大数据在企业采购活动中的应用研究

(北京物资学院 北京 101149)

一、大数据背景分析

(一)大数据的定义和特点

大数据一般指超出传统数据管理工具所能有效收集、存储、管理、处理的结构复杂、数量庞大的数据集。大数据是数据分析的前沿技术，上世纪80年代，大数据萌芽开始诞生，主要表现为数据挖掘理论的发展和数据库技术逐渐成熟。2001年，道格莱尼指出数据爆炸的机遇和挑战有三个方向：量(Volume)即数据的大小、速(Velocity)即资料输入输出的速度、多变(Variety)即数据多样性[1]。虽然对于大数据没有严格的定义，但是体量大、更新快、类型多、价值密度低的特点是学者普遍接受的观点之一。当今不断增强的数据处理能力为大数据技术的实现提供了强有力的技术支撑，使得大数据技术突破理论，在当代社会发挥作用提供了可能性。

(二)大数据的处理过程

1.大数据的采集和预处理

合理的数据采集为数据分析提供有力支撑，有效合理的数据分析为企业战略决策提供重要参考。目前集中采集和分布式采集是大数据采集的主要方式。由于现代社会数据量较以往呈现几何级增长态势，采取何种数据采集方法进行有效的数据采集至关重要。只有将大量的网络数据进行科学的采集与处理，才能够提高大数据的利用效率，真正的为企业生成一种有效的数据集，从而使其在应用中得到有效的数据支持[2]。

2.大数据的存储与管理

传统的数据存储模式由于其有限的存储容量已经不适用于互联网技术快速发展的时代，海量数据使得计算机的数据处理能力面临新的挑战。发展云计算能够有效地分类存储、计算分析不同类别数据，提高了大规模海量复杂数据的计算处理效率。除此之外，计算机技术的不断发展推动了大数据技术的进步，通过压缩海量数据，减少数据存储容量已达到方便有效管理的目的。

3.大数据的计算模式

由于大数据具有多元化、海量的特点，因此在大数据的处理问题上，大数据计算模式应该具有针对性。结合不同数据的自身特点对计算机大数据计算的进行多元化发展，结合相应的计算模式才能让数据分析更加高效、准确。同时，从源头入手，加强数据收集、数据预处理等流程管理，能够进一步提高大数据计算的有效性。

二、企业采购活动分析

(一)采购流程

采购是生产制造过程的先导，是整个供应链的第一个要素。国际采购与供应管理中的模块学习系统(Modular Learning System)是包含整个采购供应流程的综合训练集，它包括战略采购、项目采购、日常采购三大主要采购领域，共12个主要流程[3]。优化采购流程，做好采购活动对提升整个供应链绩效具有重要作用，将采购与大数据结合是充分发挥采购系统资源潜力的重要抓手，利用互联网、大数据、云计算等现代信息技术推动价值链协同，对上下游企业实施横向和纵向的一体化整合。根据企业采购活动的特点，从海量的数据中筛选出相关的数据应用点，将该类数据应用点与采购活动的场景依次串联，通过数据了解采购各项活动的内在特点和规律，分析、制定出更加完备的采购策略，优化企业采购流程。

(二)采购常见问题分析

1.供应商选择困难

供应商的选择事关组织的正常运营以及整个供应链的高效运作。2019年的政府工作报告中指出，国家将着重优化民营经济发展环境，各种所有制企业在市场竞争例如政府采购和招投标项目中得到公平对待，然而贯彻行业内竞争中性原则仍面临诸多挑战。从大型企业的角度出发，有比较稳定的供应商能够在前后工作的衔接上减少沟通时间，并且选择具有雄厚实力的供应商能够保证原材料的稳定、持续供应，在售后服务方面也有所保障。中小企业由于自身的局限性，很容易出现资金短缺或供应不足等情况从而影响下游企业正常运作。

2.缺失全程管控，增加间接成本

企业采购部门进行采购活动时往往趋向于差不多的质量前提下价格更低的产品，然而却忽视了其他客观因素，如产品的寿命、供应商的售后服务、运输距离与风险等给企业带来的间接成本。产品出现质量问题往往分为以下几个阶段：供应商出厂环节、运输环节、货物交接环节、在库环节、生产环节以及客户使用环节。大型企业拥有众多供应商，如果出现产品质量问题，难以第一时间追溯到零配件供应商。对原材料进行全流程的监控与溯源，有利于责任的划分以及启动快速的响应机制。

