大數據在企業采購活動中的應用研究

(北京物資學院 北京 101149)

一、大數據背景分析

(一)大數據的定義和特點

大數據一般指超出傳統數據管理工具所能有效收集、存儲、管理、處理的結構復雜、數量龐大的數據集。大數據是數據分析的前沿技術，上世紀80年代，大數據萌芽開始誕生，主要表現為數據挖掘理論的發展和數據庫技術逐漸成熟。2001年，道格萊尼指出數據爆炸的機遇和挑戰有三個方向：量(Volume)即數據的大小、速(Velocity)即資料輸入輸出的速度、多變(Variety)即數據多樣性[1]。雖然對于大數據沒有嚴格的定義，但是體量大、更新快、類型多、價值密度低的特點是學者普遍接受的觀點之一。當今不斷增強的數據處理能力為大數據技術的實現提供了強有力的技術支撐，使得大數據技術突破理論，在當代社會發揮作用提供了可能性。

(二)大數據的處理過程

1.大數據的采集和預處理

合理的數據采集為數據分析提供有力支撐，有效合理的數據分析為企業戰略決策提供重要參考。目前集中采集和分布式采集是大數據采集的主要方式。由于現代社會數據量較以往呈現幾何級增長態勢，采取何種數據采集方法進行有效的數據采集至關重要。只有將大量的網絡數據進行科學的采集與處理，才能夠提高大數據的利用效率，真正的為企業生成一種有效的數據集，從而使其在應用中得到有效的數據支持[2]。

2.大數據的存儲與管理

傳統的數據存儲模式由于其有限的存儲容量已經不適用于互聯網技術快速發展的時代，海量數據使得計算機的數據處理能力面臨新的挑戰。發展云計算能夠有效地分類存儲、計算分析不同類別數據，提高了大規模海量復雜數據的計算處理效率。除此之外，計算機技術的不斷發展推動了大數據技術的進步，通過壓縮海量數據，減少數據存儲容量已達到方便有效管理的目的。

3.大數據的計算模式

由于大數據具有多元化、海量的特點，因此在大數據的處理問題上，大數據計算模式應該具有針對性。結合不同數據的自身特點對計算機大數據計算的進行多元化發展，結合相應的計算模式才能讓數據分析更加高效、準確。同時，從源頭入手，加強數據收集、數據預處理等流程管理，能夠進一步提高大數據計算的有效性。

二、企業采購活動分析

(一)采購流程

采購是生產制造過程的先導，是整個供應鏈的第一個要素。國際采購與供應管理中的模塊學習系統(Modular Learning System)是包含整個采購供應流程的綜合訓練集，它包括戰略采購、項目采購、日常采購三大主要采購領域，共12個主要流程[3]。優化采購流程，做好采購活動對提升整個供應鏈績效具有重要作用，將采購與大數據結合是充分發揮采購系統資源潛力的重要抓手，利用互聯網、大數據、云計算等現代信息技術推動價值鏈協同，對上下游企業實施橫向和縱向的一體化整合。根據企業采購活動的特點，從海量的數據中篩選出相關的數據應用點，將該類數據應用點與采購活動的場景依次串聯，通過數據了解采購各項活動的內在特點和規律，分析、制定出更加完備的采購策略，優化企業采購流程。

(二)采購常見問題分析

1.供應商選擇困難

供應商的選擇事關組織的正常運營以及整個供應鏈的高效運作。2019年的政府工作報告中指出，國家將著重優化民營經濟發展環境，各種所有制企業在市場競爭例如政府采購和招投標項目中得到公平對待，然而貫徹行業內競爭中性原則仍面臨諸多挑戰。從大型企業的角度出發，有比較穩定的供應商能夠在前后工作的銜接上減少溝通時間，并且選擇具有雄厚實力的供應商能夠保證原材料的穩定、持續供應，在售后服務方面也有所保障。中小企業由于自身的局限性，很容易出現資金短缺或供應不足等情況從而影響下游企業正常運作。

2.缺失全程管控，增加間接成本

企業采購部門進行采購活動時往往趨向于差不多的質量前提下價格更低的產品，然而卻忽視了其他客觀因素，如產品的壽命、供應商的售后服務、運輸距離與風險等給企業帶來的間接成本。產品出現質量問題往往分為以下幾個階段：供應商出廠環節、運輸環節、貨物交接環節、在庫環節、生產環節以及客戶使用環節。大型企業擁有眾多供應商，如果出現產品質量問題，難以第一時間追溯到零配件供應商。對原材料進行全流程的監控與溯源，有利于責任的劃分以及啟動快速的響應機制。

