基于大數(shù)據(jù)的供應(yīng)商信用評(píng)估方法

許浩宇

摘要：在現(xiàn)今的企業(yè)生產(chǎn)經(jīng)營(yíng)中，為了更好的降低自身的生產(chǎn)采購(gòu)成本，就需要建立起合理、規(guī)范的供應(yīng)商管理制度，所以對(duì)供應(yīng)商開(kāi)展信用評(píng)估起到了一定的意義。本文基于大數(shù)據(jù)環(huán)境背景下，建立起供應(yīng)商信用評(píng)估使用方法，先確定出信用評(píng)估相關(guān)指標(biāo)，并論述指標(biāo)構(gòu)建使用的方法，再使用及機(jī)器學(xué)習(xí)算法建立起信用評(píng)價(jià)模式，最后根據(jù)對(duì)供應(yīng)商評(píng)價(jià)的結(jié)果給出相應(yīng)的處理措施。

關(guān)鍵詞：大數(shù)據(jù);供應(yīng)商;信用評(píng)估方法

對(duì)于企業(yè)自身的發(fā)展來(lái)講，與供應(yīng)商之間建立起長(zhǎng)期、穩(wěn)定的關(guān)系，對(duì)于企業(yè)生產(chǎn)產(chǎn)品的質(zhì)量、成本等多方面起到影響。為了有效的解決該問(wèn)題的存在，需要根據(jù)企業(yè)自身的實(shí)際情況制定出合理的供應(yīng)商管理制度，現(xiàn)今供應(yīng)商質(zhì)量存在著良莠不齊的現(xiàn)象，需要企業(yè)定期的對(duì)供應(yīng)商開(kāi)展評(píng)價(jià)與考核，以此確保供應(yīng)商的等級(jí)，并根據(jù)供應(yīng)商的等級(jí)具有針對(duì)性的篩選，以此提升產(chǎn)品供貨質(zhì)量。

一、評(píng)估指標(biāo)的選取

在現(xiàn)今物聯(lián)網(wǎng)與大數(shù)據(jù)發(fā)展的環(huán)境下，對(duì)于企業(yè)的信用評(píng)估需要考慮所有的綜合因素，并結(jié)合使用現(xiàn)今往網(wǎng)下認(rèn)證與網(wǎng)上評(píng)估，才能構(gòu)建起企業(yè)信用評(píng)估體系。

我們可以將企業(yè)信用評(píng)估體系劃分為靜態(tài)體系與動(dòng)態(tài)體系，靜態(tài)指標(biāo)主要指的是企業(yè)的實(shí)體信息，其中包含了注冊(cè)信息、注冊(cè)年限以及信用等級(jí)等多個(gè)方面。

動(dòng)態(tài)指標(biāo)通常情況下是用在實(shí)際交易或者是線下交易過(guò)程中，從賣方的角度來(lái)看，動(dòng)態(tài)指標(biāo)主要集中在以下方面，產(chǎn)品情況中指的是產(chǎn)品質(zhì)量、支付價(jià)格等，支付方便度、運(yùn)輸質(zhì)量、溝通態(tài)度以及交易次數(shù)等。

二、指標(biāo)構(gòu)建方法

本文的論述中主要基于數(shù)據(jù)考慮的基礎(chǔ)之上，使用線性與非線性等方法，最終給出了相關(guān)的指標(biāo)構(gòu)建方法。

首先，數(shù)據(jù)獲取，在現(xiàn)今互聯(lián)網(wǎng)大數(shù)據(jù)的時(shí)代發(fā)展背景下，能夠用來(lái)使用的數(shù)據(jù)量是非常多的，并且可以在網(wǎng)絡(luò)上自由的獲取信息，通過(guò)使用網(wǎng)絡(luò)爬蟲(chóng)程序，可以更好、更輕松的獲取到獲取到目標(biāo)程序。但是網(wǎng)絡(luò)上獲取到的數(shù)據(jù)呈現(xiàn)出明顯的多樣化、非結(jié)構(gòu)性特征，且獲取到的數(shù)據(jù)有著噪聲大、缺失值多等誒單，這也就導(dǎo)致對(duì)數(shù)據(jù)開(kāi)展的處理工作變得非常復(fù)雜。為了能夠解決實(shí)際存在的問(wèn)題，就要基于廣度優(yōu)先遍歷的策略基礎(chǔ)之上，促進(jìn)工作的程序結(jié)構(gòu)化與模塊化的實(shí)現(xiàn)。在已有明確的評(píng)估指標(biāo)情況之下，可以保障多所有數(shù)據(jù)獲取過(guò)程的自動(dòng)化，盡可能的減少工作開(kāi)展中出現(xiàn)的人工干預(yù)情況，以此來(lái)保障所有數(shù)據(jù)的一致性。

如上述步驟中所提到的，可以將爬蟲(chóng)算法劃分為如下的幾個(gè)階段：

對(duì)供應(yīng)商的選擇——根據(jù)算法的使用可以將供應(yīng)商的主頁(yè)網(wǎng)址與相關(guān)信息的網(wǎng)頁(yè)作為程序的入口，并且進(jìn)行入棧;

對(duì)核心網(wǎng)頁(yè)的解析——通過(guò)解析算法的使用可以爬取到相應(yīng)的網(wǎng)頁(yè)，以此保障所獲取到的網(wǎng)頁(yè)鏈接信息的有效性，并且對(duì)其中抽取的網(wǎng)頁(yè)信息數(shù)據(jù)進(jìn)行驗(yàn)證;

