈冲击，需要通过大数据思维与技术对信息资源管理进行创新。陈东玲[5] 提出，必须借助新工具和新模型，才能应对大数据时代下管理会计面临的挑战。刘建军[6] 认为，以大数据为基础进行决策，可以预测企业未来的发展趋势，实现对有限资源的最优配置。陈潇洋[7] 通过对京东和阿里巴巴两大电商企业进行案例分析，探究现阶段电商企业如何通过发挥大数据优势来拓展更为广阔的发展前景。汪义军、欧晓明[8] 从理论层面提出，通过构建供应链协同模型可以促使电商平台成为高度有序的自组织。

综观已有研究成果，大部分都侧重于運用传统的统计、计量方式甄别数据质量，而通过相应模型研究企业财务数据与大数据协调发展情况的较少。从评价模型来看，目前缺乏公司财务数据与大数据融合视角的研究，指标选取较为片面。从模型的实证应用来看，现有研究主要是从定性层面探讨大数据对企业造成的影响，而定量层面上的研究相对缺乏，运用耦合协调函数来研究企业财务数据与大数据协同机理的更少。

本文从企业财务数据与大数据交叉融合的创新视角，基于PSR模型构建财务数据与大数据协调发展评价指标体系，再通过主观与客观相结合的综合赋权法，引入耦合度与耦合协调度测算模型，测算电商行业各企业财务数据与大数据的协调发展情况。本文旨在从定量层面评价大数据的内在价值，判定现阶段电商行业大数据技术的运用状况，为电商产业科学、合理地运用大数据技术，以及电商企业提升市场核心竞争力提供参考。

三、电商平台发展的内在机理

电商平台的发展经历了传统电商平台和移动电商平台两个阶段。传统电商平台中最具有代表性的是京东和淘宝，这两大电商平台在2019年之前一直处于近乎垄断的市场格局。新兴电商平台生存环境恶劣，其面临的最大难题是流量困境，即获客成本过高。因为早期用户流量都集中在传统电商巨头手中，流量中心化不仅使得传统电商平台供需对接简便，而且带来了丰厚的企业让利。此外，信息技术的限制、人群分享交流的相对困难，且用户大多持有的是“价格至上”的购物理念，促使传统电商平台形成了“低价走量”的营销模式。这种由传统电商平台构建的流量中心化生态圈，建立在当时信息技术不完全的现实条件上。新兴电商平台若采取同质化竞争的方式，会导致获客困难、资本积累缓慢，从而很难打破传统电商平台的垄断局面。

随着互联网、云计算和物联网的迅速发展，电商行业面临着几大转变。首先，从传统电商平台角度来看，传统电商以平台为核心，采用中心化的流量分配制度，而信息化时代带来的大量交互数据使得平台变得“拥挤”，供需匹配更为困难，为了继续满足消费者的购物预期，必须添加更多的搜索、筛选引擎，这都迫使流量费用攀升。其次，从行业准入门槛角度来看，物联网的发展削弱了传统电商巨头的“物流门槛”。以京东为例，京东最初正是利用其快捷的物流“吸附”用户流量，但现在该优势已经不再明显。最后，从用户流量角度来看，随着移动电商的发展、社交软件的普及、大数据技术的深化，流量不再呈现中心化特征，用户可以任意选择购物方式。此时，用户不再是单纯的产品或服务受众，而是转变成积极的价值创造者和知识创新的来源[9，10] ，这就要求电商平台的产品和服务必须更加契合用户的价值观念，满足用户的多样化需求。综上，传统电商和移动电商流量分配机制的区别如图 1所示。

这些转变迫使电商平台将供需对接变得更加低成本化和精准化，对电商平台的大数据分析能力提出了更高的要求，既要降低成本、保障财务状况平稳运行，又要注重开发大数据带来的流量效益，协调二者之间的关系成为电商平台发展所必须解决的现实问题。

