基于供应链金融视角与背景依存DEA-Copeland方法的供应商选择*

□ 王亚东，孙树垒，李 刚，张正勇

(1.南京财经大学 管理科学与工程学院，江苏 南京 210023;2.博世汽车部件苏州有限公司，江苏 苏州 215021)

20世纪80年代，供应链管理理念的兴起使得采购商与供应商的关系发生变化，确定供应商不再仅以低价优质作为主要标准，而是建立了一套严格的标准选择一个或者少量供应商进行长期合作。供应商选择已经从单纯的获取某种资源发展到谋求供需双方的长期伙伴关系[1]。建立长期合作伙伴关系的需要使得采购商选择供应商的范围变小，因此单一供应商可能成为供应链上至关重要的环节。供应链中多数供应商为中小型企业，而中小企业风险承受能力较弱，应对突发事件造成的冲击能力较差。受新冠肺炎疫情影响，仅有9.27%的中小企业账上现金余额能维持生存6个月以上[2]。越发严酷的市场环境表明，企业与企业之间的竞争是供应链与供应链间的竞争，而供应商选择是企业供应链管理的关键。成功选择供应商，与供应商进行协作，是对采购商能力的一种支持，并产生双赢的效果，从而提高整个供应链的效率[3]。

以往供应商选择评价指标集中在产品的质量、价格、交付和售后服务上，较少考虑供应商的财务状况。企业的财务状况直接影响到企业生产运营活动，供应商不良的财务状况带来的风险可能对采购商生产运转产生极其不利的影响。在准时交货、供应连续性越发重要的背景下，将供应链金融指标纳入供应商选择评价体系变得尤为重要。供应商评价与选择的模型方法众多，数据包络分析(Data Envelopment Analysis,DEA)是常见方法之一，DEA是根据多项投入指标和多项产出指标，利用线性规划对具有可比性的同类型单元进行相对有效性评价的一种方法[4]。传统DEA模型无法区别有效决策单元，Seiford和Zhu提出背景依存DEA，将效率较低的决策单元作为评价背景，计算出效率较高决策单元相对于效率值较低单元的吸引值，从而对有效决策单元进一步排序；同样地，将效率高的决策单元作为背景，计算出效率较低决策单元相对于该背景的欠缺度，进一步对效率较低的决策单元作更准确的区分[5]。本文从供应链金融视角出发，利用背景依存DEA方法对供应商进行评价与选择。第一部分梳理有关供应商评价指标体系相关文献，然后基于文献整理分析构建基于供应链金融视角的供应商选择评价指标体系；第二部分介绍背景依存DEA和Copeland方法；第三部分基于博世汽车部件苏州公司的实际数据，验证方法的可行性；第四部分总结全文。

1 供应链金融视角下的供应商选择指标体系

供应商评价与选择是多目标决策问题。在选择供应商时追求的目标并非仅有一个，而是从多个方面考核供应商，如产品价格、质量、交货的稳定性与及时性等。关于供应商选择评价指标的研究最早可追溯到美国学者Dickson G.W.[6]。他在1966年对273名代理商和管理人员进行访问调查后，总结出23条供应商选择指标并根据重要性进行排序，其中质量、交货和历史业绩是供应商选择时最重要的3个指标。1991年Weber等检索了1966-1991年发表的关于供应商选择与评价方面的74篇重要文献[7]，2003年Zhang等回顾了1992-2003年的49篇有关文献[8]。通过统计分析后发现，随着时代的变迁，Dickson提出的供应商选择指标的排序和权重因市场经营环境因素发生了一些变化，质量、价格、交货期、生产设备与产能、技术等仍然是供应商选择的重要评价因素，但企业财务状况的权重则从Weber等研究中的9%上升到Zhang等研究中的29%[9]。

文中查找到篇名中含有“供应商选择(supplier selection)”的文献共计218篇。通过筛选对包含供应商选择准则或指标的83篇文献进行统计分析，统计结果如表1所示。

表1 供应商选择指标

83篇文献中有41篇供应商选择准则中包含财务指标，而Weber统计的74篇文献中仅有7篇含有财务指标，进行双样本比率检验，本文文献计量财务指标出现概率显著(显著性水平0.05)高于Weber的文献计量统计。本次文献计量财务指标的统计量虽低于袁宇所做的2000-2012年的文献计量中的财务指标数量，但是双样本比率检验显示该差异并不显著(显著性水平0.05)[10]。由此可见，供应商财务状况越来越受到采购商的重视。