3.采購決策主觀因素大，增加倉儲不確定性

傳統粗放型的供產銷模式在當今多變的市場大環境下需要靈活多變以響應市場需求。按照傳統的采購方式，企業往往根據庫存狀況或者主觀臆測來決定原材料的采購數量與采購時間，然而多變的市場需求可能會給企業帶來原材料與產成品的庫存積壓或者是庫存短缺的狀況，通常情況下，企業往往通過緊急采購對短缺原材料進行補貨，然而緊急采購往往伴隨著更高的采購成本以及產品質量問題。

三、大數據背景下的企業采購活動的優化方法

(一)多指標分析供應商能力，選擇合適供應商

堅持從多方面的指標，如產品質量、交期、可靠性、供應商響應與服務等，對供應商資質進行評估選擇，充分獲取供應商數據對供應商進行全方位的資質評估。要擴大數據源以減少數據殘缺對供應商評價指標的影響，從多渠道，如招投標平臺、第三方信息平臺、供應商企業官網等，獲取充足的指標數據。爬蟲從不同數據源爬取到所需信息，在數據清洗階段清理臟數據，并對清洗后數據做結構化調整。根據前期設定的算法計算不同指標并對其進行評估，提供不同關鍵字段、數據以供企業篩選達標的供應商，并將數據存儲到關系數據庫中。根據供應商日常供應活動各項指標，對各項指標設定權重計算供應商綜合服務能力對此進行管理評估，該類數據在企業未來招投標活動中將為企業決策提供參考，影響著企業與供應商將來能否持續合作或是減小對供應商的采購份額，促使供應商持續改進。不同于傳統的供應鏈線性結構，大數據背景下的買賣雙方呈現動態的、對應的、共享的網絡關系。

(二)全程物料追溯，保證產品質量安全

對企業重要零部件配備RFID標簽，即從供應商出庫環節對重要部件進行產品標識，并對零配件運輸、入庫、儲存、生產、調試、下線、銷售全生命周期進行標識維護。當某環節出現意外情況可以根據RFID標簽記錄的產品狀態等動態信息在最短時間內追溯到采購、流通、生產，準確定位出錯環節。基于RFID技術和物聯網的零部件物聯網溯源系統面向零配件及產成品全周期供應鏈各個環節，包括生產、銷售、管理和服務等。因此，溯源系統的功能結構包含以下幾個層次：輸入層、傳輸層、數據層、服務層、客戶層(如圖1所示)。

溯源系統的功能結構最底層的輸入層在各環節負責產品信息等原始數據；傳輸層主要將輸入層采集識別到的原始數據經過簡單的加工處理上傳到信息管理系統以便網絡平臺對零配件及產成品進行實時監測；數據層不同的數據庫分別對應各自不同種類的數據信息；服務層是對采集的原始數據進行進一步的數據清洗與處理，對零配件及產成品的全周期進行精益化管理，為供應鏈各個節點企業以及消費者提供生鮮產品的全周期流動信息，提高客戶服務水平；客戶層為買賣雙方提供了多種形式的操作界面。基于RFID技術的監控系統能夠實現全流程監控與溯源，數據環環相扣，既保證了信息的準確與透明，一旦發現問題，也可以快速定位風險源頭，保證了各個環節的正常運作，極大程度地保證了產品的質量安全。

圖1 溯源系統的功能結構

(三)加強信息交互水平，實現精準管理

建立數據共享平臺，企業能夠與供應商實現更加高效的溝通，信息共享程度越高，雙方的合作關系就越發緊密。共享度提升有利于實現對企業采購與庫存的精益化管理，大數據對庫存管理的影響主要體現在：更低的庫存成本，更精準的生產計劃與庫存成本以及更加智能的庫存管理。企業可以通過大數據技術將所有的需求商與供給商的數據進行搜集與整理，通過分析得出每個企業所需要的準確商品，從而進行精準生產，將產品的庫存壓倒最低，減少庫存積壓所帶來的成本。企業也可以在庫存數據與客戶偏好數據的基礎上,做到對各倉庫庫存合理布局,減少調撥次數,節約庫存管理成本[5]。使用大數據平臺實時記錄與監測如銷售數量、天氣情況、銷售周期等歷史數據，對現有庫存進行監控，預測客戶需求并與供應商共享數據信息，從而確定采購批量及最佳庫存量。基于大數據技術的庫存管理更加精準、及時，能夠有效規避企業運營成本。

四、結語

卓越的大數據平臺技術是企業的一種軟實力，它將是今后經濟與社會發展的新常態，成為中國新時代轉型發展的新動能。企業采購部門要抓住機遇，對傳統采購流程進行升級改造，不斷深入融合現代信息技術。利用大數據做好內部的橫向資源整合與一體化管理以及縱向的外部資源調整、資源協同，最終對上下游客戶實施縱向與橫向一體化的整合，形成更加高效、智能的供應鏈生態圈。