陈世楼 洪松琛 孙 鹏

（国网福建省电力有限公司，江苏 南京 210000）

一、研究背景

随着经济全球化的趋势和现代信息技术的发展和广泛应用，企业竞争愈演愈烈。为了降低采购成本，提高企业竞争力，集中采购模式成为众多企业的第一选择。我国集中招标采购经过十多年的发展，实际应用效益显著，但随着集中采购规模的逐步增大，可选供应商越来越多，采购策略制定越来越复杂，采购策略上的问题也层出不穷，主要表现为：

1.无法消除人工制订采购策略带来的偏差

目前大部分采购策略的制定仍然停留在人工线下模式，由工作人员选择确认采购策略条目。受制于编制者的知识水平、认识能力、个人经验甚至个人偏好的影响，无法排除人为因素带来的偏差，导致同一对象的采购策略出现差异，

2.在策略制订时缺乏信息关联

在制定采购策略时，缺少与专业部门网络化联动，信息共享、反馈不便利，导致技术、质量因素在采购方案中占比较低，采购策略制定的科学性、合理性有待进一步提升。

3.缺乏采购策略历史数据沉淀

目前的采购策略均采用人工线下模式，没有采购策略历史信息库来积累历史采购策略数据，在对新的采购策略进行数据预测的时候缺乏历史数据作为支撑。

因此，在对现有历史采购策略数据进行收集和整理的基础上，创建智能信息库，对供应商的各项指标数据进行汇总分析。为智选、优选供应商提供整体性、高层次、前瞻性的决策辅助分析资料，进而提升整体采购策略制定的质量和效益。

二、理论研究

1.供应商分类理论

供应商是指为企业生产活动正常开展提供原材料、设施设备等资源的上游企业，为确保企业所需资源安全、可靠、及时供应，需要有一批产品质量好、售后服务佳的供应商作为支撑。因此，遴选优质的供应商，构建卓越的供应商队伍，是提升企业采购效率的重要保障，对企业生产经营提质增效意义重大。

在物资采购集约化管理趋势下，企业与供应商的合作关系越来越紧密，集成化的供应链对供应商要求由数量要求向质量要求转变，需要在全球范围内寻找更优质的供应商，以使供应链的运作更加顺畅、稳定。面对数量众多、特征各异的供应商，有必要根据企业需求对供应商开展分类管理，按照供应商在市场中的竞争实力以及他的增值作用，可将供应商分为四个类别，分类矩阵见图1。

图1 供应商分类矩阵

纵轴代表的是供应商在供应链中增值的作用，对于一个供应商来说，如果不能增值，在供应链中就不可能存在；横轴代表某个供应商与其他供应商之间的区别，体现了供应商之间竞争力的差异。

2.聚类算法理论

随着现代管理理念和数据分析技术的发展，一些非量化的指标需要转为定量化的指标，然而由于部分领域存在很多模糊的概念，某些特定的领域难以用传统的数学方法进行解决，由此产生了聚类的概念。所谓聚类就是按照相似性对特定对象进行区分和分类，传统的聚类分析是一种硬划分，它严格按照特定的界限，将给定对象划分到某一类中。但是在实际问题中，一些对象难以严格划分属性，它们在属性方面具有中介性，适宜开展软划分，模糊集合理论即为这种软划分提供了有力的分析工具，也可称为聚类算法。

三、模型构建

通过前期需求梳理和对历史采购策略数据的收集，形成采购策略历史数据库。在新建新的采购策略的同时，根据新建的采购策略信息（比如物资数量、物资类型等）对比关联采购策略历史数据库里的信息，寻找出合适的采购策略信息适配当前的新建采购策略。在确定采购策略基础信息之后，再根据采购策略的具体要求（比如分包数量、供应商资质、销售数量等）在历史策略库里推荐符合要求的潜在供应商，通过对潜在供应商的历史投标行为（排除有不良行为的供应商）分析，并根据聚类算法对潜在供应商进行聚类分析，经过层层筛选最终将合格的潜在供应商推荐出来，并计算出被推荐供应商的历史投标率、进入详评率和综合中标率等指标数据作为参考。经过智能推荐的潜在供应商在资质业绩上能够符合采购业务的硬性需求，并在历史供应记录的趋势上更符合当前采购策略的要求，选择优质的潜在供应商能够有效地提升整体采购流程的成功率。

1.结合历史数据，智能关联采购策略

采购策略包含交货期要求、生产和试验装备、试验鉴定报告、认证证书、生产许可证或检验合格证、评分规则、价格评审标准、销售数量、授标原则等关键信息。在新建采购需求的时候，需要结合实际的业务需求，在历史采购策略库中综合选择时间和数量最为接近的策略进行关联匹配。通过实时关联历史数据进行匹配推荐，避免了人为制定采购策略的主观偏差，确保采购策略制定的科学性、合理性。

2.分析招投标数据，推荐优质潜在供应商

根据历史投标记录确定备选的供应商名单，在采购策略历史数据中提取供应商的属性数据（销售数量、资质证书、生产能力等），通过对属性数据的筛选，检查供应商是否满足组合中的各项采购策略，然后找到供应商在历史数据中投过分包的最小与最大数量区间，再判断分包数量是否在这个区间之间，符合的通过筛选。根据投标概率和进入详评率计算有效投标分值，再根据计算出的有效投标分值计算出一个σ（sigma）的值，在备选列表中去掉有效投标分值低于一个σ的供应商，将潜在供应商名单与资质能力核实结果名单进行对比，删去资质能力核实结果不合格的供应商；校验当前项目信息中的“资格审查类型”，对采用资格预审的采购项目，将潜在合格供应商名单与资质预审结果名单进行对比，删去资质预审结果不合格以及资格预审合格名单中不存在的供应商；将潜在供应商名单与供应商不良行为处理清单、信用中国进行对比，删去正在不良行为处理期限内或者信用中国黑名单的供应商；将最终的供应商根据有效投标分值进行排序输出，完成潜在供应商推荐。在对现有历史采购策略数据进行收集和整理的基础上，对供应商的各项指标数据进行汇总分析，达到了智选、优选供应商的目的。

3.科学聚类分析，进一步优化推荐质量

统计每个供应商的注册地址、企业成立时间、实缴资本、有无动产抵押、有无公司网站、有无融资信息、是否上市、注册资金、人员规模、发明专利数量、有无软件著作权、有无商标信息等信息，使用K-MEANS算法对供应商进行聚类分析，具体步骤如下：

（1）选择3个中心点；

（2）把每个数据点分配到离它最近的中心点，使用欧式距离计算公式：

（3）重新计算每类中的点到该类中心点距离的平均值；

（4）分配每个数据到它最近的中心点；

（5）重复步骤（3）和（4），直到所有的观测值不再被分配或是达到最大的迭代次数；

（6）输出每个样本所属的类别。

经过供应商聚类分析的潜在供应商列表得到进一步优化，对供应商的外部信息进行了充分的联动，最大限度地避免了人工计算的偏差，提升了模型计算结果的科学性和合理性。

四、结语

本文在采购策略历史数据结构化、标准化的基础上，引入聚类算法理论，探索采购策略智能推荐的应用，通过对采购策略以及供应商历史数据的分析，构建采购策略智能推荐模型，尝试潜在供应商推荐功能。通过对投标供应商的历史招投标数据持续分析挖掘，不断优化筛选推荐结果，最大限度地避免可能存在的采购风险，有效地提升了采购策略的准确性和效率，为优选供应商提供了科学合理的决策辅助分析。