CN109872050A - 供应商风险评估处理方法、装置、计算机设备和存储介质 - Google Patents
供应商风险评估处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109872050A CN109872050A CN201910064167.7A CN201910064167A CN109872050A CN 109872050 A CN109872050 A CN 109872050A CN 201910064167 A CN201910064167 A CN 201910064167A CN 109872050 A CN109872050 A CN 109872050A
- Authority
- CN
- China
- Prior art keywords
- supplier
- level
- index
- risk
- indicator data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 230000014509 gene expression Effects 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 239000003550 marker Substances 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能领域内基于智能决策的一种供应商风险评估处理方法、装置、计算机设备和存储介质。所述方法包括:获取采购事项,根据所述采购事项获取多个供应商标识;根据所述供应商标识提取对应的风险指标数据;获取多种规则表达式,利用所述规则表达式对所述风险指标数据进行规则评估;当所述风险指标数据符合规则表达式时,获取所述规则表达式对应的风险类型;对所述供应商标识添加所述风险类型。采用本方法能够有效提高了对供应商进行风险评估的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种供应商风险评估处理方法、装置、计算机设备和存储介质。
背景技术
为了规避风险和提高采购质量,企业的采购部门都会包含一项重要的工作,即供应商的风险评估。对供应商的险评估,贯穿整个供应商管理的过程,从供应商的开发,到供应商过程评估,再到供应商的质量考核等等。在传统的方式中,基本上是从供应商资质本身去衡量,也就是说供应商通常是财报好看的公司,或者是实力雄厚的大公司。这种供应商的评估结果往往都偏向优良。但是在实际情况中,这些评估优良的供应商在采购环节中也可能带来各种风险,给企业造成损失。可见,传统的供应商风险评估准确性不足。如何有效提高对供应商进行风险评估的准确性成为目前需要解决的一个技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种有效提高对供应商进行风险评估的准确性的供应商风险评估处理方法、装置、计算机设备和存储介质。
一种供应商风险评估处理方法,所述方法包括:
获取采购事项,根据所述采购事项获取多个供应商标识;
根据所述供应商标识提取对应的风险指标数据;
获取多种规则表达式,利用所述规则表达式对所述风险指标数据进行规则评估;
当所述风险指标数据符合规则表达式时,获取所述规则表达式对应的风险类型;
对所述供应商标识添加所述风险类型。
在其中一个实施例中,所述风险指标数据包括注册成立时间、首次合作时间以及供应商联系信息,在所述利用所述规则表达式对所述风险指标数据进行规则评估之前,所述方法还包括:
获取员工联系信息;
所述利用所述规则表达式对所述风险指标数据进行规则评估包括:
计算所述注册成立时间与首次合作时间之间的时间间隔,将所述时间间隔与预设时间段进行比对,得到相应的比对结果;
将同一采购事项中的多个供应商标识对应的联系信息进行比对,得到相应的比对结果;
将同一采购事项中的多个供应商标识对应的联系信息与所述员工联系信息进行比对,得到相应的比对结果。
在其中一个实施例中,所述方法还包括:
调用评分模型,所述评分模板对应多个评分指标;
获取多个评分指标对应的指标数据以及评分权重;
计算所述指标数据对应的标准化值;
利用所述评分指标对应的标准化值以及评分权重计算所述供应商标识对应的评分。
在其中一个实施例中,所述评分指标包括一级指标以及每个一级指标对应的二级指标;在所述调用评分模型之前,还包括:
获取每个一级指标对应的重要度,以及每个二级指标对应的重要度;
