大数据下的供应商评分系统
Supplier scoring system under big data
摘要
现在作为商业，最重要的群体有三个，供应商、消费者、工作人员。供应商是为我们提供货品，提供品牌文化。消费者是为生活需要购买、使用商品、接受服务的人。然而我们就是供应商和消费者之间的桥梁，我们要服务于消费者与供应商之间。
社会在进步，我们商业也在发展。每个时代都有每个时代的代表作，在多元化的今天，在信息时代的今天，做到客观、精准、系统的分析，才会使企业更好地进步。结合社会现在的状况，及过去商业发展的规律，运用大大数据为我们带来的便利条件，整合一个能够为我们的商业体系发展起到风向标的系统。
销售额、毛利额是我们商场最重要的两项指标。这两项指标都是我们的供应商带给我们的。但是我们不能所有的供应商以同样的方法对待，不能让供应商伤心，也不能让损害自己利益的供应商继续寄生在我们身上。我们针对供应商应该更全面的评估，不能单单只考虑我们的利益，我们需看到更加长远的目标。没有一个品牌的发展是一帆风顺的，也没有一个商业的发展是不遇到考验的，用科学的方法进行管理，才是最完美的方法。
从事商业行业4年之久，通过自我的了解，我做了本次《供应商评分系统》。其目的就是为上层领导提供更加清晰的数据，用科学的方法管理供应商，全方位的了解供应商。
前言
商业数据分析的基本目的是深入了解数据背后的规律。在此基础上，企业可以做出决策，并采取相应的措施和行动，以达到预期的效果。这是业务数据分析的最大价值。
著名咨询公司Gartner在2013年总结、总结、提炼了一套数据分析框架。我认为它可以很好地回答上述问题，Gartner将数据分析分为四个层次:
描述性分析——发生了什么?
诊断分析——为什么会发生这种情况?
预测分析——可能会发生什么?
规范的分析——该怎么做?
本次的《供应商评分系统》就是按照这四个层面进行了分析。
描述性分许；为什么要做这个评分系统，在《罗兰贝格遇见2020年度特别趋势报告》中提到，2020年，中国大消费品市场将进一步面临人口红利与流量红利弱化的挑战。虽然整体大消费行业仍有稳定增长，但行业已进入存量争夺、需求分化、创新加速的新阶段。新的信息技术、商业模式与营销打法已重新定义未来的消费场景与价值。我们作为商业层面的业务员也成为了分析员，我们更应该寻求符合企业并且科学的方法，应对地区及中国的大消费品市场。
诊断分析；怎么给供应商进行打分，我们为供应商提供好环境，节日气氛及宣传，刺激顾客的消费欲望。供应商为我们准备充足货品和营业员。最终消费者为商场特工销售额及毛利，为供应商带来品牌的销售额及毛利。我们通过针对供应商的地均销售、毛利率、参活率、货品情况对供应商进行可以客观打分。
预测分析；我们通过对供应商打分，观察每个供应商的趋势图，可以刚好的预测每个供应商在未来的一个趋势变换。针对得分情况对供应商进行星级评定，会更加了解供应商在各个方面的情况，我们能够更加深入的了解品牌，更好地预测未来这个供应商会带来的那些变化，所谓知己知彼，才好对症下药。
规范的分析；通过一段时间针对供应商星级变化的趋势，我们可以了解一个品牌是否为成长型品牌还是呈淘汰型品牌。也可通过大类的变化趋势分析本商场，本地区，本国家的销售趋势，从趋势中我们甚至可以预言未来短时间内的趋势，为以后的发展提供更好地依据。何帆在其《变量：看见中国社会小趋势》一书中，总结了预判未来趋势、展示历史面貌的方法：以大树模式进行观察，在慢变量中寻找小趋势。要欣赏一棵树的生命力，就需要多年内定期地、多维度地去观察其变化，观察其嫩芽、新枝，也不断把目光拉回母体，在细微和宏观的切换中体会趋势的变迁。
商业数据分析本质就是通过基础大量的数据，进行对维度，多方面进行数据的汇总分析，客观的反映商业的经营情况。通过长时间的观察我们可以更好的预测未来的发展趋势，预测未来商场销售，预测未来品牌销售，预测未来供应商经营品牌的经营情况，预测整个行业的发展趋势，预测国家的发展趋势。
我将预测未来作为工作一部分的乐趣，可以从各种角度思考像2020这样具有里程碑意义的年代。通过现在我们对未来每年的预测，等到了我预测的那年，看看我们的预测系统是否发生了变化，我们预测精确度有多少。
1.目前国内外商业现状
1.1主要行业的占比情况
Delpitte(德勒)有限公司,在《2019全球零售力量，要点概论》中给出了2019年全球250强在主要产品子行业的收入占比。（具体数据可登陆德勒官网进行查阅）
2020年全球250强在主要产品子行业的收入占比。
从全球的零售力量的收入占比，我们可以看出来收入的占比，这种占比也可以反映在零售行业内各品类销售情况的占比，这组数据也客观的反映了未来零售企业的发展趋势。全球上榜的250家最大零售企业中，美国有79家，日本31家，德国19家，英国14家，中国（含香港和台湾）14家。
1.2消费者情况的变化
1.2.1消费群体的变化
2008年至2009年全球经济危机让消费者的情况发生的很大的变化，消费者转向折扣零售店，购买打折的品牌商品，购置的大件非必需家居品的支出占收入的比例下降，而且对价的灵敏度全面提高。这些有利的条件使得在短短的几年间奥特莱斯，品牌折扣店等等的商业如雨后春笋，这也让一些传统的行业慢慢淡出了我们的视线。
下图为2000-2050年部分国家人口抚养率的走势图；
