网络企业风险投资分析论文

【摘要】互联网企业具有高成长、高风险、轻资产和收益不确定等特点，难以运用传统方法进行价值评估。针对互联网企业价值评估的难点与重点，首先分析各类估值方法的适用性，借鉴已有研究成果提出基于用户价值的改进的EVA模型。然后运用改进模型和传统模型分别评估阿里巴巴的企业价值，进一步验证改进模型的有效性。今天小编为大家精心挑选了关于《网络企业风险投资分析论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。

网络企业风险投资分析论文 篇1：

风险投资评价体系：基于神经元网络的构建

摘要:风险投资评价的个因素之间具有很强的关联性和非线性,通过建立基于神经元网络的风险投资风险评价指标体系,对风险投资中的投资风险进行评价,既能弱化求权重中的人为因素,又能够进行进一步的样本学习、实现动态跟踪评价,解决以往层次分析法的很多不足。

关键词:投资风险;神经元网络;投资评价模型

一、风险投资评价指标体系构成

(一) 风险投资业风险评价的目的

在高新技术产品的投资开发过程中,由于高技术产业化的不确定性,投资主体对外部因素估计不足,或对投资过程无法控制等多种因素的作用,从而造成实际结果与预期目标发生偏离并导致利益损失。如果能在投资前或运营中较准确地预计风险之所在并加以有效控制,可以大量减少盲目投资或经营不善带来的损失。对这种风险的有效控制往往是通过对风险因素进行正确的分析评价,对项目进行科学的决策来进行的。进行风险评价的目的就是达到对风险投资发展、运行的全过程进行调控,保证风险投资决策的科学性。

(二)风险投资业风险评价指标分析

建立合理的指标体系是评价模型建立的基础,指标体系的科学性在于它能够客观反映投资风险因素构成及其内在联系。

1.技术状况。

C₁₁技术与科技政策的吻合度:国家和各级地方政府往往对与本地区经济发展规划有关的产业技术有倾斜和鼓励政策,这种来自政府的支持可以影响到企业经营的很多方面,如税收优惠、出口政策倾斜等,违反政府法规的生产技术也会受到经营上的限制。

C₁₂技术的适用性:技术的适用性描述了技术适用的难易程度、广泛性和大规模产业化的可行性。

C₁₃技术的先进性:技术先进性的大小不仅关系到所生产产品在市场上的竞争力,而且关系到技术生命周期的长短。当今科学技术的发展一日千里,信息量以指数倍增,新技术的涌现日新月异。一项技术的领先能否保持一定的生命周期对企业和投资者而言非常重要。技术的先进性的判断标准一般通过对比分析国内外同类技术的参数来确定技术的发展水平,以此来判断技术在同业中的地位。

C₁₄技术的可靠性:技术可靠性是指其接近最后产品的程度及产品在规定条件下和规定时间内无故障的发挥其特定功能的概率。我国高科技投资失败的原因很多是由于技术仍停留在实验室阶段,一旦投入生产就会遇到工程等方面的问题。因此,在投资一项高科技之前必须确定其配套的工程技术和产品技术已经完善,产品的性能达到可靠性标准。

C₁₅技术的可替代性:技术的替代性是指用不同的方法,实现同一功能的技术。当替代技术完全能实现同样功能,同时在可靠性、成本等方面更胜一筹时,待投资的技术风险加大了。

C₁₆技术的发展潜力:它主要用来反映技术的创新能力及盈利空间。

2.财务状况。

C₂₁资金结构:企业的资金结构主要包括企业的筹资结构的指标,以及反应企业偿债能力指标。企业筹资结构是构成目前投资各方的资金比例状况,如果是先期投资者则面临着投资数额大,无法与人分担投资风险,但是收益率高;反之,若已有多方投资者则可减少投资风险,收益率也随之降低。本项指标用筹资结构百分比表示,该指标越大投资风险越大,但收益也高。

C₂₂投资管理:本指标用来衡量企业资产的利用、经营、管理状况,反映企业的资金利用效率和管理水平,是传统企业价值评估中常用的指标。

C₂₃投资决策:主要用募集资金投向、技术开发进度是否符合投资者意愿,衡量企业的资产利用状况。

C₂₄赢利能力:本指标衡量企业获取利润的能力。

C₂₅投资的效益:任何投资,投资者最关心的是其是否赢利,赢利程度如何,即投资的效益如何。

3 环境状况。环境状况主要包括C₃₁社会环境、C₃₂政治环境、C₃₃法律环境、C₃₄微观经济环境、C₃₅宏观经济环境。

4 市场状况。市场是现代企业生存发展的关键,再好的技术和产品,如果不能为市场所接受,则直接影响到企业的收益和成败。因此,对投资对象进行市场分析,有利于投资者更好的了解投资对象的特性,从而在激烈的市场竞争中立于不败之地。具体考察因素如下:

C₄₁市场规模:市场规模主要指产品在同类及相关市场上的占有率及市场份额,产品市场规模的分析主要是对产品的潜在市场进行分析。产品的潜在市场、尤其是高新技术的潜在市场的大小往往比目前市场还重要,由于其具有创新性,它的发展必然会带动潜在的市场需求,这往往更能决定一个企业的长期发展。

C₄₂市场竞争力:对产品市场竞争力的分析主要是考察产品自身的导入频率高低。如果产品所应用的技术变化很快,新产品层出不穷,则导致产品被替代的可能性加大,从而导致利润减少,竞争力减弱;同时还要分析目标市场的进入是否存在障碍,如果顾客对现有产品或供货商十分忠诚,则会对新产品的前景构成威胁,降低产品的竞争力。反之,如果顾客的需求经常驻发生变化,则会给予新产品可乘之机。

C₄₃市场销售能力:企业的销售能力反映了公司营销管理的效率以及抗风险和生存竞争的能力。

C₄₄市场价格策略:企业的产品定价策略是为了使产品在市场上有合理正确的定位,产品定位的准确合理与否关系到企业的发展。若产品定位过低则以后很难生产出可与进口产品相媲美的高档产品,因为用户已经把公司定位为生产低档产品的企业;反之,若产品定位过高则曲高和寡,难以获得较大市场份额,所以企业产品的定位很重要。

二、基于神经元网络的风险投资评价体系

现有研究对风险投资的投资风险评价采用层次分析法(AHP)确定指标权重,用模糊综合评价法建立评价模型,但是AHP法采用专家评分来确定权重,主要依靠评价人员的主观经验性,而且这些方法缺乏自学能力。近年来神经元网络技术得到了快速发展,其应用也渗透到各个领域,其中BP网络的理论和应用研究成为较活跃的一个方面。因此,本文用人工神经网络理论中的BP网络模型构建风险评价模型,从而解决了以往的很多不足。

(一)风险投资风险评价的BP网络模型

误差反向传播神经网络,简称BP(Back Propagation),是一种含有隐含层的多层前馈网络。如果网络的输入节点数为M、输出节点数为L,则此神经网络可看成是从M维欧氏空问到L维欧氏空间的映射。这种映射是高度非线性的,现实中的许多的问题,如模式识别、图像处理、系统辨识、函数拟合、优化计算等,都可以转换成这种神经网络来处理,因此BP网络的应用范围较为广泛。

