基于信息聚合的电力企业供应链大数据研究

段琳凤，刘　雷，陈　曦，和　心，金菲菲

（1.国网冀北电力有限公司物资分公司，北京　100075；2.北京中至正工程咨询有限责任公司，北京　100075）



基于信息聚合的电力企业供应链大数据研究

段琳凤1，刘雷1，陈曦1，和心1，金菲菲2

（1.国网冀北电力有限公司物资分公司，北京100075；2.北京中至正工程咨询有限责任公司，北京100075）

大数据时代为供应链带来了新的机会和挑战，供应链的经营与管理必须紧密对接大数据时代发展的特征。指出信息聚合符合了供应链运营中的信息萃取、整合与优化利用等要求，通过信息聚合，能够及时、有效地获取与分析具有价值的数据，提高供应链经营管理的效率与效益，降低经营成本和风险。然后以电力企业供应链大数据为实例，阐明了利用信息聚合方法进行大数据分析的过程，从而证明了信息聚合方法的有效性和实用性。

大数据；供应链；信息聚合；电力企业

1　引言

规模庞大、数量众多、种类繁杂的数据集被形象地定义为大数据。随着大数据时代的来临，为供应链管理带来了新的机会和挑战。如何在大数据时代将数据分析技术合理地、创新性地应用在供应链管理模式的发展、供应链管理战略的制定和供应链管理水平的提高上，成为当前亟需攻克的难题［1］。

2　信息聚合的内涵

信息聚合是从大数据中梳理、分析相关的信息，根据某一信息运用的要求，面对分散的信息资源，通过聚合，把丰富的信息资源或信息碎片进行有序的萃取与整合，及时有效地形成具有较高价值的信息资源。信息聚合能够把分散的信息资源整合成信息整体，实现信息整合优化利用的效果［2］。

通过信息聚合，供应链经营可以较为及时地获取有价值的信息资源，主动根据供应链运营中的相关节点组织与工程建设的物资需求以及供应链环节的供应要求，对供应链的大数据进行有目的、有针对性的梳理，对大数据进行信息萃取、信息整合与优化利用，从而提高供应链信息聚合的经济效益，体现大数据分析在供应链的价值。

3　电力企业供应链大数据的来源

电力企业的物资供应链主要包括：需求计划、招标采购、合同签订、合同履行、合同结算五大环节。首先，项目单位提出物资需求，由物资供应管理单位经过审核、筛选、打包形成需求计划，主要包含所需物资的需求时间、需求地点、需求物料等内容。将现有物资与需求计划进行匹配、供货的过程，被称为平衡利库。招标采购是将平衡利库无法满足的需求计划，通过公开招标、竞争性谈判等方式进行采购，确定中标供应商。合同签订环节，电力物资供应管理单位依据中标结果与供应商签订合同。之后进入合同履行环节，主要包括制定物资供应计划、跟进供应商生产进度、催交货、入库验收管理。最后在合同结算环节进行履约保函管理、发票管理、付款和结算管理。

大数据时代电力企业供应链信息聚合所涉及的信息资源范围广泛，信息种类繁多，主要包括：

（1）供应链成员的信息来源。供应链运营管理相关的供应商、物资供应管理单位、项目单位等节点组织的信息资源是供应链信息聚合的重要来源。其中，物资供应链相关的需求计划、招标采购、合同管理、物资供应、现场服务、质量监督等环节，既向供应链运营体现着信息资源的需求，其自身也向供应链提供着相应的信息资源，成为供应链信息聚合的重要来源。

（2）大数据的网络信息来源。供应链网络信息聚合的来源，主要包括电子商务平台（以下简称ECP）、资产全寿命管理系统（以下简称ERP）、财务付款系统的数据信息。

（3）供应链其他组织相关的信息来源。供应链信息聚合包括网络平台信息以外的信息资源，不仅仅局限于网络资源的范畴，而是从多渠道、多维度对接供应链运营发展中的各类信息需求，主要包括合同台账、电子版或者纸质版合同文本、合同扫描件等资料素材，通过与财务管理单位、项目管理单位、建设管理单位、上级管理单位等供应链其他组织的沟通协调和信息共享，实现大范围的供应链信息资源聚合，增加了供应链信息聚合的来源渠道，获得更好的供应链信息聚合的整体效应。

