基于数据抓取技术的供应商风险预警机制研究
收藏
打印
发给朋友
发布者：lunwenchina
热度0票 浏览51次
时间：2022年7月13日 17:14
叶飞 骆星智 王艳艳 许晓艺
（230000 国网安徽省电力有限公司 安徽 合肥）【摘 要】数据抓取技术作为数据应用的一个分支，近年来逐渐与各行业进行结合并获得较为突出的评价。作为在供应商管理过程中的数据分析的前提条件，数据抓取技术承担着风险预警的重要作用。当前，由于供应商风险预警机制较为分散且难以有效评估，从而导致供应商风险信息不全，阻碍风险预警机制的建立，严重影响电力企业的进一步发展。鉴于此，本文基于对国内外数据挖掘技术现状和分析，提出在电力企业供应商风险预警机制中加入数据分析等过程，由此建立供应商风险管理体系，利用数据对供应商风险进行收集和统计。
【关键词】数据抓取技术；供应商风险；风险预警机制一、引言
当前企业的核心竞争力正逐步向数据资产转移，而作为数据资产的运用工具，数据抓取技术在竞争中扮演着重要角色。对于供应商预警机制而言，数据抓取技术是应对供应商信用风险的有效手段。在供应商信用风险管理过程中，充分发挥大数据优势是电力企业稳定市场、取得竞争优势进而获取利润的捷径，电力企业采购过程中，对供应商风险的把控是风险预警的首要任务。纵观以往的业界和学界提倡或采用的供应商风险预警机制，多数利用传统方式或人工记录的低效方法，而随着大数据时代的到来，数据应用到供应商风险预警机制中成为企业风险预警的重要推手。本文基于对电力企业供应商的风险的分析，通过对供应商数据的抓取技术解读，在数据信息风险中分析抓去数据的可读性和倾向性，以此为依据实现供应商信用分级模块，同时提出风险预警机制的改进策略，以优化供应商之间及供应商与电网企业之间的关系。
二、数据抓取技术发展的步骤
数据挖掘的基本步骤主要有以下四类：
（1）前期数据准备工作。该阶段主要是指将海量数据进行初次分类和提取，选择与本企业供应商相关的数据，具体工作有数据选取、数据初次处理、数据转换等；（2）数据挖掘。完成第一步后，将运用适当的计算机算法和辅助功能进行数据推演和分析，并从中找到数据背后的现象规律，随后进行适当预测，此步骤是全过程的关键一步。
（3）数据结果深入分析。再对数据进行初步分析后，需要进一步从数据本身与供应商联系的角度进行深入分析，挖掘从中传递出的供应商潜在风险威胁。
（4）数据结果的应用。此步骤是将数据转化为企业实际生产力和竞争力的过程，即将所分析的供应商风险信息用作企业对供应商评估体系中去，最终实现数据挖掘的终极目标。
三、供应商风险预警机制的建立
我国电力需求长期处于世界前列，鉴于当前电网基本属于国有企业，因此供电企业的供应商环节实际上深刻反映了我国电力行业的运营情况，供应商作为影响电力企业运营管理、物资调配的重要参与者，对其风险管控直接决定了电网系统的安全稳定运行。因此，对电力企业的供应商进行科学合理的综合评价，建立准确的风险预警机制，从而实现有效的供应商风险预警机制管理就成为决定输配电网建设和供电企业营销重要议题。电力企业需要结合数据抓取技术建立一套科学、合理、高效可行的供应商风险预警机制，从而能够有效地控制供电企业的采购成本和风险。
结合上述数据抓取技术的步骤，本文欲建立基于大数据抓取技术从而能够获取供应商不良行为的信息模型。具体来看，利用数据挖掘和分析手段，将挖掘技术运用至文本、视频、音频以及各类供应商提供的文件，从中攫取结构化的中文分词。随后，结合公司内部整合的不良行为文本数据库进行一一匹配并自动对比识别，根据不同频率和不同等级出现的不良行为词数，将供应商分为不同信用风险等级，进而根据分组结果实施差异化预警。值得注意的是，本文所指的不良行为文本数据库是基于全国范围内国网公司现行的所有不良行为分类信息，并经系统测评后的分为不同级别供应商不良行为登记从而便于将供应商分层。
本文建立的供应商风险预警机制主要以实现以下三个目标为方向：
首先，企业能够对其供应商不良行为进行实时数据监测和识别，此举能够大力提升供应商不良行为监测与识别效率和质量，提升供应商不良行为管理水平，为企业风险预警提供及时反馈和记录。
其次，用技术催生改革，基于数据抓取技术的风险预警机制，能够促进电力企业探索供应商不良行为智能化预测、预警大数据技术，从而形成企业内部的数据核心竞争力，为企业其他环节的数据应用提供经验。
最后，数据抓取技术和分析本身也能够对电力企业运营环节尤其是对供应商不良行为信息进行在线适时监测、数据存储、文本比对、信息分级、信息预警等智能管理，是电力企业将理论研究成果付诸实践应用，将学界和业界联系的典型示范。
四、结论
本文通过对电力企业供应商风险预警机制的研究，提出结合数据抓取技术的预警机制的建构。通过将数据抓取等技术应用到企业生产采购过程中，从而有效对供应商进行实时高效的检测和信息反馈，大幅度降低了供应商风险和企业信用风险造成的成本支出。同时，基于供应商环节的数据抓取技术的运行，也为电力企业在其他环节的数据应用和改革提供了成功的经验，为企业转型升级创造了条件。