四、评价指标体系构建

（一）耦合协调指数

企业财务数据与大数据耦合协调指数是衡量企业在维持财务情况平稳运行的基础上，是否充分利用了大数据技术带来的优势的一项指标，其可以通过云计算实时分析技术，了解企业财务数据与大数据的协调发展现状，基于各指标的效用值分析企业财务数据与大数据发展欠协调的原因，提升企业大数据运用效率，进而提高企业市场竞争力。该指标的数值越高，表示企业财务数据与大数据的复合系统发展越协调。同时，通过实时收集数据测算财务数据与大数据的协调发展情况，还能减少信息激增的压力，及时为管理层决策提供充分、有效的信息，从而降低企业经营风险。

（二）评价指标体系设计

本文首先在中文CNKI数据库中选取使用频率较高的指标，再参考财经网站评价企业常用的重要指标，并借鉴陈琪[11] 、郭方方[12] 构建的评价指标体系，在理论分析框架的基础上结合电子商务行业发展实际特点，通过咨询学术界及电商界专家的意见，根据反馈意见进行修订与整合，构建电商行业财务数据与大数据协调发展评价指标体系。

本文根据PSR模型构建财务数据子系统，从压力（pressure）、状态（state）、响应（response）三个方面系统性地评价企业财务情况。其中：压力表征企业所受到的股东压力，反映股东的投资回报，主要选取基本每股收益和净资产收益率进行衡量;状态表征企业目前的经营、运营情况，选取资产负债率、普通股权益/总资产来反映企业经营活动的最终成果，同时选取应收账款周转率、总资产周转率来反映企业运营活动;响应表征企业基于压力采取的措施以及外界对企业的反馈，主要选取总资产收益率、营业毛利率、净利润率、总资本回报率进行衡量。通过PSR模型对企业财务数据进行分类评价，能更精准地反映企业财务数据与大数据的交互作用，具有较强的系统性。

在大数据子系统的指标选取中，由于大数据技术运用的落脚点主要是抢占市场份额，提升顾客体验，因此本文选取活跃用户、市场份额、人均GMV三个指标来反映企业大数据带来的资源效益。其中，人均GMV指的是拍下订单金额，包含已付款和未付款的部分，主要用于表示电商的人均成交金额，能够在一定程度上表征消费者的网购欲望，采用该指标是为了减少由于企业活跃用户总量差距产生的内生性问题。由于唯品会首次对外披露GMV的时间是2018年第四季度，出于数据真实性的考虑，本文在计算唯品会的人均GMV指标时采用人均营业收入（即单个用户创造的税后营业收入）指标替代。由于现阶段披露的评价大数据资源效益的指标信息有限，因此仅选取重要且可获取的指标进行统计测算，随着企业大数据信息收集技术的提升、市场披露制度的健全、公众信息透明化网络的完善，可以根据需求选取更为全面的评价指标。本文最终选取了13个二级指标构建电商行业财务数据与大数据协调发展评价指标体系，如表1所示。

五、电商企业财务数据与大数据协调发展水平测度与分析

（一）研究对象界定

根据《2019上半年中国电商上市公司数据报告》，目前国内电商上市公司共有57家，其中零售电商24家、产业电商8家、跨境电商7家、生活服务电商18家。由于零售电商总市值达到了40170.7亿元，占据电商上市公司总市值的81.2%，因此选取零售电商行业为研究对象，能在一定程度上表征电商行業的情况。而零售电商作为互联网发展的直接产物，具备电子化、数据化、无纸化的特点，大数据时代的到来更是将电商企业对于财务信息的要求上升到了实时化的阶段，并且随着拼多多等一众强力竞争对手的出现，市场红利几乎已经被瓜分殆尽，市场竞争逐渐由以往的产品质量、价格竞争升级为提升消费者体验、抢占市场份额的竞争，而这些都有着很强的大数据技术依依赖性。充分利用大数据带来的庞大数据信息，通过相应的数据分析、挖掘技术，寻找大数据与企业财务数据之间的联系，从而在维持企业财务数据平稳发展的前提下采取更具针对性的互联网发展战略，是零售电商现阶段提高竞争力的重要方式之一。阿里巴巴一直很重视大数据带来的技术变革，曾强调数据是最重要的生产资料，算法是最重要的流水线，这是生产力的转型升级。