根据所述一级指标对应的重要度建立一级判别矩阵;
根据所述二级指标对应的重要度建立多个二级判别矩阵;
利用所述一级判别矩阵以及所述二级判别矩阵,计算每个二级指标对应的评分权重;
利用所述二级指标对应的评分权重建立所述评分模型。
在其中一个实施例中,所述根据所述一级指标对应的重要度建立一级判别矩阵包括:
根据所述一级指标对应的重要度,计算多个一级指标之间的倍数;
根据一级指标的数量以及多个一级指标之间的倍数,建立相应的一级判别矩阵。
在其中一个实施例中,所述利用所述一级判别矩阵以及所述二级判别矩阵,计算每个二级指标对应的评分权重包括:
利用所述一级判别矩阵计算每个一级指标对应的一级权重;
利用所述二级判别矩阵计算每个二级指标对应的二级权重;
获取所述一级指标与二级之间的对应关系;
根据所述对应关系,利用所述一级权重与对应的二级指标的二级权重计算所述二级指标的评分权重。
在其中一个实施例中,在所述对所述供应商标识添加所述风险类型之后,还包括:
根据所述供应商标识对应的风险类型生成对应的预警信息;
按照预设频率将所述预警信息同步至采购平台;当终端登录所述采购平台时,通过所述采购平台向所述终端返回相应的预警信息。
一种供应商风险评估处理装置,所述装置包括:
数据获取模块,用于获取采购事项,根据所述采购事项获取多个供应商标识;根据所述供应商标识提取对应的风险指标数据;
规则评估模块,用于获取多种规则表达式,利用所述规则表达式对所述风险指标数据进行规则评估;
风险标识模块,用于当所述风险指标数据符合规则表达式时,获取所述规则表达式对应的风险类型;对所述供应商标识添加所述风险类型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
上述供应商风险评估处理方法、装置、计算机设备和存储介质,针对采购事项对应的供应商,提取相应的风险指标数据。通过调用规则表达式对风险指标数据进行规则评估。不同的风险指标数据可以采用不同的规则表达式。当风险指标数据符合规则表达式时,获取规则表达式对应的风险类型,为供应商标识添加相应的风险类型。通过利用多种维度的规则表达式进行规则评估,能够准确识别供应商的风险类型。从而有效提高了对供应商进行风险评估的准确性。
附图说明
图1为一个实施例中供应商风险评估处理方法的应用场景图;
图2为一个实施例中供应商风险评估处理方法的流程示意图;
图3为一个实施例中对供应商标识计算评分步骤的流程示意图;
图4为一个实施例中建立评分模型步骤的流程示意图;
图5为一个实施例中供应商风险评估处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的供应商风险评估处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104获取采购事项,根据所述采购事项获取多个供应商标识,根据所述供应商标识提取对应的风险指标数据。服务器104上可以预先建立了评估规则模型,评估规则模型中包括多种规则表达式。不同的规则表达式可以对应不同的风险类型。当风险指标数据符合规则表达式时,服务器104根据规则表达式对应的风险类型,对供应商标识添加风险类型。服务器104根据供应商标识对应的风险类型生成对应的预警信息,按照预设频率将预警信息同步至采购平台。采购平台可以运行在服务器104上。当终端102登录采购平台时,通过采购平台向终端102返回相应的预警信息。
在一个实施例中,如图2所示,提供了一种供应商风险评估处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取采购事项,根据采购事项获取多个供应商标识。
步骤204,根据供应商标识提取对应的风险指标数据。
采购事项可以源自采购需求。服务器中可以在采购之前采购需求提出之后,获取相应的采购事项。服务器也可以在采购完成之后,再根据采购需求获取相应的采购事项。服务器也可以按照预设频率在已完成的采购需求中获取相应的采购事项。采购事项可以包括多种,例如,通信设备、生产原料、办公用品等。
每一个采购事项,都可以对应多个供应商。每个供应商都可以具有唯一的供应商标识。服务器根据供应商标识获取对应的供应商信息。服务器在供应商信息中提取对应的风险指标数据。风险指标数据可以包括:引入指标数据、联系信息等。其中,引入指标数据可以包括供应商的注册成立时间、首次合作时间等。联系信息包括供应商的注册地址、联系电话、联系邮箱等。此外,服务器还会获取员工的联系信息,包括员工的联系地址、联系电话、联系邮箱等。
步骤206,获取多种规则表达式利用规则表达式对风险指标数据进行规则评估。
