大型央企和集团企业作为供应链的核心企业，每年都要进行大量工程项目建设及大宗物资采购，伴随着招标采购规模大幅度增加的往往也是庞大的供应商群体。面对着整体规模、技术水平、资源实力等各不相同，位于天南地北的数百上千家供应商，如何准确、高效的挖掘、识别出优质的供应商群体，成为企业能否采购到高质量产品、高水平服务的关键。
利用大数据技术整合供应商全生命周期管理过程中的数据内容，从基本信息、信用风险、物资分析、招投标行为、履约过程、用户评价等维度建立供应商全景数据分析模型及相应的算法模型，能够解决不同系统间供应商数据离散、低耦合、不能共享等问题，实现对供应商行为客观的大数据分析与数字化透视，对供应商数据进行综合分析，全面实现对供应商真实情况的了解，进一步实现供应商管理的差异化、精细化、可视化、智能化，也将大大提升物资管理整体效率。
1. 序言
在供应商管理中，对供应商进行科学合理的分级分类，实现供应商管理的差异化，且由于大型集团多元化的特点，所采购的物资种类杂、数量多、价值大、质量要求高，供应、履约与物资质量等问题，对工程项目建设、产品生产质量影响巨大，需要对物资供应商的精细化管理，实现最大化降低供应商管理风险、物资质量风险、供货周期风险和物资价格风险。
传统的供应商管理业务中，物资招标采购平台、ERP系统、仓储管理系统等信息化系统相互独立，缺乏供应商数据统一平台，且没有实现供应商信息全业务环节的全覆盖，在供应商履约能力和质量风险方面存在数据空白的风险，并且在供应商的资质核准、分级分类、综合评价等业务环节都存在着很大的不确定性，在物资采购、项目建设、生产经营等方面都存在严重的风险，急需以最大化将本增效、减小企业经营风险为目的建立完善的供应商管理系统。
比如2018年国网公司开始建设现代智慧供应链，实现了物资全业务的数字化，基于现有数据基础，利用大数据和人工智能技术，设计分析策略与模型，对供应商进行全息画像，全面真实地反映出供应商的全部数据，包括履约能力及质量水平，有效防范管理与运营风险。
2. 供应商全息数据管理
2.1多源供应商数据信息收集
集团内部横向贯通电子招投标系统、ERP系统、合同管理系统、仓储管理系统、财务核算系统等专业系统，从企业内部收集供应商投标承诺、历年合同、到货及时率、一纸证明、绩效评价、不良行为、采购量等数据，同时建立与信用中国等网站或平台的接口，从集团外部收集供应商信用、行政奖惩等信息，并以此为基础，通过相应算法和模型进行数据的采集、加工、清洗、入库，形成能够全方位反映供应商特性的全息数据库。
需要注意的是，数据是管理的基础，只有获取到足量的原始数据，才能生成相对准确的体现供应商特征的画像系统。确定各类数据的系统来源、采集技术以及采集频次，使得对供应商评价数据的处理更加规范，以利于数据建模和分析的精准。
2.2建立多标签供应商模型库
首先，统计分析供应商全量信息库中的数据，得出供应商履约、质量、供货周期、价格变化等行为表现的事实标签，例如供应商信用、行政奖惩、供货量等等。
其次，以事实标签为基础，构建事实标签与绩效表现、潜在风险之间的算法模型，比如结合供应商资质业绩、信用、供货量等，进行供应商不良行为以及交货及时率的预判。
最后，实时更新供应商全量信息库，并不断进行迭代训练，优化完善，持续提高模型的预测精度。
2.3全息数据画像技术
全息数据画像技术是最早应用在电商领域的用户画像，目前大型集团已经在企业管理、供应商管理等多个领域进行探索性应用。用户画像是根据用户的基本属性、社会行为、消费偏好、生活习惯等一系列客观真实信息，利用抽象思维进行标签化用户模型，通过数据建立描绘用户的标签，用虚拟化的标签来代表真实存在的用户，构建用户画像的具体流程如下图所示，由数据收集、行为建模、用户画像成型构成，最后通过用户画像进行数据可视化分析，进行辅助决策与业务优化。
全息数据画像技术在购物及社交平台广泛应用，利用大量平台客户数据从消费习惯、用户类型、生活行为等不同维度进行客户行为的预测，并形成客户的全息画像，为客户提供更精准的信息和服务，减少用户的信息成本，提高整个平台的运营效率。
3. 供应商全息画像体系框架
3.1. 供应商多维评价体系
全息多维供应商综合评价体系是供应商全息数据画像应用的基础，通常是在企业现有供应商评价指标体系的基础上引用外部信用和交易数据，进行加权得分，最终形成综合性指标评分值。比如，国家电网对供应商的评价指标分为资质能力、生产供货、安装服务、运行质量、成本费用五个方面进行综合评价，并分别在每个上级指标下分为多个次级指标，并按实际业务需求分配相应的权重，实现指标体系的完整性和结构化(如下表所示)，同时根据物资技术性能指标和制造工艺的难易情况，合理调整指标权重，遵循智慧供应链绩效评价、资质核实中现有指标体系中的算法规则，直接应用其计算结果，同时引用供应商信用模块信息，作为扣分项参与计算，综合所有指标与相关信息数据得出供应商的特征标签与全息数据。
