基于DEMATEL的電子商務數據質量影響因素研究

孫俐麗 趙柳榕

摘 要：[目的/意義]大數據時代下，明確電子商務數據質量關鍵影響因素，無論對于電子商務企業準確把握數據質量改進方向還是學界聚焦商務數據質量根源性問題都有著重要意義。[方法/過程]通過扎根理論分析法對半結構化訪談獲得的質性材料進行逐級抽象歸納，得出影響電子商務數據質量的影響因素，再通過復雜系統因素重要性判定的DEMATEL模型，對因素間關系進行計算。[結果/結論]經測算，發現電子商務數據質量的“起源型”影響因素包括數據質量的監管機制、質量意識、標準與規范、明確數據利用目的等因素，“結果型”因素包括數據開發應用管理、數據處理過程約束、質量意識等因素，而關鍵影響因素則主要集中在監管機制、質量標準、利用需求、質量意識等方面。

關鍵詞：電子商務;數據質量;影響因素;DEMATEL模型;扎根理論

DOI：10.3969/j.issn.1008-0821.2019.07.014

〔中圖分類號〕F713.36 〔文獻標識碼〕A 〔文章編號〕1008-0821（2019）07-0115-07

Abstract：[Purpose/Significance]In the era of big data，it is very important to clarify the key factors affecting the quality of e-commerce data for both the e-commerce enterprises to understand management tendency and the scholars to focus on the underlying problems of the quality of business data.[Method/Process]By using the method of grounded theoretical analysis，this paper abstractly summarized the qualitative materials obtained from semi-structured interviews，and finally drew a conclusion that there are 11 factors affecting the quality of e-commerce data.The DEMATEL model of complex system was used to build an e-commerce data quality influencing factors matrix.[Result/Conclusion]By calculation，it is found that the“original factors”of e-commerce data quality included such factors as data quality supervision mechanism，quality awareness，standards and norms，clarity about the purpose of data utilization and so on.The“result factors”included data development and application management，data processing constraints，quality awareness and other factors，while the key factors were mainly concentrated in the supervision mechanism and quality standards，utilization needs，quality awareness and so on.

Key words：e-commerce;data quality;influencing factor;DEMATEL model;grounded theory

隨著大數據技術的產生和應用，基于大數據的產品和服務創新正有力地改變傳統組織的競爭格局，數據價值已被提升到前所未有的高度[1]，成為新型資產形態。然而大數據環境下，龐大的數據量和復雜的數據結構，加劇了低質量數據產生的風險，給數據質量管理帶來挑戰，例如，數據標準缺失、元數據管理混亂、數據中心沼澤化等已成為當下電子商務領域數據質量管理的突出問題（DAMS，2017）。微觀層面上，糟糕的數據質量正制約著組織數據資源的有效利用，大多數組織并未充分實現數據資產的潛在價值[2]。宏觀層面上，數據資源的質量問題也是影響大數據產業健康發展、阻礙國家大數據戰略順利實施的重要因素，因此，數據質量的監管研究是當下理論和實踐的迫切需要。

電子商務數據作為國家大數據戰略的重要組成要素，具有巨大的應用價值和經濟價值，電子商務數據質量的有效監管對其他領域數據質量管理具有引領和示范作用。本研究以電子商務數據為研究對象，采用定性與定量相結合的研究方法，探討電子商務數據質量的關鍵影響因素，以期為推進電子商務數據質量的有效監管提供啟發。

1 文獻回顧

早期對于數據質量影響因素的研究更多聚焦在信息系統以及數據處理環節，探討系統本身對數據質量的影響。例如：Otto B的研究發現客戶關系系統、企業資源管理系統等企業信息系統是數據質量問題產生的重要來源[3];Cao L等則發現一些難以避免的數據質量問題的產生與ERP制造系統的高耦合作用及復雜性有關[4]。隨著對數據質量問題認知的不斷深入，學者們認識到數據質量不僅僅是系統本身的技術原因，還受到信息輸入環節人的數據質量意識、管理機制等多種因素影響：盧本新將數據倉庫的數據質量問題的影響因素歸結為：管理因素、系統因素、數據遷移因素、信息輸入因素、接口因素等方面[6]。Lee Y W等認為數據質量問題的影響因素除數據編碼等技術因素外，還包括數據需求變更、輸入過程因素、主觀判斷因素、計算資源因素等非技術因素[7]。