过往研究企业财务状况多仅考虑供应商自身的财务状况，王学良和金伟等将财务指标作为公司实力的体现[11-12]；韦慧认为财务状况是冷链供应商的显性竞争力，作为大多数客户选择冷链物流供应链供应商时首要考虑的维度[13]；裴艳红认为供应商的财务状态直接影响到产品交付和性能，供应商若出现财务问题就会影响供给，甚至出现严重的供货危机[14]。从供应链角度，仅考察供应商自身的财务状况是不全面的，还应关注涉及供应商的整个供应链的金融状况，如银行的授信金额、有无第三方金融支持、上游企业的财务状况。鉴于财务金融指标在供应商选择准则中愈发重要，本文基于供应链金融视角提出了供应商选择指标体系，如表2。

表2 供应商选择评价指标体系

2 背景依存DEA-Copeland方法

2.1 DEA效率评价

将n家待选择的供应商视作n个决策单元(Decision Making Units，DMU)，以DMUj(j=1,2,…,n)表示。评价指标区分为m个输入型指标和s个输出型指标。n个决策单元j(j=1,2,…,n)的输入型指标评价值可表示为Xj=(x1j,x2j,…,xmj)，输出型指标评价值可表示为Yj=(y1j,y2j,…,ysj)。

DEA方法的经典模型为C2R模型，分为Input-C2R模型与Output-C2R模型：

其中，ω为对应输入型指标的m维权重向量，μ为对应输出型指标的s维权重向量；Xb和Yb分别为决策单元b(b∈{j=1,2,…,n})的输入型指标评价值和输出型指标评价值。

如果μTY0=ωTX0=1，则称决策单元b为弱DEA有效；如果μTY0=ωTX0=1，并且ω>0，μ>0，则称决策单元b为DEA有效。

为了更容易区分决策单元的有效性与弱有效性，往往使用C2R模型的对偶问题求解。Input-C2R模型与Output-C2R模型的对偶问题分别为：

2.2 背景依存DEA方法

背景依存DEA方法首先进行决策单元的分层(即分类)，然后计算不同层中每个决策单元相对于较低层的吸引力与相对于较高层的欠缺度。吸引力与欠缺度为区分、评价和选择不同的决策单元提供了依据。

①分层。

分层的基本思想是：首先，对给定的所有决策单元用C2R模型(使用Input-C2R模型、Output-C2R模型、Input-Dual模型或Output-Dual模型；本文使用Input-Dual模型，故以下讨论沿用Input-Dual模型的表示符号)计算得到DEA有效决策单元。若以J1={DMUj,j=1,2,…,n}表示n个决策单元的集合，那么这些DEA有效决策单元构成的集合可以表示为E1={DMUb∈J1|θ*(b)=1}，非DEA有效决策单元构成的集合为J2=J1-E1。然后，将J2作为考察对象，再次应用C2R模型计算得到DEA有效决策单元。类似的，DEA有效决策单元构成的集合表示为E2={DMUb∈J2|θ*(b)=1}，非DEA有效决策单元构成的集合为J3=J2-E2。将此工作进行下去，直到没有决策单元剩下。

若依次得到的DEA有效决策单元集合为El(l=1,2,…,L)，意味着n个决策单元被分成了L类，即L层，并且规定先得到的层的级别高于后得到的层的级别。若有k,l∈{1,2,…,L}，且k

②吸引力。

所谓吸引力是以级别较低的层El作为评价背景，以级别较高的层Ek中的决策单元b作为评价对象，使用C2R模型计算得出的效率值A*(b,k,l)，表示为如下的Attractiveness模型：

其中，DMUb∈Ek，且k

A*(b,k,l)越大，DMUb越有吸引力。Ek层中的决策单元可以依据各自的吸引力大小进行排序，从而找出它们当中最好的那一个。吸引力为同一层中的决策单元的的进一步区分提供了方法。

③欠缺度。

所谓欠缺度是指以级别较高的层Ek作为评价背景，以级别较低的层El中的决策单元b作为评价对象，使用C2R模型计算得出的效率值的倒数P*(b,l,k)，表示为如下的Progress模型：

