美林数据：大数据+AI提升钢企采购力

程梦瑶

美林数据利用大数据进行综合分析，构建基于质检结果的重要原燃料供应商预警模型和物资采购尽职水平分析模型，来协同供应商评价与采购管理，从而帮助钢铁企业规避物资风险，实现精细化管理。

2019年9月，中国钢铁工业协会发布1～7月钢铁行业运行情况，数据显示，7月钢铁生产增速明显回落，钢材价格相对平稳，由于原料成本处于高位，钢铁企业效益又有所下滑。近几年来，钢铁企业面临着成本上升和转型升级的双重压力，包含劳动力成本、燃料材料成本以及物流成本在内的钢铁相关企业的运营成本逐年上升。

在钢铁产业供应链中，原燃料供应商占据着重要地位，如何选择、评价和管理供应商，会对运营成本产生直接影响。“钢铁行业实际上是非常典型的流程行业。流程行业基本都是大宗原材料采购，采购金额甚至占到生产成本的70%～80%。而我们知道这种大宗的原材料采购一般都是采用期货的方式进行交易。这个时候，就会存在巨大的价差。”美林数据技术股份有限公司（以下简称“美林数据”）副总经理于洋解释道。

面对这种客观情况，钢铁企业对采购人员的能力要求非常高。正如于洋所说：“由于每个采购人员在经验或者能力上的差异，采购策略也有所不同，不同的采购策略有可能造成对企业利润的吞噬。”对此，美林数据的做法是，利用大数据进行综合分析，构建基于质检结果的重要原燃料供应商预警模型和物资采购尽职水平分析模型，来协同供应商评价与采购管理，从而帮助钢铁企业规避物资风险，实现精细化管理。

多措并举，钢企供应链管理推陈出新

随着供应链及供应链管理理念的影响日益加深，供应商关系也随之发生变化。在传统的供需管理模式下，对于供应商的评价指标往往都是围绕供应商供货的质量、成本、技术力量、价格、交货期等方面。事实上，这些传统的评价指标在应用中受到极大的限制，根本不适應在动态、合作、竞争的市场环境中实现信息共享、风险共担的战略性合作伙伴关系。

基于传统的供应商评价体系，很多钢企采购人员对重要原燃料的采购管理多数是凭经验选择供应商，在部门和个人利益驱使下，一方面缺乏科学合理的供应商评价体系;另一方面，尽管有评价指标体系，但各方案指标值的给定仍然难以避免主观因素及个人利益的影响，因而评价体系形同虚设，所谓的科学选择流于表面化。

因此，利用大数据建模技术进行供应商动态预警分析，促进钢企以全新的视角展开供应商评价与选择，显得尤为重要。与此同时，围绕采购人员在重要物资种类采购过程中的采购效率、采购质量、采购成本、供应商管理等业务数据，通过规划定性或定量的评价指标体系，建立特定物资采购尽职水平分析评价数据模型，从而对采购人员履职全过程进行工作绩效综合评估，进而推动优化采购管理流程，完善采购管理相关制度。

多维度、分权重，创建综合量化指标体系

在于洋看来，对采购人员进行尽职评价，实际上是有一系列指标作为支撑的。“传统上并没有一个综合的评价方法，但我们这个方案还是对一些构成指标进行了一个捏合，得到了一个量化的评价指标体系。”于洋所提到的量化评价指标体系，基于两个层面展开：

其一是重要原燃料供应商动态预警评价指标体系。这套指标体系是建立在现有ERP系统内可支撑的业务数据基础上，主要围绕以上质量稳定性、供货周期性、合同兑现率、价格差异率等关键动态指标设计。

由于不同类型的原燃料需求侧重点不一样，这套指标体系根据各指标历史情况对供应商进行预警分析，除传统评价指标外，还可以基于质检结果的动态指标分别进行排序，可供各生产厂矿和采购部门根据原燃料需求侧重点进行供应商的选择。

其二是物资采购尽职水平评价体系。这套基于多维度多指标的综合评价体系旨在开展采购人员在目标物资采购时尽职水平的综合评价，覆盖特定物资采购履职全过程的数据维度较多，如采购计划、采购成本、采购物资质量、供货履约率、库存稳定水平等。

这套体系拟通过此类数据收集、梳理理解与预处理，并结合指标的正反向（正向评价指标越大越好，逆向指标越小越好）确定与处理，从而形成尽职水平分析全维度数据链，通过结合大数据分析方法及建模技术、权重系数设定方法，建立相关评价分析模型，据此实施后可实现对采购人员履职过程量化、透明的有效监管，进而为采购管理优化、采购制度完善提供数据决策支持。

将内在价值显性化

以某钢企的不锈钢子公司为例，该公司采购科近两年采购金额约50亿～60亿元，主要是大宗合金原料，采购金额占销售收入的65%，在生产成本组成中占有重要比重，对生产成本和盈利能力影响重大。

