国际商业机器（中国）有限公司：基于大数据的供应链风险管理研究及应用

一、关于IBM

IBM 创立于 1911 年，是一家全球整合的信息技术、咨询服务和业务解决方案公司。IBM 业务遍及 170 多个国家，运用最先进的信息科技，助力各行各业的客户创造商业价值。同时，IBM 吸引并拥有全球最优秀的人才，助力对客户及整个社会至关重要的事业的发展，致力于让世界更美好。

IBM 的业务涵盖技术与商业领域。我们始终寻求高价值创新，汲取全球最领先的 IBM 研究机构的创新支持，推动持续改造与转型自身的业务。通过从行业领先的大数据、云、社交移动与认知计算技术、企业级系统和软件、咨询和 IT 服务中形成的产品与整合业务解决方案，为客户创造价值。2015年IBM主要业绩收入为818亿美元，2014年为928亿美元，2013年为984亿美元。其中，2015年战略举措（云计算、数据分析等）收入为290亿美元，运营每股收益为14.92美元。

IBM 致力于推进三大战略——利用大数据推动行业转型，打造竞争优势；利用云计算，重塑企业IT 架构，推动业务模式转型；利用移动和社交技术，依托安全能力构建企业互动参与体系。我们正在为现代IT骨干创建一个专注于开放创新的全新系统基础架构，以满足新计算时代前所未有、日新月异的需求。IBM 员工与客户通力合作，利用公司的业务咨询、技术和研发能力构建稳健的系统，以创造动态高效的组织、更便捷的交通、更安全的空气和食品、更清洁的水源和更健康的生活。

1985 年，IBM在中国北京设立了办事处。1992 年，成立中国首家外商独资企业——IBM中国。IBM中国的业务覆盖全国，包括研发、市场销售和服务交付等。凭借在中国超过30年的丰富经验，IBM一直提供领先的技术、卓越的管理和独特的解决方案及服务，推动中国IT行业及金融、电信、能源、制造、零售等众多行业的中国企业创新、转型与发展。

作为深耕中国30多年的伙伴，IBM积极思考未来发展战略，希望在解决企业自身未来发展的同时，也能够解决社会生存的问题，甚至是未来发展的问题。我们希望用前沿的科技与丰富的经验同中国伙伴共同面对挑战，支持中国企业实现“互联网+”、“中国制造2025”的转型和创新，真正成为“中国合伙人”，实现与中国同行。

IBM的供应链中有18,000多家供应商，2010年至2014年每个采购类别的绩效如图表中所示。IBM的业务经营规模庞大而复杂，涉及一个巨大的利益相关方生态系统，包括股东、员工、供应商、非政府组织、公职人员和社区组织等。满足所有利益相关方的不同期望是IBM企业文化的一部分，也是公司企业战略中的关键环节，我们对每一位利益相关方都一视同仁，从实际出发，满足他们的期望和诉求。

表1 2010年至2014年每个采购类别的绩效

二、大数据时代的供应链风险探究

在经济全球化和电子商务蓬勃发展的今天，企业所面临的经营环境发生了翻天覆地的变化。在全球供应链与价值链之间的关联日益紧密的同时，科技带来的更高效率的同时也使企业面对更大的系统性风险。随着供应链整合的不断深入，企业遇到系统性风险的几率也更高，比如自然灾害、网络安全漏洞或商品风险等。

以资源采购这一基本职能为例，企业在能够通过更便利的途径在全球范围内寻找所需资源的同时，也面临着更大的风险。现实生活中因为天气和突发事件、信息不对称等原因所导致的原材料采购不能按时交付、足量交付以及质量欠佳等现象比比皆是。如何采用合适的方法来降低采购风险是摆在很多企业面前的一大新挑战。

管理采购风险的基本出发点是尽量消除信息的不对称并采用有效的风险应对措施。在社交网络已经深入渗透到社会每一个角落的现代社会，利用大数据技术来进行风险管理已经被学术界和实业界所广泛认可。大数据技术的出现增强了供应链的可视性，从而为企业进行基于数据分析的风险管理奠定基础。大数据的主要特点之一在于数据的跨界性，比如从多个渠道（包括社交网络中关于供应商的评价信息）获得的有关供应商、有关产品的直接信息、以及其他相关的间接信息（如天气、其他行业或产品的信息等）都能作为供应商风险评估和采购风险管理的有效输入。

IBM亚太区采购总监周子明先生对中国市场上的新挑战十分关注，基于他多年来在IBM实验室的研究和管理经验，以及近些年来在IBM亚太区供应链的战略经验，他提出在现在市场的新模式和新挑战下，如何充分发挥大数据分析的优势来帮助进行企业的采购风险管理，这一具有时代意义的课题值得展开深入的研究，同时该实践将为社会带来巨大的经济效益以及社会意义。

