電力企業(yè)供應(yīng)商信用風(fēng)險(xiǎn)管理

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了電力企業(yè)供應(yīng)商信用風(fēng)險(xiǎn)管理范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：供應(yīng)商管理作為購買者實(shí)行信用風(fēng)險(xiǎn)管理的重要前提，高質(zhì)量的風(fēng)險(xiǎn)管理信息系統(tǒng)得到廣泛實(shí)踐。目前，供應(yīng)商信用風(fēng)險(xiǎn)管理較為零散，供應(yīng)商信息不全面，這些問題一直阻礙我國電力企業(yè)的持續(xù)發(fā)展。因此，建立供應(yīng)商信用風(fēng)險(xiǎn)管理方案，采用科學(xué)的方法收集和統(tǒng)計(jì)實(shí)現(xiàn)供應(yīng)商信用風(fēng)險(xiǎn)管理成為了電力企業(yè)工作人員的首要工作。本文簡要地分析了國內(nèi)外數(shù)據(jù)挖掘技術(shù)的研究現(xiàn)狀，提出了基于大數(shù)據(jù)分析的電力企業(yè)供應(yīng)商信用風(fēng)險(xiǎn)管理方案。

關(guān)鍵詞：數(shù)據(jù)挖掘；供應(yīng)商畫像；信用風(fēng)險(xiǎn)

0引言

在供應(yīng)商信用風(fēng)險(xiǎn)管理過程中，充分利用好大數(shù)據(jù)是企業(yè)占領(lǐng)市場、獲取利潤的捷徑。將供應(yīng)商數(shù)據(jù)化，即構(gòu)建供應(yīng)商畫像是企業(yè)對供應(yīng)商信用進(jìn)行有效管理的重要手段，其目的是供應(yīng)商信用的全數(shù)據(jù)描述，根據(jù)價(jià)值細(xì)分供應(yīng)商，了解供應(yīng)商信用情況，制定精準(zhǔn)的供應(yīng)商管理方案，為供應(yīng)商信用管理提供支持。本文基于對供應(yīng)商的評價(jià)分析管理，通過對供應(yīng)商信息風(fēng)險(xiǎn)管理中大數(shù)據(jù)的挖掘、分析，提出供應(yīng)商畫像的概念，并以此為依據(jù)實(shí)現(xiàn)不同供應(yīng)商信用分級管理，同時(shí)提出業(yè)務(wù)和系統(tǒng)的改進(jìn)策略，以優(yōu)化供應(yīng)商之間及供應(yīng)商與電網(wǎng)企業(yè)之間的關(guān)系。在保證服務(wù)質(zhì)量的前提下，降低供應(yīng)鏈運(yùn)行成本，幫助電網(wǎng)企業(yè)建立競爭優(yōu)勢，獲得更多的客戶滿意度。

1國內(nèi)外數(shù)據(jù)挖掘技術(shù)的研究現(xiàn)狀

數(shù)據(jù)挖掘技術(shù)是一種對電力企業(yè)信用管理決策提供支持的技術(shù)，它主要是基于機(jī)器學(xué)習(xí)、人工智能、統(tǒng)計(jì)學(xué)等技術(shù)對大量的數(shù)據(jù)進(jìn)行處理，從而做出歸納性的推理，挖掘出數(shù)據(jù)中的潛在模式，并對供應(yīng)商的信用風(fēng)險(xiǎn)進(jìn)行預(yù)測，從而幫助企業(yè)的決策者們及時(shí)調(diào)整市場策略以減少可能存在的風(fēng)險(xiǎn)，做出盡可能少的錯(cuò)誤決策。從商業(yè)層面上來說，數(shù)據(jù)挖掘還可以描述為：按照企業(yè)既定的業(yè)務(wù)目標(biāo)，對海量的業(yè)務(wù)數(shù)據(jù)進(jìn)行探索和分析，從而揭示隱藏的、未知的或者驗(yàn)證已知的數(shù)據(jù)的規(guī)律性，并進(jìn)一步將其模型化，用戶興趣模型也就應(yīng)運(yùn)而生。根據(jù)已有的數(shù)據(jù)對用戶信用風(fēng)險(xiǎn)進(jìn)行建模，并進(jìn)行規(guī)則抽取與提煉，得到用戶的畫像。國內(nèi)將數(shù)據(jù)挖掘的技術(shù)應(yīng)用在電信領(lǐng)域的成果案例也不少。比如李軍利用數(shù)據(jù)挖掘的算法對電信行業(yè)的客戶流失模型進(jìn)行建立與分析，針對不同種類的客戶分別進(jìn)行了不同模型的流失分析；段云峰、吳唯寧、李劍威等在數(shù)據(jù)倉庫及電信領(lǐng)域的應(yīng)用中，運(yùn)用數(shù)據(jù)倉庫的方法對電信行業(yè)的服務(wù)客戶進(jìn)行存儲管理；吳愛華在數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用研究中，應(yīng)用了數(shù)據(jù)挖掘的相關(guān)知識來研究數(shù)據(jù)挖掘算法在用戶關(guān)系管理中的應(yīng)用；葉松云在我國電信行業(yè)客戶流失管理的建模分析及應(yīng)用研究中，通過對電信行業(yè)的流失客戶進(jìn)行模型建構(gòu)，通過管理這個(gè)流失模型來有效控制客戶的流失。目前南方電網(wǎng)企業(yè)和供應(yīng)商的信息交換處在一種繁雜的狀態(tài)，電網(wǎng)企業(yè)可以對單個(gè)供應(yīng)商信用情況進(jìn)行信息的查詢，反饋，但很難通過獲得的信息對多個(gè)供應(yīng)商信用進(jìn)行有序、有效的管理。供應(yīng)商的管理缺乏直觀、可視化的手段和方法。通過建立供應(yīng)商模型可以將紛亂的數(shù)據(jù)進(jìn)行清洗和建模，提供進(jìn)一步的分析決策。