對(duì)數(shù)據(jù)的清洗——在數(shù)據(jù)使用過(guò)程中，針對(duì)于缺失的數(shù)據(jù)值進(jìn)行填充時(shí)，需要?jiǎng)h除掉一些不必要的數(shù)據(jù)，以此保障對(duì)數(shù)據(jù)化結(jié)構(gòu)的調(diào)整;

數(shù)據(jù)集成——主要從結(jié)構(gòu)化的數(shù)據(jù)中獲取并計(jì)算出相應(yīng)的評(píng)估指標(biāo)方法;

數(shù)據(jù)存儲(chǔ)——將相應(yīng)的指標(biāo)數(shù)據(jù)有效的存儲(chǔ)到相應(yīng)的數(shù)據(jù)庫(kù)中。

其次，數(shù)據(jù)標(biāo)準(zhǔn)化處理。在創(chuàng)建出具體的指標(biāo)數(shù)據(jù)之前，需要對(duì)一些原始的數(shù)據(jù)標(biāo)準(zhǔn)化展開(kāi)處理，以此保障相關(guān)數(shù)據(jù)之間的構(gòu)成可以形成同趨化。本文主要使用的是z-score標(biāo)準(zhǔn)化方法實(shí)現(xiàn)了對(duì)數(shù)據(jù)的處理，主要使用的公式如下：

在本公式中n代表的是樣本個(gè)數(shù)，x1則表示的是樣本屬性取值，x指的是樣本中的屬性均值，xstd則表示的是樣本屬性的標(biāo)準(zhǔn)差。

三、信用評(píng)價(jià)模型

對(duì)于信用的評(píng)估通常情況下采用的是評(píng)分卡的方式，但是在該方式的使用過(guò)程中有著非常多的人工影響因素，對(duì)于結(jié)果的判定往往需要結(jié)合專家的經(jīng)驗(yàn)。隨著近些年我國(guó)機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展，促使機(jī)器建模方法的應(yīng)用，強(qiáng)化了評(píng)估方法的開(kāi)展。在對(duì)該方法使用的過(guò)程中，所有的評(píng)價(jià)結(jié)果都是依賴數(shù)據(jù)資料，不會(huì)受到分析人員的影響。綜上所述，在本文中使用的是Boosting算法實(shí)現(xiàn)對(duì)用戶信用等級(jí)分類的計(jì)算。

（1）Xgboost算法

對(duì)于及其學(xué)習(xí)方法來(lái)講，Boosting算法的使用，實(shí)現(xiàn)了弱分類轉(zhuǎn)化為強(qiáng)分類的方法，可以有效的達(dá)到分類的目的。Boosting算法在使用過(guò)程中最具代表性的就是GBDT，但是使用Xgboost算法，實(shí)現(xiàn)了對(duì)GBDT算法的改進(jìn)以及提升，最大效率的提升在環(huán)境發(fā)展下算法的執(zhí)行效率，可以將其描述為

在本公式中i=1，2……n表示的都是特征數(shù)據(jù);其中F表示的是弱分類器的集合，可以使用fK進(jìn)行表示。

（2）評(píng)價(jià)標(biāo)準(zhǔn)

在現(xiàn)今大數(shù)據(jù)發(fā)展背景之下，針對(duì)于企業(yè)信用評(píng)價(jià)體系的特征，可以使用Xgboost模型，實(shí)現(xiàn)對(duì)每個(gè)企業(yè)用戶征信等級(jí)的分析，同時(shí)建立起有效的信用評(píng)估等級(jí)，并且使用優(yōu)、良、中、差進(jìn)行分析表示。

四、供應(yīng)商評(píng)價(jià)結(jié)果與相關(guān)措施

優(yōu)所代表的是優(yōu)秀的供貨商，也就是企業(yè)在長(zhǎng)期發(fā)展中可以優(yōu)先考慮的供貨商，將其列為長(zhǎng)期供貨商;良與中級(jí)可以將其視為正常的供應(yīng)商，根據(jù)供應(yīng)商實(shí)際的考核結(jié)果，以及其自身的意愿，可以將其劃分為“優(yōu)”等的供應(yīng)商。針對(duì)于差級(jí)的供應(yīng)商來(lái)講，需要采購(gòu)部門(mén)在工作開(kāi)展中，可以考慮將其剔除供應(yīng)商采購(gòu)名單，以此提升供應(yīng)商產(chǎn)品質(zhì)量，促進(jìn)企業(yè)的健康發(fā)展。

五、結(jié)語(yǔ)

本文基于大數(shù)據(jù)發(fā)展背景之下，開(kāi)展對(duì)供應(yīng)商信用評(píng)價(jià)方法的研究，主要闡述的是對(duì)評(píng)價(jià)指標(biāo)方法的使用，其中包含了動(dòng)態(tài)指標(biāo)與靜態(tài)指標(biāo)的結(jié)合，指標(biāo)構(gòu)建使用的方法以及信用評(píng)價(jià)模型的構(gòu)建等。并根據(jù)實(shí)際的評(píng)價(jià)結(jié)果制定出相應(yīng)的處理措施，優(yōu)先采購(gòu)、正常采購(gòu)等方式，在文中所涉及到的信用評(píng)價(jià)方法，對(duì)于我國(guó)企業(yè)的自身發(fā)展起到了一定的借鑒與指導(dǎo)意義。

參考文獻(xiàn)

[1]田麗，鐘肖英. 基于大數(shù)據(jù)分析的跨境電商平臺(tái)供應(yīng)商評(píng)價(jià)體系探究[J]. 電子商務(wù)，2020，（12）：44-45.

[2]燕歌，許超. 基于大數(shù)據(jù)的集中采購(gòu)平臺(tái)供應(yīng)商信用管理的研究及應(yīng)用[J]. 建設(shè)機(jī)械技術(shù)與管理，2020，33（03）：62-66.