风险投资的风险评价问题实际上是一个从M维输入指标值到1维输出值的空间映射,本节采用三层BP网络完成对风险投资的评价。网络模型的第一层为输入层,中间层为隐含层,第三层为输出层,各层次的神经元之间形成全互连连接,而各层次内的神经元之间没有连接,输入层的单元数为风险投资风险评价的指标数,输出层的单元数为1个,即风险投资的风险评价值。隐含层单元数的确定与输入输出单元的多少有直接的关系,隐单元数太少网络不能训练出来,或网络不强壮,不能识别以前没有看到的样本,容错性差;隐单元数太多又使学习时间过长,误差也不一定最佳。一般情况下可按经验公式给出:

(2)在学习开始时必须给各个连接权值赋初值。首先对每个连接权值赋予一个随机值,但不能使所有的连接权值都相等。在实际的网络训练过程中,通常的处理方法是给每一个连接权赋予 -1至l之间的一个随机数。

将上述学习算法应用Matlab软件,就可以训练BP神经网络。首先,选取若干个风险投资项目的相关数据(包括输入和输出)作为训练样本,样本数据输入后BP网络自动进行学习,不断调整权值和阈值,当误差减到要求的范围内,BP网络停止学习,此时权值与阈值固定下来,BP网络训练结束。此后,要对任意一个风险投资项目进行风险评价,只要将有关数据输入已训练好了的网络(数据输入前必须进行归一化处理),就可以得到相应的输出值即风险投资项目的风险评价值,再根据各个风险投资项目评价值进行排序。

三、典型案例剖析

(一)实证分析对象特征

本文以致力于推动社会信息化进程的某高新技术企业为分析对象,对该公司风险投资的风险性进行评价。该公司地处西安高新技术开发区,该区是1991年3月经国务院批准成立的国家级高新技术产业开发区。该公司以信息系统应用为基础,在计算机系统集成、信息网络建设、多媒体应用信息系统等领域都有所建树。

1.公司的产品及技术特点。主要产品有网络协议分析仪、IP语音网关、多媒体网络视频系统等具有自主知识产权的宽带网络维护、应用和接入产品。网络协议分析仪采用“虚拟仪器”的设计思想,以国际标准和信息产业部标准,综合国外Fril类网络协议测试仪表的先进功能以及可视化编程技术和全中文界面等特点,研发出的一种新的通信仪器。这种仪器不仅能满足数据通信网络维护监测的实际需要,而且属国内首创,并填补了国内在该领域仪器的空白, 其中多项测试功能达到国际先进水平。公司参考国际流行的Cmm标准,进行严格的配置管理和变换控制管理,同时加强技术共享,并严格按照IS09001开发生产规范,建立了一套开发和生产的技术质量管理手册、作业指导书等手册。对应的指标是:C₁₁, C₁₂,C₁₃,C₁₄,C₁₅, C₁₆。

2.市场需求及营销特点。近年来,随着我国社会信息化、网络化进程的加快,数据通信业务发展迅速,1997年以前数据通信用户仅为15万户,1998年底达到45万户,1999年预计新增长85万户,达145万户。可以看出用户数成指数倍上升,如果对网络分析仪的需求保持每年以4 000台递增,则5年后将增加2万台,5年后市场对网络协议分析仪的市场总容量为35 000台。在营销上,为了突出公司主营方向,明确业务定位,以产品或项目形成专业销售队伍,同时确定销售目标与任务,并实行部门经理且标负责制,通过销售管理、技术支撑,实现销售目标利润的最大化。对应的指标是:C₂₁,C₂₂,C₂₃,C₂₄,C₂₅。

3 财务概况。公司下设财务管理中心,由计划财务部和财务审计部组成。财务管理中心的财务报告采用ABC(Activity Based Costing)核算法。资金需求及使用计划:需要新增投资额为1035万元,用于完成公司产品的生产线建设,市场销售渠道的建设,广告宣传和大量流动资金的投资。

投资回报及退出途径:经预算,该项目的内部收益率为69%,挣现值(I=30%) 为1 121万元,动态投资回收期为2.4年。风险投资机构可以通过以下渠道实现投资回报:公司回购;公司争取三年内通过香港创业板或在国内借壳上市,投资机构可以通过股权转让获得资本收益。对应的指标是:C₃₁,C₃₂,C₃₃,C₃₄,C₃₅。

(三)BP网络的训练

相应的神经网络训练函数为trainbpx,最大步数为1 800,最小误差为0.001,用Matlab6.0进行训练,直到网络能达标为止。训练结束后,利用训练好的三层BP网络,分别输入后10组检验数据,就可得到响应的输出结果。由于样本数据矩阵和输入层与隐含层的权值连接矩阵过大,不便附在文中,所以只给出部分结果:

(五)结论

该公司实际运行情况:风险投资公司于2007年9月投入1 000万元,占33.3%股份。风险投资公司投资后,针对该企业制定了企业发展战略、资源配置、引进战略伙伴等方面作了大量工作,使该公司迅猛发展,企业价值剧增,由此可见,该模型对风险投资评价系统的风险程度具有较高的实际应用价值。

综上所述,用人工神经元网络评价风险投资项目的特点是:(1)通过对参与评价风险投资项目样本的学习就能够确定人工神经元网络模型的结构,按照风险投资项目评价的最优算法准则反复迭代,不断调整神经网络结构(神经元之间的连接权值和阈值),直至达到一个相对稳定的状态,然后以该神经网络模型进行评价和排序。(2)计算误差小。人工神经网络模型对参与评价样本的学习,能使系统误差达到指定的精度要求,具有收敛性。(3)动态评价性能好。随着参评样本的增加和时间的演进,能够进行进一步的样本学习和实现动态跟踪评价。

参考文献:

[1] 杨葵.风险投资的筹资研究[M].上海:上海财经大学出版社,2007.

[2] 范柏乃.中国风险投资退出机制及相关法律制度研究[J].风险投资分析,2004.

[3] 刘曼红.风险投资创新与金融[M].北京:中国人民大学出版社,2004.

[4] 张元萍.风险投资运行机制与模式[M].北京:中国金融出版社 2003.

[5] 李月平,王增业.风险投资的机制和运作[M].北京:经济科学出版社,2002.

(责任编辑:关立新)

作者：孙晓梅

网络企业风险投资分析论文 篇2：

互联网企业EVA估值模型改进研究

【摘要】互联网企业具有高成长、高风险、轻资产和收益不确定等特点，难以运用传统方法进行价值评估。针对互联网企业价值评估的难点与重点，首先分析各类估值方法的适用性，借鉴已有研究成果提出基于用户价值的改进的EVA模型。然后运用改进模型和传统模型分别评估阿里巴巴的企业价值，进一步验证改进模型的有效性。

【关键词】互联网企业；企业价值评估；用户价值；二叉树法；经济增加值

【基金项目】国家社会科学基金项目（项目编号：14BGL054）

一、引言

根据中国互联网络信息中心（CNNIC）第43次《中国互联网络发展状况统计报告》显示，截至2018年12月，我国网民规模达8.29亿人，互联网普及率高达59.6%[1]。信息技术的快速发展和网络用户的激增使得以BATJ（百度、阿里巴巴、腾讯、京东）为代表的互联网企业迅速成为有广泛影响的巨型公司。这些企业把各参与方连接起来，构建由多个主体组成的价值网络，利用各参与方独特的资源和技能，无限扩展经营领域和业务范围，对经济增长和社会发展都产生了难以估量的影响。目前，我国境内外上市的互联网企业已经超过了100家，总市值约十万亿人民币。在国外，私募股权市场对网约车Uber的估值已经高于成立于1908年的汽车业巨头通用汽车公司[2]。