步骤208,当风险指标数据符合规则表达式时,获取规则表达式对应的风险类型。
步骤210,对供应商标识添加风险类型。
服务器上可以预先建立了评估规则模型,评估规则模型中包括多种规则表达式。不同的规则表达式可以对应不同的风险类型。服务器将风险指标数据与规则表达式进行比对,以便识别相应的风险类型。
在其中一个实施例中,利用规则表达式对风险指标数据进行规则评估包括:计算注册成立时间与首次合作时间之间的时间间隔,将时间间隔与预设时间段进行比对,得到相应的比对结果;将同一采购事项中的多个供应商标识对应的联系信息进行比对,得到相应的比对结果;将同一采购事项中的多个供应商标识对应的联系信息与员工联系信息进行比对,得到相应的比对结果。
预设时间段可以一个合作期间,例如,可以是1年,也可以是9个月等。当供应商的注册成立时间与首次合作时间之间的时间间隔,大于预设时间段时,表示引入指标数据符合相应的规则表达式。服务器获取该规则表达式对应的风险类型,即引入风险。服务器对供应商标识添加相应的引入风险的标签。
服务器还可以对同一采购事项中的多个供应商标识对应的注册地址、联系电话、联系邮箱等分别进行比对。如果存在相同的注册地址,或者相同的联系电话,或者相同的联系邮箱等,表示供应商联系信息符合规则表达式。服务器获取该规则表达式对应的风险类型,即围标风险。服务器对供应商标识添加相应的围标风险的标签。
服务器还可以同一采购事项中的多个供应商标识对应的联系信息与员工联系信息进行比对,即分别对注册地址、联系电话、联系邮箱等进行比对。如果供应商联系信息中与员工联系信息中存在相同的注册地址,或者相同的联系电话,或者相同的联系邮箱等,表示供应商联系信息与员工联系信息的比对符合规则表达式。服务器获取该规则表达式对应的风险类型,即串标风险。服务器对供应商标识添加相应的串标风险的标签。
服务器可以将风险指标数据与多种规则表达式分别进行比对,每次比对都可以得到相应的比对结果。比对结果反映风险指标数据是否符合规则表达式。当风险指标数据符合规则表达式时,服务器获取所述规则表达式对应的风险类型,对供应商标识添加相应的风险类型。对供应商标识所添加的风险类型可以是一种也可以是多种。
本实施例中,针对采购事项对应的供应商,提取相应的风险指标数据。通过调用规则表达式对风险指标数据进行规则评估。不同的风险指标数据可以采用不同的规则表达式。当风险指标数据符合规则表达式时,获取规则表达式对应的风险类型,为供应商标识添加相应的风险类型。通过利用多种维度的规则表达式进行规则评估,能够准确识别供应商的风险类型。从而有效提高了对供应商进行风险评估的准确性。
在一个实施例中,该方法还包括:对供应商标识计算评分的步骤。如图3所示,该步骤具体包括:
步骤302,调用评分模型,评分模板对应多个评分指标。
步骤304,获取多个评分指标对应的指标数据以及评分权重。
步骤306,计算指标数据对应的标准化值。
步骤308,利用评分指标对应的标准化值以及评分权重计算供应商标识对应的评分。
服务器通过评估规则模型对供应商的风险类型进行评估时,还可以通过评分模型对供应商进行评分。其中,服务器可以先进行风险类型的评估,后进行评分计算。服务器也可以先进行评分计算,再进行风险类型的评估。服务器还可以同时进行风险类型的评估以及评分计算。
服务器上可以预先建立了评分模型。评分模型对应多个评分指标。在建立评分模型时,可以预先计算出了每个评分指标对应的评分权重。评分指标具有对应的指标数据。指标数据可以是反映供应商历史采购行为的数据。面对同一项评分指标,不同的供应商标识可以对应不同的指标数据。例如,指标数据中包括:是否发生拆标采购、拆标采购的总次数、拆标采购的总金额、供应商中标总次数等等。
服务器计算每个指标数据对应的标准化值。具体的,服务器可以利用标准化算法计算每个指标数据对应的标准化值。标准化算法可以是z-score标准化等算法。服务器根据评分模型,利用评分指标对应的标准化值以及评分权重计算供应商标识对应的评分。
通过对供应商标识进行评分,可以识别多个供应商的优劣。例如,评分越高,表示供应商的风险越高,评分越低,表示供应商的风险越低。具体的,当评分超过第一阈值时,表示供应商的风险等级为第一等级;当评分在第一阈值与第二阈值之间时,表示供应商的风险等级为第二等级;当评分低于第二阈值时,表示供应商的风险等级为第三等级。其中,第一等级可以是最高等级、第二等级可以是中间等级、第三等级可以是最低等级。
通过评分模型,可以针对每个供应商进行准确的评分。由此能够根据分数来识别供应商的风险。从而进一步提高了供应商风险评估的准确性。