本文基于数据的可收集性及统计口径一致性原则，在24家零售电商上市公司中选取同在美国上市且极具代表性的阿里巴巴（天猫及淘宝）、京东、拼多多和唯品会作为研究对象，四家公司2018年中国电商零售市场份额总计为81.5%。由于苏宁易购在深圳上市，出于统计口径一致性以及横向可比性原则，本文暂不将其纳入研究对象。

（二）数据来源

本文依据指标的可获取性及可操作性原则，选取阿里巴巴、京东、唯品会、拼多多2014 ～ 2018年上文构建的衡量电商企业财务数据与大数据协调发展情况的13个二级指标，数据皆通过网易财经、新浪财经、公司财务报表及公开资料整理获得。由于电商行业各个企业的规模存在较大差异，为了减少由于指标量纲不一致引起的数据误差，增强测算结果的横向对比性及适用性，本文在计算耦合协调指数之前采用极差正规化法将指标进行标准化处理。设Xij 为第i个评价对象在指标j上的值，将所有指标数值归于[0，1]之间。归一化过程如下：

正向化的指标：[Yij=Xij-minXijmaxXij-minXij]

负向化的指标：[Yij=maxXij-XijmaxXij-minXij]

（三）评价模型构建

廖重斌[13] 较早系统性地提出了协调发展计算模型，首先对构建的评价指标体系进行科学、客观的赋权，然后测算各个子系统的综合发展值以及耦合度，最后计算系统的耦合协调指数。针对财务数据子系统，本文选用主观与客观相结合的综合赋权法进行赋权，主观赋权法采用层次分析法，客观赋权法使用主成分分析法。其中：层次分析法测算的CR值为0.0189，满足CR<0.1，表明该判断矩阵通过了一致性检验;主成分分析法通过SPSS软件进行测算，结果显示前两个主成分对应的特征根>1，提取的两个主成分的累计方差贡献率达到84%，超过了80%，符合要求。通过层次分析法对二级指标进行赋权之后，再通过逐级算术平均到三级指标层。大数据子系统指标个数较少且重要程度相当，因此本文使用均值法赋权。求得权重之后再分别乘以对应标准化的指标数据求和得到综合发展值。其具体计算公式如下：

其中：Uij分别为第i个子系统（财务数据子系统、大数据子系统）第j年的综合发展值;Zlj为第l个指标第j年的效用值;wl为各子系统第l个指标的权重。本文中，U1>U2时表示大数据运用技术滞后，U2>U1时表示企业财务数据发展情况滞后。

耦合协调指数的概念最早源自物理工程，测算的是系统间相互影响及紧密配合的程度，后续被广泛运用到环境、生态等领域。本文在此引进耦合协调指数，通过数值的测算评价企业财务数据与大数据之间的协调发展情况。若测算结果为优质耦合，则表示企业大数据运用状况良好，两个子系统发展协调，能在一定程度上互相促进，产生良好的协同作用。若测算结果为耦合失调，则表示两个子系统发展不匹配、不协调，存在滞后的系统。在计算出综合发展值之后需要计算系统的耦合度，公式如下：

[C=U1j×U2jU1j+U2j22K] （2）

其中：C为耦合度，取值区间为（0，1）;U1j、U2j分别表示不同子系统的综合发展值;K为调节系数（K≥2），本文中取K=2。

耦合度数值表示的是系统间相互作用的强度，不能表征系统的协调发展情况，所以在此基礎上，需要测算耦合协调指数，公式如下：

T=αU1j（x）+βU2j（x） （3）

D=（C×T）1/2 （4）

其中：D为耦合协调指数;T为综合评价值;α、β为待定系数，本文取α、β为0.5。参考相关文献得到耦合协调发展水平的评价标准，如表2所示。

（四）结果与分析

1. 定量评价。按照上文提及的测度方法，首先对指标进行标准化处理，然后通过主观与客观相结合的综合赋权法计算权重，最后将其代入式（1），分别得到阿里巴巴、京东、唯品会、拼多多2014 ～ 2018年各个子系统的综合发展值。其中，A表示财务数据的综合发展值，B表示大数据的综合发展值，具体结果如表3所示。

