陳世樓 洪松琛 孫 鵬

（國網(wǎng)福建省電力有限公司，江蘇 南京 210000）

一、研究背景

隨著經(jīng)濟全球化的趨勢和現(xiàn)代信息技術(shù)的發(fā)展和廣泛應(yīng)用，企業(yè)競爭愈演愈烈。為了降低采購成本，提高企業(yè)競爭力，集中采購模式成為眾多企業(yè)的第一選擇。我國集中招標(biāo)采購經(jīng)過十多年的發(fā)展，實際應(yīng)用效益顯著，但隨著集中采購規(guī)模的逐步增大，可選供應(yīng)商越來越多，采購策略制定越來越復(fù)雜，采購策略上的問題也層出不窮，主要表現(xiàn)為：

1.無法消除人工制訂采購策略帶來的偏差

目前大部分采購策略的制定仍然停留在人工線下模式，由工作人員選擇確認(rèn)采購策略條目。受制于編制者的知識水平、認(rèn)識能力、個人經(jīng)驗甚至個人偏好的影響，無法排除人為因素帶來的偏差，導(dǎo)致同一對象的采購策略出現(xiàn)差異，

2.在策略制訂時缺乏信息關(guān)聯(lián)

在制定采購策略時，缺少與專業(yè)部門網(wǎng)絡(luò)化聯(lián)動，信息共享、反饋不便利，導(dǎo)致技術(shù)、質(zhì)量因素在采購方案中占比較低，采購策略制定的科學(xué)性、合理性有待進一步提升。

3.缺乏采購策略歷史數(shù)據(jù)沉淀

目前的采購策略均采用人工線下模式，沒有采購策略歷史信息庫來積累歷史采購策略數(shù)據(jù)，在對新的采購策略進行數(shù)據(jù)預(yù)測的時候缺乏歷史數(shù)據(jù)作為支撐。

因此，在對現(xiàn)有歷史采購策略數(shù)據(jù)進行收集和整理的基礎(chǔ)上，創(chuàng)建智能信息庫，對供應(yīng)商的各項指標(biāo)數(shù)據(jù)進行匯總分析。為智選、優(yōu)選供應(yīng)商提供整體性、高層次、前瞻性的決策輔助分析資料，進而提升整體采購策略制定的質(zhì)量和效益。

二、理論研究

1.供應(yīng)商分類理論

供應(yīng)商是指為企業(yè)生產(chǎn)活動正常開展提供原材料、設(shè)施設(shè)備等資源的上游企業(yè)，為確保企業(yè)所需資源安全、可靠、及時供應(yīng)，需要有一批產(chǎn)品質(zhì)量好、售后服務(wù)佳的供應(yīng)商作為支撐。因此，遴選優(yōu)質(zhì)的供應(yīng)商，構(gòu)建卓越的供應(yīng)商隊伍，是提升企業(yè)采購效率的重要保障，對企業(yè)生產(chǎn)經(jīng)營提質(zhì)增效意義重大。

在物資采購集約化管理趨勢下，企業(yè)與供應(yīng)商的合作關(guān)系越來越緊密，集成化的供應(yīng)鏈對供應(yīng)商要求由數(shù)量要求向質(zhì)量要求轉(zhuǎn)變，需要在全球范圍內(nèi)尋找更優(yōu)質(zhì)的供應(yīng)商，以使供應(yīng)鏈的運作更加順暢、穩(wěn)定。面對數(shù)量眾多、特征各異的供應(yīng)商，有必要根據(jù)企業(yè)需求對供應(yīng)商開展分類管理，按照供應(yīng)商在市場中的競爭實力以及他的增值作用，可將供應(yīng)商分為四個類別，分類矩陣見圖1。

