[发明专利]一种基于大数据的供应商评价方法及系统

权利要求书

1.一种基于大数据的供应商评价方法，其特征在于，包括以下步骤：

整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标；

从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系；

根据建立的数学函数关系，推导出供应商优选评价模型和/或供应商优选评价简化模型，计算出供应商评价的总得分值v。

2.如权利要求1所述的基于大数据的供应商评价方法，其特征在于，所述整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标步骤包括：

构建供应商多级评价指标体系，将报价、预付款、交货期、货物质量和服务质量作为一级指标，将一级指标下的子指标作为二级指标，将二级指标下的子指标作为三级指示。

3.如权利要求2所述的基于大数据的供应商评价方法，其特征在于，所述从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系的步骤中，建立评判指标的数学函数关系为：

v＝f(x)

其中，v表示供应商评价的总得分值，用于判断供应商优劣等级；x表示评价指标，用于评价供应商的各项指标。

4.如权利要求3所述的基于大数据的供应商评价方法，其特征在于，在所述供应商优选评价模型中，建立总体得分v值与指标的关系模型，所述总体得分v值与指标的关系模型表示为：

v＝c₁x₁+c₂x₂+…+c_nx_n

其中，v表示供应商评价的总得分值，x_n表示对应的各项评价指标值，c_n表示各项评价指标值对应的权重系数；

x_n＝c_n1x_n1+c_n2x_n2+…+c_nnx_nm

其中，x_n表示第n个一级指标的自变量，x_nm表示第n个一级指标中第m个自变量，c_nm表示第n个一级指标中第m个自变量的权重系数；

x_nm＝c_nm1x_nm1+c_nm2x_nm2+…+c_nn1x_nm1

其中，x_nm表示第n个一级指标中的第m个二级指标自变量，x_nm1表示第n个一级指标中的第m个二级指标中对应三级指标的第1个自变量；c_nm1表示第n个一级指标中第m个二级指标中对应三级指标第1个自变量的权重系数。

5.如权利要求1所述的基于大数据的供应商评价方法，其特征在于，在所述供应商优选评价简化模型中只考虑一级指标，所述一级指标包括报价、预付款、交货期、货物质量和服务质量，所述供应商优选评价简化模型简化为：

v＝c₁x₁+c₂x₂+c₃x₃+c₄x₄+c₅x₅

其中，x₁表示报价，x₂表示预付款，x₃表示交货期，x₄表示货物质量，x₅表示服务质量，c₁表示报价对应的权重系数，c₂表示预付款对应的权重系数，c₃表示交货期对应的权重系数，c₄表示货物质量对应的权重系数，c₅表示服务质量对应的权重系数。