2基于大數(shù)據(jù)分析的電力企業(yè)供應(yīng)商信用風(fēng)險(xiǎn)管理

根據(jù)以上分析，在電力企業(yè)供應(yīng)商信用風(fēng)險(xiǎn)管理過程中，需要對收集到的供應(yīng)商數(shù)據(jù)進(jìn)行處理，進(jìn)行行為建模，以抽象出供應(yīng)商的標(biāo)簽，這個(gè)階段注重的是大概率事件，通過數(shù)學(xué)算法模型來排除供應(yīng)商的偶然行為，故需要運(yùn)用機(jī)器對供應(yīng)商的行為、偏好進(jìn)行猜測，根據(jù)供應(yīng)商的關(guān)注點(diǎn)或投標(biāo)意向、投標(biāo)歷史、中標(biāo)情況等因素來判斷供應(yīng)商的忠誠度、履約能力、信用等級等，并對供應(yīng)商行為進(jìn)行建模。簡單來說，供應(yīng)商畫像就是通過算法計(jì)算等方式，用統(tǒng)一的標(biāo)準(zhǔn)衡量供應(yīng)商的表現(xiàn)，并對未來發(fā)展進(jìn)行預(yù)測，這是一種把單個(gè)分析集成化，把平面分析立體化的過程。可見，在供應(yīng)商信用風(fēng)險(xiǎn)管理過程中，應(yīng)結(jié)合供應(yīng)商屬性、行為、評價(jià)標(biāo)簽體系，充分研究數(shù)學(xué)算法模型，并應(yīng)用Python、R等工具建模推演，構(gòu)建供應(yīng)商評價(jià)模型，全面刻畫供應(yīng)商畫像。