资本市场赋予了互联网企业高估值的光环。服务的不可储存性和创新效益的溢出效应导致互联网企业的成长轨迹并非是线性的，初期大多数企业的净利润为负或者净现金流量为负甚至净资产为负，导致财务估值模型无法正常使用，这是互联网企业估值中的难点。

互联网企业独特的财务状况使其需要基于新的视角进行估值。互联网企业的估值不仅与资产和盈利等财务指标有关，更取决于投资者对企业发展前景的预期。互联网企业拥有的最主要的资源是用户，企业的价值源泉是用户基础。当前，互联网企业已经从单纯依靠资产获益转向开发用户价值。

基于上述分析，本文不再拘泥于传统的基于盈利、资产和交易价格估值的方法，而是转向用户创造价值的视角，在回顾已有相关研究的基础上，针对互联网企业的特征提出基于用户价值的改进的EVA模型，并以阿里巴巴为例验证模型的有效性。

二、互联网企业价值评估研究现状

1.基于盈利性的互联网企业估值。在早期的研究中，很多学者沿用传统的估值方法，对收益法、市场法进行了不同程度的改进。Blodge、Anning[3]比较了传统企业和互联网企业的发展速度的不同，提出了修正的市盈率法；Wolf等[4]则运用改进的EVA模型评估互联网企业价值；刘官华[5]构建了改进的现金流折现模型。但互联网企业发展早期普遍会经历特殊的“烧钱”阶段，盈利性很差，预期收益的不确定性使得基于盈利的估值方法有很大的局限性[6]。

2.基于企业成长不确定性的互联网企业估值。Schwartz、Moon[7]运用蒙特卡洛法对亚马逊的股票估值进行模拟分析，认为互联网企业价值很大程度上取決于收入增长率。Schwartz和Moon的模型中假设较多，导致估值结果与真实股价有较大的差距。李明[8]和赵延朋[9]分别运用B-S模型对百度和腾讯的市值进行了评估对比。运用实物期权计算的理论价值与市场价值有一定的可比性，但是在推导过程中对相关参数的分析可能存在一定的偏差。互联网企业在高速发展的同时面临着很大的不确定性，实物期权法可以在一定程度上缓解这种不确定性。

3.涵盖财务指标和非财务指标的综合性视角。这类研究通常是将定量和定性分析相结合，提出包括多个指标的评价体系。罗淇[10]从互联网企业的盈利模式入手，确定能够反映互联网企业价值的各项财务指标和非财务指标并赋予相应的权重，通过综合评估得到互联网企业的价值。王自然[11]根据盈利模式的差异把互联网企业拆分为不同的业务模块，分别对不同的业务模块进行价值评估，加总后得到企业价值。黄生权、李源[12]运用模糊实物期权评价法构建了互联网企业综合价值评估体系。综合性方法不仅指标众多、难以量化、可操作性不强，而且缺少相关的实证分析，因此其实际效果无法得到验证。

4.基于互联网企业的用户资源，以用户数量和用户质量评估互联网企业价值。Lehmann等[13]指出，对具有负收益的高成长公司比较准确的估值方法就是客户估值，随着时间的推移客户价值比实际市值更能稳定地反映企业的内在价值。Bauer、Ham？ merschmidt[14]提出了以客户为基础的企业估值，通过整合客户资产和企业价值观构建了用于估计单个客户终身价值和客户权益的公式，并结合传统的财务指标估算FCF，然后以电信产业并购案例对模型进行了验证。Krafft等[15]提出了基于二叉树情景模型对成长性公司的客户进行估值的方法，其基于用户数量和每个用户产生的现金流量二叉树情景技术，得出了比采用传统净现值法更高的公司价值，但该研究忽视了现金流量，只考虑了现有客户的现时价值。魏嘉文、田秀娟[16]从梅特卡夫法则出发，借鉴基于客户数量的网络企业定价公式，改进了社交网络企业价值评估方法，并以新浪微博为例验证了其优越性。这一类研究更有针对性，更加符合互联网企业的实际。

总体来看，针对互联网企业价值评估的研究还处于探索阶段，现有文献尚未充分揭示网络效应对互联网企业估值的影响。互联网企业的估值不仅要探讨模型的适用性，还要揭示互联网企业的价值创造和价值获取与传统企业的不同。

三、网络效应与互联网企业价值

互联网企业的商业模式、成长轨迹与传统企业有很大差异，其价值评估也因其所具有的独特性而变得相对复杂：①互联网企业估值最突出的特征是成长性预期更高。持续的商业模式创新、不断涌现的新业态、网络效应带来的“指数级”增长，使得对互联网企业未来的预期值要远远高于成长潜力相对稳定的传统企业。因此，成长性是影响企业价值评估的关键因素之一。②难以合理预测互联网企业的未来收益。根据我国企业价值评估准则和相关规范的要求，对企业未来收益进行预测是基于企业历史经营数据，这种估值方法要求企业未来的发展路径不能发生“突变”。这个假设适用于传统企业，但对于互联网企业则基本不成立。环境的复杂性、不确定性和突变性导致互联网企业产生的现金流数量和持续的时间都很难预测。③互联网企业存在潜在的非财务价值。对于互联网企业来说，基于新增长点的潜在价值并未体现在当期的财务报表中。互联网企业前期构建用户基础需要进行巨额投入，此时反映在财务报表中的经营成果极其有限，其价值更多受到创新速度、管理效率和市场开发等一系列非财务指标的影响。用户基础作为互联网企业市场份额的关键因素，对企业的价值评估影响重大。目前为止，对于非收益性价值的评估没有统一的方法和衡量标准，运用现有的估值方法难以得到真实公允的互联网企业的内在价值。

互联网企业与传统企业最大的不同在于网络效应的影响。所谓网络效应是指在特定的产业市场中，一个消费者的价值取决于使用同一个产品或服务的其他消费者（或生产者）的数量[17]，缺少其他消费者，产品就变得毫无价值，产品价值随着用户数量的增加呈现指数增长趋势。阿里等互联网企业作为平台联系买家和卖家，构筑双边或多边市场，提供促进各个用户群体相互交易的基础设施和规则[18]，协调各用户群体[19]。互联网企业构建的交易空间（平台）是交易双方的中介，从各方创造的价值增值中获利。无论买家还是卖家均为互联网企业的用户，缺少了一边的需求，另一边的需求也会消失。网络效应可能带来“赢者通吃”的结果，拥有最多用户的平台能够按照其意愿“颠覆市场”[20]，因而互联网企业常常把快速积累用户数量作为首要目标。

