CN109872015A - 用于行为数据评估的方法及装置 - Google Patents
用于行为数据评估的方法及装置 Download PDFInfo
- Publication number
- CN109872015A CN109872015A CN201711248029.1A CN201711248029A CN109872015A CN 109872015 A CN109872015 A CN 109872015A CN 201711248029 A CN201711248029 A CN 201711248029A CN 109872015 A CN109872015 A CN 109872015A
- Authority
- CN
- China
- Prior art keywords
- data
- supplier
- dimension
- behavioral data
- mark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种用于行为数据评估的方法及装置。涉及计算机信息处理领域,该方法包括:将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据;根据预定规则将所述多个指标数据汇总为预定个输入指标;通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分;以及将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。本申请公开的用于行为数据评估的方法,能够实现了基于电商业务的供应链绩效对标的标准化,并可持续跟踪供应商的行为趋势变化。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种用于行为数据评估的方法及装置。
背景技术
大型电商企业由于产品线众多,对应的供产品线供应链也存在较大的差异。基于供应链的有效管理,必须要有先进的供应链绩效监测工具,实时动态的监测每一条供应链的绩效水平。
现有技术中,通常使用以下两种用于监测绩效的方法,1、关键指标法,关键绩效指标(KPI:Key Performance Indicator)是通过对组织内部流程的输入端、输出端的关键参数进行设置、取样、计算、分析,衡量流程绩效的一种目标式量化管理指标。但是关键指标法存在如下的缺点:通过聚焦于功能性关键指标,仅仅满足于“局部”最优的行为,而放弃了组织整体的利益。该方法只能提供一段有限时间的信息,并没有透彻分析未来情况的能力,尽管关键指标是甄选过的,仍然存在缺乏反馈和确认的情况,不能保证组织大多数相关商业驱动因素被精确地衡量了。2.平衡记分卡,平衡计分卡反映了财务与非财务衡量方法之间的平衡,长期目标与短期目标之间的平衡,外部和内部的平衡,结果和过程平衡,管理业绩和经营业绩的平衡等多个方面。但是平衡记分卡方式存在如下缺点:典型的平衡记分卡指标在财务信息方面的权重往往特别高,许多重要的非财务数据和定性信息没有被记录或整合。数据汇集基本是静态的,很难根据战略和目标随着时间的变化而修改。该方法没有跟踪作出决策的情况和随时间变化的效果,也缺乏深化商业规则以提高决策和问题解决流程本身的机制。
因此,需要一种新的用于行为数据评估的方法及装置。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本发明提供一种用于行为数据评估的方法及装置,能够实现了基于电商业务的供应链绩效对标的标准化,并可持续跟踪供应商的行为趋势变化。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明的一方面,提出一种用于行为数据评估的方法,该方法包括:将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据;根据预定规则将所述多个指标数据汇总为预定个输入指标;通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分;以及将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。
在本公开的一种示例性实施例中,还包括:将所述评估结果进行可视化展示。
在本公开的一种示例性实施例中,所述将所述评估结果进行可视化展示,包括:将所述评估结果通过改善型平衡记分卡进行可视化展示。
在本公开的一种示例性实施例中,所述将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据,包括:将来自供应商的行为数据按照基本业务维度进行第一汇总处理,生成第一维度数据;将所述第一维度数据按照品牌维度进行第二汇总处理,生成第二维度数据;通过所述第二维度数据生成所述多个指标数据。
在本公开的一种示例性实施例中,所述多个指标数据,包括:采购满足率,现货率,总体交货周期,交货周期方差,返修率,差评率,库存周转天数,销售额。
在本公开的一种示例性实施例中,所述根据预定规则将所述多个指标数据汇总为预定个输入指标,包括:通过所述采购满足率与所述现货率生成可靠度指标;通过所述总体交货周期与所述交货周期方差生成响应度指标;通过所述返修率与所述差评率生成敏捷度指标;以及通过所述库存周转天数与所述销售额生成资产效率指标。
在本公开的一种示例性实施例中,还包括:按照行业排名获取其他供应商的行为数据;通过所述其他供应商的行为数据生成预定个输入指标;以及通过其他供应商的预定个输入指标与供应链运作参考模型获取所述对标数据。
在本公开的一种示例性实施例中,按照行业排名分别获取不同等级的其他供应商的行为数据以生成不同等级的对标数据。
在本公开的一种示例性实施例中,还包括:通过定时任务的形式,在预定的时间生成所述评估结果。
在本公开的一种示例性实施例中,还包括:通过不同时间的评估结果生成趋势分析数据。
根据本发明的一方面,提出一种用于行为数据评估的装置,该装置包括:汇总模块,用于将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据;制表模块,用于根据预定规则将所述多个指标数据汇总为预定个输入指标;计算模块,用于通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分;以及对标模块,用于将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。
