大数据时代，还在用老一套方式管理采购与供应商吗？大数据分析与应用-美林数据

大数据时代，还在用老一套方式管理采购与供应商吗？

时间：2021-01-29 09:50:00 浏览：次

欧洲供应链顶级物流专家、克兰菲尔德大学物流与运输研究中心主席马丁·克里斯托弗（Martin·Christopher）曾于1992年深刻指出：“21世纪的竞争不再是企业和企业之间的竞争，而是供应链和供应链之间的竞争。”
1月26日，国际货币基金组织（IMF）发布最新的《世界经济展望》，预计2021年全球经济增长5.5%。IMF称，虽然2020年下半年经济增长势头强于预期，但近期新一轮疫情反弹和变异病毒的出现，给世界经济的复苏带来很大的不确定性。未来经济活动及收入可能长期在低位徘徊，发展仍面临风险。
全球经济的低迷，让许多企业面临着严峻的考验：资金与市场资源不足、原材料价格上涨、出口形势严峻、市场风险加大、企业转型升级困难重重。
采购和供应商管理作为现代企业运营的重要环节，拥有并保持高效采购与供应管理体系，对于降低企业生产成本，提升企业市场竞争力有着重要意义。
随着物联网、大数据、人工智能和云计算的发展，基于信息技术的大数据管理，为企业加强采购管理和供应商管理提供了全新的思路与方法。

钢铁行业采购与供应商管理背景

钢铁行业一直是我国经济的基石之一。作为资源消耗型行业，钢铁企业的成本中，原材料、运输及存货等占据了企业绝大部分成本，而原材料的采购在生产成本占比达到了70%-80%。

钢铁企业的原材料采购具有品种多、数量大、采购环境复杂等特点。通常大宗原材料采购以期货的方式进行交易，所以就会存在巨大的价差。由于每个采购人员在经验或者能力上的差异，采购策略也有所不同，不同的采购策略有可能会对企业利润产生巨大的影响。面对这种情况，钢铁企业对采购人员的能力要求非常高。同时，原材料供应商在交货、产品质量、提前期、库存水平服务等方面的不同表现也同样影响着钢铁企业经营效益。

业务痛点

在传统的采购与供应管理体系中，钢铁企业的采购人员对于铁矿石、铁合金、煤、电极等重要原材料的采购主要依靠人工经验、粗略评价等方式，通过参标频率、中标频率、中标金额和采购人员的日常评价等指标对供应商进行评估和等级划分，评价方法相对简单，缺乏根据所供物料对供应商进行科学评估和分类，同时存在评价维度单一、缺乏持续动态性、评价周期长等问题。即使有采购管理与供应商评价管理体系，体系中的指标值也难以避免受到主观因素及个人利益的影响。

解决方案

针对钢铁行业在采购与供应商管理问题，美林数据围绕钢铁企业采购业务场景，基于Tempo 大数据分析平台，利用大数据技术，实现采购人员尽职水平量化分析与供应商动态评价，帮助钢铁企业完成采购过程透明化管理并选出优质供应商，规避物资采购风险，降低总生产成本，提升产品质量，实现钢铁行业采购与供应链的数字化赋能。

目前，该解决方案已经通过了中国软件测评中心的测评，正式获颁大数据解决方案认定证书。

钢铁行业采购尽职水平分析与供应商智能管理解决方案

业务目标

1、构建采购人员尽职水平综合评价模型
围绕采购业务全过程的行为数据和业务数据，如采购计划、采购成本、采购物资的质量、供货履约率、库存稳定水平等，以及行业公开平台相关的市场数据，通过规划定性或定量的评价指标，建立采购尽职水平综合分析评价数据模型，对采购人员履职全过程进行工作绩效综合评估，进而优化采购人员在履职过程中的尽职水平，推动采购管理流程优化和采购管理制度完善。

2、构建供应商智能管理模型
运用大数据分析算法及建模技术，对供应商数据库中的所有供应商数据，围绕质量稳定性、供货周期性、合同兑现率、价格差异率等关键动态指标进行聚类分析，寻找各类供应商的共性特点，得到行为分析评价结果。在供应商历史数据综合评价的基础上，使用监督学习算法建立预警模型，对未来一定时期内的供应商的表现进行预警分析，实现供应商的科学评估和精细化管理。

