許浩宇

摘要：在現(xiàn)今的企業(yè)生產經營中，為了更好的降低自身的生產采購成本，就需要建立起合理、規(guī)范的供應商管理制度，所以對供應商開展信用評估起到了一定的意義。本文基于大數據環(huán)境背景下，建立起供應商信用評估使用方法，先確定出信用評估相關指標，并論述指標構建使用的方法，再使用及機器學習算法建立起信用評價模式，最后根據對供應商評價的結果給出相應的處理措施。

關鍵詞：大數據;供應商;信用評估方法

對于企業(yè)自身的發(fā)展來講，與供應商之間建立起長期、穩(wěn)定的關系，對于企業(yè)生產產品的質量、成本等多方面起到影響。為了有效的解決該問題的存在，需要根據企業(yè)自身的實際情況制定出合理的供應商管理制度，現(xiàn)今供應商質量存在著良莠不齊的現(xiàn)象，需要企業(yè)定期的對供應商開展評價與考核，以此確保供應商的等級，并根據供應商的等級具有針對性的篩選，以此提升產品供貨質量。

一、評估指標的選取

在現(xiàn)今物聯(lián)網與大數據發(fā)展的環(huán)境下，對于企業(yè)的信用評估需要考慮所有的綜合因素，并結合使用現(xiàn)今往網下認證與網上評估，才能構建起企業(yè)信用評估體系。

我們可以將企業(yè)信用評估體系劃分為靜態(tài)體系與動態(tài)體系，靜態(tài)指標主要指的是企業(yè)的實體信息，其中包含了注冊信息、注冊年限以及信用等級等多個方面。

動態(tài)指標通常情況下是用在實際交易或者是線下交易過程中，從賣方的角度來看，動態(tài)指標主要集中在以下方面，產品情況中指的是產品質量、支付價格等，支付方便度、運輸質量、溝通態(tài)度以及交易次數等。

二、指標構建方法

本文的論述中主要基于數據考慮的基礎之上，使用線性與非線性等方法，最終給出了相關的指標構建方法。

首先，數據獲取，在現(xiàn)今互聯(lián)網大數據的時代發(fā)展背景下，能夠用來使用的數據量是非常多的，并且可以在網絡上自由的獲取信息，通過使用網絡爬蟲程序，可以更好、更輕松的獲取到獲取到目標程序。但是網絡上獲取到的數據呈現(xiàn)出明顯的多樣化、非結構性特征，且獲取到的數據有著噪聲大、缺失值多等誒單，這也就導致對數據開展的處理工作變得非常復雜。為了能夠解決實際存在的問題，就要基于廣度優(yōu)先遍歷的策略基礎之上，促進工作的程序結構化與模塊化的實現(xiàn)。在已有明確的評估指標情況之下，可以保障多所有數據獲取過程的自動化，盡可能的減少工作開展中出現(xiàn)的人工干預情況，以此來保障所有數據的一致性。

如上述步驟中所提到的，可以將爬蟲算法劃分為如下的幾個階段：

對供應商的選擇——根據算法的使用可以將供應商的主頁網址與相關信息的網頁作為程序的入口，并且進行入棧;

對核心網頁的解析——通過解析算法的使用可以爬取到相應的網頁，以此保障所獲取到的網頁鏈接信息的有效性，并且對其中抽取的網頁信息數據進行驗證;

對數據的清洗——在數據使用過程中，針對于缺失的數據值進行填充時，需要刪除掉一些不必要的數據，以此保障對數據化結構的調整;

數據集成——主要從結構化的數據中獲取并計算出相應的評估指標方法;

數據存儲——將相應的指標數據有效的存儲到相應的數據庫中。

其次，數據標準化處理。在創(chuàng)建出具體的指標數據之前，需要對一些原始的數據標準化展開處理，以此保障相關數據之間的構成可以形成同趨化。本文主要使用的是z-score標準化方法實現(xiàn)了對數據的處理，主要使用的公式如下：

在本公式中n代表的是樣本個數，x1則表示的是樣本屬性取值，x指的是樣本中的屬性均值，xstd則表示的是樣本屬性的標準差。

三、信用評價模型

對于信用的評估通常情況下采用的是評分卡的方式，但是在該方式的使用過程中有著非常多的人工影響因素，對于結果的判定往往需要結合專家的經驗。隨著近些年我國機器學習技術的不斷發(fā)展，促使機器建模方法的應用，強化了評估方法的開展。在對該方法使用的過程中，所有的評價結果都是依賴數據資料，不會受到分析人員的影響。綜上所述，在本文中使用的是Boosting算法實現(xiàn)對用戶信用等級分類的計算。

（1）Xgboost算法

對于及其學習方法來講，Boosting算法的使用，實現(xiàn)了弱分類轉化為強分類的方法，可以有效的達到分類的目的。Boosting算法在使用過程中最具代表性的就是GBDT，但是使用Xgboost算法，實現(xiàn)了對GBDT算法的改進以及提升，最大效率的提升在環(huán)境發(fā)展下算法的執(zhí)行效率，可以將其描述為

在本公式中i=1，2……n表示的都是特征數據;其中F表示的是弱分類器的集合，可以使用fK進行表示。

（2）評價標準

在現(xiàn)今大數據發(fā)展背景之下，針對于企業(yè)信用評價體系的特征，可以使用Xgboost模型，實現(xiàn)對每個企業(yè)用戶征信等級的分析，同時建立起有效的信用評估等級，并且使用優(yōu)、良、中、差進行分析表示。

四、供應商評價結果與相關措施

優(yōu)所代表的是優(yōu)秀的供貨商，也就是企業(yè)在長期發(fā)展中可以優(yōu)先考慮的供貨商，將其列為長期供貨商;良與中級可以將其視為正常的供應商，根據供應商實際的考核結果，以及其自身的意愿，可以將其劃分為“優(yōu)”等的供應商。針對于差級的供應商來講，需要采購部門在工作開展中，可以考慮將其剔除供應商采購名單，以此提升供應商產品質量，促進企業(yè)的健康發(fā)展。

五、結語

本文基于大數據發(fā)展背景之下，開展對供應商信用評價方法的研究，主要闡述的是對評價指標方法的使用，其中包含了動態(tài)指標與靜態(tài)指標的結合，指標構建使用的方法以及信用評價模型的構建等。并根據實際的評價結果制定出相應的處理措施，優(yōu)先采購、正常采購等方式，在文中所涉及到的信用評價方法，對于我國企業(yè)的自身發(fā)展起到了一定的借鑒與指導意義。

參考文獻

[1]田麗，鐘肖英. 基于大數據分析的跨境電商平臺供應商評價體系探究[J]. 電子商務，2020，（12）：44-45.

[2]燕歌，許超. 基于大數據的集中采購平臺供應商信用管理的研究及應用[J]. 建設機械技術與管理，2020，33（03）：62-66.