网络效应的激发是一个动态演化过程。在互联网企业发展的初期，企业常常要通过免费或补贴的方式吸引用户以激发网络效应。这一时期的现金流为负，企业往往要借助外部融资满足巨大的资金需求，天使投资等投资方只能基于企业的发展前景对企业进行估值。随着用户数量的不断增长，网络效应逐步显现，企业不仅要继续扩大用户范围，还要绑定用户，以提高用户忠诚度。在用户数量达到“引爆点”（临界点）之后就形成了自我强化的正反馈循环，网络效应充分显现[21]。这时企业不仅要对现有用户资源进行深耕，还可能以“包络”等方式进入新的领域[22]，构建平台生态系统。如阿里针对电商用户开发的娱乐、旅游、金融等业务，京东从家电起步扩展到全品类等。借助网络效应，互联网企业不但实现了规模经济，还最大限度地发掘了范围经济。

综上所述，互联网企业的价值源泉来自用户，“互联网企业投资用户的过程也是价值创造的过程，没有创造收入的用户同样具有价值”[23]。用户基础带来的网络效应是互联网企业价值评估的前提。

四、用户价值视角的互联网企业EVA估值模型

企业价值评估是选择某一日期作为评估基准日，对企业的整体经济价值进行分析，衡量和评价企业的公平市场价值。网络效应蕴含巨大的价值创造潜力，使得互联网企业的价值评估更多的是对其发展前景进行预期。

针对互联网企业价值评估的难点，传统的价值评估方法存在适用性缺陷。传统的企业估值依据是预期收益折现、市场比较、企业资产、成本投入等。收益法的关键是对未来收益的预测，可以由预期收入确定。互联网企业的高成长性伴随的是预期收益不稳定、轻资产等特征。成立25年的亚马逊只有少数年份的财报盈利，京东尽管有巨大的营业收入和交易量却依然处于亏损状态。可见，在资本市场上互联网企业的股价与财务指标的关联性不高[23]。

市场法的关键在于选择可比公司，而參照物本身价格的合理性直接影响着结果的合理性，互联网公司作为新兴企业很难确定适宜的参照企业[24]。互联网行业发展周期短、产品（业务）更迭快、商业模式创新频繁，能够生存下来的企业并不多，进入资本市场的上市公司都是各领域的佼佼者。轻资产的互联网企业的资产状况并不能在财务报表中得到充分反映，成本法显然不能用于互联网企业估值。相比之下，应用经济增加值（EVA）模型从用户价值的角度评价互联网企业的价值能较好地解决估值不确定性的问题，更好地揭示成长性对互联网企业价值的影响。

EVA是企业资本收益与资本成本之间的差额，即企业税后经营利润与全部投入资本成本的差额。改进的EVA估值模型从用户创造价值出发，以用户价值代替模型中的税后经营利润。从投入产出的角度看，用户价值衡量的是产出水平，采用传统的加权平均资本成本乘以投入资本总额衡量投入水平，由投入减去产出得出“经济增加值”，最终确定折现后的互联网企业价值。

EVA估值改进模型的关键在于用户价值的确定。目前对互联网企业用户价值的计量并没有统一的方法，本文结合互联网企业发展不确定性和各个发展阶段的特征，借鉴传统的客户价值计量方法，运用基于用户数量和每个用户产生的现金流量的二叉树期权定价模型确定用户价值。互联网企业的发展过程有三个重要时期：初创期、成长期和稳定增长期。初创时期初始用户的积累必须达到临界点，日益增长的用户给企业带来的现金流量越来越大。在成长期，达到临界点用户数量之后形成的正反馈效应使得用户数量激增，现金流量也随之快速增长。随着用户数量增长逐渐平缓，企业进入稳定增长期。本研究建立在持续经营假设的基础上，将互联网企业的稳定增长期视为传统企业的永续增长期。

本文提出的改进EVA估值模型，是根据用户数量以及用户带来的现金流量的变化评估企业价值。在用户数量的动态演化过程中，假定终端用户的数量初始水平为N0，之后的用户数量增长如果达到了临界值，用户数量就会在短时间内实现指数增长；如果用户数量的初始水平长期低于临界值，企业就会由于负网络效应（负反馈）而衰败。

根据互联网企业用户数量的变化，假设其倾向于偏离关键平均水平，并基于动量过程来模拟正反馈现象，dz为标准的维纳过程，a作为用户数量变化的速度，则用户数量的变化用式（1）衡量：

状态j越高，则每个用户带来的年度现金流越高。反之，状态j越低，则每个用户带来的现金流越低。互联网公司必须为新用户开发支付额外费用，造成净现金流量减少。与获得新用户的成本相比，保持现有用户的费用较低。图2中，如果初始现金流量C0为1，确定年度现金流量增长的因素为g=5%。

将图2中给出的每个用户产生的现金流乘以图1中的用户数量来计算用户价值，得到图3所示的所有用户在每个时期产生的现金流量。在最后一个时间点即时间4，所有用户产生的最大现金流量为510.5。这是因为用户数量增加到了420个（见图1），且单个用户现金流量比期初提高了21.55%。

对于改进的EVA估值模型，既考虑了互联网企业价值评估的核心用户价值，又考虑了互联网企业成长的不确定性，将用户数量变化的不确定性纳入用户价值的评估。同时从投入产出角度，计算了企业的资本成本，用于衡量企业的价值创造能力，可以对互联网企业的内在价值进行客观评估，以下将运用阿里巴巴的案例对模型进行验证。

五、对阿里巴巴的价值评估

阿里巴巴从1999年创立至今，其在高速发展的同时经营范围也从单一的B2B电子商务业务发展为全产业布局，生态系统不断扩张。从其发展历程来看，主要经历了1999～2010年集中化经营以及2011年至今的多元化发展两个阶段。阿里巴巴2014年9月19日在美国纽交所上市，是我国极具代表性的互联网企业，也是我国规模最大的电子商务企业，其在2016年末已经成为全球最大的电子零售商。

阿里巴巴依托电子商务平台将集团业务分为核心电商业务（包括淘宝网、天猫、农村淘宝、聚划算、阿里巴巴、阿里妈妈和全球速卖通）、云计算业务（阿里云）、数字媒体和娱乐业务（UC浏览器、优酷土豆、阿里体育、阿里音乐）、创新项目和其他业务（高德、钉钉等）四部分。广阔的业务范围为阿里巴巴带来了多样化的盈利模式。阿里巴巴的盈利模式主要有：佣金收入模式（天猫、淘宝等主要通过向入驻平台的商家收取佣金获得收益）、广告收入模式（雅虎搜狗的搜索引擎服务等利用广告模式获得收益）、会员费收入模式（优酷土豆、淘宝大学、阿里音乐、阿里游戏等均采用此模式）、安置费收入模式（阿里众包为自由职业者提供兼职或预就业平台，在获得佣金收益的同时提供服务效率或外包解决方案取得安置费收益）、推荐费收入模式（阿里云基于推荐取得收益的模式）。阿里巴巴每一系统成员的盈利模式并不是单一的，经常是多种盈利方式的组合，系统成员之间进行协同价值创造实现互利共赢，不断巩固强化阿里巴巴的商业生态系统。无论是哪一种盈利模式，利润来源都是用户，可以是直接从用户资源获得收入，也可以在用户规模达到一定程度时，利用所积累的用户资源数据展开分析，通过交易信息获得间接收益。

