[摘要] 本文主要分析了我国目前电子商务中诚信缺失的现状，提出了在电子商务中利用数据仓库与数据挖掘技术构建诚信机制的方法，为交易双方提供信誉度查询平台，以增强电子商务用户交易的信任感，促进电子商务的良性发展。
[关键词] 电子商务 诚信度 数据仓库 数据挖掘
一、电子商务的诚信缺失现状
在中国,传统的购物习惯是“眼看、手摸、耳听、口尝”,公众普遍感到网上购物不直观、不安全、不信任，也使得电子商务交易链非常容易断裂。在整个电子商务活动中，诚信力缺失主要表现在：网络商务提交信息的不真实;产品宣传信息与实际不符;购买的产品与交付的产品不一致;消费者个人及消费信息的安全性得不到保障;产品的售后服务得不到保证等。
上述种种诚信缺失的现象，导致交易双方的利益均有所损害，破坏了电子商务的正常环境，导致电子商务交易社会信任度较低，在一定程度上阻碍了电子商务的发展。因此，需要建立一种可行的诚信机制来规范、约束电子商务市场环境，改善买卖双方的诚信力，增强市场的监管力，保证电子商务的良性发展。
二、数据仓库与数据挖掘技术应用
数据仓库就是一个用以更好的支持企业或组织的决策分析处理的、面向主题的、集成的、随时间不断变化的，但信息本身相对稳定的数据集合。在完成数据仓库的数据准备阶段后, 通过数据探索、建立模型、模型检验、模型应用、分析等过程，有效集成各种高效率的数据挖掘算法, 按照用户需要实施数据挖掘任务。
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中, 提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。由于数据挖掘技术能带来显著的经济效益,它在金融业、零售业等，特别是电子商务中的应用也越来越广泛。
通过对客户的购买力及信用的分析、对商家提供服务的可信度、交易过程、售后服务等大量数据建立相应的数据仓库,利用决策树、统计分析、神经网络、模糊聚类、贝叶斯预测等算法进行数据挖掘后，可对商家、客户分类并评出等级,建立相应诚信度，从而有助于识别客户购买行为,发现客户购买模式和趋势,以改进服务质量,争取更好的顾客保持力和增强买卖双方的满意度,提高货物销量,设计更好的货物运输与分销策略,降低商业成本,加强诚信保障力度和制约，争取更多的忠诚用户。
三、电子商务中诚信机制的构建
在电子商务整个过程中，运用数据仓库与数据挖掘技术，构建一套较完善的诚信机制，为用户搭建一个信用查询平台，使之能自动地分析、记录每次交易活动，及时为每个交易用户提供交易对象以往的交易经历及获得的评价,来提高交易的成功率和诚信度。
1.数据仓库的构建。如图1所示：在电子商务过程中，买卖双方最关心的，即是各种信息是否属实，交易商品是否可靠，信誉度如何。因此，分别为买方、卖方、交易安全、售后、评价等大量信息建立相应的数据库，经过对各分散的信息进行抽取、转换、刷新等过程，将数据聚集在一起形成一个集成、稳定、可靠的中心数据仓库。中心数据仓库采用Oracle关系数据库管理系统，结合已有的历史诚信记录进行查询、分析、挖掘，将数据应用向深度和广度扩展。可用关系OLAP模型, 即扩充的关系DBMS，它将多维数据上的操作影射为标准的关系操作。形成新的各数据流程诚信度，实现整个交易数据预处理。
图1 数据仓库建立与应用 图2 数据挖掘过程
2.交易诚信度的数据挖掘。在建立电子商务及诚信度综合信息数据仓库之后, 可以基于这个数据仓库平台进行数据挖掘工作，如图2所示：通过对原有数据流的分析，结合构建的诚信度数据仓库，运用关联规则、统计分析、神经网络、模糊聚类、贝叶斯预测等数据挖掘算法建立相应的数学模型。然后在模型库的基础上加以分析、处理，为用户获得比较可信的信誉评价度及信誉评价等级，同时将本次交易过程的诚信度挖掘结果载入信誉数据仓库，为下一次交易作参考。
3.诚信平台模型构建。运用WEB技术，构建C/S(客户/服务器)访问模式，将客户端应用脚本集成、封装并安装、加载于网页浏览器;当买方欲进行电子商务活动时，可以很方便的查询对商家、商品、售后评价等信息的信誉数据仓库，查看数据挖掘的结果，获得相关诚信度的信息，以帮助买方确立交易活动。商家也可通过此平台获得买方的相关信誉度信息，来确立是否建立交易并有效降低损失。
四、结束语
运用数据挖掘技术构建此诚信机制，用户可查询交易双方的历史信任度，选择信誉度较高的用户实施电子交易，大大增强了电子商务用户交易的信任感，同时又可以约束、规范交易双方的交易操作，降低不法分子的投机度，有利于电子商务的良性发展。
参考文献:
[1]刘亚:论我国电子商务的诚信建设[J].文化建设，2007,9
[2]周建良:中国电子商务诚信建设要注意的问题[J].商场现代化， 2007,25
[3]周迎新方晖李欣蔚:基于Web的数据挖掘技术研究[J]. 科技创新导报，2008,3
[4]朴春慧安静:C2C电子商务网站信用评价模型及算法研究[J].情报杂志,2007,8