优化电力营商环境背景下电力供应商画像方法应用

周鹏程，曾 鸣

（1.南方电网物资有限公司，广东 广州 510620；2.华北电力大学经济与管理学院，北京 102206）

0 引言

在国家大力倡导优化营商环境的背景下，国家电网有限公司和中国南方电网有限责任公司等电力企业相继出台了进一步做好优化电力营商环境工作的措施［1-3］。对于电力企业而言，优化电力营商环境可以从两方面开展：一方面是降低电力用户的用电成本、减少办电程序、提高用电可靠性等；另一方面是优化与电力供应商的关系，从以往买卖关系逐步转变为战略合作关系［4］。2020年11月，中国南方电网有限责任公司在广州举办了首届供应链合作伙伴大会，联合一百多家供应商发起倡议，共同打造现代化能源电力产业链供应链，努力构建“利益共享、风险共担”的供应链生态圈，助力构建新发展格局。

为持续优化电力营商环境，激发更广泛的集群效应，推动电力企业与供应商打造现代化能源电力供应链，在供应商画像研究基础上，针对电力供应商画像方法应用展开研究。首先，明确了电力供应商画像的应用场景，包括辅助评标决策、制定标的抽检计划、实现招标采购寻源，以及供应商履约预警；其次，构建了包含电力供应商群体画像、个体画像、指标画像的多维度层次的标签体系，并进行标签体系赋值；再次，构建了电力供应商画像标签体系预处理模型，建立了基于层次分析法的电力供应商画像方法模型，并选择中国南方电网有限责任公司某项招标采购项目中的若干供应商信息数据进行算例分析；最后，基于电力供应商画像成像结果分析，提出了包括加强供应链上下游信息拓展、实现供应商分级分类管理、以及打造现代供应链生态圈在内的支撑供应链管理策略。

1 电力供应商画像的应用场景

电力供应商画像主要应用在辅助评标、标的抽检、采购寻源和履约预警等方面，如图1所示。

图1 电力供应商画像应用场景

1.1 辅助评标

评标工作是招标采购活动过程中的重要环节，而评审办法的合理设置又是项目评审的关键。基于电力供应商画像评级成像结果，对投标人进行精准定位，应用大数据技术分析投标人历史信誉评价、报价行为以及投标习惯，并为评标委员会提供计算机辅助评标决策，更加高效地开展评标工作［5］。此外，通过运用供应商画像，还能有效避免评审过程中造成的人为失误。

1.2 标的抽检

现阶段，电力企业的物资抽检计划制定和管控主要依靠人工进行，具有一定的主观性。基于电力供应商画像评级成像结果，企业在制定抽检计划时，可分别对不同类型和级别的供应商，主要从历年中标情况、标的抽检情况、历史信誉评价情况等方面有针对性地制定物资抽检计划，对供应商评价与选择的精益化管理，不断提高抽检计划的科学性合理性和抽检工作的效率［6］。

1.3 采购寻源

基于数据挖掘等技术统计分析各家供应商活跃度、投标品类、中标情况等历史数据，根据电力供应商画像评级成像结果，有针对性地指导电力企业开展供应商寻源工作［7］。此外，对于未中标供应商，应注重招标采购信息推送工作；对于潜在供应商，应加大招标采购信息宣传工作，扩大供应商范围。

1.4 履约预警

电力供应商画像模型和标签体系能够呈现出不同投标人的企业实力、标的质量、履约与售后、评价与监督等方面的评价信息数据。因此，基于供应商画像评级成像结果，在考虑物资生产周期和供货周期的基础上，结合市场供需与价格波动等客观因素，帮助电力企业有效预测供应商履约能力，及时制定信用风险与预警策略［8］。

2 电力供应商画像标签体系研究

2.1 供应商画像标签体系

将电力供应商群体画像、个体画像、指标画像按不同维度层次构建供画像标签体系。按照电力企业的采购类别划分，供应商群体画像可分为工程类供应商、货物类供应商和服务类供应商，但其个体画像标签均包括企业实力、质量、履约与售后、评价与监督4个方面［9］。

