供应商评价指标建设路径研究

马花月

上海勘测设计研究院有限公司

摘要

供应商精细化管理是供应链协同绿色高效发展的重要一环，本文从建设原则、指标构建、指标数据获取、数据分析四个过程探索了供应商评价指标的建设路径。通过收集与供应商相关的内外部历史数据，采用数据预处理、指标筛选、权重分配、特征分类等数据分析方法，建立动态智能的评价机制，旨在通过量化评价增强与供应链各应用环节的联动性。

关键词

供应商评价、指标体系、供应链、数据分析

1 研究背景

国务院办公厅印发的《关于积极推进供应链创新与应用的指导意见》^[1]指出了供应链创新高效协同发展的必要性。其中，供应商管理是供应链协同发展的重要一环，企业为保障有序生产，需要稳定可靠的供应商提供高质量的产品或服务。面对动态开放的信息交互，企业与供应商的合作已逐渐转变为双赢互惠模式。

企业数字化转型过程中，数据成为了新的生产力，结合数据分析技术，充分发挥历史交易数据的价值，通过建立量化评价指标，避免主观评价偏差，可以辅助提升供应商智能化管理水平。本文旨在研究供应商评价指标的方法路径，通过算法模型对数据进行清洗整合形成全方位的供应商信息库，收集与企业相关的供应商、采购方、以及采购方关联的供应商，通过指标量化评价，尽可能全方位多细节展示供应商的多维信息，从而实现精准决策。

2 现状分析

在意识到供应商管理的重要性后，多数企业制定了供应商管理的制度和规范，但距离绿色智能管理还有差距，表现在以下几个方面（1）对供应商主要进行信用评价，评价方式包含日常评价、年度评价，实际多集中在年度评价，评价结果滞后，且各单位对供应商的评价信息无法共享；（2）未对供应商实施分级管理，针对影响供应链安全、价值度较高的瓶颈型和战略性供应商进行有效寻源和持续开发力度不足；（3）评价体系考察因素片面，更关注负面失信行为而不是履约绩效；（4）定期考核评价与结果更新周期长，奖优罚劣的激励作用还非常有限。（5）供应商的品类划分模糊，容易造成供应商分类选择不准确，导致后续存在无法投标的情形；（6）供应商相关资质等基础信息缺失、过期或者无法使用等问题。

总结而言，供应商管理的痛点主要表现在四个方面，一是缺少全面整体的评价标准及体系，评价体系覆盖面不全，指标设计多样性不足；二是评价指标和采购业务关联程度不高，供应链各系统间彼此独立，无法进行数据互通，信息更新不同步等；三是供应商评价指标主观化，评估得分差异大；四是供应商管理策略待优化提升，对供应商采用统一的管理策略，难以达到科学管理与管理成本较低的平衡。

3 评价指标设计

3.1 建设原则

在公司战略、未来发展愿景、供应商管理目标三大方针下，构建指标建设的原则。考虑指标的客观可行性、独立简洁性、动态灵活性、全面规范性等。

3.2 指标构建

（1）一级指标

综合考虑企业的基本信息、日常运营情况、财务风险情况、产品和服务质量、社会生态价值等方面，建设一级指标，如供应商资质评价指标、社会责任和形象指标、履约绩效指标、企业风险信用指标、生态创新指标等。

2. 二级指标

结合供应商分级考核指标层级和关键目标，将一级指标进一步细化为若干二级指标。如供应商评价指标可细分为财务运营指标、质量管理指标、科研技术指标、生产技术指标等。企业风险信用指标可细分为企业基本风险指标、司法风险指标、经营风险指标等。

2. 三级指标

根据行业经验对二级指标进行细化，形成可量化的细分指标。如企业经营风险指标可细分为股权质押比率、动产抵押比率、欠税信息次数、行政处罚次数、税务评级等级等，司法风险指标可细分为合同纠纷数量、法律诉讼信息等。

4 评价指标建设

以业务系统产生的数据为基础，采用业界成熟的以大数据标签管理为核心的画像技术，将评价指标映射至具体的数据字段，利用数学建模及机器学习技术综合分析，勾勒供应商基础画像、履约画像、服务行为画像、竞争力画像等。

4.1 指标数据获取

供应链各环节的数据收集是指标建设的基本保障，通过大数据技术收集内外部数据源，打在供应商数据中心。内部数据源包含企业已建电子采购系统、供应商注册系统、合同管理系统、工程管理系统、物流服务系统等。建议在条件允许的情况下，尽可能接入权威的外部数据源如信用中国、国家知识产权局、商标局、全国企业信用信息公示系统、中国裁判文书网等。