进一步，根据式（2） ～ （4）计算出阿里巴巴、京东、唯品会、拼多多2014 ～ 2018年财务数据与大数据耦合协调发展情况，如表4所示。

通过上文提到的耦合协调发展水平评价标准对阿里巴巴、京东、唯品会、拼多多财务数据与大数据耦合协调发展水平进行划分，如表5所示。

2. 综合分析。为了更直观地对财务数据与大数据耦合协调发展情况进行评价分析，将2014 ～ 2018年阿里巴巴、京东、唯品会、拼多多的耦合协调指数测算结果绘制成折线图，具体如图2所示。

由图2可以看出，电商行业财务数据与大数据协调发展情况总体趋于向好，由2014年的一家勉强协调、两家失调变为都达到初级协调及以上，说明电商企业对大数据的运用情况逐渐变好，财务数据也趋于稳定。

具体来看，2014年阿里巴巴、京东、唯品会的财务数据与大数据耦合协调指数分别为0.5、0.28、0.46，三个电商企业的协调发展水平表现为阿里巴巴最高，唯品会次之，京东最低。该阶段电商行业发展迅速，同时阿里巴巴又处于上市热度期，形成了一家独大的局面，占据着59.3%的市场份额;京东此时处于现代物流投资的关键时期，同时又面临着菜鸟网络物流、商家流量被限等一系列竞争压力，导致财务情况较差，大数据资源效益不明显;唯品会此时的营业收入状况良好，净资产收益率达到了42%，是三家公司中最高的，这与当时电商市场潜力较大、包容性较强有关。2015 ～ 2016年，由于阿里巴巴股价下跌等，其财务数据与大数据耦合协调指数开始下滑，而京东和唯品会则继续保持上升的良好态势。2016 ～ 2018年，电商行业竞争越发激烈，随着拼多多等竞争对手的出现，唯品会受到强烈冲击，其财务数据与大数据系统耦合协调发展度持续走低，财务数据滞后，急需转型升级;而阿里巴巴逐渐趋于稳定;京东则开始发力，并在2017年后逐渐趋于稳定。截至2018年底四家企业财务数据与大数据耦合协调指数都达到了0.6以上，其中京东的协调度最高，拼多多次之，其协调度增速快，预期未来将持续提升。下文将具体对阿里巴巴、京东、唯品会和拼多多财务数据与大数据的协调发展情况进行分析。

（1）阿里巴巴财务数据与大数据的协调发展情况分析。阿里巴巴的财务数据与大数据耦合协调指数从2014年的0.5增长到2015年的0.78，完成了从勉强协调到中级协调的跨越。其2015年的财务数据综合发展值较2014年增长了65.5%，大数据综合发展值增加了153%，说明阿里巴巴发展迅速，且大数据综合发展值增长率超过了财务数据。

具体而言，从财务数据指标来看，对于财务数据综合发展值增长贡献最大的是基本每股收益，由2014年的9.26元增长到2015年的26.86元，表明股东权益升值空间较大，公司盈利能力较强，满足了股东的需求。其次是净利润率，同比增长率达到了59.6%，自2014年9月19日上市至今，2015年是阿里巴巴财务发展最为迅速的一年。主要原因在于该阶段阿里巴巴处于上市热度期，且市场对于电商行业发展持乐观态度，致使阿里巴巴股价从发行价68元迅速蹿升至100元以上，市值得到了快速增长。而2015年之后，阿里巴巴的财务数据与大数据耦合协调指数出现了大幅度下滑，究其原因，首先是财务数据子系统中总资产收益率、营业毛利率、净利润率等一系列指标均呈下降状态，净资产收益率下降幅度最大，同比下降了59.8%。一系列财务数据的下滑与当时阿里巴巴用户数绝对增量和增速均明显下滑有关。