下图为1950-2020年部分国家的总出生率；
随着国家的逐渐发展，多种原因导致人们减少生育。出生率的下降，带来的结果就是社会消费人群年龄的变化。消费群体的变化最终会引发的消费模式发生变化。
1.2.2消费者的偏好
未来的几十年，随着人口的增长，随着收入的增加。人们的消费从传统的基础谷物像高价值食品转变。其中涉及一下几个方面；
（1）食品需求的增加和转变
肥胖问题是当今社会最受关注的一种现象，中国约有1-1.2亿肥胖人口，其中一半为儿童。而且肥胖是所有病的一个原因。但是随着社会的发展，人们的文化程度，消费水平的提高，对健康将会越来越重视，不再像以往只求温饱。这些变化使得消费者在偏好上发生很大的变化，未来的绿色消费，可持续消费将会是这个社会的主要的需求。
（2）快消品趋势
《2019全球零售力量，要点概论》中快消品占有最大的收入占比，这也预示着未来的发展快消品会是一大主力军。快消品（是从消费角度的称谓，使用周期短，易重复使用。主要包括：个人护理用品、饰品饮料、保健品、烟酒….）谁更懂中国的消费者，谁将赢得未来的优势。快消品作为生活的必需品，而且随着人们的消费理念，生活水平的提高，快消品行业的发展会继续升温，但是需要了解消费者的心理。
（3）鞋服美肤行业
融合、体验、快捷、精准、多远、灵活已经成为鞋服化妆品的六大趋势。消费者的消费理念也将随着社会的发展而慢慢变化。
融合：随着电商行业的发展，线上线下的有机融合，数字化渠道的发展。
体验：终端升级，提升消费体验。
快捷：建立与消费者之间的“快时尚”供应链。
精准：大数据的应用带来业务精进，大数据行业的发展，提供数据支持。
多元：催生“母子品牌”货多品牌，联名品牌的组合发展。
灵活：微商、促销员等小利润中心的组织的兴起。
（4）电子3C行业
作为信息时代的载体，手机成为了当今社会最主要的工具，及交通、消费、购物、金融等等方面的功能。科技发展是3C发展的重要驱动力，技术的发展应用于3C领域。在零售企业中，主要的3C产品主要涉及手机、电脑、音响、相机等方面。本次疫情期间期间，直播教学、宅家、工作都是离不开手机及3C产品需求增大。而且未来发展趋势，都会使电子3C产品的需求大大增加。
2.供应商评分系统
2.1供应商
针对供应商的评分系统，我分为四个方面，销售、毛利、参活情况、货品情况。通过计算和打分得出一个供应商的不同星级水平，从而针对奖罚政策，促进商场的效益最大化。
2.1.1.供应商销售坪效评分
本次举例供应商（长春---有限公司），主要需要的数据为销售额及经营面积。销售坪效指的是每坪面积上可以产出的营业额，也就是单店营业面积内每平方面积上每天所创造的销售额。坪效是源于台湾商业领域的常用术语，坪效是衡量经营情况的重要指标。目前国内业界通常说的坪效即销售坪效，是指每平方米营业面积上所能产生的营业额
我们每次收集到的数据不一定完全可用，要对数据进行处理，如下表，存在一个差异较大数，根据实际情况，我们需要对该数进行数据清洗或者数据替换，否则会对本次的销售坪效评分带来影响。
长春---有限公司销售如下：
|
供应商名称 |
日期 |
经营面积 |
销售额 |
地均销售 |
平均地均销售 |
|
长春---有限公司 |
2019年1月 |
126.00 |
493,280.00 |
3,914.92 |
2,758.95 |
|
长春---有限公司 |
2019年2月 |
126.00 |
226,228.00 |
1,795.46 |
2,758.95 |
|
长春---有限公司 |
2019年3月 |
126.00 |
215,762.00 |
1,712.40 |
2,758.95 |
| ... | ... | ... | ... | ... | ... |
|
长春---有限公司 |
2020年10月 |
118.00 |
38,492.00 |
326.20 |
2,758.95 |
|
长春---有限公司 |
2020年11月 |
118.00 |
436,763.00 |
3,701.38 |
2,758.95 |
|
长春---有限公司 |
2020年12月 |
118.00 |
246,182.00 |
2,086.29 |
2,758.95 |
|
... |
... |
... |
... |
... |
... |
长春---有限公司趋势图：
根据销售时间及平均坪效运用EXCEL工具，绘制成趋势图，显示趋势线公式，R平方值。根据R平方值的大小选择不同的趋势线公式。
R平方值是趋势线拟合程度的指标,它的数值大小可以反映趋势线的估计值与对应的实际数据之间的拟合程度,拟合程度越高,趋势线的可靠性就越高。 R平方值是取值范围在0～1之间的数值,当趋势线的 R 平方值等于 1 或接近 1 时,其可靠性最高,反之则可靠性较低,R平方值也称为决定系数。
但是我们运用线性趋势线公式，主要原因为线性趋势线公式可以反映我们销售坪效的趋势为上升状态还是下降状态。可以从上升下降的状态中观察此供应商未来的发展情况。
从给出的销售数据中我们可以发现我们的供应商在销售的过程中出现了面积变化的情况，可能是更换销售场地，也可能缩小经营面积导致。所以针对面积发生变化的供应商我们应该进行分段观察：
长春---有限公司趋势图：
