供應商信用管理與風險防范

● 羅 鳴

企業(yè)制定合理的供應商管理制度有利于企業(yè)與供應商建立長期的信任關系，保證企業(yè)的產(chǎn)品質量，從而達到降低成本、提高企業(yè)盈利的目的。面對良莠不齊的供應商，及時對其進行考核和評價，劃分供應商等級，才能夠有針對性的進行供應商選擇，激勵供應商提高供貨質量。

一、供應商信用管理現(xiàn)狀及問題

現(xiàn)行供應商開發(fā)程序包括：供應商信息收集、“供應商基本資料”填寫、供應商問卷調查、樣本鑒定、提出供應商調查申請。開發(fā)過程遵循質量、成本、支付、服務并重的原則，由采購部牽頭組成供應商調查小組，分別對供應商的價格、品質、技術、生產(chǎn)管理等作出評核，選出合格的供應商。調查小組所作出的考核結果將用于對供應商進行評級，以根據(jù)等級對供應商實施不同的管理，幫助落后的供應商進行改進，激勵供應商提供更好的產(chǎn)品和服務，從而降低企業(yè)采購成本。

目前企業(yè)采購大多采用綜合評分法對供應商進行評級。供應商主管需對供應商提供的產(chǎn)品或物資的質量和交貨情況進行檢查、評估考核，填制“供應商考核表”，上交采購經(jīng)理審核、采購總監(jiān)審批。如孫佩紅、唐磊（2012），分別以30%、30%、20%、10%、10%的比例對價格、產(chǎn)品質量、交貨情況、服務情況、管理情況進行評估，再根據(jù)分數(shù)劃分A、B、C、D四個等級，并采取不同的措施。供應商主管根據(jù)審批結果修訂合格供應商名單，要求不符合標準的供應商限期改進并跟蹤其改進效果，或取消其供應商資格。定期對供應商進行信用評級有利于企業(yè)向長期供應原輔材料、零件、部件及提供配套服務的供應商開展考核、評價管理工作，可以有效控制供應商的產(chǎn)品質量、交貨期、價格等，有利于建立穩(wěn)定的供應商隊伍，促進企業(yè)與供應商保持良好的合作關系。

但也應注意到，綜合評分法在實施的過程中受到供應商主管的主觀評判成分較高，如對各項指標權重的設定等。且隨著企業(yè)采購規(guī)模的不斷增大，參加競標或采購活動的供貨商也千差萬別，客觀上使得企業(yè)對供應商進行甄別更加困難。即使制定了客觀詳實的綜合評分方法，受限于人員數(shù)量和時間成本，企業(yè)采購部門也往往沒有足夠的精力對供應商的信用狀況進行比較全面、深入的調查和了解，難以準確判斷供應商的合同履行能力。除此之外，由于供應商信用識別系統(tǒng)尚不完善，審查部門又人力不足，一些投標供應商在利益驅使下，為了能夠通過審查，盡管企業(yè)本身條件不能滿足要求，仍不惜犧牲企業(yè)信譽弄虛作假，偽造假證明、假證書，提供虛假財務報表等，以期蒙混過關。且目前信用監(jiān)控機制不完善，信用激勵和懲罰機制尚未形成，不足以對各種失信行為形成強有力的法律規(guī)范和約束。如一些供應商涉嫌嚴重的偷漏稅行為，一些供應商存在違法經(jīng)營活動，少數(shù)供應商編制虛假會計信息等。在有限時間內，未經(jīng)深入翔實的認證核實，審查部門很難辨別真?zhèn)巍Ｒ虼?，采用更加自動化的供應商信用評分方法對于解決考核成本高、考核團隊人員不足、考核主觀干擾等問題有一定的現(xiàn)實意義，有利于建立穩(wěn)定的供應商隊伍，促進企業(yè)與供應商保持良好的合作關系。

二、供應商信用評估指標的選取

供應商信用管理的流程包括利用各種分析方法進行信用風險計量，評估信用風險的期望損失和確定交易的信用條件。因此，在進行具體的信用評分體系建立之前，首先需要明確對供應商的重點考核項目。供應商的信用水平與其履約能力是息息相關的，而履約能力對企業(yè)采購項目能否按時保質完成是十分重要的。供應商的履約能力受到一系列因素的影響，包括經(jīng)營狀況、專業(yè)技術水平、管理及戰(zhàn)略和財務實力等，應該通過對供應商信用等級的考評，了解這些因素對履約能力的影響程度，進而識別供應商在采購項目時段內信用度的變化程度。參照陳煥怡（2008）構建的供應商信用風險評估指標體系，制定以下考核指標：（再結合所收集的數(shù)據(jù)情況，采用機器學習算法，計算機可以實現(xiàn)指標重要性的自動篩選，容許多重共線性的存在，指標維度越多，預測越精確）