在本公开的一种示例性实施例中,还包括:展示模块,用于将所述评估结果进行可视化展示。
根据本发明的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。
根据本发明的一方面,提出一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现如上文中的方法。
根据本发明的用于行为数据评估的方法及装置,能够实现了基于电商业务的供应链绩效对标的标准化,并可持续跟踪供应商的行为趋势变化。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。
附图说明
通过参照附图详细描述其示例实施例,本发明的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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。
图1是根据一示例性实施例示出的一种用于行为数据评估的方法的系统框图。
图2是根据一示例性实施例示出的一种用于行为数据评估的方法的流程图。
图3是根据另一示例性实施例示出的一种用于行为数据评估的方法的流程图。
图4是根据一示例性实施例示出的一种用于行为数据评估的装置的框图。
图5是根据另一示例性实施例示出的一种用于行为数据评估的装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
图7示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语「及/或」包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的,因此不能用于限制本发明的保护范围。
图1是根据一示例性实施例示出的一种用于行为数据评估的方法的系统框图。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的购物类网站提供支持的后台服务器。后台管理服务器可以对接收到的供应商相关数据进行分析等处理,并将处理结果反馈给终端设备。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2是根据一示例性实施例示出的一种用于行为数据评估的方法的流程图。
如图2所示,在S202中,将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据。
可例如。将来自供应商的行为数据按照基本业务维度进行第一汇总处理,生成第一维度数据:从电商平台基础生产数据库抽取源数据,包括采购、用户访问日志、仓储、订单、商品属性、库存、库房、批次等,按基本业务维度(可例如按照某电商网站的商品品类管理维度,分为三级类目)汇集和对应,形成数据仓库基本业务数据作为本实施例中的第一维度数据。
还可例如,将所述第一维度数据按照品牌维度进行第二汇总处理,生成第二维度数据,建立业务数据与数据指标的对应关系,按三级分类+品牌维度汇集计算,得到八个具体供应链指标的具体结果以作为第二维度数据。八个供应链指标数据,包括:采购满足率,现货率,总体交货周期,交货周期方差,返修率,差评率,库存周转天数,销售额。
进而,在第二维度数据的基础上,通过所述第二维度数据生成所述多个指标数据。
其中,指标数据具体定义及计算方式如下:
采购满足率:采购单完成时,实收数量/创建采购单商品数量的百分比;
现货率:统计周期内,现货时长与上柜时长的百分比;
总体交货周期:采购单完成后,从创建到商品上架时间的平均值;
交货周期方差:衡量总体交货周期上下波动大小量;
返修率:商品返修数量/商品出库数量;
差评率:差评数/总评价数;
库存周转天数:当前天数*日均库存金额/(销售出库数量*仓包价);
销售额:以销售出库口径的销售金额。
在S204中,根据预定规则将所述多个指标数据汇总为预定个输入指标。所述根据预定规则将所述多个指标数据汇总为预定个输入指标,包括:通过所述采购满足率与所述现货率生成可靠度指标;通过所述总体交货周期与所述交货周期方差生成响应度指标;通过所述返修率与所述差评率生成敏捷度指标;以及通过所述库存周转天数与所述销售额生成资产效率指标。
可例如,通过所述采购满足率与所述现货率指数化等比对应生成可靠度指标;通过所述总体交货周期与所述交货周期方差指数化等比对应生成响应度指标;通过所述返修率与所述差评率指数化等比对应生成敏捷度指标;以及通过所述库存周转天数与所述销售额指数化等比对应生成资产效率指标。
在S206中,通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分。供应链参考模型(Supply-Chain Operations Reference-model,SCOR)是由国际供应链协会(Supply-Chain Council)开发支持,适合于所有行业供应链领域的通用运作参考模型。经过众多世界500强公司供应链专家20多年不断实践、完善和发展,可以有效地帮助企业实现科学绩效对标,改善供应链流程,提升供应链绩效,借鉴行业最佳实践等。主要用于面向电商企业建立SCOR绩效对标与可视化系统,实现科学绩效对标。
在SCOR模型中,提供四个参数入口,该模型通过接收到的四个参数,进行供应链的评分计算,在本实施例中,将上文中的八个指标参数,汇总为四个预定的指标参数输入模块进行计算,以获取该供应商的评分数值。
在S208中,将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。按照行业排名获取其他供应商的行为数据;通过所述其他供应商的行为数据生成预定个输入指标;以及通过其他供应商的预定个输入指标与供应链运作参考模型获取所述对标数据。
