鋼鐵行業采購盡職水平分析與供應商智能管理
2020-09-29 15:01:49
次
近幾年來,鋼鐵企業面臨著成本上升和轉型升級的雙重壓力,包含勞動力成本、燃料材料成本以及物流成本在內的鋼鐵相關企業的運營成本逐年上升。另一方面,流程性行業基本都是大宗原材料采購,采購金額甚至占到生產成本的70%-80%,而采用期貨的交易方式往往會存在巨大價差。面對這種客觀情況,鋼鐵企業對采購人員的能力要求非常高。由于每個采購人員在經驗或者能力上的差異,采購策略也有所不同,不同的采購策略有可能造成對企業利潤的吞噬。
一、項目背景
基于傳統的供應商評價體系,多數鋼企采購人員對重要原燃料的采購管理以經驗選擇、粗略評價為主,在部門和個人利益驅使下,一方面缺乏科學合理的供應商評價體系;另一方面,盡管存在評價指標體系,但各方案指標值的給定仍然難以避免主觀因素及個人利益的影響,因而評價體系形同虛設,所謂的科學選擇流于表面化。
因此,亟需利用大數據綜合分析,構建鋼鐵行業采購盡職水平分析模型與供應商智能管理模型,來協同采購管理與供應商評價,幫助鋼鐵企業規避物資采購風險,實現動態化、精準化、科學化管理。
二、需求分析
圍繞采購業務全過程相關的行為數據和業務記錄數據,以及行業公開網站上相關的外部市場數據,通過規劃定性或定量的評價指標體系,構建鋼鐵行業采購盡職水平綜合分析評價數據模型,對采購人員履職全過程進行工作績效綜合評估,進而推動采購管理流程優化和采購管理相關制度進一步完善。
構建完善的供應商動態評估指標體系,結合大數據分析算法及建模技術,對供應商進行聚類分析,尋找各類供應商的共性特點,得到行為分析評價結果;在各供應商歷史數據綜合評價評估的基礎上,使用監督學習算法建立預警模型,對未來一定時期內的供應商的表現進行預警分析,實現對供應商的科學評估和精細化管理。
三、系統架構
整個系統架構,總共分為四層:數據源層、數據存儲層、數據服務層和業務應用層。
- 數據源層:從ERP系統、SAP系統、電子交易平臺等信息化管理系統,采集供應商在招投標過程中的行為數據、供應商基本信息、采購訂單信息、供應商履約信息以及采購業務全過程相關的行為數據和業務數據,并采用網絡爬蟲工具從天眼查、全球金屬網、我要不銹鋼等相關行業公開網站獲取供應商企業社會公信、資質級別、司法和經營風險、原料物資市場價格等信息數據,為項目開展提供數據支撐。
- 數據存儲層:利用ETL/ESB技術將駐留在不同數據源中的數據進行整合,集成多個數據庫,減少數據冗余,提高了數據庫關聯度。采用關系型數據庫和Hadoop大數據存儲相結合的混合架構實現系統數據的安全高效存儲。
- 數據服務層:數據預處理通過數據清洗、缺失值的處理以及對數據進行標準化轉換,在此基礎上分別使用最大值、最小值、均值、標準差等統計計算方式完成衍生特征的構造,最后將處理結果數據存儲到Hive倉庫,以供建模調用;算法服務包括運用TOPSIS算法、K-Means聚類、人工神經網絡、隨機森林分類、邏輯回歸分類等算法,構建采購人員盡職水平綜合評價模型,供應商動態評價指標體系以及供應商智能管理分析模型。
- 業務應用層:運用大數據相關算法建立所需的數據模型,實現對采購人員履職全過程進行工作績效綜合評估、供應商的科學聚類排序、各項指標的展示對比、供應商信息的檢索和查詢、供應商異常預警以及優質供應商的置頂推薦等,幫助企業實時了解供應商動態情況和采購人員的盡職水平,進而推動優化采購管理流程,完善采購和供應商管理制度,為相應管理人員提供有針對性的管理決策支撐。
四、應用價值
通過構建采購人員盡職水平分析綜合評價數據模型,促進采購組內在價值的評估和考量趨于數據化和顯性化,基于數據及時發現采購問題并總結經驗指導未來采購,使采購行為更細致和可控,全方位精細化管理采購行為,逐步推動建立成本和庫存驅動動態采購管理機制。
通過建立供應商綜合評價指標體系,為企業選擇和評價供應商提供可靠依據,為優化供應鏈管理提供重要支撐。同時,利用大數據技術對原燃料供應商進行動態預警分析,給企業提供了一套更為科學的實踐指導方法,根據預警結果,企業可結合自身條件積極主動采取措施以適應市場波動,進而提升其在市場競爭中的準確性、速度和質量。
五、效果案例
供應商綜合預警界面。通過綜合預警模型將供應商分為優質供應商、合格供應商和預警供應商。同時分別根據合同兌現率、質量穩定性、供貨周期和價格差異率單項指標將供應商分為A、B、C三類,以供不同工廠、工序根據業務需求側重點選擇供應商。
采購人員盡職水平綜合評估頁面首頁展示:不同采購群組在采購不同物資時,其盡職水平的綜合評價,同時分別從質量直通率、計劃兌現率、采購成本管理、計劃兌現率等維度進行展示。
采購人員盡職水平綜合評估頁面子頁面:展示從不同來源網站爬取的不同物資的價格趨勢,如【1#鎳板全球金屬網價格趨勢】。
【方案等詳細資料來源:微信公眾號“振華智造”】