第一，供應商的財務數(shù)據(jù)，體現(xiàn)供應商的經(jīng)營狀況和經(jīng)營水平。

第二，價格水平：考核供應商的價格水平，可以和市場同檔次產(chǎn)品的平均價和最低價進行比較，分別用市場平均價格比率和市場最低價格比率來表示。（平均價格比率=（供應商的供貨價格 -市場平均價）/市場平均價*100%；最低價格比率=（供應商的供貨價格-市場最低價）/市場最低價*100%）

第三，交貨期：交貨期也是一個很重要的考核指標。考察交貨期主要是考察供應商的準時交貨率、交貨周期等。其中交貨準時率=準時交貨的次數(shù)/總交貨次數(shù)*100%；交貨周期是指自訂單開出之日到收貨之時的時間長度，常以天為單位。

第四，交貨量：按時交貨量率=期內實際完成交貨量/期內應當交貨量*100%；未按時交貨量率=期內實際未完成交貨量/期內應交貨量*100%，如果每期的交貨量率不同，則可以求出各個交貨期的平均按時交貨量率；總供貨滿足率=期內實際完成供貨量/期內應當完成供貨問題*100%；缺貨率=期內實際未完成貨量/期內應當完成供貨總量*100% 。

第五，品質：品質的好壞可以用質量合格率、平均合格率、批退率及來料免檢率等來描述。包括：質量合格率，如果在一次交貨中一共抽檢了N件商品，其中有M件是合格的，則質量合格率=M/N*100%。顯然，質量合格率越高，表明其產(chǎn)品質量越好，得分越高；平均合格率根據(jù)每次交貨的合格率，再計算出某固定時間內合格率的平均值來判定品質的好壞。合格率越高，表明品質越好，得分更高；批退率即退貨批量占采購進貨批量的比率。批退率越高，表明其品質越差，得分越低；來料免檢率來料免檢率=來料免檢的種類數(shù)/該供應商供應的產(chǎn)品總種類數(shù)*100%。

第六，工作質量：交貨差錯率=期內交貨差錯量/期內交貨問題*100%；交貨破損率=期內交貨破損量/期內交貨總量 *100% 。

第七，價格：平均價格比率=（供應商的供貨價格-市場平均價格）*100% ；最低價格比率=（供應商的供貨價格-市場最低價）*100% 。

第八，進貨費用水平：進貨費用水平=（本期進貨費用-上期進貨費用）*100% 。

第九，信用度：信用度主要考核供應商履行自己的承諾，以誠待人，不故意拖賬、欠賬的程度。信用度可以用下式來描述：信用度=供貨期失信的次數(shù)/供貨期交往總次數(shù)*100%。

第十，配合度：主要考察供應商的協(xié)調精神，依靠供應商主管評分來考核。

第十一，服務：同其他考核指標一樣，考核供應商在支持、配合與服務方面的表現(xiàn)通常也是定性的考核，相關的指標有：溝通手段、反饋信息時間、表現(xiàn)合作態(tài)度、參與本公司的改進與開發(fā)項目、售后服務等。

三、基于機器學習算法的供應商評估模型設計

針對供應商信用管理的現(xiàn)狀及存在問題，以供應商履約與否作為因變量，上文所建立的考核指標為自變量，通過機器學習算法篩選影響供應商履約能力的重要變量，建立基于Logistic回歸模型的供應商信用評估模型。這種模型的優(yōu)勢表現(xiàn)在可以利用供應商的歷史表現(xiàn)情況自動識別多維混雜的供應商考核數(shù)據(jù)，降低時間和人工成本，同時可通過測試集的檢驗提高人為主觀判斷的預判率。也可以單獨采用高精度的單一機器學習算法，如神經(jīng)網(wǎng)絡等，但其雖比邏輯回歸模型表現(xiàn)出更高的精確度，但是除了決策樹模型可以通過畫出決策樹來尋找決策依據(jù)之外，其它機器學習算法實際上是一個“黑箱”，變量解釋能力模糊，且如果決策樹過大，讀取起來也較為復雜，這對于供應商主管人員來說實用性不強。雖然其他的算法也可以提取出影響結果的重要變量，但是不能像邏輯回歸一樣給出自變量對因變量的正向或負向影響判斷。隨著企業(yè)規(guī)模的擴大，供應商數(shù)量和選擇范圍增加且資信情況不一，專業(yè)考核評估人才缺乏，單純的依靠綜合評分法雖然直觀卻過于主觀，將邏輯回歸和機器學習的優(yōu)缺點相互結合構建組合模型成為了一種新的思路。