长春---有限公司在面积变化之前地均销售的趋势为上升状态，其K值为62.16 。在面积发生变化之后地均销售也成上升趋势，其K值为145.12 。从上升的K值可以看出，面积变化后的地均销售的上升趋势叫变化前上升的幅度较大，因而从数据中我们可以看出此次面积变更或者位置变更是正确的。
通过一段时间的销售和经营面积，我们需计算出这段时间的平均地均销售，以作为后面评分的标准；
|
总面积 |
总销售 |
平均地均 |
|
2,960.00 |
8,194,966.80 |
2,768.57 |
针对上升下降幅度，给出了一下的分析：
|
上升幅度 |
地均销售 |
得分 |
|
-60% |
1,107.43 |
1分 |
|
-50% |
1,384.28 |
2分 |
|
-30% |
1,938.00 |
3分 |
|
5% |
2,907.00 |
4分 |
|
15% |
3,183.86 |
5分 |
销售存在淡旺季，淡季的销售会减少，最终导致结果就是地均销售的下降。销售的旺季销售将会上升，地均销售也会跟着进行上升。
虽然是淡季，但是地均销售下降超过平均地均销售的60%，以自身为标准，则视为改供应商存在较大的问题。
一个品牌地均销售上升是一个漫长的过程，需要积攒顾客，需要创新产品，需要人员的稳定各方面的因素，所以上升15%是一个很大的进步，给与上升的供应商一点奖励，奖励的最好办法就是减少上升的幅度，给供应商留出继续上升的空间。
最后就是针对供应商这一段时间的销售进行评分；
这就是本次评分系统中第一部分的评分结果：
|
供应商名称 |
日期 |
经营面积 |
销售额 |
得分 |
|
长春---有限公司 |
2019年1月 |
126.00 |
493,280.00 |
5.0 |
|
长春---有限公司 |
2019年2月 |
126.00 |
226,228.00 |
2.7 |
|
长春---有限公司 |
2019年3月 |
126.00 |
215,762.00 |
2.5 |
|
长春---有限公司 |
2019年4月 |
126.00 |
534,772.00 |
5.0 |
|
... |
... |
... |
... |
... |
|
长春---有限公司 |
2020年6月 |
118.00 |
307,824.40 |
3.6 |
|
长春---有限公司 |
2020年7月 |
118.00 |
147,936.00 |
1.5 |
|
长春---有限公司 |
2020年8月 |
118.00 |
251,294.00 |
3.1 |
|
长春---有限公司 |
2020年9月 |
118.00 |
435,806.00 |
5.0 |
|
长春---有限公司 |
2020年10月 |
118.00 |
38,492.00 |
3.9 |
|
长春---有限公司 |
2020年11月 |
118.00 |
436,763.00 |
5.0 |
|
长春---有限公司 |
2020年12月 |
118.00 |
246,182.00 |
3.1 |
2.1.2供应商货品情况得分分析
本次举例供应商（长春---有限公司，长春---有限公司二），主要涉及两方面的分析，货品情况的年分析、货品情况的月分析，在这了也称之为货品情况粗分析、货品情况细分析。
货品情况的年分析，主要是根据每月的数据对供应商的期初期末库存金额，库存件数与月销售数量月销售件数进行粗略的分析，其主要的目标是根据库销单价比进行打分。其打分的最主要的依据为，供应商的库存均价与销售均价相差较大，我们就认为供应商备货情况与实际情况不符合，也可以认为供应商的货品存在问题。供应商的库存均价与销售均价相差较小，我们就认为供应商备货情况与实际情况符合，也可以认为供应商的货品不存在问题。但是这样的分析做不到完全正确，数据层面反映的情况与现场的实际情况大多存在一定的差异，所以我们称这种分析情况为供应商货品粗分析。
（1）货品情况的粗分析也不无任何道理，作为一个数据的分析员，我们无过多的时间去现场进行实地考察，我们只能通过数据分析情况，所以这种粗分析可以看出我们的供应商朋友在一定的时间内库存的变化情况。
如下表：（长春--有限公司）
|
日期 |
平均库存金额 |
平均库存件数 |
销售金额（元） |
销售件数 |
货销单价比 |
货销单价比得分 |
补货件数 |
补货销售增长比 |
货品得分 |
|
2019年1月 |
282 |
2,151 |
493,280 |
363 |
0.04 |
4.7 |
31.00 |
-0.91 |
3.79 |
|
2019年2月 |
156 |
2,014 |
226,228 |
195 |
0.50 |
2.4 |
141.00 |
-0.28 |
2.12 |
|
2019年3月 |
389 |
1,864 |
215,762 |
287 |
0.64 |
2 |
261.00 |
-0.09 |
1.91 |
|
2019年4月 |
294 |
2,077 |
534,772 |
300 |
0.26 |
3.2 |
239.00 |
-0.20 |
3.00 |
|
2019年5月 |
439 |
2,356 |
258,658 |
319 |
0.56 |
2.2 |
47.00 |
-0.85 |
1.35 |
|
... |
... |