4.2 数据分析

4.2.1数据预处理

针对不同数据来源、业务系统、数据类型的数据进行数据预处理^[2]，数据预处理主要包含四个方面，一是数据清洗，如异常值处理、质量校验等；二是数据集成，如冗余清理、数据冲突解决、元数据治理等；三是数据规约，如数值规约、维归约等；四是数据变换，如数据离散化、数据归一化、数据稀疏化等。通过数据预处理，保障数据质量，提升数据应用水平。

4.2.2指标筛选

指标筛选目标是保留具有典型代表性、可比可操作可量化、客观综合性特征的指标，剔除关联性不强、重复、难于观察测量的指标。常用的筛选方法有关联性分析^[3]、主成分分析^[4]等。

4.2.3权重分配

权重分配目标是合理的考量各指标对于评价对象的贡献程度，制定指标的比重，依次制定细分指标、二级指标、一级指标的权重。常用的权重分配方法有因子分析^[5]、AHP层次法^[6]和优序图法^[7]、熵值法^[8]、CRITIC^[9]、独立性权重^[10]和信息量权重^[11]等。

4.2.4特征分类

特征分类目标是基于评价指标，通过聚类或者分类算法对供应商不同特征维度进行分类。分类个数可依托专家经验，也可通过算法自适应选择。常用的分类方法有K均值聚类^[12]、层次聚类^[13]等。

4.3 应用设计

（1）功能描述

综合从供应商群体资质、履约运行、企业风险信用、社会行为责任、生态及创新6个方面的综合指标，参照供应商评价体系要求，实现对供应商的动态综合评级，系统跟进供应商相关指标实时评级，动态调整。

2. 业务逻辑

根据供应商分级管理信息进行数据分析处理综合展示所有供应商的分类分级及综合评价，并提供评级结果。增删调整供应商综合评级指标，可调整维度指标，参考值和权重。根据供应商评级结果统计各等级供应商分布情况。

2. 功能概要

展示供应商分级结果清单，支持按等级显示供应商清单列表；展示各类别的供应商分级结果；各类各级供应商分级结果数据分析；按类别和级别展示供应商地域分布情况；按类别和级别展示供应商数量发展趋势图；提供按供应商名称等关键字搜索显示分级评价结果；供应商分级管理评级指标体系设置，设置评级维度、关键指标、参考值和权重。

5 结语

以供应商评价指标为基础，可以横向打通供应商管理与招投标、采购、合同等环节的数据信息通道。例如在供应链管理中，根据供应商的财务评价指标、履约服务指标、行业竞争力指标等动态更新供应商信息，便于能够在招投标、合同等不同阶段自动导入，避免重复填写等；在招标采购环节，根据采购需求，结合供应商画像模型的筛选，对目标供应商群体进行智能评估，从而遴选出真正优质的供应商；在合同管理环节，能够根据供应商评价结果，将供应商分级分类并制定个性化的管理策略。

参考文献

1. 国务院办公厅. 国务院办公厅关于积极推进供应链创新与应用的指导意见[J]. 物流科技, 2018, 041(002):2.

2. 刘明吉, 王秀峰, 黄亚楼. 数据挖掘中的数据预处理[J]. 计算机科学, 2000, 27(4):4.

3. 秦颖, 武春友, 徐光. 企业行为与环境绩效之间关系的相关性分析与实证研究[J]. 科学学与科学技术管理, 2004, 25(2):4.

4. 李艳双, 曾珍香. 主成分分析法在多指标综合评价方法中的应用[J]. 河北工业大学学报, 1999(1):94-97.

5. 吴应良, 吴昊苏, 吴月瑞,等. 基于主成分分析法的知识管理绩效评价研究[J]. 情报杂志, 2007, 26(6):3.

6. 陈伟. 正确认识层次分析法(AHP法)[J]. 人类工效学, 2000, 6(2):4.

7. 戴一鸣, 乔旺忠. 德尔菲法、优序图法建立课堂教学评价指标体系的研究[J]. 中医教育, 2011, 30(5):4.

8. 郭显光. 熵值法及其在综合评价中的应用[J]. 财贸研究, 1994, 5(6):5.

9. 黄潇, 刘婧, 付小梅,等. 基于CRITIC法计算权重系数的Box-Behnken响应面法优化栀子炭微波炮制工艺研究[J]. 中草药, 2017, 48(6):6.

10. 张恒巍. 信息系统安全风险评估关键技术研究[D]. 中国人民解放军信息工程大学, 2015.

11. 雷敬祥. 基于能量权重的信息隐写算法设计与研究[D]. 长安大学, 2016.

12. 刘靖明, 韩丽川, 侯立文. 基于粒子群的K均值聚类算法[J]. 系统工程理论与实践, 2005, 25(6):54-58.

13. 沈洁, 赵雷, 杨季文,等. 一种基于划分的层次聚类算法[J]. 计算机工程与应用, 2007, 43(31):3.