這種組合模型的做法是采用綜合多種機器學習算法，依據(jù)信息增益、條件熵等原理篩選出重要變量，并以此建立Logistic回歸模型。Logistic回歸模型的效果通常會受到自變量數(shù)量和形式的影響，因此學者在利用邏輯回歸模型進行研究時往往要進行降維處理，而利用機器學習算法篩選變量的好處在于建模的開始可以使用多維數(shù)據(jù)且無需處理，避免直接進行邏輯回歸剔除“不重要”的特征導致變量維度的缺失；除了降維之外，邏輯回歸對于類別特征值需要人為設置特征變量，對于數(shù)值范圍廣的連續(xù)變量也需要進行分段處理，這些人為設置可能對數(shù)據(jù)的真實性產(chǎn)生影響。機器學習算法對于數(shù)據(jù)類別基本沒有要求，這在一定程度上保證了數(shù)據(jù)的真實性；不同的機器學習算法判斷重要變量的原理不盡相同，綜合多種變量重要性結論可以結合多個模型的優(yōu)點，得出更加科學可信的篩選結果；最后，由Logistic回歸模型給出的最終結果可以給供應商主管人員提供建議，方便他們在收集供應商信息時有所側重。這種模型的組合方式可能會得出比單一算法更優(yōu)的建模結果。

以上模型及各單一機器學習算法通過利用歷史數(shù)據(jù)在訓練集上進行訓練，驗證集修正，最終運用于測試集。

四、供應商評價及相應措施

根據(jù)以上供應商信用評估模型的違約概率輸出結果，參照企業(yè)對于供應商的信用要求劃分不同的信用概率區(qū)間，并采取相應的措施，具體做法如下表：（概率分值及等級可根據(jù)具體可接受程度設定，此處僅為可能劃分方式舉例。）

級別 概率（%） 措施A 10 酌情增加采購，優(yōu)先采購，特殊情況下可辦理免檢，貨款優(yōu)先支付B 11～20要求其對不足部分進行整改并將結果以書面形式提交，對其采購策略維持不變，進行必要的輔導，幫助其升級C 21～30對其減少采購量，并要求其對不足部分進行整改、將整改結果以書面形式提交，采購部對其糾正措施和結果進行確認后決定是否繼續(xù)正常采購D 31以上從“合格供應商名單”中刪除，與其終止采購供應關系；若想重新供貨，應重新按照供應商選擇的流程接受調查評核或參加本公司招標

其中A級為優(yōu)秀供應商，作為后續(xù)新產(chǎn)品的首選供應商，并優(yōu)先考慮發(fā)展為長期供應商；B、C級為正常供應商，根據(jù)供應商的考核結果及意愿，可將其發(fā)展為上一級供應商；D級為不合格供應商。供應商主管根據(jù)審批結果修訂合格供應商名單，要求不符合標準的供應商限期改進并跟蹤其改進結果或取消其供應商資格。

五、加強企業(yè)采購供應商信用管理的相關建議

面對眾多的供應商，采用合理的供應商信用風險評估方法有利于主管人員進行供應商評價，減少信用風險，維護企業(yè)的利益，降低成本。但是，考慮到目前供應商數(shù)量增加，但信息不對稱情況嚴重的現(xiàn)狀，除了合理模型的確定之外，還需要其他方面的改進，具體建議如下：

一是建立信用中介信息機構，避免利用評級灰色地帶增信。為了更好的利用大數(shù)據(jù)工具對供應商進行信用管理，信息的全面性至關重要，信用中介機構以其第三方的身份進行供應商信息收集是信用管理規(guī)范化的關鍵。其一，解決企業(yè)采購的信息不對稱，需要以大量的信息收集整理為前提，是一繁瑣的系統(tǒng)化工作，需要更加專業(yè)的信息采集機構。其二，采用機器學習算法進行信用評估也依托于大數(shù)據(jù)的背景，供應商的數(shù)據(jù)維度越多，信息越全面，評估結果越準確。

二是平臺間信息共享，加大借款人違約成本。建立統(tǒng)一的信息機構之后，還可以利用區(qū)塊鏈技術進行信息共享，方便市場上的其他企業(yè)選擇優(yōu)秀的供應商。如日本的金融服務管理局就開發(fā)了一個可以在銀行間無縫共享消費者信息的區(qū)塊鏈共享ID平臺。即允許銀行賬戶持有人注冊一個“共享ID”，然后用戶可以使用共享ID在另一個銀行開立新的賬戶。申請人通過智能手機上的應用程序輸入指紋或進行面部掃描。應用到中國，就可以開發(fā)類似的方法應用在供應商信用中介信息機構上，實現(xiàn)信息的跨平臺共享。