圖1 供應(yīng)商分類矩陣

縱軸代表的是供應(yīng)商在供應(yīng)鏈中增值的作用，對于一個供應(yīng)商來說，如果不能增值，在供應(yīng)鏈中就不可能存在；橫軸代表某個供應(yīng)商與其他供應(yīng)商之間的區(qū)別，體現(xiàn)了供應(yīng)商之間競爭力的差異。

2.聚類算法理論

隨著現(xiàn)代管理理念和數(shù)據(jù)分析技術(shù)的發(fā)展，一些非量化的指標(biāo)需要轉(zhuǎn)為定量化的指標(biāo)，然而由于部分領(lǐng)域存在很多模糊的概念，某些特定的領(lǐng)域難以用傳統(tǒng)的數(shù)學(xué)方法進行解決，由此產(chǎn)生了聚類的概念。所謂聚類就是按照相似性對特定對象進行區(qū)分和分類，傳統(tǒng)的聚類分析是一種硬劃分，它嚴(yán)格按照特定的界限，將給定對象劃分到某一類中。但是在實際問題中，一些對象難以嚴(yán)格劃分屬性，它們在屬性方面具有中介性，適宜開展軟劃分，模糊集合理論即為這種軟劃分提供了有力的分析工具，也可稱為聚類算法。

三、模型構(gòu)建

通過前期需求梳理和對歷史采購策略數(shù)據(jù)的收集，形成采購策略歷史數(shù)據(jù)庫。在新建新的采購策略的同時，根據(jù)新建的采購策略信息（比如物資數(shù)量、物資類型等）對比關(guān)聯(lián)采購策略歷史數(shù)據(jù)庫里的信息，尋找出合適的采購策略信息適配當(dāng)前的新建采購策略。在確定采購策略基礎(chǔ)信息之后，再根據(jù)采購策略的具體要求（比如分包數(shù)量、供應(yīng)商資質(zhì)、銷售數(shù)量等）在歷史策略庫里推薦符合要求的潛在供應(yīng)商，通過對潛在供應(yīng)商的歷史投標(biāo)行為（排除有不良行為的供應(yīng)商）分析，并根據(jù)聚類算法對潛在供應(yīng)商進行聚類分析，經(jīng)過層層篩選最終將合格的潛在供應(yīng)商推薦出來，并計算出被推薦供應(yīng)商的歷史投標(biāo)率、進入詳評率和綜合中標(biāo)率等指標(biāo)數(shù)據(jù)作為參考。經(jīng)過智能推薦的潛在供應(yīng)商在資質(zhì)業(yè)績上能夠符合采購業(yè)務(wù)的硬性需求，并在歷史供應(yīng)記錄的趨勢上更符合當(dāng)前采購策略的要求，選擇優(yōu)質(zhì)的潛在供應(yīng)商能夠有效地提升整體采購流程的成功率。

1.結(jié)合歷史數(shù)據(jù)，智能關(guān)聯(lián)采購策略

采購策略包含交貨期要求、生產(chǎn)和試驗裝備、試驗鑒定報告、認(rèn)證證書、生產(chǎn)許可證或檢驗合格證、評分規(guī)則、價格評審標(biāo)準(zhǔn)、銷售數(shù)量、授標(biāo)原則等關(guān)鍵信息。在新建采購需求的時候，需要結(jié)合實際的業(yè)務(wù)需求，在歷史采購策略庫中綜合選擇時間和數(shù)量最為接近的策略進行關(guān)聯(lián)匹配。通過實時關(guān)聯(lián)歷史數(shù)據(jù)進行匹配推薦，避免了人為制定采購策略的主觀偏差，確保采購策略制定的科學(xué)性、合理性。