在一个实施例中,在调用评分模型之前,还包括:建立评分模型的步骤。如图4所示,该步骤具体包括:
步骤402,获取每个一级指标对应的重要度,以及每个二级指标对应的重要度。
步骤404,根据一级指标对应的重要度建立一级判别矩阵。
步骤406,根据二级指标对应的重要度建立多个二级判别矩阵。
步骤408,利用一级判别矩阵以及二级判别矩阵,计算每个二级指标对应的评分权重。
步骤410,利用二级指标对应的评分权重建立评分模型。
评分指标可以包括一级指标以及每个一级指标对应的二级指标。其中一级指标可以视为二级指标所属的类别指标。例如,一级指标包括:主核心指标、次核心指标、监测指标、次监测指标。每个一级指标都具有对应的二级指标,不同的一级指标所对应的二级指标的数量可以相同,也可以不同。
例如,主核心指标对应的二级指标包括:同一机构是否发生3家供应商多次共同参与采购、高频入围但从未中标的供应商所在的采购中中标的供应商、是否发生拆标采购、供应商发起采购时间距采购完成时间<3天的总次数等等。次核心指标对应的二级指标包括:供应商注册地与采购事项发生的所在地不在同一省份的采购总次数、拆标采购的总次数、供应商高频入围但不中标的总金额等等。监测指标对应的二级指标包括:拆标采购的总金额、入围但不中标比例、供应商注册地与采购事项发生的所在地不在同一省份的采购总金额等等。次监测指标对应的二级指标包括:供应商入围总次数、供应商入围总金额、供应商中标总次数等等。
每个一级指标、二级指标都可以被预先配置相应的重要度,重要度可以是经验值。服务器根据重要度建立相应的判别矩阵。其中:
服务器根据一级指标对应的重要度建立一级判别矩阵。具体的,根据一级指标对应的重要度,计算多个一级指标之间的倍数;根据一级指标的数量以及多个一级指标之间的倍数,建立相应的一级判别矩阵。
例如,一级指标为四个,依次为主核心指标、次核心指标、监测指标、次监测指标。其中,主核心指标对各项一级指标的倍数分别为1、4、5、7;次核心指标对各项一级指标的倍数分别为1、2、5;监测指标对各一级指标的倍数分别为1、3,次监测指标对各一级指标的倍数分别为1。由此,建立一级指标的判别矩阵可以是:
服务器根据二级指标对应的重要度建立多个二级判别矩阵。具体的,服务器针对每个一级指标所对应的二级指标,参照上述方式分别建立相应的二级判别矩阵。由此可以得到每个一级指标对应的二级判别矩阵。
服务器利用一级判别矩阵以及二级判别矩阵,计算每个二级指标对应的评分权重。具体的,服务器利用一级判别矩阵计算每个一级指标对应的一级权重,利用二级判别矩阵计算每个二级指标对应的二级权重。服务器获取一级指标与二级之间的对应关系,根据对应关系,利用一级权重与对应的二级指标的二级权重计算二级指标的评分权重。
服务器可以将每个判别矩阵的一行视为一个一级指标对应的向量,计算每个一级指标对应的向量的特征值。服务器对所有一级指标的特征值进行累加,计算每个一级指标的特征值在累加和中的占比,将占比标记为一级指标对应的权重,也与称为一级权重。服务器参照上述方式,计算多个二级判别矩阵中的每个二级指标对应的权重,即二级权重。服务器可以利用一级权重与对应的二级指标的二级权重,计算二级指标的最终权重,即评分权重。例如,服务器可以将一级权重乘以对应的二级指标的二级权重,计算二级指标的评分权重。
服务器利用二级指标对应的评分权重建立评分模型。其中,评分模型中还可以包括二级指标对应的标准化值。标准化值可以只采用参数来表达,在实际计算供应商的评分时,可以再根据相应的指标数据进行计算。
在评分模型的建模过程中,对评分指标按照不同类别、不同重要度建立了相应的判别矩阵,由此通过判别矩阵能够准确得到每个评分指标的评分权重。从而在通过该评分模型对供应商进行评分时,能够有效提高评分的准确性。
在一个实施例中,在对供应商标识添加风险类型之后,该方法还包括:根据供应商标识对应的风险类型生成对应的预警信息;按照预设频率将预警信息同步至采购平台;当终端登录采购平台时,通过采购平台向终端返回相应的预警信息。
在传统的方式中,对供应商的风险评估,通常发生在采购之后。评估的动作滞后,不能及时发现供应商风险。为了能够及时向工作人员反馈供应商风险,本实施例中将供应商风险评估进行前置,即将供应商风险评估的动作提前到采购之前。
具体的,服务器可以根据供应商标识对应的风险类型生成对应的预警信息,按照预设频率将预警信息同步至采购平台。采购平台可以运行在服务器上。当工作人员通过终端登录采购平台时,可以通过采购平台向终端返回相应的预警信息。