从大数据指标来看，2016年阿里巴巴的市场份额由2015年的63.5%下降至57.7%，其中，当年新增用户仅有3000万，在吸引用户上出现明显瓶颈，这对于电商企业而言是非常严重的问题，因为通过GMV的高速增长带动企业盈利一直都是电商发展的重要引擎，如果电商对消费者失去了吸引力，就失去了根本的生产力，因此阿里巴巴急需了解消费者的需求，提高消费者的购物体验，以期吸引更多的消费者。而大数据分析技术为企业采取针对性措施提供了科学的理论支撑，阿里巴巴一直都很重视大数据带来的优势，其将最初的数据库升级为数据仓库，经过数据中台阶段，再到目前的自动数据库，才得以在竞争日益激烈的电商市场环境中持续吸纳消费者，市场份额得以稳固提升。

2017年阿里巴巴大数据子系统趋于稳定发展，财务数据与大数据耦合协调发展水平较低的原因在于财务数据相对滞后，主要体现在阿里巴巴的总资产收益率、净资产收益率、营业毛利率等指标皆处于下滑的趋势。究其原因主要有如下两点：一是阿里巴巴的资产总额逐年上升，从2014年的435亿美元增长至2018年的1337亿美元，增长了207.4%，要想达到该巨额资产对应的收益率越发困难。二是普通的目的式、搜索式购物模式已经不能满足市场的需求，加之京东、苏宁、唯品会、亚马逊中国、拼多多等竞争对手的涌入，导致市场竞争日益激烈。但通过数据分析可以看出，阿里巴巴总资产的上升幅度逐年减缓，可以预见随着公司规模趋于稳定，其财务数据与大数据耦合协调发展水平将会回升。

（2）京东财务数据与大数据的协调发展情况分析。虽然京东近些年一直处于亏损状态，但其财务数据与大数据耦合协调发展水平从2014年的中度失调持续向好，并于2017年达到了良好协调，虽然在2018年出现了轻微的下滑态势，但基本稳定在良好协调阶段。导致2018年下滑的主要影响因子是大数据子系统指标中的市场份额由2017年的32.5%下降至16.3%，主要原因在于三個方面：一是阿里巴巴基于自动大数据库分析，越发契合消费者需求，且菜鸟网络物流规模与效益已经逐渐与京东持平，京东以往用来吸引消费者的购物模式及快速物流的优势不再明显;二是京东与社交电商拼多多的竞争越发激烈，截至2018年底拼多多的活跃用户数已达4.185亿，同比增长71%，分走了大片的市场;三是大环境变化更快且负面新闻报道也对京东发展产生了一定的影响。

虽然市场份额出现了下降，但京东的人均GMV以及活跃用户数仍然持稳定上升的态势，这与其2018年及时调整组织架构、专门成立京东数字科技子集团来拓展大数据运用有关，京东希望通过更加精准的数据分析，与京东物流、京东零售达到相辅相成、协调发展的局面。同时，京东也注重推广社交流量，提供社交化电商的拼购业务。总的来说，京东如果想要达到“第二次增长曲线”，主要还是取决于拼购等社交模式的创新发展及投入的零售基础设施，比如京东自营的物流体系，能否在保障业务效率的同时减低自营成本。

（3）唯品会财务数据与大数据的协调发展情况分析。唯品会2014 ～ 2016年财务数据与大数据耦合协调发展处于上升态势，2016年之后开始出现下滑。从财务数据子系统来看，其自2016年开始一直处于低迷状态。首先，表征股东压力的净资产收益率、基本每股收益都逐年下滑，说明唯品会无法达到市场预期，导致股市低迷，市值下降。其次，表征运营情况的应收账款周转率、总资产周转率也逐年下降，说明企业收款速度变慢，容易出现一系列资金问题。表征反馈情况的营业毛利率、净利润率、总资本回报率也出现了大幅下降，其中总资本回报率更是同比下降45.5%，财务数据不容乐观。从大数据子系统来看，其也出现了轻微的下滑，市场份额持续缩水，说明唯品会无法在维持财务数据平稳运行的基础上提高大数据运用水平，两者处于桎梏状态。针对这种情况，唯品会急需做出调整，其中大数据子系统综合发展值下降较缓，说明企业仍然存在忠实的消费者群体，可以优先调整企业财务状况，拓宽盈利模式，新增商家栏目，扩展其他市场等。