2.1畫像構(gòu)建與數(shù)據(jù)分析

供應(yīng)商畫像模型旨在幫助管理供應(yīng)商、優(yōu)化投標(biāo)決策，因此畫像構(gòu)建的關(guān)鍵過程在于結(jié)合實(shí)際業(yè)務(wù)情況定性地選取投標(biāo)決策關(guān)心的供應(yīng)商評價(jià)指標(biāo)，定量化評價(jià)指標(biāo)，最后選取合適的評價(jià)維度給供應(yīng)商貼上標(biāo)簽，通過不同維度的標(biāo)簽還原供應(yīng)商的“畫像”。因此，數(shù)據(jù)處理和分析建模的過程應(yīng)該基于上述關(guān)鍵過程的指標(biāo)數(shù)據(jù)特征以及業(yè)務(wù)分析邏輯。現(xiàn)在針對供應(yīng)商畫像的研究還不算特別多，我們以流行的“用戶畫像”分析進(jìn)行對比，從而可以發(fā)現(xiàn)供應(yīng)商畫像和用戶畫像有何異同，從用戶畫像當(dāng)中又能尋找到什么可行的分析思路。圖1是用戶畫像的一般流程。可以發(fā)現(xiàn)供應(yīng)商畫像與用戶畫像的建模過程本質(zhì)上都是數(shù)據(jù)收集-建模-畫像成型的過程，區(qū)別只是在于：首先，畫像構(gòu)建的目的不同，用戶畫像的目的是進(jìn)行精準(zhǔn)營銷，而精準(zhǔn)營銷的建模工作是要對用戶分類后對不同類別用戶的消費(fèi)行為進(jìn)行預(yù)測。而供應(yīng)商畫像的目的是為了精準(zhǔn)管理、精準(zhǔn)招標(biāo)，建模工作是要對供應(yīng)商分類后對不同類別的供應(yīng)商進(jìn)行評級。其次，畫像的標(biāo)簽維度不同，標(biāo)簽維度的構(gòu)建同樣是從畫像構(gòu)建的目的出發(fā)，用戶畫像關(guān)心的是用戶的購買能力、行為特征、社交網(wǎng)絡(luò)等，供應(yīng)商畫像關(guān)心的是供應(yīng)商的商務(wù)狀況、產(chǎn)品質(zhì)量、信用狀況。（1）數(shù)據(jù)收集。通過訪談和調(diào)研搜集數(shù)據(jù)，確定供應(yīng)商指標(biāo)的打分邏輯和統(tǒng)計(jì)口徑。（2）數(shù)據(jù)預(yù)處理。對收集到的數(shù)據(jù)進(jìn)行清洗，目前收集到的數(shù)據(jù)量非常小，且需要進(jìn)行整合、預(yù)處理，包括缺失值和異常值的處理、數(shù)據(jù)數(shù)量級的統(tǒng)一、后續(xù)分析所要進(jìn)行的標(biāo)準(zhǔn)化處理。在構(gòu)建供應(yīng)商畫像的現(xiàn)有數(shù)據(jù)中，資格評審涉及的商務(wù)與技術(shù)兩大維度的數(shù)據(jù)已經(jīng)根據(jù)權(quán)重進(jìn)行了打分，分?jǐn)?shù)的數(shù)量級為10以內(nèi)，因此部分?jǐn)?shù)據(jù)只需要剔除不滿足資格評審的數(shù)據(jù)（表現(xiàn)為所有維度都為0值）以及數(shù)值超出權(quán)重的分值。履約評價(jià)的數(shù)據(jù)有物資合同簽訂及時(shí)率（0-100%）、一次性試驗(yàn)通過率（0-100%）、到貨及時(shí)率（0-100%）和不良行為記錄（分值范圍0.1-12）。對于這部分?jǐn)?shù)據(jù)需要根據(jù)權(quán)值進(jìn)行標(biāo)準(zhǔn)化，由于權(quán)值需要根據(jù)評價(jià)標(biāo)準(zhǔn)進(jìn)一步確定，因此目前只需要將不良行為記錄的量化數(shù)值壓縮到與0-100%相同的范圍。（3）數(shù)據(jù)降維。目前的供應(yīng)商信用風(fēng)險(xiǎn)評級指標(biāo)過多，不能滿足供應(yīng)商畫像的特征提取與分類要求，需要進(jìn)行降維處理。擬采用關(guān)聯(lián)性分析和主成分分析降低指標(biāo)維度，同時(shí)最大化保留原有數(shù)據(jù)的信息。在資格評審中，商務(wù)基本面信息的數(shù)據(jù)涉及15個(gè)指標(biāo)，技術(shù)能力更是高達(dá)10余個(gè)，這些指標(biāo)反映的意義具有較強(qiáng)的關(guān)聯(lián)性（共線性）且在有限的數(shù)據(jù)量的情況下變量過多將會大大降低模型的自由度從而影響精確度，因此為了滿足后續(xù)的分類和擬合要求，必須要剔除冗余變量，對指標(biāo)進(jìn)行降維處理。（4）特征分類。結(jié)合業(yè)務(wù)理解初步確定分類個(gè)數(shù)（供應(yīng)商不同特征維度的級別個(gè)數(shù)），利用聚類分析算法對供應(yīng)商不同特征維度進(jìn)行分類，后續(xù)根據(jù)分類情況和數(shù)據(jù)特征適當(dāng)調(diào)整分類個(gè)數(shù)。在構(gòu)建標(biāo)簽之前，需要對供應(yīng)商進(jìn)行分類，由于目前的數(shù)據(jù)是不具有分類結(jié)果標(biāo)簽（y值），因此這是一個(gè)無監(jiān)督的分類問題，無法采用決策樹、神經(jīng)網(wǎng)絡(luò)等學(xué)習(xí)類模型；又因?yàn)槟壳皵?shù)據(jù)集的數(shù)據(jù)量非常少，需要大量訓(xùn)練數(shù)據(jù)的無監(jiān)督深度學(xué)習(xí)模型也不適用，因此，針對無監(jiān)督和小樣本的特點(diǎn)，選用聚類分析解決分類問題。聚類試圖將數(shù)據(jù)集中的樣本劃分為若干個(gè)通常是不相交的子集，每個(gè)子集稱為一個(gè)“簇”。通過這樣的劃分，每個(gè)簇可能對應(yīng)一些潛在的概念（類別），如“財(cái)務(wù)狀況良好”、“技術(shù)能力強(qiáng)”等。不過，這些概念對于聚類算法而言事先是未知的，聚類過程僅僅能自動形成簇結(jié)構(gòu)，簇對應(yīng)的概念語義需要結(jié)合業(yè)務(wù)來把握和命名。常用的聚類算法有K均值算法、層次聚類算法等非常多，而針對現(xiàn)有的數(shù)據(jù)，K-means算法適用的情景是：簇?cái)?shù)確定（同維度標(biāo)簽評級個(gè)數(shù)確定）且較少、數(shù)據(jù)量較大；而Hierarchicalclustering適用簇?cái)?shù)不確定（可能有一定范圍）、數(shù)據(jù)量相對大的情況。具體采用哪一種分類算法要根據(jù)數(shù)據(jù)情況以及業(yè)務(wù)分類要求和可視化要求而定。（5）分類結(jié)果檢驗(yàn)。通過計(jì)算該特征維度不同類別的供應(yīng)商的加權(quán)總分對分類后不同簇的供應(yīng)商的總分進(jìn)行統(tǒng)計(jì)上的顯著性檢驗(yàn)。（6）構(gòu)建畫像標(biāo)簽。結(jié)合對供應(yīng)商管理評級的業(yè)務(wù)理解，從數(shù)據(jù)層面分析該特征維度下不同簇的供應(yīng)商的區(qū)別，并增加語義內(nèi)容。