2019年阿里巴巴呈現出强劲的发展态势，主营业务收入达到了3768.44亿元人民币，与2018年相比增长了51%，表明阿里巴巴在运用大数据技术提升用户体验方面取得了良好的业绩。从2019年经营业绩EBITA的构成情况来看，电商业务仍然是阿里盈利的主要来源，生态系统建设中的数字媒体和娱乐业务对经营成果的贡献约6%，云计算业务收入贡献将近7%。从其收入构成也可以看出，阿里巴巴的核心电商业务渐渐趋于成熟，其他几个业务板块存在巨大的升值空间。本文选取2016～2019年的财务数据，采用杜邦分析体系简要分析阿里巴巴的财务状况。

如表1所示，阿里巴巴近几年的权益乘数基本稳定，资产周转率小幅上升，销售净利率在2017年有较大波动，之后呈小幅下降趋势。这表明生态系统规模的扩张增加了企业运营的难度，运营效率提升缓慢，同时也表明阿里巴巴对生态系统的整合和治理有所改善，运营效率得到提升。相比2016年，阿里巴巴的销售净利率有很大的提升空间，一定程度上反映了其生态系统建设巨大的资本投入，也预示着阿里的良好发展前景。

近年来，阿里巴巴的年度活跃买家数量持续增长，截至2019年3月，电商平台的年度活跃买家达到6.54亿，较2018财年增加了1.02亿。下面将从用户数量和用户现金流量的快速增长入手，运用改进的EVA模型对阿里巴巴进行估值。阿里巴巴的用户数量早已超过临界值，假定其活跃买家数量会持续增长3年，而后进入成熟期增长2年，最后进入永续增长期。首先运用文中开发的模型进行估值，同时采用DCF模型和P/E法对阿里巴巴进行估值，然后与评估基准日的股价对比，以验证模型的有效性，并得到阿里巴巴的企业价值。

运用改进的EVA估值模型的关键在于计算用户价值和经济增加值，两者的计算都需要用到折现率，其价值评估过程为：①确定预测期5年，假设阿里巴巴实现永续经营；②确定加权平均资本成本，即折现率；③确定各个时期的用户价值；④确定每一时期的经济增加值；⑤折现得到预测期的经济增加值现值和永续经营阶段经济增加值现值，加上期初投入成本，得到阿里巴巴的企业价值，进一步求出股价。

1.资本成本的确定。为了得到每个时期的用户价值和EVA现值，需要计算企业的资本总额，包括长期债务资本和权益资本。长期债务成本采用2018年年末美国五年期国债利率2.56%测算，权益资本成本运用资本资产定价模型测算。资本资产定价模型中的无风险利率参照美国五年期国债利率2.56%；市场风险溢价部分，本文参考互联网行业预期市场风险溢价将阿里巴巴市场风险溢价确定为4.52%；风险系数β，常用于衡量个别股票相对于整个股票市场价格的波动情况，可用历史收益回归和可比公司调整两种方法进行预测，这里采用互联网行业的平均值1.7。权益资本成本=2.56%+1.7×4.52%=10.24%。2019年3月资本构成中权益资本为608583百万元，长期债务资本为142005百万元，权益资本占总资本的比例为81.08%，长期债务资本占总资本的比例为18.92%。2019年3月的加权平均资本成本为8.79%（81.08%×10.24%+18.92%×2.56%）。

阿里巴巴2014年3月长期债务资本的比例为43%，近几年债务资本的比例一直在下降，2019年3月仅为18.92%，资本总额在近两年均保持30%的增长幅度。由此可以看出，阿里巴巴近几年的不断扩张增加了资本投入，也扩大了对权益融资的需求，因此从资本投入额和资本构成两个角度来预测阿里巴巴近5年的资本成本总额和加权平均资本成本。鉴于互联网企业用户数量积累和用户资源的深耕仍需要大量资金投入，假定预测期的5年资本成本总额按照30%的速度增长；在永续增长期考虑到用户网络效应的发挥会给企业带来投入资本的节约，预测在这一阶段的资本成本总额按照20%的速度增长。结合互联网企业权益融资的倾向，假定长期债务资本比率以每年0.5%的速度下降，阿里巴巴未来五年加权平均资本成本预测见表2。

2.用户价值的确定。在此案例中选取年度活跃买家数量衡量阿里巴巴用户数量，用户价值反映的是产出水平，用估值基期的年度净利润作为初始用户价值。从阿里巴巴近年来的用户数量增长来看，呈现一定的指数增长态势。截至2019年3月，阿里巴巴年度活跃用户数达到6.54亿，预计将会持续增长。将2019年3月用户数量作为初始用户数量，运用二叉树期权定价模型预测未来3年的用户数量。需要确定跳跃宽度n和客户数量上行的概率πj。为了方便计算，选择2016年3月～2019年3月这4个年度财务报表日用户数量变化的算术平均值测算出跳跃宽度n。对于用户数量增加的概率计算中用户数量变化的速度a（a<0），采用4期用户数量变化的几何平均值求得。

根据年度财务报表年度用户数量变化求得速度因子a为-0.18，近三年用戶数量变化的算术平均值为7700万。考虑到阿里巴巴用户数量指数型增长的趋势已持续两年，二叉树状态2下上行概率为0.6左右，推导出客户数量的跳跃宽度大概为1亿，即n为100百万。从阿里巴巴近几年用户数量变化情况来看，整体增长速度变缓。为了避免对用户数量的高估，本文选择2019年3月阿里巴巴的年度活跃买家6.54亿作为用户数量的关键初始水平，并假设用户数量快速增长的时间为3年。由n=100（单位“百万”），a=-0.18，得到二叉树期权定价模型下阿里巴巴未来3年用户数量，如图4所示。

为了测算每个用户带来的现金流量，运用当期年度净利润除以当期年度活跃买家数量，2019年3月单个用户现金流量为134.4元。同时选择近几年自由现金流量的增长率来预测每个用户带来的现金流量增长率。基于2016～2019年自由现金流量的波动趋势与预测期5年内的自由现金流量的变化趋势一致，得到阿里巴巴接下来5年自由现金流量的预期增长率分别为14.12%、11.28%、9.01%、7.20%、5.75%。为了简化计算并考虑到用户数量快速增长期带来的现金流量往往不会过高，选择预测期自由现金流量增长率的几何平均值9%，作为预测期5年每个用户带来的现金流量增长率。而在永续经营的稳定发展阶段，互联网企业回归传统的增长方式，以5%的增长速度稳定增长。图5和图6分别展示了基于每个用户的现金流量和所有用户产生的现金流量的二叉树期权定价模型结果。

为了测算每期的用户价值，选择在每一年的年末进行用户价值的递归，折现率为每年的加权平均资本成本。根据式（9）和式（10）得到阿里巴巴未来3年的用户价值分别为17006011万元、21835162万元、32037599万元。而预测期的后两年用户数量稳定在一定水平，由于用户粘性的增加，单个用户的现金流仍然会快速增长，随后两年用户价值在上一年的基础上以9%的增长率增长。

3.改进EVA模型下的企业价值。在得到阿里巴巴预测期的用户价值之后，代入改进EVA估值模型中，代替税后净营业利润，即可得到各期的EVA现值。进一步得到阿里巴巴的企业价值，2020～2025年EVA计算过程如表3所示。

