基于大數據的跨境電商床品設計支持系統的基礎架構

吳 燁，周 赳

（浙江理工大學 浙江省絲綢與時尚文化研究中心，浙江 杭州 310018）

從2010年到2020年，我國紡織品跨境電商貿易總額的年均增長率超過30%，截止2020年底中國紡織品跨境電商出口額達到1538.4億元人民幣，環比2019年增長29.2%。紡織品跨境電商正式成為我國跨境電商貿易的重要部分。

面對浩如煙海的信息，傳統的生產情報采集方式已經不能滿足跨境電商生產的現狀，在大數據的基礎上精準了解市場需求后，及時改良設計，才可以應對流行更迭和消費需求的快速變化，避免盲目開發。本文將以床品作為標的物，闡述如何完成大數據與跨境電商床品設計的結合。

1 基于大數據跨境電商床品設計的基礎元素

在分析設計基礎元素之前，我們首先來需要了解大數據的定義與應用，這樣才能更好的將大數據與床品設計相結合。

1.1 大數據的定義

Big Data大數據可以被描述為沒有辦法在一定時間范圍內使用常規的軟件工具完成捕捉、管理和處理等步驟的數據集合，必須經過特定處理模式方可具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。同時，大數據具有5V特點（Volume、Velocity、Variety、Value、Veracity）翻譯成中文是：龐大的數據量、高速化的數據挖掘、數據類型多樣性、成本低廉、真實性高。

大數據的根本意義不是簡單的數據收集，而是根據已提取的數據進行整理與分析，整合出可用的數據，然后對這些數據進行計算和挖掘，把復雜的數據簡單化，讓用戶可以輕松獲得新見解、發現新趨勢。

1.2 跨境電商床品為什么需要大數據

在傳統的紡織品企業的開發流程是有既定的規則的，基本都是以企劃部為核心，結合銷售方面的產品銷量、市場部收集市場情況的調研、客戶信息反饋、年度流行情況等多種要素最終整合在一起形成企劃方案，再對接設計部門根據已知數據完成紡織品的設計與開發。整個過程涉及多方面、多部門，復雜而繁瑣，并且由于企劃部門的職能與設計部門不同，會造成大量重復性工作，加長了開發的周期，拖慢了生產節奏，更有可能出現的是信息流通反饋不暢的情況。

在信息化社會流行多變的今天，我們需要實現對信息的快速反饋，更快得對市場的需求做出反饋。大數據因為其5V的特點，能夠在低成本高效率的情況下，最直接真實的獲取到。

跨境電商床品市場中的主要出口地為歐美，在歐美國家床品的消耗量巨大，使用周期短，成為某種意義上 的“快消品”。因此，對企業的設計要求也在提高。擁有大數據的反饋，讓床品企業在跨境電商市場中遠離盲目的設計與生產。

1.3 基于大數據跨境電商床品設計需要哪些基礎元素

在設計中設計元素相當于基礎的符號，而設計的手段等同于基本的單位。而床品作為家居裝飾的一部分，它的設計不能簡單固化為機械的設計，更是集藝術審美與舒適實用為一體的工藝美術類綜合設計，利用大數據整合出最有普遍適用性的元素符號，使它成為完成我們設計的基礎，再加以組合利用。具體可以分為面料元素、工藝元素、風格元素、色彩元素、材質元素、款式元素、圖案元素、輔料元素八大設計元素。

比如款式元素中，國外和國內的床品款式設計不盡相同。國外的床品的分類要比國內的床品更加細致，比如床裙、床墊上方會鋪設床褥或者床墊保護罩，相對于國內流行的四件套就更為豐富。

2 基于大數據跨境電商床品設計的數據整理

數據整理通俗的說就是將大數據中相似的數據進行整合，這是一項預處理的操作。由于大數據的海量數據繁雜無序，我們必須在程序收集的過程中，設置規則將結構型數據如銷量數據、搜索次數等和非結構型數據，如好評、評論反饋中的關鍵詞進行分類，使數據在入庫時就已經完成了分類，以方便后續的統計和分析。將床品相關的信息數據進行有機整合，使得床品設計信息數據關聯化、交叉化、融合化，以運用于產品設計決策。最大限度避免傳統床品設計機制中人們依靠經驗和直覺決策可能造成的局限性和盲目性問題。

2.1 如何設計數據整理

跨境電商床品設計新模式的數據整理可以被歸納為三個過程：設計信息清洗、設計信息轉換、設計信息加載，簡稱ETL步驟。

2.1.1 設計信息清洗

床品設計的數據多數以零散的文本形式出現，并呈現非結構化的特點，通過Web端公開資料采集到的數據不能直接使用，設計信息清洗將錯誤和部分缺失的數據清除，同時排除掉人工干預實現數據規范化。數據需要規范化的原因具體的說，比如用戶在評論表達上有很多非規范語言，比如在床單套的表達上，國外用戶可以使用Sheets，Bedding，Bedding sets，Sheet sets等多種詞匯來描述，因此需要進行清洗并規范合并。

2.1.2設計信息轉換

設計信息清洗之后的設計元素數據需要轉化成為關鍵信息點，這樣能夠為后續的數據挖掘以及決策支持打下基礎。根據設計元素中已經確定的分類規則，我們將床品設計數據根據以下八項設計元素分類，主要是風格、面料、圖案、工藝、色彩、材質、輔料、款式，最后再進行信息轉換，并對名稱、價格區間、月銷量、銷售排名、產品評分等銷售屬性信息的數據同時轉換。

2.1.3設計信息裝載

在完成對大數據信息的清洗并轉換為跨境床品設計數據之后，我們需要進行數據裝載的過程，根據數據倉庫模型篩選設定值，對這些數據進行分類然后導入倉庫中。

2.2 如何進行數據挖掘

在設計信息大數據經過整理后裝載導入數據倉庫之后，系統可采用多維數據挖掘方法OLAP，通過已設定跨境床品的多維數據挖掘方體和星形挖掘模型，對跨境電商銷售的床品進行以風格、圖案、色彩、材質、款式、輔料、工藝、面料為主要選項的數據進行深入挖掘，最終根據結果，獲知設計元素數據的挖掘成果。由于此部分涉及大量計算機技術，在本文中不做展開贅述。

2.3 如何對跨境電商床品設計進行決策支持

系統使用的大數據通過數據挖掘等技術層面分析，可以作為支持決策的有效輔助途徑。其中數據采集層：即床品設計大數據的來源層，采集來自家紡展會、競爭品牌、銷售記錄、B2C網站的大數據信息；數據整理層同時也做數據儲存，床品設計相關的大數據信息經過ETL步驟之后備份到床品設計RLOAP服務器數據庫，經過數據倉庫預設的床品設計元素分類方法歸類分成不同設計元素，最終完成數據整理。數據分析的工具是數據挖掘層的定位，針對大數據信息展開多維處理，挖掘到內部蘊含的潛在規律；人機交互層面，可以讓用戶在操作界面通過可視化的技術完成需要決策內容的輸入，調動星形挖掘模型和數據倉庫去選擇問題解決途徑，為用戶提供系統反饋的決策結果的前端展示，從而輔助設計決策的完成。

通過上文的床品的數據抓取、數據細分與整理、數據挖掘再到設計決策，再通過計算機技術代碼的撰寫，可以搭建一個完整的基于大數據的床品設計支持系統。總體上，能夠對跨境電商床品設計起到決策支持作用，為傳統企業向跨境電商轉型提供有力的支持。