在企业实力、评价与监督方面，工程类、货物类、服务类的供应商企业实力、评价与监督的个体画像标签基本一致。在质量方面，工程类供应商的质量标签为施工质量，货物类供应商的质量标签为货物质量，服务类供应商的质量标签则为服务质量。在履约与售后个体画像标签下，工程类供应商分为合同履约率、工期准时性、售后便捷性、售后成本，而货物类供应商偏向于供货能力和供货及时性，服务类供应商更偏向于服务技术方案及服务承诺。以工程类供应商为例展开研究，其标签及属性如表1所示。

表1 工程类电力供应商画像标签体系

2.2 供应商画像标签赋值

在电力供应商画像标签体系的基础上，对各层次标签进行编号与赋值［10］。

1）标签编号。

设置电力供应商群体画像标签U={Ub，1，Ub，2，Ub，3}，其中Ub，1表示工程类电力供应商个体画像标签，Ub，2表示货物类电力供应商个体画像标签，Ub，3表示服务类电力供应商个体画像标签；Ub，1={Ub，11，Ub，12，Ub，13，Ub，14}，其 中Ub，11表 示企 业实 力标签，Ub，12表示施工质量标签，Ub，13表示履约与售后标签，Ub，14表示评价与监督标签；以企业实力为例，Ub，11={Ub，111，Ub，112，Ub，113，Ub，114}，其中Ub，111表示企业规模标签，Ub，112表示资信情况标签，Ub，113表示财务状况标签，Ub，114表示业绩情况标签。

2）标签赋值。

设电力供应商画像标签体系的评语集合为Vb，则供应商群体画像标签层的评语集可表示为：Vb={Vb，1，Vb，2，Vb，3}；同理可设置个体画像标签层和指标画像标签层。分别对构造的评语集合进行百分制赋值，则应商群体画像标签层的评语集赋值为：“很好=（80，100］”；“良好=（60，80］”；“中等=（40，60］”；“较差=（20，40］”；“很差=［0，20］”。

2.3 供应商画像标签预处理

在电力供应商画像标签体系中的指标标签均为定性指标，为获得标签数值，采用集值统计法对指标标签进行估值化处理。

1）设置评判区间。

2）计算指标标签数值。

设评判区间的区间估计误差为δ，并构造集值统计样本。第j位专家对第i个指标标签的评分gi，j可表示为

3）分析指标标签可信度。

为验证电力供应商画像标签体系的认可度判定结果gi，j的可信度，通过计算认可度评判结果的可信度ηi，具体如式（2）所示。

当每个指标标签的可信度ηi＞0.9 时，则表明专家对指标标签的判断结果认可度较高。

在进行指标标签量化的基础上，还需要统一指标标签的数量级，消除标签数据之间的量级差异，该规范化方法较多，本文采用归一化处理。

3 电力供应商画像方法建模

层次分析法（Analytic Hierarchy Process，AHP）是一种将与决策有关的元素分解成目标、准则、方案等层次权重决策分析方法，既包含专家对指标重要性的主观判断，又遵循指标间的客观关系［11］。AHP法的具体步骤如下：

1）建立层次递阶结构。

设电力供应商画像标签体系的各层级中的标签为元素，并按照元素的逻辑和属性划分为目标层、准则层和方案层，建立递层次递阶结构。

2）构造判断矩阵。

在考虑电力供应商画像标签体系各层级之间的逻辑关系与关联关系的基础上，将每层指标标签分别与上层、下层标签进行两两比较判断，按照1～9 标度法构造判断矩阵为

式中：zqp为第p个评价对象对应的第q个指标画像标签的数值；p=1，2，..，m，m为评价对象总数；q=1，2，…，n，n为指标画像标签总数。

3）计算特征值和向量。

对判断矩阵中各标签元素进行归一化处理，并计算矩阵的特征值与特征向量。

4）一致性检验。

检验判断矩阵的随机一致性比例CR是否满足CR=CI/RI＜0.1，若满足则通过一致性检验。其中，CI表示一致性指标；RI表示随机一致性指标。

5）进行层次排序。

利用同一层次单排序的结果，从上到下逐层进行排序；在此基础上，进行总层次排序。

4 电力供应商画像方法应用

4.1 画像数据采集

为验证所提供应商画像模型的有效性和实用性，选取中国南方电网有限责任公司下属二级单位的某次工程类项目公开招标采购，从中挑选收集了4 家电力供应商的画像标签体系相关数据。

