智决策 自评审——基于大数据与人工智能的采购4.0时代

智决策   自评审

——基于大数据与人工智能的采购4.0时代

作者：林  啸  张  倩  林灵淑

近年来，党中央、国务院出台了一系列政策，对现代供应链创新发展进行了全面部署。产业供应链领域积极响应政策号召，加快培育新增长点、形成新动能，展开了推动行业高质量发展的探索创新。采购作为供应链前端的重要环节，在供应链体系中发挥着促进内部融合贯通、带动外部协同合作的重要作用。在国家政策的大力支持和信息技术革命的有力驱动下，企业尤其是国有企业在供应链管理中建立统一核心平台、构建标准数据化管理体系的诉求日益强烈，数据驱动业务、业务驱动数据的良性循环体系开始逐步形成。

随着国家优化营商环境工作的深入推进以及“互联网+”、大数据算法等技术的快速发展，招标投标形态发生了深刻的变化，采购活动逐渐由线下向线上平台转移，电子化和信息化水平显著提升，国内大型企业集团不断深化应用集中规模采购模式，加快更新迭代，推动集中规模采购不断向新的高度发展。

集中采购自诞生以来，经历了三个主要发展阶段。

以线下采购为主要特征的采购1.0时代依托大量纸质文件、人工集中操作，通过规模效应获取成本效益，该阶段历时最久，效率也最低。

采购2.0时代是从线下采购向线上采购转移的过渡期，众多企业通过网络信息载体完成采购活动，但各环节仍大量依靠人工主导，信息割裂的特征明显。

采购3.0时代是当下正在经历的现代智慧供应链建设阶段，以全过程管控、全要素驱动、全周期协同、全方位融合、全链条贯通为导向，将供应链各环节贯通协同。采购3.0时代的采购模式虽然在较大程度上实现了供应链各环节的贯通，并通过各类信息化、数字化手段进一步解放了人力资源，但采购的核心仍然重度依赖人的参与和决策。随着大数据与人工智能技术的不断发展革新，以自我管理、自我驱动、自我决策为特征的智慧采购4.0时代正呼之欲出。

采购4.0时代将突出解决招标采购三大传统掣肘和难题：一是采购策略依靠“人为决策”，缺乏科学合理的逻辑支撑体系；二是投标环节需要供应商“人工投标”，耗费大量人力、物力提供相关信息；三是采购评审依赖评审专家“人力评审”，信息分析效率低下。新的采购模式将打破并重构原有的行业模式、合作关系、用户边界，驱动采购人与供应商、设计单位等供应链伙伴紧密协同，加快营造信息集成、业务协作和资源共享的产业链生态圈，促进国内循环，形成强大国内市场，助力构建新发展格局。

基于大数据与人工智能的采购4.0时代是打破原有采购各环节信息系统独立运行边界，重构数据层、策略层、应用层的一体化概念。

在数据层，通过标准化底层设计及大数据技术对采购全流程的过程信息数据、供应商侧生产运行实时信息、工商征信专利社保等社会端信息数据、检测机构和认证机构及审计律所等提供的第三方机构数据进行识别与梳理，将信息直接应用于采购评审侧，避免各中间环节的加工及信息丢失等情况发生。

在策略层，通过建立科学的支撑体系，从市场类型、供应商画像、价格监控等角度为集中规模采购策略调整提供理论依据。同时，充分发挥采购策略的科学引导作用，减少采购活动中招标人及代理机构的主观性，进一步提升决策科学性，并降低廉洁从业风险。

在应用层，通过人工智能技术将人工无法处理总结的海量复杂数据进行学习分析，识别内在联系和规律，并推荐预测可能的结果分类，从而实现高效智慧的采购管理。

（一）数据层

数据作为企业信息化建设和数字化转型的基础性、战略性资源，是采购4.0时代的核心要素。当前，供应链数据问题日益突出，主要表现为：供应链前后端数据标准与颗粒度不统一、不规范；供应链数据延伸深度、广度不足，孤岛化现象严重；供应链上下游各方信息反馈滞后，互动性差。为进一步实现物资领域的大数据与人工智能应用，亟需在三个方面实现数据的高效管理、协同共享。