4　电力企业供应链大数据信息聚合的实现

供应链大数据的分析采用信息聚合方法，主要包括信息萃取、信息整合、信息优化三步。

4.1信息萃取

信息萃取是信息聚合的运用基础。信息萃取从供应链运营管理面临的大数据中进行信息资源的收集、整理与分析，注重供应链网络知识的发掘［3］，获取供应链运营所需的信息以及信息价值。信息萃取不仅重视对于供应链运营管理的各个环节或组织的信息分析与处理，更要凸显供应链大数据的发掘与分析能力。信息萃取作为供应链信息聚合的重要职能，从大量繁杂的数据中萃取出有效、有序、精炼的信息，以便更好地进行数据的分析和问题研究。

本文以“采购订单号”为唯一关键词，从ECP、ERP、财务付款系统、合同台账中萃取得到的数据见表1。

表1　信息萃取数据结果

之后，将表1中的系统数据与合同台账以“采购订单号”为主线进行整理，再次萃取信息。主要从合同信息、项目信息、合同履行信息、合同结算信息等四个方面进行多维度萃取，萃取的信息内容主要包括：

（1）合同信息方面：采购订单号、合同编号、电子商务合同编号、订单说明、供应商名称、行号、物料编码、物料说明、单价、订单数量、单位、中标时间、创建时间、生效日期、招标批次名称、招标批次、批次年度；

（2）项目信息方面：项目所属单位、项目编码、项目名称、电压等级；

（3）合同履行信息方面：供应单位、计划交货日期、实际交货日期、入库数量、入库金额；

（4）合同结算信息方面：订单含税金额、订单不含税金额、付款比例、预付款金额、设计冻结款、到货款金额、质保金金额、收单方、开单数量、开单含税金额、发票编号。

4.2信息整合

信息整合是信息聚合的中坚环节。主要是对供应链运营管理中的相关信息进行整合处理的过程。通过信息整合，把供应链大数据运营管理的各类信息资源构建成信息整体，体现了供应链运营相关信息资源的从“散”到“整”的流程。与信息萃取的区别在于，信息整合体现了供应链信息聚合中的对各类信息进行分类、汇总、归纳的功能，突出了对于供应链运营管理零散信息的处理分类、信息获取、信息推理等能力［4］，是信息萃取步骤的重要补充。供应链大数据的信息聚合，可以有效整合供应链的供应商、项目管理单位、建设管理单位以及财务管理单位等不同节点的信息资源。

本文首先针对萃取得到的采购订单合同信息、项目信息、合同履行信息、合同结算信息等四个方面内容进行处理分类，其次标注分类类型。具体步骤如下：

（1）剔除期初上线数据、无效数据、“已入库，已付款”的订单；

（2）标注“重复订单”；

（3）“已入库，未付款”的订单标注为类型1“已到货，未付款”；

（4）对于“未到货，未开单”进行细化分类：①“未入库，未付款，非重复订单”，标注为类型2“未到货，继续实施”；②“未入库，未付款，是重复订单，存在合同台账或合同文本作证材料”，标注为类型3“未到货，需解约”；③“未入库，未付款，是重复订单，不存在合同台账或合同文本作证材料”，标注为类型4“数据需清理”。

4.3信息优化

信息优化是信息聚合的价值提升。是在供应链运营管理已经获得的信息资源基础之上，进一步对已有信息资源进行梳理、分析、有目的地采用，实现了相关信息资源的科学合理归类与优化处理［5］。供应链信息聚合中的信息优化，则是在信息整合基础上，结合供应链各个相关环节、组织、单位的实际运营需求，对于相关的供应链信息资源进行再处理、再分析的优化升级过程。