根据阿里巴巴5年期EVA现值、永续增长阶段EVA现值与期初投入成本，汇总得到阿里巴巴的企业价值，如表4所示。

根据2019年3月31日阿里巴巴普通股总计258400万股、财务报表折算率1美元=6.7112元人民币的汇率，得到估值基准日阿里巴巴的理论股票价格：3374321.53÷2584÷6.7112=194.58（美元）。这一价格非常接近当日实际股价182.45美元。

4. DCF模型下的价值评估。运用DCF估值模型评估阿里巴巴的企业价值时，选择用自由现金流量FCF估值模型。基于2016～2019年的财务数据分析，得到销售收入增长率、销售成本率、研发费用、销售费用、管理费用率、折旧摊销等一系列指标的预测结果。测算自由现金流量进行折现汇总，得到阿里巴巴的企业价值。表5为自由现金流量的计算过程以及根据各期自由现金流量的预测得到的DCF模型下2019年3月31日阿里巴巴的企业价值。

根据2019年3月31日阿里巴巴普通股总计258400万股、财务报表折算率1美元=6.7112元人民币的汇率得到估值基准日阿里巴巴的理论股票价格：11765123.34÷2584÷6.7112=678.42（美元）。

5. P/E模型下的价值评估。市盈率法是市场法的代表方法之一，把公司收益和市场价格联系起来，涵盖的价值影响因素比较多，综合性比较好，因此本文选择市盈率法。

阿里巴巴于2014年在美国纽约证券交易所上市，计算平均市盈率时选用的可比公司应该同为美国上市的互联网企业，如京东、唯品会等15个公司。可比公司名称、股价和每股收益如表6所示，基准日为2019年3月31日。

表6中兰亭集势和搜狐因为亏损造成市盈率为负值，计算平均市盈率时将其剔除，得到可比公司的平均市盈率为40.26。根据2019年3月31日阿里巴巴普通股每股收益5.01美元，估值基准日可比公司平均市盈率为40.26，则阿里巴巴的理论股票价格为201.70美元（5.01×40.26）。

6.估值结果对比分析。分别用改进的EVA模型、DCF模型和市盈率法对阿里巴巴2019年3月31日的市场价值进行评估，计算相应的股价，鉴于美国资本市场较为成熟，选择其评估基准日的市价进行对比，以验证模型的有效性，结果见表7。

通过以上对比分析，可以看到改进的EVA估值模型得到的股票价格最接近评估基准日的阿里巴巴市价，DCF模型和市盈率法得到的股价偏差相对较大，说明改进的EVA估值模型最适合评估互联网企业的价值。

六、结论与展望

1.结论。本文针对互联网企业的特征，借鉴传统价值评估方法提出基于用户价值的互联网企业改进的EVA估值模型，运用模型计算得到的股價与评估基准日的阿里巴巴股价非常接近，从而验证了模型的有效性。本文的研究表明，互联网企业高成长、高风险、轻资产和收益不确定等财务特征使得传统估值方法有很大的局限性，必须针对用户在互联网企业发展中的关键性作用才能更好地评估互联网企业的价值。

2.展望。本文的主要贡献有：首先，丰富并进一步扩展了基于网络效应的互联网企业价值评估思想和方法，为互联网企业估值提供了一个新的思路。其次，从互联网企业的价值核心——用户资源出发，以用户价值（企业拥有的用户数量和单个用户带来的现金流量）代替税后经营净利润，作为产出水平的衡量。用户价值是由企业拥有的用户数量和单个用户带来的现金流量确定的，采用二叉树定价模型确定用户数量和现金流量，既能体现互联网企业的网络效应，又能兼顾企业成长中的不确定性，还可以解决盈利性较弱时的估值难题。

本研究适用于初始用户现金流量为正的情况。本文实证分析对象阿里巴巴当前的用户数量已经达到临界值，因此未能验证用户数量低于临界值的情况。此外，单个用户现金流量的预测和DCF模型中现金流量的预测带有一定的主观成分。本文的研究表明，互联网企业的价值评估应该基于网络效应和用户价值，未来的研究应采用定量与定性相结合的方法，针对互联网企业的价值来源、价值获取方式和发展前景评估互联网企业的价值。

主要参考文献：

[1]中国互联网信息中心.第43次中国互联网络发展状况统计报告[EB/OL].http：//www.cnnic.cn/ hlwfzyj/hlwxzbg/hlwtjbg/201803/t20180305_70249. htm，2018-02-28.

[2]Van Alstyne M.，Parker G. Pipelines，platforms，and the new rules of strategy[J].Harvard Business Review，2016（4）：54～62.

[3] Blodge H.，Anning E.Com raising price target to $400[R].Equity Research Report，1998.

[4]Wolf C. R.，Warburg D. R. Valuing an internet stock[J].Business Week，1998（12）：23～30.

[5]刘官华.基于自由现金流量折现模型的互联网上市公司投资分析[D].北京：北京邮电大学，2007.

[6] Colombo M. G.，Grilli L. On growth drivers of high- tech start-ups：Exploring the role of founders’ human capital and venture capital[J].Journal of Business Venturing，2010（6）：610～626.

[7] Schwartz E. S.，Moon M. Rational pricing of internet companies revisited[J].Financial Review，2010（4）：7～26.

[8]李明.互联网企业价值评估的理论与实证研究[D].北京：首都经济贸易大学，2013.

[9]赵延朋.实物期权模型在互联网企业价值评估中的应用研究——以腾讯公司为例[D].泰安：山东农业大学，2013.

[10]罗淇.引入非财务指标的互联网企业价值评估研究[D].济南：山东大学，2013.

[11]王自然.我国网络企业价值评估方法研究[D].北京：首都经济贸易大学，2014.

[12]黄生权，李源.群决策环境下互联网企业价值评估——基于集成实物期权方法[J].系统工程，2014（12）：104～111.

[13]Lehmann D. R.，Stuart J. A.，Gupta S. Valuing customers[J].Journal of Marketing Research，2004（1）：7～18.

[14] Bauer H. H.，Hammerschmidt M. Customerbased corporate valuation：Integrating the con？ cepts of customer equity and shareholder value[J]. Management Decision，2005（3）：331～348.

[15]Krafft M.，Rudolf M.，Rudolf-Sip？tz E. Valuation of customers in growth companies：A scenario based model[J].Schmalenbach Business Review，2005（2）：103～125.

[16]魏嘉文，田秀娟.互联网2.0时代社交网站企业的估值研究[J].企业经济，2015（8）：105～108.

[17] Katz M. L.，Shapiro C. Network externalities，competition，and compatibility[J].American Eco？ nomic Review，1985（75）：424～440.

[18] Eisenmann T.，Parker G.，Van Alstyne M. Strategies for two-sided markets[J].Harvard Busi？ ness Review，2006（10）：1～10.

[19]Evans D. Some empirical aspects of multi-sided platform industries[J].Review of Network Eco？ nomics，2003（2）：191～209.

[20] Caillaud B.，Jullien B. Chicken- and- egg：Competition among intermediation service provid？ ers[J].RAND Journal of Economics，2003（34）：309～328.

[21]Tiwana A. Platform ecosystems：Aligning architecture，governance，and strategy[M].San Fran？ cisco：Morgan Kaufmann，2014：1～300.

[22]Cennamo C.，Santalo J. Platform competition：Strategic trade-offs in platform markets[J].Strate？ gic Management Journal，2013（34）：1331～1350.