... |
... |
... |
... |
... |
... |
... |
... |
|
2020年7月 |
282 |
2,315 |
147,936 |
174 |
0.30 |
3 |
229.00 |
0.32 |
3.32 |
|
2020年8月 |
345 |
1,699 |
251,294 |
247 |
0.50 |
2.4 |
170.00 |
-0.31 |
2.09 |
|
2020年9月 |
297 |
2,263 |
435,806 |
335 |
0.01 |
5 |
278.00 |
-0.17 |
4.83 |
|
2020年10月 |
311 |
2,324 |
38,492 |
252 |
0.89 |
1.3 |
270.00 |
0.07 |
1.37 |
|
2020年11月 |
271 |
1,730 |
436,763 |
151 |
0.85 |
1.4 |
102.00 |
-0.32 |
1.08 |
|
2020年12月 |
178 |
2,366 |
246,182 |
300 |
0.09 |
4.1 |
261.00 |
-0.13 |
3.97 |
在这里我们也涉及到了补货情况，在这里补货情况也计算入货品得分中。在上表中
平均库存金额=（期初库存金额+期末库存金额）/2
平均库存件数=（期初库存件数+期末库存件数）/2
货销单价比=（平均库存金额/平均库存件数）/（销售金额/销售数量）-1
得分情况是根据货销单价比进行评分如图：
货品得分=货销单价比得分+补货销售增长比补货销售增长比=补货件数/销售件数-1 #说明供应商销售后的补货情况及时率
供应商货品单价与销售单价匹配金字塔：
销售单价与货品单价的绝对值同比在0--10%之间，按照同比大小给与相应分数（4-5分）。
销售单价与货品单价的绝对值同比在10--30%之间，按照同比大小给与相应分数（3-4分）。
销售单价与货品单价的绝对值同比在30--60%之间，按照同比大小给与相应分数（2-3分）。
销售单价与货品单价的绝对值同比在60--100%之间，按照同比大小给与相应分数（1-2分）。
销售单价与货品单价的绝对值同比在100%以上，给与相应1分
（2）粗分析只能给我们提供粗略的情况，所以派生出货品情况的细分析也叫货品情况月分析。货品情况的细分析依据每日销售数据，每日销售数量。通过统计不同销售金额出现的频率，给出我们货品销售的趋势图，获得主要的销售主力区间与货品平均单价的是否吻合。
下图为（长春---有限公司二）的每日销售明细：
（月数据）
|
日期 |
平均库存金额（万元） |
平均库存件数 |
销售金额（元） |
销售件数 |
货单价 |
销售单价 |
货销单价比 |
得分 |
|
2020年4月 |
205 |
1,555 |
881,293 |
336 |
1,319 |
2,623 |
0.99 |
1.1 |
（日数据）
我们对销售单价进行取整处理，这样以便于更好的分析主力销售单价区间。
|
记账日期 |
销售数量 |
销售金额 |
销售单价 |
销售取整单价 |
|
2020-04-30 |
1 |
1,630 |
1,630 |
1,600 |
|
2020-04-30 |
2 |
7,940 |
1,985 |
2,000 |
|
2020-04-30 |
2 |
5,140 |
1,285 |
1,300 |
|
2020-04-30 |
1 |
3,930 |
3,930 |
3,900 |
|
2020-04-30 |
-1 |
-1,430 |
-1,430 |
-1,400 |
|
... |
... |
... |
... |
... |
|
2020-04-01 |
1 |
2,321 |
2,321 |
2,300 |
|
2020-04-01 |
1 |
1,428 |
1,428 |
1,400 |
|
2020-04-01 |
1 |
1,557 |
1,730 |
1,700 |
（销售单价与销售数量图）
销售取整单价与销售数量汇总的折线图，黑色虚线为折线图的趋势线。
在销售单价与销售数量的图我们可以看出销售单价的主要销售区间为1600-2000元。但是供应商（长春---有限公司二）的货品单价为2623元，与主力销售区间的存在较大的差异，我们可以认为供应商的货品情况与销售情况存在差异。具体原因我们需要进行进一步的分析调查。
作为数据分析员，我们要对数据进行粗细分别分析，粗分析我们分析走势、分析趋势、分析大方向。细分析我们分析原因、分析细节、将粗分析进行细化，是粗分析的补充。
供应商的货品得分情况我选取的粗分析的得分情况。
2.1.3供应商参活情况得分
作为商场的活动，每一场活动都有目的和动机。对于商场来说举办活动是提高市场占有率的有效行为，有效的提升商场的知名度为最大限度的吸引客人参与其中。
所以参活率是展示一个供应商对商场策划的节日店庆活动的配合程度。每一场活动我们商场就是一艘船，我们有自己的方向（活动的主题），我们有自己的旗帜（活动的宣传），有自己的水手（工作人员与供应商）。只有我们大家相信大方向，一起使劲向前滑行，才能够进步。