3.采购决策主观因素大，增加仓储不确定性

传统粗放型的供产销模式在当今多变的市场大环境下需要灵活多变以响应市场需求。按照传统的采购方式，企业往往根据库存状况或者主观臆测来决定原材料的采购数量与采购时间，然而多变的市场需求可能会给企业带来原材料与产成品的库存积压或者是库存短缺的状况，通常情况下，企业往往通过紧急采购对短缺原材料进行补货，然而紧急采购往往伴随着更高的采购成本以及产品质量问题。

三、大数据背景下的企业采购活动的优化方法

(一)多指标分析供应商能力，选择合适供应商

坚持从多方面的指标，如产品质量、交期、可靠性、供应商响应与服务等，对供应商资质进行评估选择，充分获取供应商数据对供应商进行全方位的资质评估。要扩大数据源以减少数据残缺对供应商评价指标的影响，从多渠道，如招投标平台、第三方信息平台、供应商企业官网等，获取充足的指标数据。爬虫从不同数据源爬取到所需信息，在数据清洗阶段清理脏数据，并对清洗后数据做结构化调整。根据前期设定的算法计算不同指标并对其进行评估，提供不同关键字段、数据以供企业筛选达标的供应商，并将数据存储到关系数据库中。根据供应商日常供应活动各项指标，对各项指标设定权重计算供应商综合服务能力对此进行管理评估，该类数据在企业未来招投标活动中将为企业决策提供参考，影响着企业与供应商将来能否持续合作或是减小对供应商的采购份额，促使供应商持续改进。不同于传统的供应链线性结构，大数据背景下的买卖双方呈现动态的、对应的、共享的网络关系。

(二)全程物料追溯，保证产品质量安全

对企业重要零部件配备RFID标签，即从供应商出库环节对重要部件进行产品标识，并对零配件运输、入库、储存、生产、调试、下线、销售全生命周期进行标识维护。当某环节出现意外情况可以根据RFID标签记录的产品状态等动态信息在最短时间内追溯到采购、流通、生产，准确定位出错环节。基于RFID技术和物联网的零部件物联网溯源系统面向零配件及产成品全周期供应链各个环节，包括生产、销售、管理和服务等。因此，溯源系统的功能结构包含以下几个层次：输入层、传输层、数据层、服务层、客户层(如图1所示)。

溯源系统的功能结构最底层的输入层在各环节负责产品信息等原始数据；传输层主要将输入层采集识别到的原始数据经过简单的加工处理上传到信息管理系统以便网络平台对零配件及产成品进行实时监测；数据层不同的数据库分别对应各自不同种类的数据信息；服务层是对采集的原始数据进行进一步的数据清洗与处理，对零配件及产成品的全周期进行精益化管理，为供应链各个节点企业以及消费者提供生鲜产品的全周期流动信息，提高客户服务水平；客户层为买卖双方提供了多种形式的操作界面。基于RFID技术的监控系统能够实现全流程监控与溯源，数据环环相扣，既保证了信息的准确与透明，一旦发现问题，也可以快速定位风险源头，保证了各个环节的正常运作，极大程度地保证了产品的质量安全。

图1 溯源系统的功能结构

(三)加强信息交互水平，实现精准管理

建立数据共享平台，企业能够与供应商实现更加高效的沟通，信息共享程度越高，双方的合作关系就越发紧密。共享度提升有利于实现对企业采购与库存的精益化管理，大数据对库存管理的影响主要体现在：更低的库存成本，更精准的生产计划与库存成本以及更加智能的库存管理。企业可以通过大数据技术将所有的需求商与供给商的数据进行搜集与整理，通过分析得出每个企业所需要的准确商品，从而进行精准生产，将产品的库存压倒最低，减少库存积压所带来的成本。企业也可以在库存数据与客户偏好数据的基础上,做到对各仓库库存合理布局,减少调拨次数,节约库存管理成本[5]。使用大数据平台实时记录与监测如销售数量、天气情况、销售周期等历史数据，对现有库存进行监控，预测客户需求并与供应商共享数据信息，从而确定采购批量及最佳库存量。基于大数据技术的库存管理更加精准、及时，能够有效规避企业运营成本。

四、结语

卓越的大数据平台技术是企业的一种软实力，它将是今后经济与社会发展的新常态，成为中国新时代转型发展的新动能。企业采购部门要抓住机遇，对传统采购流程进行升级改造，不断深入融合现代信息技术。利用大数据做好内部的横向资源整合与一体化管理以及纵向的外部资源调整、资源协同，最终对上下游客户实施纵向与横向一体化的整合，形成更加高效、智能的供应链生态圈。