[23]段文奇，宣曉.基于价值创造视角的互联网企业价值评估体系研究[J].财贸研究，2018（9）：85 ～ 97.

[24] Trueman B.，Franco Wong M. H.，Zhang X. J. The eyeballs have it：Searching for the value in internet stocks[J].Journal of Accounting Re？ search，2000（2）：137～162.

[25] Hull J. C. Options，futures，and other derivatives[M].Prentice Hall：Pearson Education Inc.，2003：1～400.

作者单位：郑州大学商学院，郑州450001

作者：朱伟民 姜梦柯 赵梅 王玉玎

网络企业风险投资分析论文 篇3：

煤炭企业管理信息系统的安全技术

摘 要 煤炭行业是我国市场经济的重点产业构成，关系着社会能源供应及工业化生产的水平。随着信息化时代发展步伐的加快，基于计算机的企业管理模式得到了普遍推广，管理信息系统成为企业办公自动化的新模式。但由于计算机操作系统存在的缺陷，煤炭企业管理信息系统的安全风险也日趋突出，商业数据信息的丢失给企业造成了巨大的经济损失。针对这一点，本文主要分析了电子商务环境下煤炭企业管理信息系统的安全技术。

关键词 煤炭企业；信息系统；安全技术；策略

煤炭经济对国民经济收入增长的影响较大，每年煤炭行业创造的产值均呈现上升趋势，带动了市场经济的变革发展。随着计算机技术在各个行业的推广运用，煤炭企业逐渐形成而来办公自动化管理模式，信息系统对企业信息资源的调配控制企业的关键性的作用。

1 电子商务环境下煤炭企业MIS的需求分析

电子商务在全球的兴起，特别是管理信息系统开发过程中软构件的技术成熟，为企业发展提供了广阔的市场空间，使企业能在跨地区甚至跨国之间方便地收集市场信息、进行购销洽谈、营造出面向全国乃至全球的网上商贸环境。电子商务不仅缩短了生产厂家与最终用户之间供应链上的距离，同时改变了传统市场结构，减少了交易成本，提高了企业产品的市场竞争能力。

管理信息系统MIS是一个由人和计算机等组成的能进行信息收集、传输、存储、加工、维护和使用的系统。随着我国煤炭资源开发准入制度的逐步实施和完善，办矿门槛在不断提高；同时，伴随着资源整合与小煤矿联合改造，全国煤矿数量不断减少，生产集中度提高；各地煤炭企业陆续进行联合、兼并、重组，实行股份制改造、上市融资，大型煤炭企业集团纷纷涌现并快速发展壮大。在这种形式下，煤炭企业迫切需要改进生产管理效率，充分利用电子商务的给企业带来的有利时机，坚持以信息化带动工业化，以工业化促进信息化，推进信息化与工业化融合，积极开发应用适应电子商务环境发展特点的管理信息系统。

电子商务使得煤炭企业内部和外部的运作方式发生较大改变，信息的传递、交流与处理不再受时间与空间距离的限制，由此将导致企业内部各部门之间、员工之间以及员工与部门之间的沟通模式发生较大的变化；在业务流程的控制方面，煤炭企业也将会大量采用电子邮件等电子商务模式进行交流，因此，电子商务的发展迫切要求煤炭企业能够满足网络化应用的特点，适应运作方式的转变。随着市场竞争的加剧，现代煤炭企业的管理除了传统的企业生产、库存、销售、财务等模块以外，还必须全面考虑影响整个企业价值链的所有环节，企业必须能够与客户进行通畅的沟通交流，建立顺畅的沟通渠道，对于企业管理信息系统中各种信息，如：煤炭的质量等级、价格、数量、运输条件等等均可通过电话或Internet等各种不同类型的接口，提供大量的24小时不间断的服务。

2 电子商务环境下煤炭企业MIS的功能分析

随着电子商务技术的发展，煤炭企业逐步改变了传统资源生产型企业的依赖性和滞后性，各种对外业务活动都已经延伸到了Internet上，因此，电子商务环境下的MIS应当支持Internet上的信息获取以及网上交易的实现，但是随着管理思想与方法的不断发展，用户需求的变化使得任何MIS都无法完全满足用户的实际要求，这就要求煤炭企业不断提升MIS的功能，实现与市场的同步发展。

1）跨平台运行，支持多应用系统数据交换 。在信息化的浪潮中，许多煤炭企业已经投资建立了各自的MIS并获得比较成功的应用，电子商务环境下煤炭企业的MIS应当具有一个易于扩展的业务框架结构和标准的对外接口，从而方便对软件的维护、扩展以及二次开发，实现真正意义上的跨平台运行，使得同一套程序编码可以在多种硬件平台和操作系统上运行，以便企业可以根据业务需要和投资能力选择最佳平台。

2）信息处理智能化，系统功能集成化。电子商务时代煤炭企业的MIS软件系统不再集中在同一局域网络服务器上，而是支持分布式应用和分布式数据库系统，巨大的信息量需要MIS具有一定的智能化处理功能，从而协助人们有效地完成各项管理工作。MIS软件系统在设计和开发过程中要保证各子系统及子系统中的各项功能甚至每一个应用程序的高度模块化，系统数据要能按照系统的设计传递到相关的模块中，从而达到系统数据的高度共享与系统的高度集成。

3）系统安全化，设计个性化 。与交易安全有关的客户和企业身份认定及电子付款是普及电子商务最大的难点，由于交易金额较大、客户信息广泛，煤炭企业的MIS必须具有更高的可靠性和更强的安全控制，能够对出现的各种意外情况做出正确处理，对于黑客的入侵攻击、越权操作等现象能够有效避免并及时应对。同时，由于不同企业具有不同的运作模式，每一个煤炭企业MIS软件在设计上都应该非常灵活，不能简单地借鉴别的企业的设计，在一些常用模块输入输出界面、运算公式、业务逻辑、业务关联等方面都应该有自己的特色，从而使用户更加放心地应用电子商务模式与企业进行沟通和交易。

3 电子商务环境下煤炭企业MIS的构架设计

管理信息系统是一个以人为主导，利用计算机硬件、软件、网络通信设备以及其他办公设备，进行信息的收集、传输、加工、储存、更新和维护，以企业战略竞优、提高效益和效率为目的，支持企业的高层决策、中层控制、基层运作的集成化的人机系统。完整的MIS应包括：决策支持系统、工业控制系统、办公自动化系统以及数据库、模型库、方法库、知识库和与上级机关及外界交换信息的接口。办公自动化系统、与上级机关及外界交换信息等都离不开Intranet的应用。

1）供应链管理系统SCM 。煤炭资源型企业是根据客户或市场需求来决定开采生产量的，通过物流、资金流和信息流，将客户和生产单位连成一个整体。供应链管理SCM（Supply Chain Management）就是通过重新设计供应链，择供应链成员，运用一系列管理方法和技术，提高供应链的效率和竞争力，从而使得供应链成员获得一种双赢的局面。

2）客户关系管理系统CRM 。客户关系管理系统CRM（Customer Relationship Management）是一种旨在改善企业与客户之间关系的新型管理机制，目标是通过提供更快捷和优质的服务吸引和保持客户、通过对业务流程的全面管理降低企业成本。CRM出现要求煤炭企业从“生产什么卖什么”的模式向“客户买什么生产什么”的模式转变，利用CRM系统，企业能够搜集、追踪和分析每一个客户的信息，从而掌握客户需求，观察和分析客户行为对企业收益的影响，使得企业效益以及企业与客户的关系都得到最优化。