更多學者將關注點擴大到數據生命周期全過程，涉及數據表示、輸入、采集、處理、轉化、集成、應用以及用戶數據需求等若干環節。劉偉認為數據生命周期過程中的數據需求、數據模型、數據采集、數據轉移、應用程序及管理因素等是影響數據質量的主要因素[8]。曹建軍等認為在其生命周期過程中的各個環節都可能引入錯誤，產生數據異常，數據質量問題可能來源于：數據錄入（更新）錯誤、測量錯誤、簡化錯誤、數據集成錯誤[9]。穆向陽等以圖書館數據服務的數據生命周期模型為基礎，結合圖書館數據服務的新特征構建基于生命周期的數據質量影響因素模型[10]。莫祖英分析了大數據處理流程中數據收集、數據預處理、數據存儲、數據處理與分析、數據可視化及應用等環節對大數據質量的影響[11]。

綜合以上研究可見，現有研究較多的是采用調查法對某一領域特定系統中的數據質量及其影響因素進行調查分析，確定該領域數據質量的關鍵影響因素，但對于哪些因素相對于其他因素更為重要的問題則大多研究沒有做出充分的解釋。此外，現有研究少有直接對電子商務數據質量影響因素展開研究的文獻。

2 研究思路與研究方法

2.1 DEMATEL模型

本研究主要通過應用復雜系統因素重要性判定的DEMATEL模型，來分析電子商務數據質量關鍵影響因素。具體來說就是通過構建直接影響矩陣和綜合關系矩陣，計算各維度因素的中心度和原因度，從而分析影響電子商務數據質量的關鍵因素。DEMATEL是一種系統要素分析方法，通過分析系統各要素之間的邏輯關系，構建直接影響矩陣并對其進行相關計算，以此確定各要素對其他要素的影響度與被影響度，進而計算出中心度與原因度[12]，進一步揭示系統的結構關系。該方法在諸多復雜系統的因素重要性權重分析研究中有著相對成熟的應用[13-16]。

2.2 扎根理論分析

運用DEMATEL模型的基礎在于構建出相對完整、全面的影響因素集合。為此，本研究采用扎根理論方法，析出電子商務數據質量影響因素。扎根理論分析是一種較為嚴謹的質性研究方法，其研究方法為：首先通過在自然環境下使用開放式訪談、觀察等方法對相關主題的資料進行廣泛收集;然后運用一套嚴謹的資料分析技術對收集的原始資料進行系統分析，抽象出若干概念，并對相關概念進行歸納，得出相應范疇;然后通過反復比較，進一步歸納提煉各個概念和范疇;最后，通過建立起各個概念、范疇之間的聯系，形成理論框架[18]。本研究運用扎根理論對電子商務數據質量影響因素進行分析，具體過程如下：

2.2.1 確定數據來源及樣本選擇

綜合考慮數據代表性以及可獲得性，本研究將數據來源初步選定為：大型B2B電子商務公司F、全品類綜合在線批發兼零售公司S、保險電子商務公司X、旅游電子商務公司X。以上目標企業經營商品品類不同，公司規模及所處發展階段也各不相同，有的出于初創期、有的處于快速發展的成長階段，有的處于穩定的成熟階段，這些目標數據來源大致體現了電子商務數據質量的現狀，通過這些目標數據來源所得的質性數據有一定代表性。