本次供应商参活评比分析主要是从三个方面进行分析，参活天数，参活销售，品牌自主活动。参活天数是在这个月我们商场举行活动的天数中供应商参加活动的天数，这是一个重要的指标。参活销售，一个品牌有可能表面上参加了商场的活动，但是实际情况是参活销售非常低，以参加活动为挡箭牌，迷惑我们的管理人员，所以我们将参活销售也作为一个重要的指标。品牌也有一定的知名度，也会间接为我们进行宣传，而且不止我们商场也有自己的节日，品牌也会存在自己的活动，所以针对品牌自主活动我们也进行参考。
表格如下：
|
供应商名称 |
日期 |
销售额 |
活动天数 |
参活天数 |
品牌自主活动 |
参活销售 |
参活得分 |
|
长春---有限公司 |
2019年1月 |
493,280.00 |
10 |
10 |
|
167,152.00 |
3.35 |
|
长春---有限公司 |
2019年2月 |
226,228.00 |
17 |
7 |
|
120,616.00 |
2.36 |
|
长春---有限公司 |
2019年3月 |
215,762.00 |
16 |
16 |
|
117,877.00 |
3.87 |
|
长春---有限公司 |
2019年4月 |
534,772.00 |
10 |
10 |
5 |
175,666.00 |
3.82 |
|
... |
.. |
... |
... |
... |
... |
... |
... |
|
长春---有限公司 |
2020年8月 |
251,294.00 |
2 |
2 |
|
131,627.00 |
3.81 |
|
长春---有限公司 |
2020年9月 |
435,806.00 |
4 |
4 |
|
121,857.00 |
3.20 |
|
长春---有限公司 |
2020年10月 |
38,492.00 |
3 |
3 |
|
15,654.00 |
3.52 |
|
长春---有限公司 |
2020年11月 |
436,763.00 |
12 |
6 |
|
141,755.00 |
2.06 |
|
长春---有限公司 |
2020年12月 |
246,182.00 |
17 |
7 |
3 |
112,021.00 |
2.47 |
计算方法：
参活得分=参活天数得分+参活销售得分+品牌自主活动得分
参活天数得分=参活天数/活动天数*2.5
参活销售得分=参活销售/销售额*2.5
品牌自主活动得分=品牌自主活动天数*0.1
注：针对参活得分超过5分的，我们可以人工对其进行取整。
=IF(参活得分<5,参活得分,5)
2.1.4供应商参活毛利得分
毛利是一个商场重要的一个指标，毛利是企业经营获利的基础，企业要经营毛利，首先要获得足够的毛利。毛利占商品销售收入或营业收入的百分比称毛利率。一个品牌的好坏不能够只能看毛利率的大小，我们追求的最终目标为毛利率高切毛利额大。单纯的毛利额高，单纯的毛利率低都会反映一个品牌的不合理情况。
所以本次的供应商毛利情况得分，我将从两方面进行分析，毛利额及毛利率。毛利额的大小表示供应商对企业的贡献率，毛利率的大小表示的是供应商对销售一件商品为企业带来利润的比例。但是单纯的任何一个指标都不足以说明供应商的贡献情况，所以将两个指标分别分析，最终通过两个指标得出最终的毛利分数。
如下图（长春---有限公司）销售毛利情况：
|
供应商名称 |
日期 |
销售额 |
毛利额 |
毛利额得分 |
|
长春---有限公司 |
2019年1月 |
493,280.00 |
23,725.00 |
3.87 |
|
长春---有限公司 |
2019年2月 |
226,228.00 |
18,692.00 |
3.05 |
|
长春---有限公司 |
2019年3月 |
215,762.00 |
25,990.00 |
4.24 |
|
长春---有限公司 |
2019年4月 |
534,772.00 |
44,203.00 |
5.00 |
|
长春---有限公司 |
2019年5月 |
258,657.60 |
37,730.00 |
5.00 |
|
长春---有限公司 |
2019年6月 |
350,756.00 |
17,115.00 |
2.79 |
|
... |
... |
... |
... |
... |
|
长春---有限公司 |
2020年8月 |
251,294.00 |
17,380.00 |
2.84 |
|
长春---有限公司 |
2020年9月 |
435,806.00 |
29,532.00 |
4.82 |
|
长春---有限公司 |
2020年10月 |
38,492.00 |
5,680.00 |
0.93 |
|
长春---有限公司 |
2020年11月 |
436,763.00 |
39,291.00 |
5.00 |
|
长春---有限公司 |
2020年12月 |
246,182.00 |
22,493.00 |
3.67 |
毛利额得分==IF(D2>平均毛利额,5,D2/平均毛利额*5)
在这里选取平均毛利额的原因为，销售存在淡旺季，我们也存在活动期与常规期。我们在活动期的毛利额肯定会较常规期的时候相比，肯定会有变化，所以选择平均毛利额，这样可以较为客观，针对平均毛利额进行评分，也较为合理。
如下图（长春---有限公司）销售毛利率情况：
|
供应商名称 |
日期 |
销售额 |
毛利额 |