3）其他MIS系统。先进计划和调度系统（Advanced Planning & Scheduling）是应用约束理论对整个物流系统进行优化和控制，它要考虑每种煤炭产品的可用性，确定采购和发货日期，进行数据优化和分析，从而做出最好的行动决策。商业智能系统（Business Intelligence）是应用决策分析工具，进行财务分析、销售统计、市场预测、质量评估、投资分析等经营管理活动。电子营销系统（Electronic Marketing）可以使煤炭企业销售人员在网络上轻松有效地进行商品销售、网上支付和信息交换等。随着电子商务的发展，新的MIS系统还会不断涌现，煤炭企业要根据自己的企业特点适时适当应用。

4 管理信息系统网络威胁的成因

从计算机网络运用情况来看，导致网络安全受到威胁的因素是多个方面的，主要包括内因和外因。内因是指网络本身存在的漏洞或缺陷，用户启动系统控制后造成的一系列安全风险；外因是指用户在使用网络操作时缺乏科学的操控体系，导致网络在承受风险的状态下运行。详细的安全威胁因素如下。

1）程序因素。程序代码是网络运行的主要指令，设计人员在编写程序指令时出现错误易造成网络操作的安全性减弱，给非法入侵者创造了条件。目前，计算机系统配备了木马程序，其是一类可以实现远程控制的黑客载体，当计算机添加木马服务器程序之后，黑客即可入侵电脑破坏网络运行的秩序及安全。

2）病毒因素。病毒是计算机网络面临的最大威胁，病毒的感染性、扩散性、传递性、破坏性等特点往往给用户网络造成许多安全问题。计算机感染病毒后会在短时间内扩散于网络，对程序代码执行造成很大的阻碍。此外，随着计算机操作系统的升级改版，病毒的形式及破坏力更为复杂，对网络的破坏力更强。

3）黑客因素。近年来，网络犯罪给社会各企业造成的经济损失不可估量，而黑客一般都是对计算机程序精通的设计人员，其利用修改程序代码或编制更高级的语言破坏用户网络，从而窃取有价值的数据信息。金融业网络系统是黑客的主要攻击对象之一，这样可利用窃取的账户转移资金，对行业的发展造成不利。

5 维护管理信息系统的安全技术

计算机网络用语经济、科技、教育等多个领域是社会未来发展的必然趋势，为了让系统网络更好地服务用户，必须要对网络制定综合性的安全防御系统，最大程度降低网络的安全风险。从计算机实际应用状况分析，系统开发人员已经制定了一套相对完善的网络安全技术，从程序编写、网络运行、系统操控等方面确保网络的安全性。

1）数据加密。数据传输是网络攻击的主要过程，用户在传递文件时会受到外界因素的干扰而破坏数据的安全，甚至出现文件被截取的问题。用户可利用数据加密的方式提高文件的安全性，如：两用户之间，数据传输者对文件加密处理，接收者收取文件后按照提供了解码程序破解文件，这样就可以防止其他人员解密文件。

2）入侵检测。为网络设计对应的检测程序，在数据信息传递前后实时检测，发现异常信号后及时中断传输或返回发送者。入侵检测技术可从软件、硬件两个方面保证网络安全，用户发现网络数据受威胁时，可立刻把网络连接切断以终止数据传输，并且利用防火墙对网络检测，对数据包进行检测过滤处理。

3）安全扫描。安全扫描技术的功能是对网络漏洞检查处理，扫描出异常程序后可及时处理问题。通常安全扫描技术是对局域网络、Web站点、主机操作系统、系统服务、防火墙系统等方面综合检查，用户也可利用该技术对计算机系统的软硬件连接检测，如：窃听程序、窃取程序等，以防数据被盗。

4）软件杀毒。杀毒软件是普遍采用的网络安全技术，其具有安装便捷、操作简单、快速升级等多项优点。另外，杀毒软件功能的针对性较强，主要负责计算机病毒查杀或异常清理，用户只需定期安装杀毒软件即可处理存在威胁的程序代码，如：360、卡巴斯基、金山词霸等都是常用的杀毒软件。

6 企业网络系统结构的优化

信息化时代背景下，计算机网络运用的领域更加广泛，网络具备的操作功能也日趋多样化。与此同时，非法者采用的网络袭击方式也更高级，一旦网络操作出现失误则会引起各种安全风险。从安全角度考虑，用户对原先设计的网络安全体系结构必须要进行优化改进，对管理信息的网络进行安全优化处理。

1）合理组建网络。计算机安全体系结构的优化必须要选择合适的网络，这是优化安全性能的关键步骤。按照使用性质，计算机网络分为公用网、专用网，设计人员应根据用户的使用需求选择。另外，还应综合考虑网络的安全级别、保密性能、运行效率，提供能够独立运行的体系结构。

2）选用安全设备。网络的拓扑结构：重要的是确定信息安全边界。一般结构：外部区、公共服务区、内部区。考虑国家利益的结构：外部区、公共服务区、内部区及稽查系统和代理服务器定位。重点考虑拨号上网的安全问题：远程访问服务器，放置在什么位置上，能满足安全的需求。

3）适当改装系统。服务器操作系统的选择对安全体系性能有很大的影响，常见的系统包括：UNIX系列、Windows系列、Novell Netware系列、LINUX系列。大多数用户采用了Windows 系列，该操作系统存在一定的弊端。用户可在系统原有的结构上改装处理，设置IP加密系统，增强网络的抗风险性能。

4）优化网络协议。网络协议是计算机网络中进行数据交换而建立的规则、标准或约定的集合，安全体系结构优化中应注重网络协议的调整，对协议中不同层次的协议优化改进。网络协议的重新编写要重点考虑“三要素”，如：语法要素编写时，许多对各种数据信息规范化限定，对数据及控制信息的格式、编码、信号电平等合理安排。

7 结论

总之，根据企业管理信息系统的实际情况，计算机技术的运用也引起了诸多安全风险，企业与用户之间在传输信息时出现丢失、窃取等问题，严重影响了正常的经营秩序。对煤炭企业管理信息系统采取安全技术是比不可少的，其能够从根本上解决企业管理信息系统存在的问题，为企业计算机网络运行创造更加优越的环境，实现了企业与用户之间数据的高效率传输。

参考文献

[1]朱家林.计算机信息自动化处理运用于煤矿生产[J].煤矿经济与技术,2010,42(12):86-88.

[2]邹庭志.煤矿产量分析存在的问题及改进方法[J].中国财经周刊,2010,16(13):65-67.

[3]徐永清.国内计算机技术在各大行业中推广运用的状况[J].河北经济研究,2010,13(8):43-45.

[4]张绍平.计算机技术与煤矿经济发展的内在管理分析[J].科技与经济发展,2010,22(6):49-51.

[5]韦小俊.煤矿企业开采中一体化生产模式的构建方法[J].扬州大学学报,2010,33(14):40-43.

[6]胡新平.数据挖掘技术对煤矿生产的指导作用[J].计算机应用技术,2009,25(12):32-35.

作者：苗瑞平