基于历史数据的供应商画像技术研究

摘要：当前随着市场环境的变化，供应链的风险和不确定性在增加。供应商的采购、生产和物流周期都存在较大的不确定性，供应能力和周期也存在不确定性。尤其对于供应商管控能力弱的中小企业而言，这种不确定性带来极大的管理和交付难题。借助历史供应数据对供应商进行画像，摸底其供应能力和周期，并在制定供应计划时充分尊重供应商的供应能力和供应周期，将是保障整个供应链中供应计划可行性的重要手段。通过建立基于模型和数据的供应商画像方法，实现基于历史数据的供应商供应能力智能评判，提前预判可能的供应风险，并作为采购计划制定的依据。

关键词：供应链管理、供应计划、供应商画像

引言

供应链管理是指在满足一定的客户服务水平条件下，为实现企业经营成本最小化、整体利润的最大化，对企业上、中、下游连接之间原料供应、产品制造、物件配送、成品销售等连锁经营活动进行管理的方法。其中，供应商管理是供应链中必不可少的一个环节，供应计划的制定过程要充分考虑供应商的供应能力，而目前供应商的供应能力测算还更多依靠采购员估算，缺乏相应的科学依据。当前随着市场环境的变化，供应链的风险和不确定性在增加。供应商的采购、生产和物流周期都存在较大的不确定性，供应能力和周期也存在不确定性。如果不能科学地评估供应商供应能力，就可能会错误地选择供应商进而影响采购计划的履行，影响自身的供应和交付。

对于大企业，可以采用自身在供应链的优势地位来要求供应商严格履行采购计划。而对于广大中小企业而言，一方面采购量少，采购量不够稳定，对供应商管控能力弱；另一方面也没有足够的资金构建完善的供应商管理系统，实时获取供应商的采购、生产、质检等信息。因此，中小企业更多依赖采购员的经验来实施供应链管理，在客观性方面有所不足，也容易带来管理和交付难题。

为了不依赖经验对供应商进行评价和判断，需要采用科学的供应商画像技术。其目标是基于供应商历史的供货数据来判断供应商的供应能力和供货质量，并针对具体的采购计划分解，模拟供应商可能的交付日期和交付质量。基于整个供应链中的多个供应商的画像数据，就可通过供应链仿真的方法模拟整条供应链的运作状态，进而对采购计划进行评价，提前发现可能的风险点，并加以预防。供应商画像是用一连串的标签简短而形象地描述一个供应商的特征，主要是通过供应商历史数据，预测供应商针对既定采购量的供货周期和供货质量[2]。

本文首先从供应商的供应周期将供应商种类分为一般供应商和瓶颈供应商，并阐述了一般供应商和瓶颈供应商供应周期预测的方法，之后论述了从供应商基本信息、供货质量、供货周期等三个方面对供应商画像进行建模的方法，最后提出了基于历史数据驱动的供应商画像技术的应用模式。

一、供应商画像分析

1.供应商分类

首先需要对企业的供应商进行分析，不同类别的供应商采用不同的画像方法[3]。按照供应商对供应链整体的影响程度，供应商可分为如下两类：

（1）一般供应商

供应总周期按从低到高排序，位于前95%且供应周期远小于供应总周期，且可替代性比较强的供应商为一般供应商。此类供应商供应周期对供应链整体影响不大，在生产齐套时成为紧缺物料的可能性较低。因此在制定供应计划时，不必对其特殊考虑，只需参考其历史供应周期即可。供应商画像只需根据其供应历史，描述其供应周期。

（2）瓶颈供应商

供应总周期按从低到高排序，位于后5%且很难被替代的供应商为瓶颈供应商。此类供应商供应周期对供应链整体影响较大，在齐套装箱时成为紧缺物料的可能性高。因此在制定供应计划时，需对其特殊考虑。对瓶颈供应商而言，需逐一对其生产周期予以细化，其生产周期一般包括采购、加工、质检、运输四个环节，如图1所示。

采购：即供应商采购原材料所耗费的时间周期，一般采购时间和采购批量相关，多数情况下多个供应波次会在第一次采购完成。采购完成后进入加工环节。

加工：即供应商在其原材料齐套后的生产加工时间，一般加工时间与批量相关，且存在最大和最小加工批量约束，当采购物料批量较大时，可能分若干批次加工完成。当完成采购订单上一波产品的量时，进入质检环节。

质检：即供应商在加工完成后的质检时间，一般是一个采购订单所有生产批次均加工完成后才开始质检，质检周期和质检类别和批量相关。质检完成后进入运输环节。

运输：即供应商完成质检后将产品运输至需求地的时间，运输时间和运输距离相关，根据供应商所在地理位置确定运输时间。

2.一般供应商供应周期预测方法

对一般供应商，在预测供应周期的过程中，主要采用数据驱动和模型驱动两种方法，若在历史数据库中有与当前订单相同的订单时，采用数据驱动（利用历史数据）的方式对供应时间进行预测；若在历史数据库中无法查到与当前订单相同的订单时，采用模型驱动的方式对供应时间进行预测。如图2所示。