毛利率得分 |
|
长春---有限公司 |
2019年1月 |
493,280.00 |
23,725.00 |
2.33 |
|
长春---有限公司 |
2019年2月 |
226,228.00 |
18,692.00 |
4.00 |
|
长春---有限公司 |
2019年3月 |
215,762.00 |
25,990.00 |
5.00 |
|
长春---有限公司 |
2019年4月 |
534,772.00 |
44,203.00 |
4.00 |
|
长春---有限公司 |
2019年5月 |
258,657.60 |
37,730.00 |
5.00 |
|
长春---有限公司 |
2019年6月 |
350,756.00 |
17,115.00 |
2.36 |
|
... |
... |
... |
... |
... |
|
长春---有限公司 |
2020年8月 |
251,294.00 |
17,380.00 |
3.35 |
|
长春---有限公司 |
2020年9月 |
435,806.00 |
29,532.00 |
3.28 |
|
长春---有限公司 |
2020年10月 |
38,492.00 |
5,680.00 |
5.00 |
|
长春---有限公司 |
2020年11月 |
436,763.00 |
39,291.00 |
4.35 |
|
长春---有限公司 |
2020年12月 |
246,182.00 |
22,493.00 |
4.42 |
买利率得分==IF(毛利额/销售额/>平均毛利额,5,毛利额/销售额/平均毛利额*5)
毛利率等于毛利额与销售额的比值，所以毛利率与销售额毛利额有关，销售额越大毛利率就会越小，销售额越小毛利额将会越大，单纯只看毛利率我们将会认为该供应商非常好，非常适合企业发展的需求。但是转头去看毛利额，看品牌的贡献率我们就会发现问题所在。所以我们再看毛利率的时候一定也要观察一下毛利额，双重标准才能更客观、更准确的反映供应商给我带来的效益。
供应商毛利情况得分如图：
|
供应商名称 |
日期 |
销售额 |
毛利额 |
毛利额得分 |
毛利率得分 |
毛利得分 |
|
长春---有限公司 |
2019年1月 |
493,280.00 |
23,725.00 |
3.87 |
2.33 |
3.00 |
|
长春---有限公司 |
2019年2月 |
226,228.00 |
18,692.00 |
3.05 |
4.00 |
3.49 |
|
长春---有限公司 |
2019年3月 |
215,762.00 |
25,990.00 |
4.24 |
5.00 |
4.61 |
|
长春---有限公司 |
2019年4月 |
534,772.00 |
44,203.00 |
5.00 |
4.00 |
4.47 |
|
长春---有限公司 |
2019年5月 |
258,657.60 |
37,730.00 |
5.00 |
5.00 |
5.00 |
|
长春---有限公司 |
2019年6月 |
350,756.00 |
17,115.00 |
2.79 |
2.36 |
2.57 |
|
... |
... |
... |
... |
... |
... |
... |
|
长春---有限公司 |
2020年8月 |
251,294.00 |
17,380.00 |
2.84 |
3.35 |
3.08 |
|
长春---有限公司 |
2020年9月 |
435,806.00 |
29,532.00 |
4.82 |
3.28 |
3.98 |
|
长春---有限公司 |
2020年10月 |
38,492.00 |
5,680.00 |
0.93 |
5.00 |
2.15 |
|
长春---有限公司 |
2020年11月 |
436,763.00 |
39,291.00 |
5.00 |
4.35 |
4.67 |
|
长春---有限公司 |
2020年12月 |
246,182.00 |
22,493.00 |
3.67 |
4.42 |
4.03 |
毛利得分=SQRT（毛利额得分*毛利率得分）
运用几何平均数是由于几何平均数受极端值的影响较算术平均数小，所以毛利得分存在极端值，所以运用几何平均数，会更精准，更接近实际情况。
2.1.5供应商得分情况
针对地均销售、销售毛利及毛利率、参活情况、货品情况的得分，我汇总最后的得分，将得分情况进行星级评定。
长春---有限公司得分情况如图；
|
供应商名称 |
日期 |
地均销售得分 |
毛利得分 |
货品得分 |
参活得分 |
总分 |
星级 |
|
长春---有限公司 |
2019年1月 |
5.00 |
3.00 |
3.79 |
3.35 |
15.13 |
★★★★ |
|
长春---有限公司 |
2019年2月 |
2.70 |
3.49 |
2.12 |
2.36 |
10.68 |
★★★ |
|
长春---有限公司 |
2019年3月 |
2.50 |
4.61 |
1.91 |
3.87 |
12.88 |
★★★★ |
|
长春---有限公司 |
2019年4月 |
5.00 |
4.47 |
3.00 |
3.82 |
16.29 |