最終訪談對象包括數據使用者、數據處理者（包括數據審核、開發、加工者等）、數據監管者等角色。需要說明的是，訪談對象的角色有時并不是單一的，例如有些訪談對象既是使用者，又是數據監管者。在訪談對象信息統計時按主要角色職責歸到某一類角色中。按照扎根理論的要求，訪談對象人數預計20～30人左右。實際有效訪談人數為28人。

2.2.2 設計訪談提綱

根據扎根理論的指導原則，設計較為開放性問題，本研究基于現有相關研究成果的分析，擬定訪談提綱，題項主要包括：工作中您接觸到哪些數據？您主要關注數據的哪些質量特征？您認為這些數據質量符合要求嗎？您覺得形成質量問題的可能原因是什么？還有其他可能嗎？在實際訪談中，還需要根據訪談對象的具體情況，對以上題項進行適當調整。

2.2.3 基于扎根理論的編碼

本研究嚴格按照扎根理論分析步驟，首先，進行開放式編碼，即通過將所獲得的原始數據進行概念化和范疇化。對原始數據進行分析，共獲得原始語句287條，并對所描述現狀賦予標簽，然后將類似的標簽聚集到一起，歸納出相應的概念。通過開放式編碼共獲得64個概念。然后對編碼形成的概念進行反復推敲，并進行抽象提煉，形成24個范疇，并在此基礎上依據其內在邏輯，進一步歸納為“把握用戶需求”、“明確利用目的”、“建立標準和規范”等共11個主范疇。依據主范疇與核心范疇的關系類型，將11個主范疇，即電子商務數據質量主要影響因素，進行編號，如表1所示。限于篇幅，編碼過程從略。

2.2.4 飽和度檢驗

本研究對理論飽和度的驗證方法為：采用預留的5份訪談內容進行概念比對，結果沒有新概念或理論內涵出現，即最后的5份訪談內容基本被此前的64個概念所覆蓋。根據此種情況筆者認為當前訪談結果及在此基礎上形成的理論已經飽和。

3 關鍵影響因素分析

3.1 DEMATEL模型構建與計算

在梳理出11個電子商務數據質量影響因素（即前文所述的主范疇）后，本研究基于DEMATEL模型對電子商務數據質量關鍵影響因素進行測度。首先組織焦點小組對各影響因素之間的關系進行評價，焦點小組由12名成員組成，其職業均與電子商務數據的管理、開發、利用相關，有較為豐富的實踐或研究經驗，他們分別來自電子商務企業的數據分析師、架構師、產品經理、項目經理，以及高校電子商務方向的研究人員。焦點小組所討論內容為各個因素對其他所有因素的影響程度，根據各要素之間影響關系的有無及其強弱，采用0、1、2、3分別表示因素Si對因素Sj的影響程度為“無影響”“弱”、“中”、“強”。

1）對評分結果進行分析并取出現頻率最高的數作為對應因素的直接關聯程度，得到電子商務數據質量影響因素的直接影響矩陣（見表2）

2）在構造直接影響矩陣后，將其轉化為規范化影響矩陣，由于篇幅有限，規范化影響矩陣從略。為了分析各因素間的間接影響關系，根據上文操作步驟得到綜合影響矩陣，如表3所示。

3）影響因素分析。本研究按照DEMATEL模型的計算公式，計算出了各因素的影響度和被影響度、中心度、原因度（見表4）。并繪制原因—結果分布圖（見圖1）。

3.2 結果分析

3.2.1 影響度與被影響度分析

一個因素的影響度是指在諸多因素中該因素會對其他因素造成影響的程度總和。根據電子商務數據質量各因素的影響度與被影響度計算結果（見表4），可以發現影響度比較高的因素包括：建立數據監管機制（2.13）、明確數據利用目的（2.07）、數據質量意識（1.91）、建立標準與規范（1.86）。可以發現，原因因素主要集中在標準規范、監管制度、目標、人員意識與素質等方面，這些因素對電子商務數據質量起到根源性影響作用，是“起源型”因素。因為當前大數據環境下，對于大規模數據集的質量管理尚處于探索期，需要明確的目標導向、厘清數據質量利用目的，同時也需要相應的標準與規范、監管制度的引導和約束，需要數據質量參與者的質量意識提高。