1.形成供应链通用数据语言体系

通过建设并严格执行数据业务标准，形成涵盖采购物资、设备参数、供应商信息的统一编码规则，构建通用且唯一的供应链数据语言，打通采购标准、合同管理、供应商管理、物资供应等业务模块的数据壁垒，实现从计划、标准化、采购到后续履约、监造环节的全流程数据贯通应用。数据的规范化管理不仅是实现数字化的基础条件，更是进一步巩固深化供应链智慧运营的重大底层设计。

2.高效整合物资领域上下游信息

通过智能化数据感知手段，实现基建、设备、营销等需求侧数据的实时采集，同时实时获取供应商生产工单、排产计划、生产设备运行情况等供给侧数据，以及社会信用信息系统、地理交通物流系统跨行业数据，解决投标信息层层编辑修改、反复储存的问题，减少系统中冗余信息储存，有效释放效能。通过将设备监造、出厂验收、履约协调、现场安装、项目投产启动以及日常运行等各关键环节出现的问题进行多维量化，形成评价分值并应用于采购阶段，从而将物资领域上下游信息高效整合汇聚至采购环节。

3.搭建信息实时交互共享平台

通过搭建涉及设计单位、业主单位、监管部门、制造商等供应链各方的实时交互共享平台，为供应链全局提供多元化信息与意见，构建智能化交互模型，引领供应链上下游数据实时引流、共享共治、自主迭代、除旧纳新，从根本上解决各环节间信息反馈滞后、数据沉淀冗余等问题。

高效、协同、共享的供应链数据底层构架是招标人获取供应链全量数据、避免“人为制定”采购策略的基础，是供应商摆脱“人工投标”、实现一键投标的关键，也是减轻评标专家“人力评审”工作量、提升评审智能化水平的重要前提。

（二）策略层

当前采购模式下，采购策略的制定主要依靠人工决策。面对复杂的市场环境、众多的市场主体，人工统计分析通常难以找出采购策略的调整与中标人价格或质量变动的关联关系，不同采购策略与中标结果缺乏系统性规律总结，采购策略的制定缺少科学合理的支撑体系，无法真正发挥调节与引导作用。采购4.0模式下，利用大数据与人工智能技术，通过深度学习历史采购数据与市场信息，应用市场竞争态势、市场群体画像、市场价格跟踪等理论体系，建立从市场研究到主体分析再到价格追踪的多维策略智能制定分析框架，有效指导企业采购与定价策略。

1.市场态势实时分析

招标投标活动是一个招标人和投标人互相博弈的过程，招标采购策略的制定必须依据市场环境的变化和双方博弈的结果动态调整。应用大数据技术实时跟踪市场波动，通过市场中企业的数量、市场份额、企业规模的关系获知市场结构，自动研判当前及未来一定时间内的供应商竞争态势、市场竞争类型、具象化市场特点。对于不同的市场情况，针对性提出差异化的采购策略，从而实现不同的采购目标与市场引导诉求，如图1所示。如对于投标厂家充足的完全竞争市场，在策略上应进一步强化技术和质量评审，着重选优选强。又如对于投标厂家较少的寡头垄断市场，在保证质量的同时，一方面需适度降低门槛，增加供应商数量，防止供应链断裂风险；另一方面需着重监控价格趋势，分析报价异常，警惕恶意抬升价格。

2.供应商画像迭代更新

供应商群体能力参差、各具特点，分析掌握供应商的各方面能力是支撑采购策略进行有效调整的重要前提。基于采购全流程积累的供应商多维度信息，构建供应商能力画像模型。供应商能力画像采用大数据分布式算法，将供应商在供应链不同环节的多维度信息进行归纳整合。在采购评审初评阶段，进行合格性审查，通过构建产品实力指标，体现供应商产品研发与生产能力。在采购评审详评阶段，进行优劣性评价，横向对比各供应商在技术、商务、价格方面的差异，整合形成技术竞争能力、商务竞争能力、供应商报价行为等要素，如图2所示。在采购结束后，及时跟踪收集中标供应商在生产制造、安装调试、物资供应、运行维护等环节的评价反馈，持续对供应商画像信息进行迭代更新。在市场竞争态势分析的基础上，通过细化供应商能力画像，进一步聚焦微观个体，丰富差异化的采购策略方案。