在本公开的一种示例性实施例中,可例如,按照行业排名分别获取不同等级的其他供应商的行为数据以生成不同等级的对标数据。供应链对标数据计算:按行业,根据具体指标值计算排名,根据排名找出并记录卓越水平(行业排名前10%)、领先(行业排名前30%)、一般(行业排名前50%)供应链的绩效具体数据(按得分排序,取对应排序位置数据),同时计算该供应链的绩效与这些对标供应链的数据差。
根据本发明的用于行为数据评估的方法,通过定义成熟的电商平台三级分类作为行业区分,以三级分类内的品牌作为供应链划分依据,能够充分利用现有电商平台自动汇集的业务数据。
根据本发明的用于行为数据评估的方法,通过将将八个具体的典型的电商平台数据指标,映射到scor模型关键的四个可量化一级指标上,能够实现基于电商业务的供应链绩效对标的标准化,并能够实现供应链之间绩效的横向统一衡量,实现行业内和行业间指标对标的标准化。
应清楚地理解,本发明描述了如何形成和使用特定示例,但本发明的原理不限于这些示例的任何细节。相反,基于本发明公开的内容的教导,这些原理能够应用于许多其它实施例。
在本公开的一种示例性实施例中,还包括:将所述评估结果进行可视化展示。可例如,将所述评估结果通过改善型平衡记分卡进行可视化展示。使用ScorCard(运用SCOR理论实现的改善型平衡记分卡)方式及趋势变化图,将绩效对标结果通过可视化技术进行前端展现。
在本公开的一种示例性实施例中,还包括:通过定时任务的形式,在预定的时间生成所述评估结果,进而通过不同时间的评估结果生成趋势分析数据。
根据本发明的用于行为数据评估的方法,通过不同时间的评估记过生成供应商趋势分析数据,并进行展示的方式,使得供应链管理者能随时洞察所管理的供应链在行业中所处的位置,并量化的了解供应链之间对标的绩效差异,而且,对于绩效水平及对标的变化趋势的了解,能够让供应链管理人员更精准的把握供应链的发展状态。
图3是根据另一示例性实施例示出的一种用于行为数据评估的方法的流程图。图3示例性的说明了,在电商的后台服务器中,通过供应链上的底层数据进行供应商的绩效评估及分析过程。
如图3所示,在S302中,系统启动后从配置数据库中获取供应链定义信息、供应链战略定义信息以及具体的绩效指标定义信息。
在S304中,根据设定的数据抽取规则,按需要抽取底层业务关联数据。
在S306中,按供应链维度,根据配置的指标,汇集和计算具体的指标值。
在S308中,按指标的排名计算方法,按行业计算出该行业的卓越领先一般(SAP)三个对标供应链的指标值,并计算出每条供应链与这三个对标供应链的指标差距值。
在S310中,使用ScorCard显示对标结果,展示具体值、差距以及在行业所处的位置。
在S312中,保存历史计算结果,并使用趋势图展示供应链绩效对标的变化情况。
在S314中,根据设定周期(可例如以1天为时间间隔)进行下一轮计算。
根据本发明的用于行为数据评估的方法,在电商行业绩效对标业务场景中,将三级分类定义为行业,将三级分类+品牌定位为供应链,充分利用业务管理的分类特性,也能最大化利用电商平台已有数据。将电商业务的八个特殊指标与SCOR的四个标准化指标进行对应,实现了基于电商业务的供应链绩效对标的标准化。实现了电商供应链绩效对标的标准量化对比,并可持续跟踪趋势变化。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
图4是根据一示例性实施例示出的一种用于行为数据评估的装置的框图。该装置可例如包括:汇总模块402,制表模块404,计算模块406,对标模块408。
汇总模块402用于将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据。可例如。将来自供应商的行为数据按照基本业务维度进行第一汇总处理,生成第一维度数据:还可例如,将所述第一维度数据按照品牌维度进行第二汇总处理,生成第二维度数据,进而,在第二维度数据的基础上,通过所述第二维度数据生成所述多个指标数据。
制表模块404用于根据预定规则将所述多个指标数据汇总为预定个输入指标。可例如,通过所述采购满足率与所述现货率指数化等比对应生成可靠度指标;通过所述总体交货周期与所述交货周期方差指数化等比对应生成响应度指标;通过所述返修率与所述差评率指数化等比对应生成敏捷度指标;以及通过所述库存周转天数与所述销售额指数化等比对应生成资产效率指标。
计算模块406用于通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分。在SCOR模型中,提供四个参数入口,该模型通过接收到的四个参数,进行供应链的评分计算,在本实施例中,将上文中的八个指标参数,汇总为四个预定的指标参数输入模块进行计算,以获取该供应商的评分数值。
对标模块408用于将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。可例如,按照行业排名分别获取不同等级的其他供应商的行为数据以生成不同等级的对标数据。供应链对标数据计算:按行业,根据具体指标值计算排名,根据排名找出并记录卓越水平(行业排名前10%)、领先(行业排名前30%)、一般(行业排名前50%)供应链的绩效具体数据(按得分排序,取对应排序位置数据),同时计算该供应链的绩效与这些对标供应链的数据差。
在本公开的一种示例性实施例中,还包括:展示模块(图中未示出),用于将所述评估结果进行可视化展示。
图5是根据另一示例性实施例示出的一种用于行为数据评估的装置的框图。该装置可例如包括:
底层数据抽取模块502,用于从电商平台基础生产数据库抽取源数据,按基本业务维度汇集和对应,形成数据仓库基本业务数据。
供应链基础数据计算模块504,用于建立业务数据与数据指标的对应关系,按三级分类+品牌维度汇集计算,得到8个具体供应链指标的具体结果并汇总到SCOR的4个基本一级指标可靠度上。
供应链对标数据计算模块506,用于根据具体指标值计算排名,根据排名找出并记录卓越水平(行业排名前10%)、领先(行业排名前30%)、一般(行业排名前50%)供应链的绩效具体数据,同时计算该供应链的绩效与这些对标供应链的数据差。
绩效对标展现模块508用于通过ScorCard方式及趋势变化图,将绩效对标结果通过可视化技术进行前端展现。
绩效对标跟踪趋势模块510用于保存历史计算结果,并使用趋势图展示供应链绩效对标的变化情况。
供应链定义模块514按电商三级分类+品牌定义供应链,有效利用电商已有分类及数据。