一個因素的被影響度是指在諸多影響因素中，該因素受其他因素影響程度的總和。從被影響度計算結果（見表4）來看，被影響度比較高的因素主要包括：數據開發應用管理（2.46）、數據質量意識（2.18）、數據處理過程約束（2.02）。這些因素受到其他因素影響程度相對較高，屬于“結果型”因素。被影響度高的因素主要集中在流程管理維度、技術維度、質量意識維度。與“起源型”因素不同，“結果型”因素更加直接作用于電子商務數據質量管理實踐，是電子商務數據質量管理實施更直接的推手。

3.2.2 關鍵影響因素識別

基于DEMATEL權重網絡的理論模型，一個因素的中心度是指在因素復雜網絡中的重要程度，一個因素的原因度是指該因素對整個因素網絡的形成原因的貢獻程度。本研究集合中心度和原因度對電子商務數據質量關鍵影響因素進行識別。從各因素的中心度和原因度的分布來看（如圖1），部分因素既具有較高的中心度，也具有較高的原因度，如S11（建立數據監管機制）、S3（建立標準與規范）、S1（把握用戶數據需求），說明這些因素既在復雜網絡中有較強的中心性，又對其他因素具有較強的解釋性。還有的因素雖然原因度不高，但中心度較高，如S7（數據質量意識），說明該因素雖然對其他因素的影響不大，但是在整個因素網絡系統具有重要地位，是許多因素的作用點，也屬于關鍵影響因素。

4 結論與建議

4.1 研究結論

本研究以電子商務數據質量影響因素為研究問題，通過對半結構化訪談所獲得的質性材料進行扎根理論分析，獲得了4個維度共11個數據質量影響因素，使用DEMATEL復雜系統模型對以上因素進行分析，最終得到以下結論：

1）影響力較大因素除了比較常見的數據質量監管機制、質量意識、標準與規范等因素外，明確數據利用目的也是影響數據質量的重要因素。結合調研材料，本研究發現對數據質量利用目的的明確程度，比如企業是否具有自上而下的頂層數據資源規劃，是影響數據資源能否有效支撐企業經營業務的重要因素，這與電子商務領域數據的經濟價值屬性密切相關，只有與企業營業目標相吻合的數據才是高質量的數據資源。這也是本研究與現有其他領域數據質量因素研究相比較的一個重要發現。

2）電子商務數據質量的“結果型”因素是數據開發應用管理、數據處理過程約束、數據質量意識等，這些因素對數據質量產生直接影響。相較于其他領域數據質量更側重數據輸入端影響因素不同，電子商務數據質量的直接影響因素更多集中在數據處理轉化和開發應用環節。電子商務平臺輸入端的人機交互設計已相對比較完善，有較為完善的數據質量約束機制，數據質量問題更多來源于多來源數據的整合及數據開發環節。這也是電子商務領域的數據管理特點。

3）建立數據質量監管機制、建立標準與規范、把握數據利用需求、數據質量意識等有關制度、標準、需求、意識等方面的因素是電子商務數據質量的掣肘性因素。雖然調研中的企業已不同程度的建立了相應的數據質量管理制度和規范，但相關標準、制度尚不完善，數據資源缺乏全局性規劃，數據質量有待與企業戰略目標相協同。所以本研究認為建立監管機制、完善數據標準與規范、明確數據利用需求、提升數據質量意識等仍是提升電子商務數據質量的關鍵發力點。