（4）拼多多财务数据与大数据的协调发展情况分析。拼多多于2018年在美国上市后就在当年的中国零售百强名单中夺得了第三名的成绩，仅次于阿里巴巴和京东。这与其创新性的社交购物模式息息相关，拼多多创始人黄峥谈到，现在手机微信等社交软件每天消耗电量近40%，淘宝仅消耗10%，但线上交易中淘宝占据了绝大部分，如果能发挥微信等社交软件40%耗电量中的购物红利，将是一个巨大的利润点。因此，拼多多基于场景匹配，通过大数据分析技术了解人们的消费习惯，以社交推荐物品为载体，最后过渡到使用大数据分析算法推荐商品，通过一系列科学的大数据分析，实现了用户与卖家的精准对接。拼多多自成立起仅用了一年时间其活跃用户数就超过了唯品会，四年时间达到了与京东持平的地步，说明大数据分析技术对电商商业模式创新、拓宽下沉市场、吸引活跃用户有着至关重要的作用。

拼多多上市时间较短，因此本文收集的数据有限，但从拼多多财务数据与大数据协调发展类型来看，其2017年为轻度失调财务数据滞后型，在2018年转变为中级协调大数据超前型，耦合协调指数同比增长153.3%，拼多多这匹社交电商黑马的发展将持续向好，且后劲十足。但是，随着其社交电商的购物模式被其他竞争对手复制，下沉市场出现更多竞争对手，其未来面临的竞争将更为激烈，如何在维持财务数据平稳运行的基础上继续创新大数据技术运用，是其进一步提升核心竞争力需要思考的问题。

六、结论与建议

（一）结论

本文创新性地将财务数据与大数据置于一个整体框架进行研究，基于收集的电商行业2014 ～ 2018年面板数据，使用主观与客观相结合的综合赋权法赋权，测算其综合发展值、耦合协调指数来评价电商行业的大数据运用情况，并结合具体指标、商业模式、营运渠道、战略布局等进行综合分析，以期为现阶段电商行业加强大数据运用提供全新的理论依据与案例参考。结果表明，电商行业竞争日益激烈，竞争方式更加多样化，消费者也从以往单纯注重价格转变为注重消费体验，成为价值的创造者与知识创新的来源。提供更加精准的供需对接、发现和转化潜在消费者、提升GMV以抢占市场份额已经成为各大电商品牌竞争的重心。

从各个公司来看，阿里巴巴2014 ～ 2015年财务数据与大数据完成了从勉强协调到中级协调的跨越，此后协调指数开始下滑，并于2016年以后趋于平稳发展;京东的财务数据与大数据耦合协调发展水平持续上升，并于2017年以后趋于平稳;唯品会2014 ～ 2016年财务数据与大数据耦合协调发展处于上升态势，2016年之后下滑严重，其中，财务数据子系统综合发展值下滑较为严重，大数据子系统综合发展值也在2017年出现了轻微下滑，情况不容乐观;拼多多的财务数据与大数据耦合协调发展水平持续向好，增速较快，其中，大数据子系统超前于财务数据子系统，表征大数据技术运用良好，预计将持续增长。

（二）建议

目前电商平台的发展普遍面临着平台获客成本持续攀升、精准供需对接更加困难的桎梏。为了实现低成本化和精准化的供需对接，需要顺应信息技术发展潮流，利用好科学发展带来的技术产物。电商行业已经迈入新零售时代，大数据技术渗透到每一个业务领域，成为重要的生产因素。通过科学、合理地运用大数据先进技术，对商品的生产、流通与销售进行升级改造，提升消费者的线上、线下服务体验，从而依靠口碑宣传高效获取用户流量，将是电商平台未来发展的重要路径。