在大数据环境中，通过信息优化，能够较好地促进供应链运营管理中的信息处理能力、信息运用能力以及信息决策能力的提升，实现供应链信息资源的优化运用。优化升级后的信息资源应用于供应链的运营管理之中，实现供应链运营管理更好的效益。

本文的信息优化部分，主要针对类型2、类型3、类型4的数据进行再分类和再分析，按照“项目所属单位”和“供应单位”两个维度进行数据拆分和信息共享，由项目所属单位，供应单位进一步分析和跟进每个订单具体情况，并实时反馈相关进度。

电力物资供应管理单位依据实时反馈的信息，对供应链数据进一步细化再分类，并联合合同管理、供应管理、仓储管理和工程管理等专家和资深管理人员，共同制定每个订单的解决方案，同时开展各单位及各部门间的协同工作，进一步对订单数据进行优化和处理。

将类型3“未到货，需解约”再细分为：

（1）针对未递交解约手续的订单，标注为类型3“未到货，需解约”；

（2）针对已递交解约手续的订单，标注为类型4“未到货，需履行解约程序”。

至此，通过信息整合和信息优化，供应链数据被分为以下5类：类型1“已到货，未付款”，类型2“未到货，继续实施”，类型3“未到货，需解约”，类型4“需履行解约程序”，类型5“数据需清理”，数据结果见表2，数据量占比如图1所示。

表2　信息整合数据结果

图1　信息整合数据分布情况

5　电力企业供应链数据分析结果

面对多维、繁杂的信息资源，供应链管理必须提高其信息的聚合水平，通过供应链信息的有效萃取、信息整合与信息优化利用，注重供应链大数据的价值。信息聚合方法能有效地解决电力企业供应链大数据分析问题，通过信息萃取、信息整合、信息优化极大地降低了供应链订单的数据量，将需要分析的订单数量由十几万减少到几十个（如图2所示），使得相关的订单数据变得简单、明确、精炼，更有助于企业进行分析、决策和实施。

图2　信息聚合过程中订单数量变化

5.1提升供应链整体效率

供应链管理的能力是企业降低成本的新利润源泉，将大数据分析应用于供应链中各成员企业的核心业务环节，从需求计划、招标采购、合同签订、合同履约、合同结算等节点，通过大数据推升效率，达到敏捷反应，提升协同效应，实现对供应链各环节的紧密整合。通过信息聚合，提高了电力企业供应链的整体效率，信息优化后的数据结果与信息整合的数据结果相比，优化过程提高了46.18%的供应链效率（如图3所示），推动累计总金额39621.25万元订单的催货、入库、付款、结算的供应链全链条的工作进度，见表3。

图3　信息优化后-提升效率部分订单数量占比

表3　信息优化后的数据结果-提升效率

5.2降低运营成本和风险

供应链管理关注技术和流程的集成，重视高效利用供应链的各种资源、技术、工具，实现综合效益，而不仅仅是获得单项效益。通过对大数据的分析，着眼于全局数据源，聚焦特定数据问题，达到降低经营成本的目的。供应链的大数据应用以低成本对企业内部及外部大量数据进行收集，作为分析基础，挖掘出数据隐蔽价值，同时，实现供应链整体数据资源可视化、需求计划同步化、风险管理可控化的效益回报［6］。通过清理无效和重复数据、约谈供应商、履行解约程序等方式，极大降低了企业经营风险和经营成本。信息优化后的数据结果与信息整合的数据结果相比，优化过程为企业节约成本16 464.61万元，同时理清了需要继续处理的订单问题，对于订单可能存在的风险和隐患，更有针对性地进行问题处理和制定防范措施，见表4。

表4　信息优化后的数据结果-降低成本

5.3有效信息聚合，驱动智慧供应链

供应链管理的繁复程度不断加深，带来了越发庞大的数据量，企业需要整合并优化在需求计划、招标采购、合同签订、合同履行、合同结算等一系列环节的信息，改善供应链上下游关系，以获得竞争优势。大数据在供应链中的应用并不是简单的将订单状态、履约情况、付款进度等数据可视化，而是通过有效的信息萃取、整合和优化，对数据资源深入发掘，并充分运用至企业经营决策与实施中，通过获取有价值的数据加快供应链上各环节的运营节奏，提高供应链整体的响应速度，以推动供应链成为企业发展的核心竞争力，并提升供应链自身价值，形成智慧型供应链。