2.2設(shè)計(jì)供應(yīng)商畫像

根據(jù)行業(yè)經(jīng)驗(yàn)及領(lǐng)先實(shí)踐，通過對南網(wǎng)供應(yīng)商各類行為數(shù)據(jù)及外部數(shù)據(jù)進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)挖掘，結(jié)合公司戰(zhàn)略、未來發(fā)展愿景還有指標(biāo)構(gòu)建的一般原則，將供應(yīng)商的綜合畫像構(gòu)建為六大一級指標(biāo)，分別為供應(yīng)商資質(zhì)評價(jià)、供應(yīng)商履約運(yùn)行評價(jià)、企業(yè)風(fēng)險(xiǎn)信用評價(jià)、社會行為與責(zé)任、供應(yīng)商生態(tài)與供應(yīng)商創(chuàng)新。其中最重要的企業(yè)風(fēng)險(xiǎn)信用評價(jià)指標(biāo)包括企業(yè)基本風(fēng)險(xiǎn)（如企業(yè)人員變更頻率）、司法風(fēng)險(xiǎn)（開庭公告次數(shù)、法律訴訟次數(shù)）、經(jīng)營風(fēng)險(xiǎn)（稅務(wù)評級等級、股權(quán)質(zhì)押比率、動產(chǎn)抵押比率、司法拍賣事件次數(shù)、欠稅信息次數(shù)、行政處罰次數(shù)、抽檢檢查合格比率）。

3結(jié)論

本文通過對我國市場經(jīng)濟(jì)環(huán)境下大數(shù)據(jù)挖掘技術(shù)的現(xiàn)狀分析，研究了基于大數(shù)據(jù)分析的電力企業(yè)供應(yīng)商信用風(fēng)險(xiǎn)評價(jià)指標(biāo)體系。通過數(shù)據(jù)挖掘等技術(shù)定制供應(yīng)商行為標(biāo)簽及評價(jià)指標(biāo)，構(gòu)建供應(yīng)商畫像。通過稅務(wù)信息、司法信息、抵押信息、違法信息、質(zhì)檢抽檢信息等數(shù)據(jù)對供應(yīng)商潛在風(fēng)險(xiǎn)及信用進(jìn)行評估，將供應(yīng)商管理體系納入風(fēng)險(xiǎn)管控原則。同時(shí)，對供應(yīng)商畫像相關(guān)業(yè)務(wù)進(jìn)行優(yōu)化，針對群體的分析，進(jìn)行供應(yīng)商畫像的可視化展示，根據(jù)供應(yīng)商信用風(fēng)險(xiǎn)細(xì)分指標(biāo)及原則，可用來評估供應(yīng)商資格準(zhǔn)入條件，輔助項(xiàng)目評標(biāo)，同時(shí)也可以細(xì)分出優(yōu)質(zhì)供應(yīng)商、評估某一群體供應(yīng)商的潛在價(jià)值空間，提出針對性的運(yùn)營和管理策略。

參考文獻(xiàn)：

[1]郭秀紅.大數(shù)據(jù)時(shí)代物流信息平臺構(gòu)建與建設(shè)對策研究[J].現(xiàn)代信息科技，2018，2（9）：149-150+153.

[2]莊希瑞.基于電網(wǎng)大數(shù)據(jù)的電力需求側(cè)管理[J].現(xiàn)代信息科技，2017，1（3）：125-126.

[3]陳紅，蘇運(yùn)東，付婷，等.試論電力大數(shù)據(jù)在電網(wǎng)規(guī)劃中的運(yùn)用[J].現(xiàn)代信息科技，2018，2（9）：101-102.

作者：吳奭登 單位：中國南方電網(wǎng)有限責(zé)任公司