2.分析招投標(biāo)數(shù)據(jù)，推薦優(yōu)質(zhì)潛在供應(yīng)商

根據(jù)歷史投標(biāo)記錄確定備選的供應(yīng)商名單，在采購策略歷史數(shù)據(jù)中提取供應(yīng)商的屬性數(shù)據(jù)（銷售數(shù)量、資質(zhì)證書、生產(chǎn)能力等），通過對屬性數(shù)據(jù)的篩選，檢查供應(yīng)商是否滿足組合中的各項采購策略，然后找到供應(yīng)商在歷史數(shù)據(jù)中投過分包的最小與最大數(shù)量區(qū)間，再判斷分包數(shù)量是否在這個區(qū)間之間，符合的通過篩選。根據(jù)投標(biāo)概率和進入詳評率計算有效投標(biāo)分值，再根據(jù)計算出的有效投標(biāo)分值計算出一個σ（sigma）的值，在備選列表中去掉有效投標(biāo)分值低于一個σ的供應(yīng)商，將潛在供應(yīng)商名單與資質(zhì)能力核實結(jié)果名單進行對比，刪去資質(zhì)能力核實結(jié)果不合格的供應(yīng)商；校驗當(dāng)前項目信息中的“資格審查類型”，對采用資格預(yù)審的采購項目，將潛在合格供應(yīng)商名單與資質(zhì)預(yù)審結(jié)果名單進行對比，刪去資質(zhì)預(yù)審結(jié)果不合格以及資格預(yù)審合格名單中不存在的供應(yīng)商；將潛在供應(yīng)商名單與供應(yīng)商不良行為處理清單、信用中國進行對比，刪去正在不良行為處理期限內(nèi)或者信用中國黑名單的供應(yīng)商；將最終的供應(yīng)商根據(jù)有效投標(biāo)分值進行排序輸出，完成潛在供應(yīng)商推薦。在對現(xiàn)有歷史采購策略數(shù)據(jù)進行收集和整理的基礎(chǔ)上，對供應(yīng)商的各項指標(biāo)數(shù)據(jù)進行匯總分析，達(dá)到了智選、優(yōu)選供應(yīng)商的目的。

3.科學(xué)聚類分析，進一步優(yōu)化推薦質(zhì)量

統(tǒng)計每個供應(yīng)商的注冊地址、企業(yè)成立時間、實繳資本、有無動產(chǎn)抵押、有無公司網(wǎng)站、有無融資信息、是否上市、注冊資金、人員規(guī)模、發(fā)明專利數(shù)量、有無軟件著作權(quán)、有無商標(biāo)信息等信息，使用K-MEANS算法對供應(yīng)商進行聚類分析，具體步驟如下：

（1）選擇3個中心點；

（2）把每個數(shù)據(jù)點分配到離它最近的中心點，使用歐式距離計算公式：

（3）重新計算每類中的點到該類中心點距離的平均值；

（4）分配每個數(shù)據(jù)到它最近的中心點；

（5）重復(fù)步驟（3）和（4），直到所有的觀測值不再被分配或是達(dá)到最大的迭代次數(shù)；

（6）輸出每個樣本所屬的類別。

經(jīng)過供應(yīng)商聚類分析的潛在供應(yīng)商列表得到進一步優(yōu)化，對供應(yīng)商的外部信息進行了充分的聯(lián)動，最大限度地避免了人工計算的偏差，提升了模型計算結(jié)果的科學(xué)性和合理性。

四、結(jié)語

本文在采購策略歷史數(shù)據(jù)結(jié)構(gòu)化、標(biāo)準(zhǔn)化的基礎(chǔ)上，引入聚類算法理論，探索采購策略智能推薦的應(yīng)用，通過對采購策略以及供應(yīng)商歷史數(shù)據(jù)的分析，構(gòu)建采購策略智能推薦模型，嘗試潛在供應(yīng)商推薦功能。通過對投標(biāo)供應(yīng)商的歷史招投標(biāo)數(shù)據(jù)持續(xù)分析挖掘，不斷優(yōu)化篩選推薦結(jié)果，最大限度地避免可能存在的采購風(fēng)險，有效地提升了采購策略的準(zhǔn)確性和效率，為優(yōu)選供應(yīng)商提供了科學(xué)合理的決策輔助分析。