一种基于大数据的供应商风险管理方法技术

本发明专利技术涉及供应商风险管理，具体涉及一种基于大数据的供应商风险管理方法，获取供应商的历史数据，并基于历史数据构建供应商的知识图谱；对供应商的知识图谱进行数据处理，并将数据处理后的知识图谱输入违约风险预测模型，得到违约风险预测结果；获取历史数据中的财务风险指标数据，并将财务风险指标数据输入财务风险预测模型，得到财务风险预测结果；结合供应商的违约风险预测结果和财务风险预测结果对供应商进行风险评估，并根据风险评估结果进行供应商的风险管控；本发明专利技术提供的技术方案能够有效克服现有技术所存在的供应商风险评估准确度较低，导致企业不能对供应商进行有效风险管理的缺陷。险管理的缺陷。险管理的缺陷。

【技术实现步骤摘要】
一种基于大数据的供应商风险管理方法


[0001]本专利技术涉及供应商风险管理，具体涉及一种基于大数据的供应商风险管理方法。

技术介绍

[0002]为了规避风险和提高采购质量，企业的采购部门都会进行一项重要的工作，即供应商的风险评估。对供应商的风险评估，贯穿整个供应商的管理过程，从供应商的开发，到具体供应过程，再到供应商的质量考核等。
[0003]现有传统方式，基本上是从供应商本身资质去衡量的，也就是说财报好看的公司，或者是实力雄厚的公司通常会作为供应商的首选。但是在实际情况中，通过这种方法评估选择的供应商在采购环节中也可能存在各种风险，进而给企业造成损失。由此可见，传统的供应商风险评估准确性不足，导致企业不能对供应商进行有效的风险管理。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术所存在的上述缺点，本专利技术提供了一种基于大数据的供应商风险管理方法，能够有效克服现有技术所存在的供应商风险评估准确度较低，导致企业不能对供应商进行有效风险管理的缺陷。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]一种基于大数据的供应商风险管理方法，包括以下步骤：
[0009]S1、获取供应商的历史数据，并基于历史数据构建供应商的知识图谱；
[0010]S2、对供应商的知识图谱进行数据处理，并将数据处理后的知识图谱输入违约风险预测模型，得到违约风险预测结果；
[0011]S3、获取历史数据中的财务风险指标数据，并将财务风险指标数据输入财务风险预测模型，得到财务风险预测结果；
[0012]S4、结合供应商的违约风险预测结果和财务风险预测结果对供应商进行风险评估，并根据风险评估结果进行供应商的风险管控。
[0013]优选地，S1中基于历史数据构建供应商的知识图谱，包括：
[0014]定义知识图谱中的对象、属性和关系，基于知识图谱中的定义对历史数据进行识别；
[0015]对识别的知识进行实体、属性和关系抽取，基于命名实体属性相似性完成实体对齐，形成知识图谱。
[0016]优选地，S2中对供应商的知识图谱进行数据处理，并将数据处理后的知识图谱输入违约风险预测模型，得到违约风险预测结果，包括：
[0017]基于知识图谱链接预测对供应商的知识图谱中的缺失信息进行预测，并构建完备知识图谱；
[0018]确定供应商供货风险的参数指标，根据参数指标对完备知识图谱进行数据处理；
[0019]将数据处理后的完备知识图谱输入违约风险预测模型，得到违约风险预测结果。
[0020]优选地，所述将数据处理后的完备知识图谱输入违约风险预测模型之前，包括：
[0021]采用下式对违约风险预测模型的输入数据进行归一化处理：
[0022][0023]其中，X(t)为t时刻的输入数据，X
’
(t)为t时刻输入数据对应的归一化数据，μ为完备知识图谱中与X(t)具有相同属性数据的均值，δ为完备知识图谱中与X(t)具有相同属性数据的标准差。
[0024]优选地，所述违约风险预测模型采用LSTM神经网络模型，所述违约风险预测模型采用随机梯度下降法进行模型训练。
[0025]优选地，S3中获取历史数据中的财务风险指标数据，并将财务风险指标数据输入财务风险预测模型，得到财务风险预测结果，包括：
[0026]获取目标供应商以外供应商的第一历史数据，从第一历史数据中中获取第一财务风险指标数据，并利用第一财务风险指标数据对财务风险预测模型进行模型训练；
[0027]获取目标供应商的第二历史数据，从第二历史数据中获取第二财务风险指标数据，并将第二财务风险指标数据输入财务风险预测模型，得到财务风险预测结果。
[0028]优选地，所述获取历史数据中的财务风险指标数据，包括：
