当前位置: 模型材料 >> 模型材料资源 >> 数据驱动的采购管理供应商履约风险预警
编者按:
本文基于数字化和智能化的时代背景,聚焦供应商履约风险,以数据赋能为原则,通过挖掘采购数据价值和运用机器学习技术,探索形成了数据获取—算法应用—管理提升的数字化采购新路径。
近年来,伴随社会资源的数据化和算力的进步,机器学习或人工智能技术在各行各业得到了普遍应用。在采购领域,业内领先的机构已经在采购部门设立了大数据分析小组,借助数字化技术不断提升市场议价和预测能力,以打造基于数据和算法的企业核心竞争优势体系。按此趋势,未来的采购业务将在专业数据工程师的指导下开展,采购部门和数据分析部门的界限将变得越来越模糊。
基于数字化和智能化的时代背景,本文聚焦供应商履约风险,以数据赋能为原则,通过挖掘采购数据价值和运用机器学习技术,破解履约风险防范难题,探索形成数据获取—算法应用—管理提升的数字化采购新路径。
一
研究的意义
由于参与经济活动的主体对于信息的掌握程度不同,采购人和供应商之间普遍存在信息不对称,而信息不对称直接导致了经济主体决策风险和监督成本的增加。在采购领域,可以总结出一个简单的事实:信息不对称程度越高,履约风险越高,两者呈现较强的相关性。通过设计并执行供应商选择评价机制,采购人在很大程度上掌握了供应商信息,并据此判断供应商的履约能力。同时经验告诉我们,供应商的实际履约表现和即将投入的资源状况仍然有待检验。如很难根据采购评审时工程承包商提供的甲级资质或过往的优秀业绩预测出在本项目的表现,承诺兑现程度、成本控制能力、任务团队责任心、安健环风险意识、多次转包行为、与利益相关方关系的处理能力等都是难以在事前评价时得以暴露和解决的问题。此外,行业市场的突然变化对履约行为的影响也存在较大不确定性,如原材料价格上涨导致的供货质量下降或超期供货等违约行为。
以上原因使得评价后胜出的供应商并不能让采购人高枕无忧,供需双方的信息不对称仍然存在。同时,数据驱动的数字化技术可以提供更全面的供应商信息维度解析,从而有效缓解供需双方信息不对称问题。基于此,本文设想通过对采购数据的收集整理,利用数字化技术区分不同履约风险等级的供应商,由采购部门主动发起预警,会同需求部门等重点
转载请注明:http://www.aideyishus.com/lkzp/8896.html