4.2 算例求解与结果分析

1）标签预处理结果。

采用集值统计法对电力供应商画像指标标签进行估值化处理，计算结果如表2所示。

表2 画像指标标签预处理结果

2）画像建模计算结果。

按照电力供应商画像标签体系的逻辑关系和关联关系，建立层次递阶结构，如图2所示。

图2 画像标签体系层次递阶结构

在层次递阶结构的基础上，分别构造目标层与准则层、各准则层与隶属方案层的判断矩阵为：

根据各层级判断矩阵，计算特征值与特征向量，得到电力供应商画像标签体系权重值，计算结果如表3所示。

表3 画像标签体系权重值结果

通过Yaahp 软件进行算例仿真分析。在采样点数为100 的样本情况下，仿真得到目标层与准则层、准则层与方案层之间的权重值敏感性曲线，如图3—图6 所示，电力供应商群体画像、个体画像、指标画像之间的关联关系呈现出更直观展示。

图3 企业实力权重值敏感性分析

图4 标的质量权重值敏感性分析

图5 履约与售后权重值敏感性分析

图6 评价与监督权重值敏感性分析

基于仿真结果可知，4个个体画像标签相对于工程类群体画像标签的灵敏度变化基本趋于一致，在企业实力方面，售后便捷性指标标签的灵敏度最大，而在图4—图6 中，灵敏度最大的指标标签分别为供货能力、廉洁保密、客户满意度。因此，对于灵敏度高的指标标签，表明该标签在整个评价体系中的权重最大，其重要性也最强。

在计算求得电力供应商标签体系的权重值基础上，将其与画像指标标签预处理结果进行线性加权，并按照画像标签体系的评语集合和标签赋值进行百分制赋值，4 家电力供应商画像结果具体如表4所示。

表4 电力供应商画像结果

表4（续）

对表4 分析可知，4 家供应商在不同指标标签下的评分差异较大，其中供应商2 的画像评分值最高，表示供应商2 相较于其他供应商更优质、可靠，为辅助评标委员会评审决策、优化供应商评价与选择提供有力支撑。

为更直观展现电力供应商画像结果，结合前文设置的评语集合等级，通过可视化呈现将供应商画像结果展示，如图7所示。

图7 电力供应商画像可视化呈现

由图7 分析可看出，电力供应商画像可视化呈现能够精准、直观地将4 家供应商划分为“优、良、中、差”等不同层级，大大降低了以往通过人为评价与分类的主观，提升了电力企业供应商管理的科学性与可靠性。

5 基于画像结果分析的供应链管理策略

5.1 加强供应链上下游信息拓展

基于电力供应商画像成像结果分析，有利于拓展供应链上下游的市场信息，并形成覆盖资质能力、技术实力、市场竞争力、标的质量、履约保证等供应商全息信息标签体系，量化为全面精准、直观明晰、的供应商多维度指标评价体系，实现公开透明的电力企业供应链信息管理［12］。

5.2 实现供应商分级分类管理

基于电力供应商画像成像结果分析，有利于实现供应商分级分类管理，将供应商人为主观评价转换为量化客观测评，逐步形成数据云算、动态更新的供应商分级分类评价体系，评级结果有助于激发供应商之间的良性“攀比”，实现电力企业供应链精益化管理［13-15］。

5.3 打造现代能源供应链生态圈

基于电力供应商画像成像结果分析，有利于加强供应链资源合理的再分配和重点配置，推动供应链上下游企业提供更为高效、优质的服务，实现优质供应商进入、风险供应商退出的体制机制，与电力企业共同打造现代能源供应链生态圈。

6 结语

在优化电力营商环境和构建现代能源供应链体系的双重背景下，如何运用大数据等技术对电力供应商全息画像，有效指导和帮助电力企业加强供应商管理已逐渐成为研究热点。针对电力供应商画像方法应用进行了深入分析，以南方电网公司某招标采购项目为例选取若干供应商进行了算例验证，基于画像结果分析，建设性地提出了拓展供应链上下游信息、实现供应商分级分类管理、打造现代能源供应链生态圈等支撑和加强电力企业供应链管理策略。

现阶段，电力供应商画像建模应用仍停留在初期研究阶段。未来，供应商画像建模还可从以下方向进行深入研究：一是对单个品类的多家供应商采购份额进行画像；二是对一家供应商的多个品类产能份额进行画像；三是拓宽不同业务场景的供应商画像细粒度。