★★★★★ |
|
... |
... |
... |
... |
... |
... |
... |
... |
|
长春---有限公司 |
2020年8月 |
3.10 |
3.08 |
2.09 |
3.81 |
12.08 |
★★★★ |
|
长春---有限公司 |
2020年9月 |
5.00 |
3.98 |
4.83 |
3.20 |
17.00 |
★★★★★ |
|
长春---有限公司 |
2020年10月 |
3.90 |
2.15 |
1.37 |
3.52 |
10.94 |
★★★ |
|
长春---有限公司 |
2020年11月 |
5.00 |
4.67 |
1.08 |
2.06 |
12.80 |
★★★★ |
|
长春---有限公司 |
2020年12月 |
3.10 |
4.03 |
3.97 |
2.47 |
13.57 |
★★★★ |
星级评定标准；
0到4分之间为“★”，一星级。
4到8分之间为“★★”，二星级。
8到12分之间为“★★★”，三星级。
12到16分之间为“★★★★”，四星级。
16到20分之间为“★★★★★”，五星级。
针对供应商每个月的四项数据，我们绘制出雷达图，以便于更好地观察供应商每个月之间的存在的差异主要体现在那个方面；
2.2结论
这个评分系统可以客观的反映供应商的情况，绝不会因为一个供应商一个方面的好覆盖其其他方面的劣势。也不会因为一个供应商一方面的劣势覆盖其其他方面的优势。通过大量的数据进行分析一个品牌商，也可以对比不同品牌之间的差距，我们可以利用数据给我们的信息更好的为供应商贴上标签，也为下一步的招商也能够提供支持。
针对供应商的评分系统，我们可进行月分析、季度分析、半年分析、年分析。通过不同的维度，我们可以观察一个供应商的销售、毛利、星级等走势趋势。一个品牌的星级或者趋势图如果发生较大的波动，一定是供应商出现了一个较大的问题或者出现了我们无法了解的情况。针对出现的情况我们可以做到防范并能够做好相应的应对政策。
针对供应商我们可以按照不同的分类，不同的客层，不同的区域进行对比分析。对比分析随着时间的推移，我们可以更好的记录并预测一个品牌的发展。
大数据下的供应商评分系统，我们只是运用数据为供应商提供，为企业提供科学的依据，用数字说话以防止人为思想的左右决策。
3.分析及结论
3.1分析及建议
3.1.1销售提成方面
制定合理销售提成比例
随着电商行业及品牌商的APP的使用情况的普及的发展，销售跑单的情况存在，也会存在因为一些私收现金的情况，所以以至于品牌商的销售不佳，存在少收毛利的情况，为了避免这种情况发生，我们可以针对销售提成做一些文章。
例如：10000*0.15=1500元
20000*0.08=1600元
我们都会希望得到后者，因为后者即提高了我们商场的销售业绩，而且针对我们购物中心的利益也是较前者高。一个品牌的销售高一点点，汇集成众多品牌，销售上升的就远不止一点点。一个品牌的利润高一点点，汇集成众多品牌，利润上升的就远不止一点点。这种方法即使得供应商的积极性得以提高，也成全了我们，事先双赢。
3.1.2保底销售、毛利额方面
针对无法完成保底销售、毛利额的品牌，其无法完成的原因大致分为；
- 品牌销售真的不好。
- 品牌商不重视。
- 将商场的专柜作为线上销售的展示厅。
- 等等
这样会让我们损失销售，而且还会损失一部分毛利。针对这样的情况，我们可以对其进行一段时间的培育和考察。考察结束我们可以对其进行加扣保底毛利、加扣各种费用等办法，以达到警示及惩罚的目的。针对多次惩罚但还无悔改的可以进行解约处理。
运用半年时间的观察、或者通过大型活动档期的考察。如果考察期的综合完成销售率，综合完成毛利率的情况，下个月进行加扣保底销售，保低毛利。
例如：1-6月完成综合保底毛利86%，7月份开始加扣14%毛利。1-12月份完成综合毛利率超过100%，下一年的1月份恢复到加扣前。
3.1.3货品情况
货品是销售的最前提，只有充足合理的货品才能够有好的销售。在商场中我们会存在两种经营形式：管理库存供应商、不管理库存供应商。
管理库存供应商，这个对于我们比较方便，我们可以清晰的了解供应商的库存，品类，数量等情况，我们可以针对每个供应商的单品细类进行更加深一步的库存分析。从中了解每个单品的销售周期，周转率。不同时间、季节的畅销品。可以针对不同的商品我们进行捆绑销售、买赠等方式的促销活动。
针对管理库存供应商我们需要品牌专柜每个月给我们上报库存情况（应包括；总库存金额及数量、细类金额及数量、现场关注度较高及回购率高等等数据）。现场不同维度的分析加上我们在数据方面的疑问，可以更加完善我们的分析能力。
不管理库存供应商，这个想要对单个品牌的库存进行详细的了解肯定存在一定苦难。所以这点我们需要以品牌为单位，为我们提供货品情况。主要包含库存金额、库存件数、分季节数据，补货情况这几部分。我们工作人员可以针对这部分数据进行检查，以防止供应商的瞒报或瞎报。因为我们需要将这些货品数据作为我们评分的依据。
3.1.4依等级分别对待
供应商评分系统分为五个星级，针对不同的星级给不同的供应商贴上不同标签。一个供应商可能经营两个不同的品牌，我们也可以针对这个供应商进行不同品牌进行展示。
一星供应商：淘汰供应商
二星供应商：消极供应商
三星供应商：考察供应商