(1)模型驱动

模型驱动的基本思想是如果一般供应商不存在相同采购数量的供应历史，则需对历史供应数据进行拟合处理，得到采购数量和供应周期的函数模型，根据不同应用场景又分为一般产能预测函数以及极限产能预测函数。函数的计算方法如下：

首先对历史数据进行清洗，清洗掉不合规的数据。一般而言，企业下达订单会根据齐套性和自身产能需要，要求供应商分波次供应。供应商接到订单后开始采购备货，并分波次生产和供应。因此采购周期通常会发生在第一波次，即第一波次的供应时间为采购周期与生产周期之和，而后续波次供应时间只有生产周期。因此将历史数据按订单分开为第一波供应数据和第一波后的供应数据。第一波供应周期预测函数为：

Y1=X1/a+bX1

其中Y为需要计算的该供应商的供应时间，X为订单给出的产品需求量。a、b分别为需要计算单日生产速度和平均到单件产品的采购时间。该函数表示供应时间由产品生产时间和采购时间两部分构成，其中X/a、bX分别为对应数量为X的产品的生产时间和采购时间。

第一波后续波次供应周期函数为：

Yn=Xn/a

具体参数的计算方法如下：

将历史数据中的第二波及以后的供应量、供应时间分别求和得到总供应量Xn与总供应时间Yn。由于多数情况下多个生产波次的采购在第一个波次完成，因此从第二个波次开始的采购可视为没有准备时间。因此可认为Yn为已完成准备工作后生产Xn件产品所需的时间，则a=Xn/Yn为单日生产速度。同样地，将历史数据中第一波供应的供应量、供应时间分别求和得到总供应量X1与总供应时间Y1，则X1/a为X1件产品的生产时间，（Y1-X1/a）即为所有波次的总准备时间，将总准备时间（Y1-X1/a）除以X，得到平均每件产品的采购时间b。

(2)数据驱动

数据驱动的基本思想是如果一般供应商有相同采购数量的供应历史，则按供应历史预测本次采购的供应周期[4]。在历史数据库中，选择供应批次、数量均与当前采购订单相同的历史订单，若仅有一条相同历史数据，则该历史供应时间即为当前采购订单的供应时间，若有多次相同数据，则计算多次供应时间的平均值作为当前采购订单的供应时间。

二、供应商画像建模

供应商画像由供应商机理模型和供应商数据模型构成(如图3所示)。供应商机理模型也可表述为“供应商生产能力评估模型”，是基于供应商的库存和生产工艺来评估供应商针对当前订单需求的供货能力；供应商数据模型主要用于记录供应商的基本信息和历史供货信息[5]。

1.供应商机理模型

构建供应商机理模型，主要考虑如下几个指标：

（1）供应商成品库存

供应商当前可用于供货的货物库存量。指标值为具体的货物库存数量。当库存量大于订单需求时，表示库存充足，在无需生产的情况下库存量能够满足订单要求；当库存量小于订单需求时，表示库存不充分，表明还需开展生产才能满足订单需求。

（2）供应商原材料库存

供应商可用于生产的原材料的库存数量。新生产产品和库存产品数量之和能够满足订单，则表示原材料库存充足，否则，原材料库存不充足。

（3）生产批量

供应商生产该产品的最小经济批量。针对货物是否为关键产品，应采用不同精度的生产批量，例如，关键产品的生产批量应精确到个位数，非关键产品则精确到十位数即可。通过对关键产品和非关键产品的区分，可以充分且精简地描述数百家供应商、每家供应商可提供多种产品等相关信息，利于数据的记录分析与供应链数字孪生建模。

（4）生产周期

供应商生产该产品的生产周期。也需要区分关键产品和非关键产品。

以订单需求某产品100件、供货时间为10天举例说明。

如表1所示，通过数据定期采集并评估供应商供货能力，可知示例供应商1、2具备充足的供货能力，此时，只需简单查询该供应商的数据模型，根据供应商历史履约情况最终确定是否给该供应商下订单。针对供应商3、4，则还需要深度分析该供应商的数据模型，确定是否向该供应商下订单、确定订单产品数量、确定是否需要其他供应商同时供货等相关决策问题。