供应链战略配置模块512将业务战略分解到具体的供应链上,并转化为供应链战略,体现为scor的4个一级指标的竞争力水平。
图6是根据一示例性实施例示出的一种电子设备的框图。
下面参照图6来描述根据本发明的这种实施方式的电子设备200。图6显示的电子设备200仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图2,图3中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述电子处方流转处理方法。
图7示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图7所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据;根据预定规则将所述多个指标数据汇总为预定个输入指标;通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分;以及将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施例的方法。
以上具体地示出和描述了本发明的示例性实施例。应可理解的是,本发明不限于这里描述的详细结构、设置方式或实现方法;相反,本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
此外,本说明书说明书附图所示出的结构、比例、大小等,均仅用以配合说明书所公开的内容,以供本领域技术人员了解与阅读,并非用以限定本公开可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本公开所能产生的技术效果及所能实现的目的下,均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时,本说明书中所引用的如「上」、「第一」、「第二」及「一」等的用语,也仅为便于叙述的明了,而非用以限定本公开可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当也视为本发明可实施的范畴。
Claims (14)
1.一种用于行为数据评估的方法,其特征在于,包括:
将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据;
根据预定规则将所述多个指标数据汇总为预定个输入指标;
通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分;以及
将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。
2.如权利要求1所述的方法,其特征在于,还包括:
将所述评估结果进行可视化展示。
3.如权利要求2所述的方法,其特征在于,所述将所述评估结果进行可视化展示,包括:
将所述评估结果通过改善型平衡记分卡进行可视化展示。
4.如权利要求1所述的方法,其特征在于,所述将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据,包括:
将来自供应商的行为数据按照基本业务维度进行第一汇总处理,生成第一维度数据;
将所述第一维度数据按照品牌维度进行第二汇总处理,生成第二维度数据;
通过所述第二维度数据生成所述多个指标数据。
5.如权利要求4所述的方法,其特征在于,所述多个指标数据,包括:
采购满足率,现货率,总体交货周期,交货周期方差,返修率,差评率,库存周转天数,销售额。
6.如权利要求5所述的方法,其特征在于,所述根据预定规则将所述多个指标数据汇总为预定个输入指标,包括:
通过所述采购满足率与所述现货率生成可靠度指标;
通过所述总体交货周期与所述交货周期方差生成响应度指标;
通过所述返修率与所述差评率生成敏捷度指标;以及
通过所述库存周转天数与所述销售额生成资产效率指标。
7.如权利要求1所述的方法,其特征在于,还包括:
按照行业排名获取其他供应商的行为数据;
通过所述其他供应商的行为数据生成预定个输入指标;以及
通过其他供应商的预定个输入指标与供应链运作参考模型获取所述对标数据。
8.如权利要求7所述的方法,其特征在于,按照行业排名分别获取不同等级的其他供应商的行为数据以生成不同等级的对标数据。
9.如权利要求2所述的方法,其特征在于,还包括:
通过定时任务的形式,在预定的时间生成所述评估结果。
10.如权利要求9所述的方法,其特征在于,还包括:
通过不同时间的评估结果生成趋势分析数据。
11.一种用于行为数据评估的装置,其特征在于,包括:
汇总模块,用于将来自供应商的行为数据按照预定维度进行汇总处理,生成多个指标数据;
制表模块,用于根据预定规则将所述多个指标数据汇总为预定个输入指标;
计算模块,用于通过所述预定个输入指标与供应链运作参考模型获取所述供应商的评分;以及
对标模块,用于将所述供应商的所述评分与对标数据进行对标处理,生成评估结果。
12.如权利要求11所述的装置,其特征在于,还包括:
展示模块,用于将所述评估结果进行可视化展示。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711248029.1A CN109872015A (zh) | 2017-12-01 | 2017-12-01 | 用于行为数据评估的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711248029.1A CN109872015A (zh) | 2017-12-01 | 2017-12-01 | 用于行为数据评估的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109872015A true CN109872015A (zh) | 2019-06-11 |
Family