此外,服务器还可以根据供应商评分所对应的风险等级,生成对应的预警信息,按照预设频率将预警信息同步至采购平台。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种供应商风险评估处理装置,包括:数据获取模块502、规则评估模块504、风险标识模块506,其中:
数据获取模块502,用于获取采购事项,根据采购事项获取多个供应商标识;根据供应商标识提取对应的风险指标数据。
规则评估模块504,用于获取多种规则表达式,利用规则表达式对风险指标数据进行规则评估。
风险标识模块506,用于当风险指标数据符合规则表达式时,获取规则表达式对应的风险类型;对供应商标识添加风险类型。
在一个实施例中,风险指标数据包括注册成立时间、首次合作时间以及供应商联系信息,数据获取模块还用于获取员工联系信息;规则评估模块还用于计算注册成立时间与首次合作时间之间的时间间隔,将时间间隔与预设时间段进行比对,得到相应的比对结果;将同一采购事项中的多个供应商标识对应的联系信息进行比对,得到相应的比对结果;将同一采购事项中的多个供应商标识对应的联系信息与员工联系信息进行比对,得到相应的比对结果。
在一个实施例中,该装置还包括:评分模块,用于调用评分模型,评分模板对应多个评分指标;获取多个评分指标对应的指标数据以及评分权重;计算指标数据对应的标准化值;利用评分指标对应的标准化值以及评分权重计算供应商标识对应的评分。
在一个实施例中,评分指标包括一级指标以及每个一级指标对应的二级指标;该装置还包括评分模型建立模块,用于获取每个一级指标对应的重要度,以及每个二级指标对应的重要度;根据一级指标对应的重要度建立一级判别矩阵;根据二级指标对应的重要度建立多个二级判别矩阵;利用一级判别矩阵以及二级判别矩阵,计算每个二级指标对应的评分权重;利用二级指标对应的评分权重建立评分模型。
在一个实施例中,评分模型建立模块还用于根据一级指标对应的重要度,计算多个一级指标之间的倍数;根据一级指标的数量以及多个一级指标之间的倍数,建立相应的一级判别矩阵。
在一个实施例中,评分模型建立模块还用于利用一级判别矩阵计算每个一级指标对应的一级权重;利用二级判别矩阵计算每个二级指标对应的二级权重;获取一级指标与二级之间的对应关系;根据对应关系,利用一级权重与对应的二级指标的二级权重计算二级指标的评分权重。
在一个实施例中,该装置还包括:预警模块,用于根据供应商标识对应的风险类型生成对应的预警信息;按照预设频率将预警信息同步至采购平台;当终端登录采购平台时,通过采购平台向终端返回相应的预警信息。
关于供应商风险评估处理装置的具体限定可以参见上文中对于供应商风险评估处理方法的限定,在此不再赘述。上述供应商风险评估处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储供应商信息、员工信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种供应商风险评估处理方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述各个方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种供应商风险评估处理方法,所述方法包括:
获取采购事项,根据所述采购事项获取多个供应商标识;
根据所述供应商标识提取对应的风险指标数据;
获取多种规则表达式,利用所述规则表达式对所述风险指标数据进行规则评估;
当所述风险指标数据符合规则表达式时,获取所述规则表达式对应的风险类型;
对所述供应商标识添加所述风险类型。
2.根据权利要求1所述的方法,其特征在于,所述风险指标数据包括注册成立时间、首次合作时间以及供应商联系信息,在所述利用所述规则表达式对所述风险指标数据进行规则评估之前,所述方法还包括:
获取员工联系信息;
所述利用所述规则表达式对所述风险指标数据进行规则评估包括:
计算所述注册成立时间与首次合作时间之间的时间间隔,将所述时间间隔与预设时间段进行比对,得到相应的比对结果;
将同一采购事项中的多个供应商标识对应的联系信息进行比对,得到相应的比对结果;
将同一采购事项中的多个供应商标识对应的联系信息与所述员工联系信息进行比对,得到相应的比对结果。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
调用评分模型,所述评分模板对应多个评分指标;
获取多个评分指标对应的指标数据以及评分权重;
计算所述指标数据对应的标准化值;