4.2 對策建議

1）建立完善的數據質量監管機制仍是電子商務企業提升數據質量的當務之急。調研發現，雖然數據質量問題已被廣泛關注，但不少企業并未建立覆蓋數據生命周期全流程的監管機制，數據質量工作分散在相關業務部門，未能建立規范化、全流程的監管機制。只有少數企業明確將數據質量問題考核納入KPI考核體系，數據質量問題并未得到充分重視。因此，建議電子商務企業應建立完善的、覆蓋數據生命周期全流程的數據質量監管機制，對數據本身和數據工作流程進行監督。例如，建立包括實時監控機制、人工信息審核機制、逐級審查機制在內的審核機制;同時，還應建立數據質量問責機制、數據質量問題處理機制等一系列管理機制。通過嚴格的監管機制，加強數據質量過程控制，直接有效地提升電子商務數據質量。

2）加強數據資源頂層設計，明確企業數據利用目的與需求。使數據質量管理目標與企業發展目標相匹配，制定數據資產總體規劃和數據質量策略，統領數據質量工作，避免數據質量與商業目標及業務需求之間出現斷層。例如企業可以成立數據資產管理委員會，由其總體負責數據資源的頂層設計，制定數據質量目標。在此基礎上，由數據質量小組統籌進一步厘清數據利用需求，使數據質量標準和規范與數據需求相對應，與數據利用場景相結合，例如，對于客戶數據，側重于要求數據本身全面、完整、有效，能夠為用戶“全面畫像”，深入刻畫用戶特征等方面的質量屬性;對于運營數據，側重于要求數據的準確性、可信度、時效性等質量屬性，而對于業務預測，則要求數據能夠滿足“場景化”決策的需要，即需要提供有關時間、空間、語義和語境等要素構成的特定用戶數據。

3）明確數據質量標準與數據工作規范，通過統一的標準和規范實現數據質量管理的最佳效益。電子商務企業尤其是一些初創期的企業，應重視標準與規范的前端控制作用，建立完善的、全局性的數據標準和數據工作規范。關于數據標準，企業應就共用業務術語的定義、命名與描述方法達成共識，形成統一規定，包括數據對象的命名、格式/結構、表示規則、存儲、交換、共享規則等內容。同時，通過規范約束數據生命周期過程中參與主體的行為，避免出現標準和執行“兩張皮”的脫節現象。數據工作規范體系應全面涵蓋數據生命周期的各個階段，具體應包括：數據開發階段對內部數據源、外部數據、人工錄入數據等進行采集的規范，ETL階段對數據進行抽取、轉化、清洗、加載等操作的ETL規范，數據挖掘階段的數據建模規范，以及數據應用階段的數據應用規范等。

4）建立完善的數據質量保障體系。數據質量管理是一項復雜的系統工程，數據質量工作的順利開展必然需要完善有效的保障體系。結合調研情況與前文DEMATEL分析結果，建議電子商務企業重點從組織架構、數據監管工具、技術等方面著手構建數據質量保障體系。例如：①建立跨部門的數據質量管理委員會負責數據質量管理相關工作。調研發現有的企業IT部門既是“運動員”，又是“裁判員”，缺乏公司層面獨立的管理部門，組建跨部門的數據質量管理機構十分必要。②建立數據質量監管平臺作為輔助工具，協助數據質量控制工作順利開展。在數據質量規則的基礎上，利用元數據技術對數據質量進行監控、評估，并提供數據質量報告、異常情況預警等，以全局和直觀的方式展現數據質量問題，提升數據質量監管效率。

5）提高員工數據素養和數據質量意識。電子商務企業可以通過一系列專題培訓來提升員工的數據素養和數據質量意識，例如：①數據知識專題培訓。例如，企業數據質量標準和指標解讀，對日常工作中涉及的數據質量標準和指標的含義、業務規則等進行詳細介紹;統計學知識，如極值、正態分布、相關性等基本統計學知識，以提升數據用戶解讀數據報表的能力;數據挖掘知識、結果指標的解讀等知識。②數據工具使用專題培訓。對常用的數據分析工具、商業智能類工具的功能及應用方法進行培訓，如Google Analytics等。③數據質量意識培養。專題培訓結合企業內部各種宣傳渠道，將企業數據文化滲透到員工日常工作中。讓員工理解數據質量的重要性，在日常工作中能重視并主動遵守相關數據工作規范、數據質量制度。但數據質量意識的提升不是一蹴而就的，需要通過培訓體系、獎懲機制等多種途徑逐步培養。