其中，DMUb∈El，且l>k。Progress模型与Input-Dual模型的不同之处在于评价对象来自El层的某个决策单元DMUb，而评价背景为Ek层的所有决策单元。定义d=l-k，则称P*(b,l,k)为决策单元DMUb的d级欠缺度。

P*(b,l,k)越大，DMUb的欠缺度越大。El层中的决策单元可以依据各自的欠缺度大小进行排序，从而找出它们当中最好的那一个。欠缺度为同一层中的决策单元的的进一步区分提供了另一种途径。吸引力度量了同一层中决策单元的优势大小，而欠缺度度量了同一层中决策单元的不足程度。

2.3 统计检验

计算出决策单元在自身所在层的超效率后，可以在不同的背景层，按照决策单元的效率值给出决策单元排序，L层得到L种排序。为利用不同背景层下的供应商排序进行供应商选择，我们首先面临两个问题：不同分层之间的排序是否存在一致性，决策单元之间是否存在显著差异。为解决上述两个问题，本文选用方差分析(ANOVA)来检验。

首先检验不同分层之间排序是否具有一致性，将背景记作L，假设其有r层，记作L1,L2,L3,…,Lr。n个决策单元视作n个处理。在每个背景下考察的决策单元可以看作一个整体，每个背景Li下的总体都获得n个实验结果。假定：

①每个水平下Li的总体均为正态分布，记作yi～N(ui·σ2),i=1,2,3,…,r。

②各总体的方差相同。

③从每一总体中抽样的样本是相互独立。

提出以下假设：

H0：u1=u2=…=ur

如果H0成立，即背景层L的r个层之间的排序没有显著差异；反之，背景层L的r个层之间的排序有显著差异。

其中，MSi表示均方和，fi表示离差平方和。

将上式作为H0的统计量。对于给定的显著性水平α，若F>Fα(r-1,n-r)，则否定H0，反之，则接受H0。同理也可以检验决策单元之间是否存在差异。

2.4 Copeland计分排序法

Copeland积分排序法是一种非参数排序方法，在计算“优”次数的同时还要计算“劣”的次数[15]。假设yij为决策单元xi在第Li层中的排序值，首先比较每层决策单元的得分Cij，若xi>yj，表明决策单元i优于j，赋值为1；若xi

3 案例应用

3.1 博世(BOSCH)苏州公司供应商管理

作为世界级的汽车零部件公司，截至2019年年底，博世在全球拥有超过40万名员工，销售额达777亿欧元。博世业务划分为四个领域：汽车与智能交通技术、工业技术、消费品以及能源与建筑技术领域。在中国，博世汽车相关的生产基地已经超过23家，有超过6,580名研发人员。博世汽车部件(苏州)有限公司(以下简称博世苏州)是博世在中国的一家子公司，主要负责汽车部件及各个系统的生产与研发。

博世苏州公司发展迅速，供应商的数量从最初的十几家增加到现在的几十家。但是供应商的广泛管理和控制并无改善，供应商评估方法仍处于业务部门发展的初期，无法满足现阶段供应商管理的需求。经过分析发现博世苏州公司主要面临以下问题：一是博世苏州公司以前只关注与供应商的交易关系，不关注供应商的经营状况和环境评估水平。一旦供应商的经营状况不稳定，有破产风险，将极大影响生产计划与研发进度；二是评估方法不够科学，按比例分配权重，由各部门对供应商进行打分，难以获得供应商足够的信息。

作为多标准决策问题，供应商选择指标随行业和市场环境动态变化，在解决具体问题时，每一个采购商都应该根据自己的战略需求构建准则体系。前文我们构建了基于供应链金融视角的一般性指标，其提供了全方位的考量，针对博世苏州公司所处行业和企业实际需求，我们选定以下6个指标构建供应商选择与指标体系。