电商平台必须充分挖掘和利用大数据技术带来的海量数据，辨析消费者剩余，找寻新的经济、用户增长点，挖掘数据红利;利用各自的商业渠道、物流体系、合作关系等竞争优势，从电商平台财务数据与电商数据协调可持续发展的角度出发，在维持财务状况平稳运行的基础上，转变线上、线下发展模式，通过对商业模式、营销模式、服务模式、物流体系的转型和技术升级，将用户精准对接至平台的服务和产品。最终，实现财务效益与大数据资源效益的共赢，以及财务数据与大数据的高度协调发展。基于以上分析，本文提出以下政策建议：

首先，对电商平台而言，要认识到大数据技术对商业运作模式产生的影响。通过提高大数据收集技术，加深大数据算法解析，挖掘信息红利，提供拼团模式、社交模式等一系列更为精准的供需对接路径。同时，也要积极开拓新市场，通过渠道下沉和海外扩展等方式挖掘新的蓝海市场，这将是电商平台发展的重要战略布局，既可以为企业谋取红利，又可以激发农村网购消费潜力，带动网购市场的消费升级。

其次，对立法部门而言，要加快对电商新兴运作模式相关法律法规的建设。拼团模式、社交模式在更加契合用户理念的同时也带来了阻碍市场竞争和侵害消费者权益的乱象（如网络传销、非法占用用户信息等），需要加快立法以規范电商行业。

最后，对政府而言，需要为新业态发展提供良好的创新环境。以大数据信息技术为基础的电商平台发展迅速，新的运作模式不断涌现，很多市场红利尚未被完全挖掘出来，市场规律更未被充分认知。因此，政府在制定政策时既要维护市场的有序进行，也要为新兴电商平台留有发展空间。

【 主 要 参 考 文 献 】

[ 1 ]   李佳.基于大数据云计算的智慧物流模式重构[ J].中国流通经济，2019（2）：20 ～ 29.

[ 2 ]   左芊，洪波.企业大数据影响因素与经济发展关系研究[ J].统计与决策，2019（10）：185 ～ 188.

[ 3 ]   宗威，吴锋.大数据时代下数据质量的挑战[ J].西安交通大学学报（社会科学版），2013（5）：38 ～ 43.

[ 4 ]   易明，冯翠翠，莫富传.大数据时代的信息资源管理创新研究[ J].图书馆学研究，2019（6）：56 ～ 61.

[ 5 ]   陈东玲.大数据时代下管理会计面临的挑战及对策探讨[ J].宏观经济管理，2017（S1）：113 ～ 114.

[ 6 ]   刘建军.论大数据与非公有制经济发展的深度融合[ J].云南社会科学，2019（2）：70 ～ 73.

[ 7 ]   陈潇洋.电商如何拥抱大数据——以京东、阿里为例[ J].当代经济，2015（18）：64 ～ 65.

[ 8 ]   汪义军，欧晓明.生鲜农产品电商供应链协同模型的构建[ J].财会月刊，2019（23）：153 ～ 157.

[ 9 ]   Christiansen J. K.， et al.. Living twice： How a product goes through multiple life cycles[ J].Journal of Product Innovation Management，2010（6）：797 ～ 827.

[10]   Nambisan S.， Baron R. A.. Interactions in virtual customer environments，implications for product support and customer relationshipmanagement[J]. Journal of Interactive Marketing，2007（2）：42 ～ 62.

[11]   陈琪.资产质量评价指标体系重构设想——基于财务报表项目分类列报观点[ J].财务与会计，2011（10）：30 ～ 32.

[12]   郭方方.新常态下农村集体经济财务预警指标构建研究[ J].会计之友，2017（12）：38 ～ 42.

[13]   廖重斌.环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例[ J].热带地理，1999（2）：76 ～ 82.