2.供应商数据模型

构建供应商数据模型，主要考虑如下几个指标：

（1）供应商基础信息

供应商基本的企业信息、供应商地理位置、供应商可生产产品等相关基础信息，该类信息主要是指一些长期不变的基本信息。

（2）供应商历史供货信息

供应商在历次的供货活动中，每一次订单的详细情况、供货情况、生产情况等信息，该类信息会随着供货次数的增加而不断增加。

（3）供应商按时供货能力

该类信息主要通过对“供应商历史供货信息”进行深度分析，清楚描述该供应商在各种情况下的供货能力。

3.供应商画像

在机理模型和数据模型对供应能力描述的基础上，可以清晰地勾勒出供应商的画像，但上述供应商机理模型和供应商数据模型包含多方面的信息，虽然数据详实，但是不能直接进行可视化，需从用户业务角度出发，对供应商的这些信息进行有机梳理和重组。通过详细的调研和分析，供应商画像可以归纳为三方面：“着重刻画静态信息”的基本信息方面、“描述动态实时能力”的供货周期方面、“挖掘长期历史知识”的供货质量方面。其中，基本信息方面可以分为供应商的商务信息和具体业务信息两个子方面；供货周期方面可以分为供应商的瓶颈信息和供货能力两个子方面。供货质量方面可以分为供应商的质量信息和时间性能两个子方面。

基于上述设计，开展对供应商画像工作。供应商画像结构如图4所示。

（1）基本信息

供应商画像的基本信息可以分为供应商的商务信息和具体业务信息两个子方面。

①供应商的商务信息包括：供应商名称、联系人、联系电话、税号、法定代表人、开户行名称、开户账号、往来单位信息id等。

②供应商的具体业务信息包括：供应商的资质、供应商地址、供应的产品、是否一级供应商、供货比例、成品库存、生产批量、日均产量、日最大生产量等。

这些基础信息是对供应商最直观的展现，并随数据进行实时更新。数据主要来自于与供应商进行采购时签订的订单，和供应商日常联系情况，这些数据由采购部门进行整理后整合到相应的电子表格或数据库中，并根据实际情况以及与供应商的联系对此部分信息进行实时更新。通过此部分画像构建，可以明确清晰地看到各个供应商在全国各个地区的分布情况，同时也可以查看部分产品在地图上的分布情况以及对应供应商数量的统计。如图5所示，将供应商基础信息进行整合后，以地图的形式直观展现供应商地理位置分布。

（2）供货周期

供应商画像的供货周期可以分为供应商的瓶颈信息和供货能力两个子方面。

①供应商的瓶颈信息包括：是否一般供应商、生产瓶颈供应商、采购瓶颈供应商、重点部件名称、重点部件现有量等。

②供货能力包括：采购周期（天）、检验周期（天）、运输周期（天）、生产周期（天）。采购周期（天）是指从供应商发出原材料采购单，到供应商收到原材料的时间；生产周期（天）是指从供应商开始投产一个批次原材料至形成产品的时间；检验周期（天）是指供应商从产品形成到检验完成的时间；运输周期（天）是指供应商运输产品到研究所的时间。供应商交货的日期减去订单下单的日期为供应商本次供货周期。即：供应周期（天）=交货日期-下单日期。

根据供应周期（采购、生产、质检和物流）进行供应商的划分。如表所示，采购周期长的进入二级供应商，二级供应商按一般供应商核算；生产周期长的进入生产阶段，每阶段按周期、批量及阶段关系核算；且瓶颈供应商需单独建模和维护。

（3）供货质量

供应商画像的供货质量可以分为供应商的质量信息和合格率与供货量关系两个子方面。

①供应商的商品质量信息包括：废品率、检验合格率、质量事故、批量不合格率等。废品率是指废品数量在合格品、次品和废品三者总数量中所占的百分数，它是反映产品生产工作质量水平的一个指标；检验合格率是指交付的产品,通过客户验货被合格接收的数量占交付产品总数量的比率；质量事故是指每年由于产品不合格引起的生产停顿次数，导致供应商停止发货，停止生产或者要求将以制造的产品进行修正；批量不合格率是指在一定期间内,在所有的检验批中,若因检验判定不合格而整个检验批需要返工(或返修或报废)的批数占总的检验批的批数的比例。

②合格率与供货量关系，即根据历史供应数据，形成供应商产品合格率与供货量的曲线图，为描述供应商供货质量提供参考。

三、供应商画像系统开发

采用上述供应商画像方法开发供应商画像系统。供应商画像系统总体数据关系图如图6所示。通过对一级供应商和二级供应商两个对象进行属性描述，将订单、产品、零件和采购关系与各级供应商进行关联，形成数据管理架构。

基于该系统，可以对供应商历史供应数据进行查询、统计和管理，并基于历史数据对供应商画像。由采购人员使用，通过设定评价分析指标和对象，结合订单信息和采购信息对供应商进行综合评价、分析和管理，供应商画像的结果可作为采购计划制定的依据，对减少采购计划制定过程中的主观因素具有积极作用。

四、结束语

为了应对持续增加的供应链风险，面向中小企业提出供应商画像技术，尽可能避免人为因素对供应商评价的影响，基于历史供应数据刻画供应商特征，为采购计划和过程的管理提供依据。但供应商画像技术目前依然存在一些局限，如历史数据量少、关键信息搜集困难、标准未统一等，这些局限阻碍了其进一步的应用，有待进一步的研究与探讨。