项目背景

近几年来，钢铁企业面临着成本上升和转型升级的双重压力，包含劳动力成本、燃料材料成本以及物流成本在内的钢铁相关企业的运营成本逐年上升。另一方面，流程性行业基本都是大宗原材料采购，采购金额甚至占到生产成本的70%-80%，而采用期货的交易方式往往会存在巨大价差。面对这种客观情况，钢铁企业对采购人员的能力要求非常高。由于每个采购人员在经验或者能力上的差异，采购策略也有所不同，不同的采购策略有可能造成对企业利润的吞噬。

基于传统的供应商评价体系，多数钢企采购人员对重要原燃料的采购管理以经验选择、粗略评价为主，在部门和个人利益驱使下，一方面缺乏科学合理的供应商评价体系；另一方面，尽管存在评价指标体系，但各方案指标值的给定仍然难以避免主观因素及个人利益的影响，因而评价体系形同虚设，所谓的科学选择流于表面化。
因此，亟需利用大数据综合分析，构建钢铁行业采购尽职水平分析模型与供应商智能管理模型，来协同采购管理与供应商评价，帮助钢铁企业规避物资采购风险，实现动态化、精准化、科学化管理。

需求分析

围绕采购业务全过程相关的行为数据和业务记录数据，以及行业公开网站上相关的外部市场数据，通过规划定性或定量的评价指标体系，构建钢铁行业采购尽职水平综合分析评价数据模型，对采购人员履职全过程进行工作绩效综合评估，进而推动采购管理流程优化和采购管理相关制度进一步完善。
构建完善的供应商动态评估指标体系，结合大数据分析算法及建模技术，对供应商进行聚类分析，寻找各类供应商的共性特点，得到行为分析评价结果；在各供应商历史数据综合评价评估的基础上，使用监督学习算法建立预警模型，对未来一定时期内的供应商的表现进行预警分析，实现对供应商的科学评估和精细化管理。

系统架构

整个系统架构，总共分为四层：数据源层、数据存储层、数据服务层和业务应用层。

• 数据源层：从ERP系统、SAP系统、电子交易平台等信息化管理系统，采集供应商在招投标过程中的行为数据、供应商基本信息、采购订单信息、供应商履约信息以及采购业务全过程相关的行为数据和业务数据，并采用网络爬虫工具从天眼查、全球金属网、我要不锈钢等相关行业公开网站获取供应商企业社会公信、资质级别、司法和经营风险、原料物资市场价格等信息数据，为项目开展提供数据支撑。

• 数据存储层：利用ETL/ESB技术将驻留在不同数据源中的数据进行整合，集成多个数据库，减少数据冗余，提高了数据库关联度。采用关系型数据库和Hadoop大数据存储相结合的混合架构实现系统数据的安全高效存储。

• 数据服务层：数据预处理通过数据清洗、缺失值的处理以及对数据进行标准化转换，在此基础上分别使用最大值、最小值、均值、标准差等统计计算方式完成衍生特征的构造，最后将处理结果数据存储到Hive仓库，以供建模调用；算法服务包括运用TOPSIS算法、K-Means聚类、人工神经网络、随机森林分类、逻辑回归分类等算法，构建采购人员尽职水平综合评价模型，供应商动态评价指标体系以及供应商智能管理分析模型。

• 业务应用层：运用大数据相关算法建立所需的数据模型，实现对采购人员履职全过程进行工作绩效综合评估、供应商的科学聚类排序、各项指标的展示对比、供应商信息的检索和查询、供应商异常预警以及优质供应商的置顶推荐等，帮助企业实时了解供应商动态情况和采购人员的尽职水平，进而推动优化采购管理流程，完善采购和供应商管理制度，为相应管理人员提供有针对性的管理决策支撑。

应用价值

通过构建采购人员尽职水平分析综合评价数据模型，促进采购组内在价值的评估和考量趋于数据化和显性化，基于数据及时发现采购问题并总结经验指导未来采购，使采购行为更细致和可控，全方位精细化管理采购行为，逐步推动建立成本和库存驱动动态采购管理机制。
通过建立供应商综合评价指标体系，为企业选择和评价供应商提供可靠依据，为优化供应链管理提供重要支撑。同时，利用大数据技术对原燃料供应商进行动态预警分析，给企业提供了一套更为科学的实践指导方法，根据预警结果，企业可结合自身条件积极主动采取措施以适应市场波动，进而提升其在市场竞争中的准确性、速度和质量。

效果展示

供应商综合预警界面。通过综合预警模型将供应商分为优质供应商、合格供应商和预警供应商。同时分别根据合同兑现率、质量稳定性、供货周期和价格差异率单项指标将供应商分为A、B、C三类，以供不同工厂、工序根据业务需求侧重点选择供应商。

采购人员尽职水平综合评估页面首页展示：不同采购群组在采购不同物资时，其尽职水平的综合评价，同时分别从质量直通率、计划兑现率、采购成本管理、计划兑现率等维度进行展示。

采购人员尽职水平综合评估页面子页面：展示从不同来源网站爬取的不同物资的价格趋势，如【1#镍板全球金属网价格趋势】。