全息画像技术—打造不一样的供应商管理体验

对于电力企业而言，所采购的物资数量多、价值大、质量要求高，一旦出现履约、质量问题，将给工程建设进度、电网安全带来极大的影响，因此，加强对电力物资供应商的管理力度，从源头防控履约、质量风险，就显得尤为必要。

传统的供应商管理方法在应对较为繁杂的业务情况时响应速度较慢，难以对供应商履约能力和质量风险做出系统性的评估，且根据感性认知很难做出全局最优的决策。

现在，互联网行业广泛使用的用户画像技术给了我们新的思路：利用大数据和人工智能技术，对供应商进行全息画像建模，直观精准地反映出供应商履约能力及质量水平，有效防范相关风险。

如何进行供应商全息画像

全息用户画像技术是用户画像技术的延伸，用户画像是“建立在一系列真实数据上，描述目标用户特性的模型”，而全息则是指在描述用户时做到“全面、真实”。

供应商全息画像技术示意图

多源供应商数据信息收集

横向贯通ERP、ECP等专业系统，从公司内部收集供应商投标承诺、历年合同、到货及时率、一纸证明、绩效评价、不良行为、用电量等数据，同时建立与信用中国等网站或平台的接口，从公司外部收集供应商信用、行政奖惩等信息，并以此为基础，通过相应算法进行数据的清洗，形成能够全方位反映供应商特性的全息数据库。

需要注意的是，数据是管理的基础，只有获取到足量的原始数据，才能生成相对准确的体现供应商特征的画像系统。

多标签供应商模型库的建立

首先，统计分析供应商全量信息库中的数据，得出供应商履约、质量等行为表现的事实标签，例如供应商信用、行政奖惩、用电量等等。

其次，以事实标签为基础，构建事实标签与绩效表现、潜在风险之间的算法模型，比如结合供应商资质业绩、信用、用电量等，进行供应商不良行为以及交货及时率的预判。

最后，实时更新供应商全量信息库，并不断进行迭代训练，优化完善，持续提高模型的预测精度。

基于全息画像的供应商评估

通过将供应商相关数据信息导入算法模型，对现有或潜在供应商进行精准评估或行为预测，根据模型输出的特征标签，对供应商选用不同的管理策略，对潜在的履约风险和质量问题进行事前防范。

供应商全息画像的应用场景

供应商全息画像最终会形成一套用于评价供应商的算法模型，将分散繁杂的供应商数据信息转化为科学形象的标签画像，同时推送至招标、供应、质量等业务部门，为业务管理和决策提供参考。

优质供应商的选择

在招标采购环节，通过供应商全息画像对目标供应商群体进行科学评估，特别是要考虑供应商质量风险，在全寿命周期成本管理的理念下，预估物资设备运维检修成本，从而遴选出真正优质的供应商，防止供应商恶意低价竞争，扰乱市场公平公正。

履约/质量风险防控

通过实时更新供应商全息数据，动态维护供应商画像，根据供应商履约标签和质量标签的不同，准确辨别出供应商履约能力和质量水平，强化供应以及质量等业务部门对供应商具体能力水平以及历史绩效表现的了解，并通过差异化的管控措施，有效防范可能发生的履约或质量风险。比如，针对贴有“质量堪忧”标签的供应商，应适当加大物资抽检比例，避免不合格物资入网。

以上就是我们对用户画像技术在电力供应链应用的一个探索，如果你有更多更新的创意或想法，欢迎投稿！

电网智库，电网智慧供应链伙伴