ID=66913452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711248029.1A Pending CN109872015A (zh) | 2017-12-01 | 2017-12-01 | 用于行为数据评估的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109872015A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689219A (zh) * | 2019-08-16 | 2020-01-14 | 中国平安财产保险股份有限公司 | 基于大数据的用户行为评价展示方法、装置、设备及介质 |
CN110751390A (zh) * | 2019-10-18 | 2020-02-04 | 寿光新保农农业科技有限公司 | 一种快速衡量供应商质量绩效的方法及装置 |
CN111062594A (zh) * | 2019-12-06 | 2020-04-24 | 北京百分点信息科技有限公司 | 一种供应商运营能力的评估方法、装置和电子设备 |
CN111160489A (zh) * | 2020-01-02 | 2020-05-15 | 中冶赛迪重庆信息技术有限公司 | 基于大数据的多维对标分析服务器、系统、方法及电子终端 |
CN111160727A (zh) * | 2019-12-13 | 2020-05-15 | 北京航天云路有限公司 | 基于自定义评估模型、算法自动生成结果的可视化方法 |
CN111679808A (zh) * | 2020-06-09 | 2020-09-18 | 中国建设银行股份有限公司 | Rpa机器人应用需求测评方法及装置 |
CN112667627A (zh) * | 2019-10-16 | 2021-04-16 | 北京京东振世信息技术有限公司 | 一种数据处理方法及装置 |
CN112819297A (zh) * | 2021-01-18 | 2021-05-18 | 树根互联股份有限公司 | 生产任务完成效率分析方法、装置和终端设备 |
CN113420947A (zh) * | 2021-04-08 | 2021-09-21 | 国网物资有限公司 | 基于物联网的电工装备供应商的评价方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840535A (zh) * | 2010-01-22 | 2010-09-22 | 同济大学 | 一种基于改进灰关联法集成化供应链绩效指标评价方法 |
CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
CN105335825A (zh) * | 2015-11-01 | 2016-02-17 | 上海财经大学 | 自贸试验区制度创新绩效评估系统及方法 |
KR20170124394A (ko) * | 2016-05-02 | 2017-11-10 | 현준희 | 우편번호를 이용한 공동구매시스템의 운영방법 |
-
2017
- 2017-12-01 CN CN201711248029.1A patent/CN109872015A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840535A (zh) * | 2010-01-22 | 2010-09-22 | 同济大学 | 一种基于改进灰关联法集成化供应链绩效指标评价方法 |
CN103235983A (zh) * | 2013-04-23 | 2013-08-07 | 浪潮集团山东通用软件有限公司 | 一种多维度的供应商自动评价方法 |
CN105335825A (zh) * | 2015-11-01 | 2016-02-17 | 上海财经大学 | 自贸试验区制度创新绩效评估系统及方法 |
KR20170124394A (ko) * | 2016-05-02 | 2017-11-10 | 현준희 | 우편번호를 이용한 공동구매시스템의 운영방법 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689219A (zh) * | 2019-08-16 | 2020-01-14 | 中国平安财产保险股份有限公司 | 基于大数据的用户行为评价展示方法、装置、设备及介质 |
CN112667627A (zh) * | 2019-10-16 | 2021-04-16 | 北京京东振世信息技术有限公司 | 一种数据处理方法及装置 |
CN112667627B (zh) * | 2019-10-16 | 2023-11-03 | 北京京东振世信息技术有限公司 | 一种数据处理方法及装置 |
CN110751390A (zh) * | 2019-10-18 | 2020-02-04 | 寿光新保农农业科技有限公司 | 一种快速衡量供应商质量绩效的方法及装置 |
CN111062594A (zh) * | 2019-12-06 | 2020-04-24 | 北京百分点信息科技有限公司 | 一种供应商运营能力的评估方法、装置和电子设备 |
CN111160727A (zh) * | 2019-12-13 | 2020-05-15 | 北京航天云路有限公司 | 基于自定义评估模型、算法自动生成结果的可视化方法 |
CN111160489A (zh) * | 2020-01-02 | 2020-05-15 | 中冶赛迪重庆信息技术有限公司 | 基于大数据的多维对标分析服务器、系统、方法及电子终端 |
CN111679808A (zh) * | 2020-06-09 | 2020-09-18 | 中国建设银行股份有限公司 | Rpa机器人应用需求测评方法及装置 |
CN111679808B (zh) * | 2020-06-09 | 2023-05-16 | 中国建设银行股份有限公司 | Rpa机器人应用需求测评方法及装置 |
CN112819297A (zh) * | 2021-01-18 | 2021-05-18 | 树根互联股份有限公司 | 生产任务完成效率分析方法、装置和终端设备 |