目前主要包括镍系合金、铬系合金、小品种合金、包芯线、小品种材料、不锈废钢等类别，涉及数百个物料，常用物料百余个，其中镍、铬系合金价值大，市场行情波动大，因此需要重点关注。

美林数据围绕不锈钢厂采购科不同采购群组在系列物资采购过程中的采购计划兑现率、采购物资质量、采购成本控制、库存稳定性把控、供应商管理等业务数据，结合现有业务评价方法，设计定性或定量的评价指标体系，建立特定物资采购尽职水平分析综合评价数据模型，从而对采购人员履职全过程进行工作绩效综合评估和数据支持服务，进而推动优化采购业务流程，协助完善采购管理相关制度。

该钢企已经搭建有集数据采集、数据存储与集成、数据处理和数据可视化四层架构的大数据平台，包含多种工具软件，其具体分析挖掘过程及结果展示则采用美林数据自主知识产权的Tempo大数据分析平台进行。

Tempo大数据分析平台是一款集数据源接入、数据探索与预处理、数据分析与数据挖掘、数据可视化及分析结果应用于一体的软件产品，系统包括可视化探索分析（BI）与深度分析挖掘（AI）两大核心模块。

“通俗来讲，BI主要是做可视化分析。可视化就是以图表的形式，把我们的分析结果展现出来，比如均价和实际价的对比，或者是库存的实际情况等。BI只具有简单的或经典的统计功能，还有一些分析实际上是没有办法通过简单的统计方法来实现的。比如针对被评价对象、评价指标、权重系数、综合评价模型和评价者这五个关键影响因素，去做量化的综合指标，这就需要用到Tempo AI里的一些分类或者聚类的算法功能才能实现，得到结果之后，我们又可以通过可视化工具将综合结果展示出来。”于洋解释道。

总体来说，通过利用大数据技术对原燃料供应商进行动态预警分析，美林数据为广大钢企提供了全新的视角来研究供应商评价与选择问题，而通过对采购人员履职全过程进行综合评估和数据支持服务，也为全面优化采购管理业务提供了支持。

最佳实践：钢企采购管理与供应商预警分析

行业背景

钢铁行业作为从事金属矿物采选与冶炼加工的国民支柱产业，是国家重要的原材料工业之一。现阶段我国正处于工业化发展中后期阶段，钢铁需求巨大，但钢企整体却处于微利水平。在大数据时代，产业竞争更加激烈和透明，为保持其竞争力，企业需从产品质量提升、生产成本降低、生产运营模式改进等方面全面努力。

原燃料供应商在钢铁产业供应链中占据着重要地位，如何选择、评价和管理供应商，显得尤为关键。因为钢企的原燃料采购具有如下特点：质量稳定性和及时性要求高，为保证生产线稳定运行，原燃料供應具有良好连续性和稳定性，且需求数量大，原燃料成本在钢铁企业生产总成本中占有重要比重。因此，利用大数据进行综合分析，构建基于质检结果的重要原燃料供应商预警模型和物资采购尽职水平分析，来协同供应商评价与采购管理，对企业规避物资风险、稳定发展和精细化管理都具有非凡意义。

解决方案

针对供应商综合评判的维度单一、缺乏数据化准确支持、无持续性动态评价且评价周期长等不足，美林数据充分结合业务实情，设计了供应商综合评价指标体系，并对各指标赋予了不同权重，全面建立了基于大数据的原燃料供应商评价体系。

借助Tempo大数据分析平台的BI和AI模块，通过机器学习技术训练了综合评价模型与随机森林分类模型，提炼出了相应的评价预警模型，系统界面支持多维度查询、供应商分级与维度指标值显示，促进钢企以全新的视角展开供应商评价与选择，为科学全面动态地进行供应商评价奠定基础，具有指导大数据技术在此业务中应用的广阔前景。

此外，通过对于物资采购履职全过程的多维度数据（如采购、收货、质检等）的抽取、爬虫、融合及预处理，形成了采购人员尽职水平分析全维度数据链，实现了从采购计划完成情况、采购价格合理性、质量合格率、供应商管理、库存管理、采购物料质量变化等多维度下的采购行为全方位精细化评估。

结合大数据分析建模技术建立相关评价分析模型，分析采购群组的业务开展情况，实现了对采购人员履职过程量化、透明的有效监管，为采购管理优化、采购制度完善提供了数据决策支持。

方案价值

1.建立原燃料供应商评价体系，盘活企业采购与供应链数据资产，构建供应商预警模型，为供应商选择提供依据，且对潜在行为作出动态预测分析。

2.结合业务评价标准，设计了采购尽职水平评价指标体系，构建了尽职水平综合评价数据模型，对采购人员履职全过程进行综合评估和数据支持服务，对全面优化采购管理业务提供支持。

3.在钢铁企业开辟了集业务数据抽取、融合与建模分析、结果展现系统开发为一体的大数据技术应用实现路径。

4.有效构建了具有实际业务支撑意义和企业价值提升的数据分析模型，且获得应用验证。