3.2. 供应商标签库
企业可以基于供应商信息库构建大数据分析模型，针对供应商全息画像进行分析并赋予特征标签，覆盖包括资质能力、履约表现、社会信用、交易数量、采购金额、供货周期、供货范围等指标进行综合分析。
首先，根据设置的模型统计分析供应商全量信息库中的数据，得出供应商履约、供货质量、供货周期等行为表现的事实标签。
其次，以事实标签为基础，构建事实标签与绩效表现、潜在风险之间的算法模型，进行供应商不良行为以及交货及时率的预判。
最后，实时更新供应商全量信息库，并不断进行迭代训练，优化完善，持续提高模型的预测精度。
4. 供应商全息画像的应用
集团供应商全息画像的构建与应用，通常是从现阶段业务和外部环境中获取供应商资质业绩信息、供应商绩效评价信息、供应商社会征信、从舆情系统获取行业环境信息，从供应商企业年度报告获取供应商创新管理信息。搭建供应商全息画像标签库，提取出精准展现供应商全息特征，结合业务实际，开展特征归类分析，最终通过柱图、饼图、曲面图、雷达图等多种图表方式来表达供应商变迁模型，多维度展示供应商全息画像核心特征。
应用供应商全息画像的各项指标数据设计建设监控预警以及差异化分析的功能，应用多种数据分析模型对供应商数据进行深层次应用，形成辅助物资采购和管理的依据。
4.1. 基于供应商全息画像的监控预警
通过对供应商全息数据库中的数据按照预先设置的模式实现单个供应商全息画像，比如利用雷达图可以展示各个指标项得分情况，展示供应商在主要特性中的表现。
通过对不同类别供应商全息画像对比分析，利用雷达图可以展示各个指标项得分排名情况，对各类供应商主要特性进行对比展示。
供应商全息画像预警能力实施步骤：
1) 确定供应商分级分类和全息画像指标体系；
2) 构建分级分类模型和全息画像标签库及模型；
3) 输出供应商分级分类和全息画像标签；
4) 根据分级分类实现对供应商的差异化管控，依据全息画像实现供应商精细化管理。
4.2. 基于供应商全息画像的差异化分析和辅助决策
供应商全息画像最终会形成一套用于评价供应商的算法模型，将分散繁杂的供应商数据信息转化为科学形象的标签画像，同时推送至招标、供应、生产、质检等业务部门，为业务管理和决策提供参考。
1) 优质供应商的选择：在招标采购环节，通过供应商全息画像对目标供应商群体进行科学评估，特别是要考虑供应商质量风险，在全寿命周期成本管理的理念下，预估物资设备运维检修成本，从而遴选出真正优质的供应商，防止供应商恶意低价竞争，扰乱市场公平公正。
2) 履约/质量风险防控：通过实时更新供应商全息数据，动态维护供应商画像，通过将供应商相关数据信息导入算法模型，对现有或潜在供应商进行精准评估或行为预测，根据模型输出的特征标签，对供应商选用不同的管理策略，对潜在的履约风险和质量问题进行事前防范。根据供应商履约标签和质量标签的不同，准确辨别出供应商履约能力和质量水平，强化供应以及质量等业务部门对供应商具体能力水平以及历史绩效表现的了解，并通过差异化的管控措施，有效防范可能发生的履约或质量风险。比如，针对贴有“质量堪忧”标签的供应商，应适当加大物资抽检比例，避免不合格物资入网。
3) 业务风险预测：以事实标签为基础，构建事实标签与绩效表现、潜在风险之间的算法模型，比如结合供应商资质业绩、信用、产能等，进行供应商不良行为以及交货及时率的预判。实时更新供应商全量信息库，并不断进行迭代训练，优化完善，持续提高模型的预测精度。
4）抽检计划制定：依据物资供应商画像及评级结果，在制定抽检计划时对于不同档级的物资供应商，主要从中标数量、抽检合格率、是否新进供应商、历史诚信行为等情况制定针对性的抽检策略，实现物资供应商精准化管理，一方面提高抽检计划的科学性、合理性，另一方面提高抽检工作效率。
5）物资供应预警：由综合评级得分可以看出当前供应商差异化情况，应根据财务信息、产能情况、履约能力整体情况，考虑不同物资的生产周期和供货期，结合市场原材料价格波动因素，制定物资供应预警策略。
5. 启示
通过构建物资供应商画像数据库， 采用相关模型算法对物资供应商的基本信息、中标情况、供货质量、履约情况、不良行为等维度的数据进行降维处理，并通过层次分析算法构建物资供应商评级模型，能够对物资供应商的综合得分进行良好的度量和区分，实现物资供应商的画像和分档分级，通过模型结果发现供应商之间的明显的差异。
通过采集和处理以供应商为中心的关联数据，实现供应商数据的规范化、统一化，以供应商分级分类和多维度提取供应商标签为核心，对基于全息画像的供应商进行差异化分析，挖掘出供应商的全息画像的特征。通过对供应商的全方位分析提升对供应商的管理水平，赋能企业物资高效化、科学化、合理化采购。在企业减少设备库存成本和提高资金流动率的大物资管理背景下，识别不同类型的供应商，制定不同的管理策略，对提高物资供应商的管理水平、提升企业竞争力具有非常重要的意义。