利用所述评分指标对应的标准化值以及评分权重计算所述供应商标识对应的评分。
4.根据权利要求3所述的方法,其特征在于,所述评分指标包括一级指标以及每个一级指标对应的二级指标;在所述调用评分模型之前,还包括:
获取每个一级指标对应的重要度,以及每个二级指标对应的重要度;
根据所述一级指标对应的重要度建立一级判别矩阵;
根据所述二级指标对应的重要度建立多个二级判别矩阵;
利用所述一级判别矩阵以及所述二级判别矩阵,计算每个二级指标对应的评分权重;
利用所述二级指标对应的评分权重建立所述评分模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述一级指标对应的重要度建立一级判别矩阵包括:
根据所述一级指标对应的重要度,计算多个一级指标之间的倍数;
根据一级指标的数量以及多个一级指标之间的倍数,建立相应的一级判别矩阵。
6.根据权利要求4所述的方法,其特征在于,所述利用所述一级判别矩阵以及所述二级判别矩阵,计算每个二级指标对应的评分权重包括:
利用所述一级判别矩阵计算每个一级指标对应的一级权重;
利用所述二级判别矩阵计算每个二级指标对应的二级权重;
获取所述一级指标与二级之间的对应关系;
根据所述对应关系,利用所述一级权重与对应的二级指标的二级权重计算所述二级指标的评分权重。
7.根据权利要求1所述的方法,其特征在于,在所述对所述供应商标识添加所述风险类型之后,还包括:
根据所述供应商标识对应的风险类型生成对应的预警信息;
按照预设频率将所述预警信息同步至采购平台;当终端登录所述采购平台时,通过所述采购平台向所述终端返回相应的预警信息。
8.一种供应商风险评估处理装置,其特征在于,所述装置包括:
数据获取模块,用于获取采购事项,根据所述采购事项获取多个供应商标识;根据所述供应商标识提取对应的风险指标数据;
规则评估模块,用于获取多种规则表达式,利用所述规则表达式对所述风险指标数据进行规则评估;
风险标识模块,用于当所述风险指标数据符合规则表达式时,获取所述规则表达式对应的风险类型;对所述供应商标识添加所述风险类型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064167.7A CN109872050A (zh) | 2019-01-23 | 2019-01-23 | 供应商风险评估处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064167.7A CN109872050A (zh) | 2019-01-23 | 2019-01-23 | 供应商风险评估处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109872050A true CN109872050A (zh) | 2019-06-11 |
Family
ID=66917895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910064167.7A Pending CN109872050A (zh) | 2019-01-23 | 2019-01-23 | 供应商风险评估处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109872050A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458426A (zh) * | 2019-07-26 | 2019-11-15 | 中国建设银行股份有限公司 | 供应商风险识别方法、装置及电子设备 |
CN112613718A (zh) * | 2020-12-17 | 2021-04-06 | 武汉达梦数据技术有限公司 | 一种特定场所风险评估方法及装置 |
CN112926816A (zh) * | 2020-09-08 | 2021-06-08 | 广东电网有限责任公司 | 供应商评价方法、装置、计算机设备和存储介质 |
CN113537725A (zh) * | 2021-06-24 | 2021-10-22 | 浙江乾冠信息安全研究院有限公司 | 单位综合评分的方法及电子装置 |
CN114066336A (zh) * | 2022-01-18 | 2022-02-18 | 珠海大横琴科技发展有限公司 | 一种招标风险控制的方法和装置 |
CN114386794A (zh) * | 2021-12-28 | 2022-04-22 | 中国电子技术标准化研究院华东分院 | 一种工业互联网服务商资源池分类分级的评估评价方法 |