资质与管理(C1)：主要对供应商的长期战略、合作意愿、社会责任、环保体系、职业安全与健康等相关资质与管理水平进行全面评估；相关数据由采购部门和质量部门负责采集。

价格与成本(C2)：主要对供应商的产品价格水平、价格波动性、成本控制、成本透明度等进行评价；相关数据由采购部门负责采集。

技术与设施(C3)：主要对供应商的生产技术、生产设施、测试设施、技术潜力等进行整体评估；相关数据由采购部门负责采集。

物流与交付(C4)：主要对供应商的物流质量、交货可靠性、交付灵活性、交付中的沟通与合作等进行评价；相关数据由物流部门负责采集。

质量与服务(C5)：主要对供应商交付产品的合格率、投诉率、质量保证情况，以及供应商内部的废品率、质量控制、流程标准化等进行全面考核；相关数据由质量部门进行采集。

财务违约(C6)：主要对供应商的现金流量、应收账款、短期债务和长期债务、银行信贷金额、上游供应企业财务状等进行考察；相关数据由委托的第三方金融机构负责采集。

某时期内对博世苏州公司的30家供应商按照以上6类指标进行评价，评价结果如表3所示。其中将C1、C2、C3三类指标作为背景依存DEA模型的投入，将C4、C5、C6作为产出；S1，…，S30代表30家供应商，作为背景依存DEA模型的决策单元。

表3 供应商评价的投入与产出数据

3.2 评价与分析

使用MATLAB对有效前沿面进行分层，可得到5个分层，其中第一级分层E1={S12,S13,S14,S15,S18,S24}，第二级分层为E2={S2,S3,S7,S11,S17,S20,S21,S27,S28,S30}，第三级分层为E3={S8,S9,S10,S22,S26}，第四级分层为E4={S1,S4,S5,S16,S23,S25,S29}，第五级分层为E5={S6,S19}；然后，以每个分层依次作为背景，计算每个决策单元在背景层中的吸引力、欠缺度或超效率得分；最后给出不同背景层下决策单元按照效率得分的增序排序，结果如表4所示。以供应商(决策单元)S1为例，其所在层级为4，表示在使用Input-Dual模型对30个决策单元计算效率得分，将有效决策单元作为背景层1并对其他决策单元再次使用Input-Dual模型，再将有效决策单元作为背景层2，……，直到得到S1属于背景层4。以层级较低的层5，应用Attractiveness模型，可以得出S1对于背景层5的吸引力A*(S1,4,5)=1.1832。同样地，分别以层级较低的层1、层2和层3作为背景，应用Progress模型，可以得出S1对于背景层1的欠缺度P*(S1,4,1)=0.8024，对于背景层2的欠缺度P*(S1,4,2)=0.9718，对于背景层3的欠缺度P*(S1,4,3)=0.9980。显然，级别相差越大，低级别层背景4的决策单元S1对高级别层背景1的决策单元越具有欠缺度，效率得分越低，即P*(S1,4,1)

表4 供应商分层、吸引力、欠缺度或超效率得分及排名

将供应商在5个背景下的排序作为输入数据，利用SPSS24分别判断不同背景层下的排序是否具有一致性和决策单元之间排序是否存在差异。在0.05的置信水平下，检验统计量结果表明接受不同背景层下的排序具有一致性的假设，拒绝决策单元之间排序存在一致性的假设。这说明不同背景层下的排序存在统计意义上的一致性；决策单元之间排序存在差异。利用Copeland积分排序法计算求的结果见表4最后一列，得分最高为供应商S14。图1为供应商Copeland得分的散点图。

图1 供应商Copeland得分散点图

背景依存DEA的特点是可以将决策单元划分为不同的层级，因此采购商可以依据结果对供应商实现分级管理。依据二八法则，企业若是选择多个供应商进行供应，应该重点关注排名前20%的企业。在本文中，即重点关注位于第一层中的S12,S13,S14,S15,S18,S24，即图1虚线上部。对于同一层级的不同企业也可通过Copeland得分进行排序，引导供应商不断提升自己的产品质量和服务水平，以期得到更多的订单份额。

对于吸引力和欠缺度的计算，能快速识别供应商的优势与不足，获得供应商的完整画像，从而可以采取有针对性的管理方案与激励措施。同时也让供应商明确了其在供应商库中所处位置，有利于供应商设定目标对象，确定改善方向。

4 结语

对近2年有关供应商选择相关文献整理分析后，发现财务指标在供应商选择指标体系中越来越受到重视，基于此本文构建了基于供应链金融视角的供应商选择评价指标体系。由于DEA无法对评价值为1的有效决策单元进行区分，本文利用背景依存DEA-Copeland方法对供应商进行划分、排序。为验证评价指标体系与背景依存DEA在供应商选择中的有效性，我们结合博世苏州公司的实际情况，基于供应链金融视角提出了六个维度的评价指标体系，利用背景依存DEA-Copeland方法分析后，发现分层结果良好，求解结果贴合实际。