6　结束语

文章采用信息聚合方法对电力企业供应链大数据进行分析，通过信息萃取、信息整合、信息优化的步骤，实现了电力企业供应链大数据分析，发现了供应链管理中的需要关注和解决的订单问题，降低了电力物资供应管理企业的经营风险和经营成本，有效地解决了大数据分析的数据量巨大、分析难度高的问题。信息聚合方法简单实用，与常用的大数据分析方法大为不同。常用的大数据分析主要包括5个基本方面，即数据可视化、数据挖掘算法、数据预测性分析、语义引擎和数据筛选和数据处理［7］。但由于大数据的规模庞杂、数据的非结构化及其多样性，常用的大数据分析方法在实际操作中存在技术难度大、周期较长、实施成本高等问题。因此，本文采用信息聚合方法进行大数据分析，并通过对电力企业供应链数据进行阐述和分析，证明了信息聚合方法的有效性和实用性。

［1］张瑜.大数据分析在供应链中的应用［J］.仪器仪表用户，2016，（3）：72-73.

［2］陈永平，蒋宁.大数据时代供应链信息聚合价值及其价值创造能力形成机理［J］.情报理论与实践，2015，（7）：80-85.

［3］Lau H C W，Ho G T S，Zhao Y，Chung N SH.Development of a process mining system for supporting knowledge discovery in a supply chain network［J］.Internationaljournal of Production Economics，2009，122（1）：176-187.

［4］Tsui E，Wang W M，Cheung C F，et al.A concept-relationship acquisition and inference approach for hierarchical taxonomyconstruction from tags［J］.Information Processingamp;Management，2010，46（1）：44-57.

［5］Pishvaee M S，Rabbani M，Torabi S A.Arobust optimization approach to closed-loop supply chain network design under uncertainty［J］.Applied Mathematical Modelling，2011，35（2）：637-649.

［6］王娟.大数据应用对供应链管理价值提升的分析与研究［J］.物流科技，2016，（2）：131-132.

［7］Linkin Park.大数据分析与处理方法介绍［EB/OL］.http：// www.36dsj.com/archives/3512，1998，2013-09-23.

A Big Data Study on Power Company Supply Chain Based on Information Fusion

Duan Linfeng1，Liu Lei1，Chen Xi1，He Xin1，Jin Feifei2
（1. State Grid Jibei Electric Power Company Material Company， Beijing 100075；2. Beijing Zhongzhizheng Engineering Consultancy Co.， Ltd.， Beijing 100075， China）

With the advent of the big data era come new opportunities and challenges which require the operation and management ofthe supply chains to adapt to the characteristics of the era. In this paper， we pointed out that information fusion fitted the requirement on theextraction， integration and optimized utilization of information in supply chain operation and that， through information fusion， we could obtainand analyze valuable data in a timely and effective manner， enhance the efficiency and benefit of supply chain operation and management，and reduce the operational cost and risks. Next， based on the empirical big data of an electric power company supply chain， we demonstratedthe process of information fusion in the big data analysis， thus proving the validity and practicality of the method.

big data； supply chain； information fusion； electric power company

F274；F426.61

A

1005-152X（2016）07-0135-04

10.3969/j.issn.1005-152X.2016.07.030

2016-06-11

段琳凤，女，国网冀北电力有限公司物资分公司，硕士，研究方向：供应链管理；刘雷，男，国网冀北电力有限公司物资分公司，中级职称，硕士，研究方向：合同管理；陈曦，女，国网冀北电力有限公司物资分公司，硕士，研究方向：合同管理；和心，女，满族，国网冀北电力有限公司物资分公司，硕士，研究方向：合同管理；金菲菲，男，回族，北京中至正工程咨询有限责任公司，研究方向：合同管理。