CN114820169A (zh) * | 2022-05-05 | 2022-07-29 | 尚班(北京)网络科技有限公司 | 一种金融业务的数据服务处理***及方法 |
CN114997750A (zh) * | 2022-08-03 | 2022-09-02 | 广东知得失网络科技有限公司 | 一种风险信息推送方法、***、设备和介质 |
CN116629596A (zh) * | 2023-04-12 | 2023-08-22 | 湖南企企通科技有限公司 | 供应链风险预测方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
CN106897889A (zh) * | 2017-02-27 | 2017-06-27 | 山东浪潮云服务信息科技有限公司 | 一种管理招标的方法和装置、一种可读介质和存储控制器 |
CN108876218A (zh) * | 2018-08-31 | 2018-11-23 | 万翼科技有限公司 | 供应商风险的提醒方法、装置和存储介质 |
CN109191046A (zh) * | 2018-08-30 | 2019-01-11 | 深圳春沐源控股有限公司 | 农用物料的采购管理方法及采购管理装置 |
-
2019
- 2019-01-23 CN CN201910064167.7A patent/CN109872050A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
CN106897889A (zh) * | 2017-02-27 | 2017-06-27 | 山东浪潮云服务信息科技有限公司 | 一种管理招标的方法和装置、一种可读介质和存储控制器 |
CN109191046A (zh) * | 2018-08-30 | 2019-01-11 | 深圳春沐源控股有限公司 | 农用物料的采购管理方法及采购管理装置 |
CN108876218A (zh) * | 2018-08-31 | 2018-11-23 | 万翼科技有限公司 | 供应商风险的提醒方法、装置和存储介质 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458426A (zh) * | 2019-07-26 | 2019-11-15 | 中国建设银行股份有限公司 | 供应商风险识别方法、装置及电子设备 |
CN112926816B (zh) * | 2020-09-08 | 2023-09-22 | 广东电网有限责任公司 | 供应商评价方法、装置、计算机设备和存储介质 |
CN112926816A (zh) * | 2020-09-08 | 2021-06-08 | 广东电网有限责任公司 | 供应商评价方法、装置、计算机设备和存储介质 |
CN112613718A (zh) * | 2020-12-17 | 2021-04-06 | 武汉达梦数据技术有限公司 | 一种特定场所风险评估方法及装置 |
CN112613718B (zh) * | 2020-12-17 | 2023-12-01 | 武汉达梦数据技术有限公司 | 一种特定场所风险评估方法及装置 |
CN113537725A (zh) * | 2021-06-24 | 2021-10-22 | 浙江乾冠信息安全研究院有限公司 | 单位综合评分的方法及电子装置 |
CN114386794A (zh) * | 2021-12-28 | 2022-04-22 | 中国电子技术标准化研究院华东分院 | 一种工业互联网服务商资源池分类分级的评估评价方法 |
CN114066336A (zh) * | 2022-01-18 | 2022-02-18 | 珠海大横琴科技发展有限公司 | 一种招标风险控制的方法和装置 |
CN114820169A (zh) * | 2022-05-05 | 2022-07-29 | 尚班(北京)网络科技有限公司 | 一种金融业务的数据服务处理***及方法 |
CN114997750B (zh) * | 2022-08-03 | 2022-10-25 | 广东知得失网络科技有限公司 | 一种风险信息推送方法、***、设备和介质 |
CN114997750A (zh) * | 2022-08-03 | 2022-09-02 | 广东知得失网络科技有限公司 | 一种风险信息推送方法、***、设备和介质 |