3.采购价格跟踪预警

价格策略作为招标采购中重要的招标策略，直接影响着投标人群体报价水平以及招标人的经济利益。通过建立价格波动预警及调控机制，充分考虑市场价格水平受宏观经济、原材料价格、当前市场竞争态势等客观因素影响，持续跟踪市场价格长期、中期、短期三个不同阶段的波动情况，利用智能算法确定产品价格合理性波动区间。持续追踪不同批次采购价格变化，根据价格波动设定分级预警机制，当价格波动达到设定阈值后将触发不同等级的预警，按照规则自动调整策略导向，从而建立价格追踪及负反馈机制。

通过长期的实践积累和算法的自我学习，采购策略模型得以不断优化完善，改变了以往“拍脑袋”的主观性制定方式，解决了采购策略“人为制定”的掣肘。

(三)应用层

传统集中采购模式中，单一化的评审要素往往忽视了需求侧的个性化需求。同时,评审阶段出现的围标串标现象难以人为界定，供应商后续生产供货延迟和同类型产品质量问题等情况时有发生，难以预测。采购4.0模式下，利用大数据与人工智能技术，能够挖掘供应商链条表象背后隐藏的深层逻辑关系，有效预警各类潜在风险。以电网设备采购为例，可以实现以下四个方面的智能化应用。

1.采购质量导向预警

基于大数据的质量问题分析，能够利用设备型号、技术标准、所属路线、组件厂商、投运时间等信息，构建电力设备知识图谱，深挖设备事故关键诱因。通过将图谱与采购需求、供应商投标相应信息进行分析比对，对相关供应商及设备依据、关联性进行否决或相应扣分处理，有效防范设备并发事故风险，避免电力设备“家族性病症”，支撑电力设备并发故障预测。

2.围标串标监控预警

利用机器学习的算法训练模型有效分析分类投标文件，把历史真实串标的投标人投标报价、相似度高的文字描述等“行为特征”作为增强学习模型的输入值，不断迭加训练出特定特征与围标串标行为的对应关系模型，从而在评标时给出本批次投标文件围标串标的监控预警。

3.因地制宜差异化评审

针对低温、潮湿、高海拔等恶劣环境或位于电网关键枢纽区域的重点站线，自动匹配供应商历史供货及运行情况，优化技术评审因子，分级分类考量供应商应对特别情况的能力，加大特殊技术参数差异性指标评审占比，在先进适用的基础上，遴选最匹配的供应商，实现专区专供。

4.风险分级产能预警

通过构建模糊和长短期记忆神经网络模型，综合利用网络抓取技术、文本识别技术，整合电网经营大数据与外部公开信息，自动获取供应商动产抵押、资金困难等信用信息，以及供应商生产工单、排产计划、生产设备运行等情况，预期供应商破产、延期交货等风险，构建智能评级模型，实现对企业信用、价值及风险的精准评级，合理限制风险估值异常的供应商中标量，保障资金安全、物资供应时效和质量。

1.智慧引领采购变革，采购全流程自动化、科学化、智能化

基于大数据与人工智能的采购4.0时代，人力资源将从采购流程中释放，转向顶层设计环节，大幅减少当前采购模式中的人为干预因素，降低人力成本，实现采购全流程的自动化、科学化、智能化。全要素信息自动抓取分析，信息流自动贯穿采购全流程，减少人工机械化操作；搭建科学分析框架，分析采购全流程数据，辅助进行采购决策，提升采购科学性；利用系统学习与深度学习技术，智能研判分析，定制化采购方案，采购质效飞跃性提升。

2.落实“碳达峰、碳中和”要求，大幅节省招标方及供应商资源成本

基于大数据与人工智能的采购4.0时代，招标方从采购流程与组织中释放，供应商摆脱繁杂的投标活动，人力资源、经济资源等都得到大幅释放。依托自动化系统，采购全流程周期大幅缩短，采购需求得以高效满足，实现采购精益规范、供应及时准确、设备安全可靠、管理优质高效，推动采购活动向智慧卓越模式发展。