系统架构

整个解决方案的系统架构总共分为四层：数据源层、数据存储层、数据服务层和业务应用层。

数据源层：从ERP、MES、电子交易平台等信息化管理系统，采集供应商在招投标过程中的供应商基本信息、行为数据、采购订单信息、供应商履约信息以及采购业务全过程相关的行为数据和业务数据；并从天眼查、全球金属网、我要不锈钢等相关行业公开网站获取供应商企业社会公信、资质级别、司法和经营风险、原料物资市场价格等信息数据，为模型建立提供数据支撑。
数据存储层：利用ETL/ESB技术将驻留在不同数据源中的数据进行整合，集成多个数据库，减少数据冗余，提高了数据库关联度。采用关系型数据库和Hadoop大数据存储相结合的混合架构实现系统数据的安全高效存储。
数据管理层：数据预处理通过数据清洗、缺失值的处理以及对数据进行标准化转换，在此基础上分别使用最大值、最小值、均值、标准差等统计计算方式完成衍生特征的构造，最后将处理结果数据存储到Hive仓库，以供建模调用；算法服务包括运用TOPSIS算法、K-Means聚类、人工神经网络、随机森林分类、逻辑回归分类等算法，构建采购人员尽职水平综合评价模型以及供应商智能管理模型。

模型建立过程

业务应用层：运用大数据相关算法建立所需的数据模型，实现对采购人员履职全过程进行工作绩效综合评估、供应商的科学聚类排序、各项指标的展示对比、供应商信息的检索和查询、供应商异常预警以及优质供应商的置顶推荐等，帮助企业实时了解供应商动态情况和采购人员的尽职水平，进而推动优化采购管理流程，完善采购和供应商管理制度。

应用价值

1、全方位精细化管理采购行为
构建采购人员尽职水平分析综合评价数据模型，促进采购组内在价值的评估和考量趋于数据化和显性化，基于数据及时发现采购问题并总结经验指导采购管理，使采购行为更细致和可控，全方位精细化管理采购行为，逐步推动建立成本和库存驱动动态采购管理机制。

采购人员尽职水平综合评估页可展示不同采购群组在采购不同物资时，其尽职水平的综合评价，同时分别从质量直通率、计划兑现率、采购成本管理、计划兑现率等维度进行展示。

2、供应商表现动态预警
通过供应商智能管理模型，为企业选择和评价供应商提供可靠依据，为优化供应链管理提供重要支撑。同时，实现对原燃料供应商进行动态预警分析，给企业提供了一套更为科学的实践指导方法。企业可根据预警结果，结合自身条件主动采取应对措施以适应市场波动，提升市场竞争中的准确性、速度和质量。

供应商综合预警页可通过综合预警模型将供应商分为优质供应商、合格供应商和预警供应商。同时分别根据合同兑现率、质量稳定性、供货周期和价格差异率单项指标将供应商分为A、B、C三类，以供不同工厂、工序根据业务需求侧重点选择供应商。

结语

全球化和新一代信息技术的高速发展，为全球经济运行方式、生产方式、流通方式带来了巨大变化，采购与供应商管理作为供应链中连接社会生产、流通和消费的核心环节及关键职能，利用新技术优化采购与供应商管理成为企业可持续发展的必然选择。
麦肯锡调研数据此前对数字化采购效果有研究，如果采用端到端的数字采购计划，企业每年可节省20%~30%的成本，交易性采购可减少约30%的时间，而且价值漏损将减少50%。
美林数据凭借多年的行业数字化升级应用落地经验，依托成熟的大数据分析工具（Tempo大数据分析平台），助力钢铁行业以大数据为驱动，推进采购与供应链管理的数据化与智能化升级，实现包括采购业务的分析与改善、供应商管理、库存占有量预测、日常业务可视化监控和预警。
未来，美林数据还将继续发挥技术优势与产品优势，助力航空航天、汽车、建材、家电等更多制造型产业构建智慧化的采购与供应商管理模式，完成数字化升级。

大话数据挖掘之聚类分析（上篇）

大话数据挖掘之聚类分析（下篇）

推荐新闻