对于课题的研究，周子明先生邀请清华大学经管学院陈剑教授和他的研究团队作为大数据的供应链风险管理研究的顾问，有效地借助高等院校专业的研究能力与IBM共同研究这一具有时代意义的课题。

同时，在课题的应用阶段，周子明先生带领团队与IBM实验室密切的合作，利用IBM现有的大数据科技手段，使用最先进的认知技术和人工智能自我学习能力，以海量历史交易数据为基础，结合实时社交媒体数据为大数据与供应链风险提供了最佳的大数据技术支持与解决方案。

三、解决方案

关于解决方案我们分为两个阶段，阶段A我们联合清华大学经管学院进行的基于大数据的供应链风险管理的可行性分析以及方法和模型建立，并通过实际案例测试了模型的有效性。阶段B我们结合阶段A的研究成果，应用IBM大数据技术，结合历史和现有的大数据对比数据特征，建立具有实时性的解决方案，为更广阔的数据搜索和数据挖掘提供服务，为高风险的商业交易保驾护航。

（一）阶段A 基于大数据的供应链风险管理的可行性分析以及方法论

本研究涵盖了大数据技术手段,包括提取社交媒体数据作为预警系统，反映市场情绪变化、重大的宏观经济风险乃至社会和政治风险。战争或自然灾害的信息来源可能会首先于各种社交媒体首先曝光，通过大数据提前得到预警以降低采购风险。

在当前风险管理实践的基础上，我们提出基于大数据分析的供应商风险检测和管理的解决方案。从数据收集、数据处理、风险量度以及决策方法中有机的结合了先进的大数据手段，包括统计分析、文本语义挖掘、层次分析法、对比分析比较法等。基于结构性数据和非结构性数据总量爆炸性增长，针对采购风险来源设计采用的数据模型，给出相应数据处理方法，用大数据提供更为专业化的实时决策支持。

1、构建风险特征体系和数据源探究

为了提出有效地解决方案，我们分析现在中国商业模式的特征以解决企业面临的供应链管理和业务难题。首先我们构建了5+X风险特征体系。

图1 5+X风险特征体系

对现有的采购风险管理模式分析中，我们结合了IBM内部服务类采购实践的同时，邀请了美国供应链协会的中国企业专家参与，包括不同行业的二十家行业标杆企业资深采购管理人员共同提供专家观点和指导意见。通过专家观点以及深入商业研究，本项目提出了中国商业环境中的5+X采购风险特征体系，包含环境风险、竞争风险、道德风险、财务风险、交付风险、内部管控风险。

针对风险体系中的每个种类，结合中国市场的特点深入探究识别相应采购风险特征和来源的方法，根据研究实践以及专家验证，我们针对每个种类建立风险特征优先级。建立风险树状模型，通过统计分析等手段对现有管理手段的效果进行评估，分析其有效性以及可能存在的局限性。

2、风险度量

风险的度量是有效利用大数据技术的必要且关键的基础条件。在我们有效的针对5+X风险采集到所有数据源，我们需要对这些数据有机的筛选和处理。

在数据处理的过程中，针对不同的风险特征以及不同的数据源的特点，我们结合相应的最有效的数据处理方法，包括对比分析法、统计学方法、回归方法、文本挖掘以及AHP方法等，最终通过对风险的度量得到对应的风险值。

图2 风险度量的过程

3、建立完整的风险管理体系

我们的解决方案中建立了完整的风险检测体系以及供应商风险管理模型，通过专家评估以及实际案例测试检验了风险管理体系的有效性，证明风险管理体系可以帮助采购决策者更及时的发现采购风险以及形成更明智的采购决策。

图3 风险管理体系

（二）阶段B IBM大数据技术的应用

根据前述的研究和得出的风险决策模型，结合IBM大数据实验室的分析解决方案，并有效结合最新的认知技术，通过无与伦比的分析功能，以值得信赖的数据为基础，更敏捷地洞察隐藏的风险，从而帮助建立高性能的风险评估和预测模型。

IBM Watson认知分析，具备听、说、读、写等许多能力，如自然语言处理、图像、声音、文字的分析等，并通过多种认知服务实现各种分析评估和预测的需求。还有IBM机器学习，它是通过对历史数据进行训练生成预测模型，进行风险预测来满足预测性的、认知的或复杂的分析问题逻辑。

IBM风险评估和预测模型可以提供全面、有效灵活的实时分析和预警，举例来说，当某一信息或数据中显示的指标过高，或相同信息出现频繁时，根据设定分析模型，可以实时产生预警。通过预警，如果满足某一条件，可以触发某一管理行为或者某一措施，实现风险的有效预防和管理。

全面，首先是指基础数据的全方位性，不仅涵盖公司内部资源同时也包括社交网络中关于供应商的信息，供应商本身或其相关产品的，直接的或间接的信息（如天气、其他行业或产品的信息等）。而且不局限于信息的格式和结构-文本的或非文本的，结构化的或非结构化的，静态储存的或传输中的数据。

图 4 IBM 风险评估和预测模型示意图

全面也反映在分析方法的多元化性。Watson认知分析根据对多纬度数据的洞察，用自己的语言探索并将其庞大又复杂的数据进行可视化，从而了解影响结果的因素，采取正确的措施去预防和防范各项风险。

灵活是指在模型操作及运用中的高可用性和可扩展性。此模型从大量的集成式结构化与非结构化数据中提取洞察，通过对其历史数据的整合和分析，归类高风险交易来寻找它们的共同风险特征，从而进行对有效数据模型的挖掘，并创建仪表盘，可视化其风险等级。此模型通过运用云服务平台，基于其开源的混合方法满足数据密集型需求，可扩展到业务合作伙伴，实现其商业化。

此模型能够提供24x7x365全天候实时监控和预警，从而支持现代迅速增长的数据需求。

IBM 风险评估和预测模型在帮助供应链提高对供应商及行业数据的利用率的同时，通过提取更加深入的洞察和价值，结合Waston认知产品和服务来帮助提高基于每一个高风险预测和防范需求定制解决方案的能力，从而提高管理效率、节省管理成本。

四、应用效果

我们的研究深入分析中国商业环境下采购风险的新特征，全面研究并提取各行业的采购风险特征，并对于采购风险识别和管理中应用大数据方法进行了可行性分析。

基于不同行业的深入调研和研究，分析现有市场中存在的采购风险相关数据源，提出提取数据源的有效特征的方法和技术支持手段，为应用大数据工具提供有效的支持。

通过先进的大数据科技手段，使得庞大又复杂的数据变得可视化可量度。对于不同采购类别关注的优先级不同，分别引入了有效的技术手段。通过多维度衡量采购风险以及不同数据源交叉验证建立精准的判断逻辑。

利用先进的技术手段，最大的利用在风险识别和衔接，用大数据提供更为专业化的实时决策支持。同时，实现了大数据技术在采购风险领域的技术认知和技术推广，引导大数据技术在该领域的发展方向。

1、社会效益

大数据与商业未来息息相关，本项目对于中国现有商业环境下的风险特征的识别和风险管理方法的探索研究，在行业内具有前瞻性和指导性的意义。总体来说，本项目提供了四个方面的社会效益：为目前风险的识别提供完整的体系化的认知；引领了将科技最前沿的大数据方法应用于采购风险的研究；对于现有企业搭建先进的采购体系提供建设性的标杆指导和方向；为未来的大数据应用于采购风险管理以及其他商业应用奠定坚实的基础。

2、经济效益

通过结合大数据方法和手段，有效的预测和降低企业采购过程中的潜在风险，为企业采购人员提供判断依据，从而大大节约了风险带来的经济损失，同时减少了人工判断所花费的时间成本和人员成本，帮助企业降低采购过程中的人力成本。

同时，大数据的科技方法加强了对商业环境中企业交易的诚信监督，帮助各个行业中上下游企业规范各自的供应链以及诚信体系，间接的帮助整个产业降低了采购风险并节省了风险带来的经济损失甚至惨痛的代价，间接的对整个商业环境贡献了巨大的经济效益。

3、环境效益

采购风险与健康的商业环境有着紧密的关联，本项目对于采购风险存在的特征研究以及对风险控制相关数据源的探索，反映了中国现有的商业环境的现状和特征，为未来发展建立良好的有秩序的诚信的商业环境奠定研究基础和提供参考。

五、展望

通过结合大数据方法和手段，将商业环境中的片段数据有效地关联，有效的预测和降低采购风险，为企业采购人员提供有力的判断依据，提供更为专业化的实时决策支持，从而大大节省了采购风险带来的巨大经济损失，帮助企业更加有信心面对行业中未来的机遇与挑战。

基于大数据的采购风险识别和管理体系的推广，可以帮助企业降低采购风险实现经济效益的同时，提高了整个产业链以及整个行业的诚信度，优化了上下游企业的供应链机制，帮助整个社会建立良好的经济秩序和经济环境。