CN113420947A (zh) * | 2021-04-08 | 2021-09-21 | 国网物资有限公司 | 基于物联网的电工装备供应商的评价方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shao et al. | IoT data visualization for business intelligence in corporate finance | |
CN109872015A (zh) | 用于行为数据评估的方法及装置 | |
Xiong et al. | The mitigating role of blockchain-enabled supply chains during the COVID-19 pandemic | |
US11386468B2 (en) | Dialogue monitoring and communications system using artificial intelligence (AI) based analytics | |
US20200234218A1 (en) | Systems and methods for entity performance and risk scoring | |
CN103886495A (zh) | 一种基于网络交易的监控方法及系统 | |
Shobana et al. | E-commerce customer churn prevention using machine learning-based business intelligence strategy | |
Raj et al. | Big data analytics adaptive prospects in sustainable manufacturing supply chain | |
Verma | Mapping the intellectual structure of the big data research in the IS discipline: A citation/co-citation analysis | |
US11093885B2 (en) | Operations augmented enterprise collaborative recommender engine | |
Kantha et al. | Analyzing the growing factor of Financial Markets Using Sentimental Analysis Algorithms | |
Kiran et al. | Analysing the role of user generated content on consumer purchase intention in the new era of social media and big data | |
Faisal et al. | A structural analysis of the enablers of u-commerce proliferation in a developing economy | |
US20140052502A1 (en) | Balanced web analytics scorecard | |
WO2020150597A1 (en) | Systems and methods for entity performance and risk scoring | |
Farooq et al. | Revenue generation from recommendation system using sentimental analysis | |
O’Rourke et al. | Incentivizing environmental improvements in supply chains through data-driven governance | |
Megeid et al. | The Role of Big Data Analytics in Supply Chain “3Fs”: Financial Reporting, Financial Decision Making and Financial Performance “An Applied Study” | |
Tian | An effective model for consumer need prediction using big data analytics | |
Chalyvidis et al. | A method for measuring supply chain interoperability | |
Shikalgar et al. | Online Review Mining for forecasting sales | |
Rosas et al. | Business Intelligence as a Key Driver of E-business Enterprises; Prospects and Challenges | |
Abou Elmaaty et al. | Integrating Artificial Intelligence and Cloud Computing in eCommerce Operational and Customer-Centric Advancements | |
Hejazi et al. | Assessing the Importance of Data Factors of Data Quality Model in the Business Intelligence Area | |
EP4057207A1 (en) | Methods and systems for generating an interactive graphical user interface detailing mission-value data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190611 |
|
RJ01 | Rejection of invention patent application after publication |