大数据时代下的采购与供应商管理创新

整个系统架构，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。

Ø 数据源层：从ERP系统、SAP系统、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行为数据、供应商基本信息、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，并采用网络爬虫工具从天眼查、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，为项目开展提供数据支撑。

Ø 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。

Ø 数据服务层：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，供应商动态评价指标体系以及供应商智能管理分析模型。

Ø 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，为相应管理人员提供有针对性的管理决策支撑。

效果样例：

通过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未来采购，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面首页：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。

通过建立供应商综合评价指标体系，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，利用大数据技术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，根据预警结果，企业可结合自身条件积极主动采取措施以适应市场波动，进而提升其在市场竞争中的准确性、速度和质量。

供应商综合预警界面：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。

供应链管理的关键是透明及准确，各环节都应致力于解决供应链的可视性和准确性，以降低管理评价的不完善性。采购管理和供应商管理也不例外。IT技术和DT技术的融合可以实现信息传递的真实性和及时性，通过对数据分类清洗，可以探寻庞杂数据之下的真实趋势和线索。

“任何企业都很难预测未来的采购会是怎样，企业不应拘泥于当前的供应管理，否则将难以适应未来的变化。”企业必须明确自身发展目标，积极顺应大数据发展趋势，以大数据为驱动，构建更加科学的采购与供应商管理模式。

【方案等详细资料来源：微信公众号“振华智造”】 返回搜狐，查看更多