四星供应商：优先供应商
五星供应商：战略供应商
针对不同的星级，我们可以实行不同的待遇。一个放羊的人，一定会知道自己的羊群中有多少母羊有多少公羊有多少羊羔。知道自己羊群中的分类，我们才好针对不同的羊应该怎么进行管理。对待母羊我们应该在它怀孕期补充充足的营养保证其能够顺利生产，对待小羊我们应该给它吃嫩草，对待即将去世的羊，我们要全力抢救，对于抢救无果的我们要学会放弃，不耽误太多的时间。
针对不同星级，公示相应政策。例如：
|
星级供应商 |
政策 |
|
一星供应商：淘汰供应商 |
加扣20% |
|
二星供应商：消极供应商 |
加扣10% |
|
三星供应商：考察供应商 |
正常扣取 |
|
四星供应商：优先供应商 |
减扣10% |
|
五星供应商：战略供应商 |
减扣20% |
3.1.5多维度的分析
上面的分析主要是以一个供应商为主体，针对单个供应商进行的分析，参考体只有自己。所以在最后简单的增加多维度分析。
按照大类进行分析，针对相同的大类，我们可以一起进行分析。相同的大类，不同的品牌之间的可能存在一定的差异，根据数据的不同显示，我们可以观察品牌的趋势变化。我们这里就以两个品牌进行对比分析。
|
日期 |
长春一有限公司 |
长春二有限公司 |
||||
|
经营面积 |
销售额 |
地均销售 |
经营面积 |
销售额 |
地均销售 |
|
|
2019年1月 |
126.00 |
493,280.00 |
3,914.92 |
89.00 |
463,040.00 |
5,202.70 |
|
2019年2月 |
126.00 |
226,228.00 |
1,795.46 |
89.00 |
471,277.00 |
5,295.25 |
|
2019年3月 |
126.00 |
215,762.00 |
1,712.40 |
89.00 |
243,166.00 |
2,732.20 |
|
... |
... |
... |
... |
... |
... |
... |
|
2020年9月 |
118.00 |
435,806.00 |
3,693.27 |
89.00 |
152,544.00 |
1,713.98 |
|
2020年10月 |
118.00 |
38,492.00 |
2,864.72 |
89.00 |
140,709.00 |
1,581.00 |
|
2020年11月 |
118.00 |
436,763.00 |
3,701.38 |
89.00 |
241,725.00 |
2,716.01 |
|
2020年12月 |
118.00 |
246,182.00 |
2,086.29 |
89.00 |
423,821.00 |
4,762.03 |
|
平均值 |
123.33 |
341,456.95 |
2,864.72 |
89.00 |
288,846.92 |
3,245.47 |
从上表中我们可以清晰的看到，两家供应商的地均销售长春二有限公司大于长春一有限公司，我们就会贸然判定好坏，这往往就是问题所在。
下图为两家供应商的趋势图：
从上图中我们可以发现两家供应商地均销售的趋势，一公司上升较为缓慢，二公司在迅速下降中。按照这样的趋势，预计在2020年10月份两家的地均销售将会持平。
我们无法预测且无法了解一个供应商具体的问题，但是我们可以通过数据了解一个供应商的细节。我们无法预测且无法了解一个供应商未来，但是我们可以通过数据了解一个供应商的趋势。以铜为镜，可以正衣冠；以古为镜，可以知兴替；以人为镜，可以知得失。我们要以不同的品牌为镜，才可知品牌的未来的变化。
所以我们在对一个供应商分析的同时更应该按照不同的维度（大类、楼层、面积、时间等）进行多方位的分析。多维度能够为我们提供更为完善的判断，不被单纯的眼前的数据所局限。
3.2供应商评分系统结论
服饰类的供应评分系统，是依据长期的数据为基础，对供应商在4个维度（销售坪效、毛利率、参活情况、货品情况）上进行分析。
这四点的分析的最主要的意义在于，我们可以通过同一维度对不同的品牌的得分情况进行了解，也可通过一个品牌不同维度的最终得分情况对品牌进行分级，可以通过长期的分析某一个品牌，观察这个品牌的发展趋势，在商场的发展趋势。从而针对一个品牌的趋势，拿出相应对的方法进行。
随着信息时代的发展，电商产业的冲击。线下的实体行业，特别是购物中心类行业的受到了较大的打击。对于消费者而言，电商的最大优势在于无时空限制，我可以选购任何地方的商品。而且减少人与人之间的接触，减少了细菌的传染病的传播。
电商和实体行业在当今的社会缺一不可，电商可以满足我们各种需求，但是无法满足我们急切的需求，这个时候还是要依靠我们线下的实体行业。作为线下商业，我们在我们的地域有我们自己的知名度，有我们忠实的粉丝们。电商带给我们的冲击，一定是存在的，但是我们更应该因为在这种冲击下寻求科学的方法。应该转变我们的思想观念，从过去的平价变成现在的物美价廉。从过去的传统销售转变为现在的精准营销。时代在变化，我们的思想也应该紧跟时代的脚步。
《大数据下的供应商评分系统》，这些数据都是平常的都能见到的，但是简单的数据往往能够给我们很多有用的信息，也不需要多么复杂的公式对其计算。从简单的数据之中分析其存在的不足与问题，监视数据的走向，这才是本论文的核心思想。