CN116629596A (zh) * | 2023-04-12 | 2023-08-22 | 湖南企企通科技有限公司 | 供应链风险预测方法、装置、设备及介质 |
CN116629596B (zh) * | 2023-04-12 | 2024-01-26 | 湖南企企通科技有限公司 | 供应链风险预测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109872050A (zh) | 供应商风险评估处理方法、装置、计算机设备和存储介质 | |
Brown et al. | Assessing infrastructure interdependencies: the challenge of risk analysis for complex adaptive systems | |
Chava et al. | Modeling the loss distribution | |
CN110490720A (zh) | 财务数据分析预警方法、装置、计算机设备和存储介质 | |
CN108335216A (zh) | 一种保险风险评估方法、装置、终端设备及存储介质 | |
CN107784075B (zh) | 基于关联交易的数据处理方法、装置和计算机设备 | |
Glauber et al. | The 2014 farm bill and the WTO | |
CN109410070A (zh) | 核保数据处理方法和*** | |
CN109871445A (zh) | 欺诈用户识别方法、装置、计算机设备和存储介质 | |
CN109508903A (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
CN110349039A (zh) | 投诉风险评估方法、***、计算机设备及可读存储介质 | |
CN109284920A (zh) | 基于大数据的用户信息风险评定的方法及*** | |
CN109583682A (zh) | 企业财务造假风险的识别方法、装置以及计算机设备 | |
CN109271356A (zh) | 日志文件格式处理方法、装置、计算机设备和存储介质 | |
CN109543073A (zh) | 企业供销关系图谱生成方法、装置和计算机设备 | |
CN110111208A (zh) | 保单数据处理方法、装置、计算机设备和存储介质 | |
CN109767226A (zh) | 基于大数据的可疑交易统计视图生成方法和装置 | |
CN108335000A (zh) | 岗位人力预测方法、装置、计算机设备和存储介质 | |
CN110008180A (zh) | 财务数据记录方法、装置、计算机设备和存储介质 | |
LIU et al. | Hysteresis hypothesis in unemployment and labour force participation rates: Evidence from Australian states and territories | |
Nishimura et al. | Enterprise governance and management accounting from the viewpoint of feed-forward control | |
Ramlan | Evaluating forecast performance of Malaysian goods export for 2021-2022 with Box-Jenkins methodology and Arima model | |
Sarnstrom et al. | Third‐country exchange rate effects on foreign direct investment flows: A global vector autoregessive approach | |
Cao et al. | DSLOB: a synthetic limit order book dataset for benchmarking forecasting algorithms under distributional shift | |
CN110378481A (zh) | 基于粗糙集的决策处理方法、装置、计算机和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |