[发明专利]一种基于大数据的供应商风险预警方法及系统

权利要求书

1.一种基于大数据的供应商风险预警方法，其特征在于：包括以下步骤：

S1、构建供应商风险评估模型和供应商不良行为发生概率评估模型；

S2、基于供应商风险评估模型进行数据采集，并对数据进行预处理，得到一级评估指标和二级评估指标；

S3、构建一级评估指标、二级评估指标对应的评价矩阵，并对评价矩阵进行一致性检测；

S4、计算通过一致性检测的评价矩阵的指标权重，基于一级评估指标、二级评估指标和对应的指标权重得到供应商风险评估结果；

S5、获取供应商不良行为发生概率评估模型对应的评价指标，并将评价指标输入供应商不良行为发生概率评估模型得到供应商不良行为发生概率；

S6、根据供应商不良行为发生概率得到供应商不良行为评估结果，结合供应商风险评估结果对供应商风险进行综合评估预警。

2.根据权利要求1所述的基于大数据的供应商风险预警方法，其特征在于：S3中构建一级评估指标、二级评估指标对应的评价矩阵，包括：

设评价矩阵为Q，对应的内部元素为q_ij，q_ij＞0，表示评估指标i相对于评估指标j的重要程度；

当i＝j时，两个评估指标相同，记为1；

且q_ij*q_ji＝1，评价矩阵Q为正互反矩阵。

3.根据权利要求2所述的基于大数据的供应商风险预警方法，其特征在于：S3中对评价矩阵进行一致性检测，包括：

计算评价矩阵的最大特征值和一致性指标，当评价矩阵的最大特征值与评价矩阵的维数相同时，则该评价矩阵为一致性矩阵；

当评价矩阵的最大特征值与评价矩阵的维数不相同时，则根据评价矩阵的维数查找随机一致性指标，并结合一致性指标计算一致性比例；

当一致性比例小于预设阈值时，则该评价矩阵为一致性矩阵，否则对评价矩阵进行修正。

4.根据权利要求3所述的基于大数据的供应商风险预警方法，其特征在于：所述计算评价矩阵的最大特征值和一致性指标，包括：

采用下式计算一致性指标CI：

其中，λ_max为评价矩阵的最大特征值，d为评价矩阵的维数；

所述根据评价矩阵的维数查找随机一致性指标，并结合一致性指标计算一致性比例，包括：

采用下式计算一致性比例CR：

其中，RI为随机一致性指标。

5.根据权利要求3所述的基于大数据的供应商风险预警方法，其特征在于：S4中计算通过一致性检测的评价矩阵的指标权重，包括：

将评价矩阵中的内部元素按照行相乘，得到列向量；

将列向量中的各元素开d次方，并对该列向量进行归一化，即可得到评价矩阵的指标权重。

6.根据权利要求1所述的基于大数据的供应商风险预警方法，其特征在于：所述供应商不良行为发生概率评估模型包括供应商不良行为发生概率计算公式，所述供应商不良行为发生概率计算公式由供应商不良行为评估体系中各单因子相关性分析和多元线性回归模型确定的评价指标及对应的权重构成。

7.根据权利要求6所述的基于大数据的供应商风险预警方法，其特征在于：所述供应商不良行为发生概率计算公式的构建方法，包括：

基于各项指标的历史数据进行单因子相关性分析，根据相关性大小从多个因子中选择设定数量的指标作为评价指标；

利用多元线性回归模型根据评价指标之间的相关性确定各评价指标对应的权重；

根据各评价指标及对应的权重构建供应商不良行为发生概率计算公式。

8.根据权利要求7所述的基于大数据的供应商风险预警方法，其特征在于：所述基于各项指标的历史数据进行单因子相关性分析，根据相关性大小从多个因子中选择设定数量的指标作为评价指标，包括：

对多个因子分别进行单因子回归，并进行单因子相关性分析，得到各项指标之间的相关性，按照相关性从大到小的顺序选择设定数量的指标作为评价指标。