4.3 研究不足

受條件所限，本研究在獲取直接影響關系矩陣時，只能在有限的范圍內通過焦點小組法獲得因素間的影響權重。隨著電子商務企業數據質量監管機制以及規范制度的日益完善、數據質量意識的提高，關鍵影響因素也會發生變化。在未來的研究中，筆者將嘗試通過更大范圍的調研來搜集和分析電子商務影響因素及這些因素之間的關系，以期能夠更加準確地把握電子商務數據質量管理的發展脈絡，為我國商業大數據產業的健康持續發展貢獻綿薄之力。

參考文獻

[1]張寧，袁勤儉.數據質量評價述評[J].情報雜志，2017，40（10）：135-139.

[2] Wahyudi A，Kuk G，Janssen M.A Process Pattern Model for Tackling and Improving Big Data Quality[J].Information Systems Frontiers，2018，20（3）：457-469.

[3] Otto B.EconPapers：Data Governance[J].Business & Information Systems Engineering，2011，（4）：241-244.

[4] Cao L，Zhu H.Normal Accidents：Data Quality Problems in ERP-enabled Manufacturing[J].Journal of Data & Information Quality，2013，4（3）：1-26.

[5]胡逢彬，沈煒.數據ETL過程中的數據質量控制[J].信息技術，2006，（4）：19-21.

[6]盧本新.數據倉庫數據質量管理的研究[D].大連：大連理工大學，2013：18.

[7]Lee Y W，Pipino L L，Funk J D，et al.數據質量征途[M].黃偉，王嘉寅，馮耕中，譯.北京：高等教育出版社，2015.

[8]劉偉.基于元數據的數據質量控制與評估模型研究[D].大慶：東北石油大學，2011.

[9]曹建軍，刁興春，汪挺，等.數據質量控制研究中若干基本問題[J].微計算機信息，2010，26（9）：12-14.

[10]穆向陽，朱學芳，常艷麗.圖書館數據服務中數據質量影響因素模型的構建[J].圖書館論壇，2013，33（5）：86-90.

[11]莫祖英.大數據處理流程中的數據質量影響分析[J].現代情報，2017，37（3）：69-72.

[12]Hosseini S M S，Safaei N，Asgharpour M J.Reprioritization of Failures in a System Failure Mode and Effects Analysis By Decision Making Trial and Evaluation Laboratory Technique[J].Reliability Engineering & System Safety，2006，91（8）：872-881.

[13]甘俊偉，賀政綱，彭茂，等.基于DEMATEL方法的我國報廢汽車回收利用產業發展影響因素分析[J].科技管理研究，2016，36（1）：103-107.

[14]張艷豐，李賀，彭麗徽，等.高校圖書館微信公眾平臺的媒介引力場模型及其影響因素——基于DEMATEL系統因素分析的大眾傳播視角[J].圖書情報工作，2017，61（9）：5-13.

[15]杜鳳嬌，段萬春，李陽.基于DEMATEL方法的眾創空間外引內聯模式的影響因素分析[J].科技管理研究，2018，38（10）：220-226.

[16]楊建梁，劉越男.基于DEMATEL模型的我國政府信息資源跨部門共享的關鍵影響因素研究[J].圖書情報工作，2018，62（19）：64-76.

[17]甘俊偉，賀政綱，彭茂，等.基于DEMATEL方法的我國報廢汽車回收利用產業發展影響因素分析[J].科技管理研究，2016，36（1）：103-107.

[18]韓正彪，周鵬.扎根理論質性研究方法在情報學研究中的應用[J].情報理論與實踐，2011，34（5）：19-23.

（責任編輯：孫國雷）