[0029]确定用于反映供应商财务风险的财务风险指标，根据财务风险指标从第一历史数据、第二历史数据中分别获取第一财务风险指标数据、第二财务风险指标数据。
[0030]优选地，所述利用第一财务风险指标数据对财务风险预测模型进行模型训练，包括：
[0031]将第一财务风险指标数据划分为训练集、测试集和验证集，并利用训练集对财务风险预测模型进行模型训练；
[0032]利用测试集对训练后的财务风险预测模型进行测试，并根据测试结果对财务风险预测模型进行参数调整；
[0033]利用验证集检测财务风险预测模型对于财务风险的预测效果。
[0034]优选地，所述财务风险预测模型采用CNN神经网络模型，所述财务风险预测模型包括依次连接的输入层、隐藏层和输出层，所述隐藏层包括多个卷积层和多个池化层，所述输出层包括光栅化层和多层感知器。
[0035](三)有益效果
[0036]与现有技术相比，本专利技术所提供的一种基于大数据的供应商风险管理方法，具有以下有益效果：
[0037]1)获取供应商的历史数据，并基于历史数据构建供应商的知识图谱，对供应商的知识图谱进行数据处理，并将数据处理后的知识图谱输入违约风险预测模型，得到违约风险预测结果，通过构建供应商的知识图谱并利用违约风险预测模型，能够准确得到供应商的违约风险预测结果；
[0038]2)获取历史数据中的财务风险指标数据，并将财务风险指标数据输入财务风险预测模型，得到财务风险预测结果，通过获取财务风险指标数据并利用财务风险预测模型，能
够准确得到供应商的财务风险预测结果；
[0039]3)结合供应商的违约风险预测结果和财务风险预测结果对供应商进行风险评估，能够有效提高供应商风险评估的准确度，并且根据风险评估结果能够对供应商进行有效的风险管控。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1为本专利技术的流程示意图；
[0042]图2为本专利技术中利用违约风险预测模型得到违约风险预测结果的流程示意图；
[0043]图3为本专利技术中利用财务风险预测模型得到财务风险预测结果的流程示意图。
具体实施方式
[0044]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0045]一种基于大数据的供应商风险管理方法，如图1和图2所示，
①
获取供应商的历史数据，并基于历史数据构建供应商的知识图谱。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的供应商风险管理方法，其特征在于：包括以下步骤：S1、获取供应商的历史数据，并基于历史数据构建供应商的知识图谱；S2、对供应商的知识图谱进行数据处理，并将数据处理后的知识图谱输入违约风险预测模型，得到违约风险预测结果；S3、获取历史数据中的财务风险指标数据，并将财务风险指标数据输入财务风险预测模型，得到财务风险预测结果；S4、结合供应商的违约风险预测结果和财务风险预测结果对供应商进行风险评估，并根据风险评估结果进行供应商的风险管控。2.根据权利要求1所述的基于大数据的供应商风险管理方法，其特征在于：S1中基于历史数据构建供应商的知识图谱，包括：定义知识图谱中的对象、属性和关系，基于知识图谱中的定义对历史数据进行识别；对识别的知识进行实体、属性和关系抽取，基于命名实体属性相似性完成实体对齐，形成知识图谱。3.根据权利要求2所述的基于大数据的供应商风险管理方法，其特征在于：S2中对供应商的知识图谱进行数据处理，并将数据处理后的知识图谱输入违约风险预测模型，得到违约风险预测结果，包括：基于知识图谱链接预测对供应商的知识图谱中的缺失信息进行预测，并构建完备知识图谱；确定供应商供货风险的参数指标，根据参数指标对完备知识图谱进行数据处理；将数据处理后的完备知识图谱输入违约风险预测模型，得到违约风险预测结果。4.根据权利要求3所述的基于大数据的供应商风险管理方法，其特征在于：所述将数据处理后的完备知识图谱输入违约风险预测模型之前，包括：采用下式对违约风险预测模型的输入数据进行归一化处理：其中，X(t)为t时刻的输入数据，X
’
(t)为t时刻输入数据对应的归一化数据，μ为完备知识图谱中与X(t)具有相同属性数据的均值，δ为完备知识图谱中与X(t)具有相同属性数据的标准差。5.根据权利要求1
‑

【专利技术属性】
技术研发人员：石军，
申请(专利权)人：安徽同徽网络技术有限公司，
类型：发明
国别省市：