17、供应链管理中多风险因素的预测数据挖掘方法

供应链管理中多风险因素的预测数据挖掘方法

1. 引言

随着国际化的增强、客户需求的变化以及供应链（SC）系统产品生命周期的缩短，项目风险的发生率、强度和多样性都在上升。供应商面临着各种内外部风险，这些风险的成因包括不确定的需求、交付问题、不可预测的货币汇率、政治动荡、不断变化的客户市场，甚至是意外事件，如工伤事故、网络攻击、自然灾害和恐怖主义等。由于这些系统的复杂性，衡量供应链风险的触发因素、它们之间的联系以及影响非常困难。

与此同时，信息和通信技术的进步不断扩大了信息的范围、多样性、数量和质量。越来越多的组织开始利用信息判断流程，为了做出更高效、准确和及时的决策，许多公司转向了数据分析和数据挖掘（DM）方法。数据挖掘对于了解潜在的供应链风险因素、其来源、后果和相互联系至关重要，并且可以在供应链风险管理（SCRM）的不同阶段构建主动和被动的系统。然而，目前在供应链风险管理中，缺乏一个全面利用大量数据的结构。

2. 相关工作

相关研究通过涵盖信息风险评估的多个操作，如问题识别、风险信息收集、构建风险数据库系统、风险评估和管理团队特征、将供应链风险管理问题转化为数据挖掘问题以及对数据挖掘方法结果的风险评估解释，制定了全面的建议。通过对大型设备行业的研究分析验证了该框架，并提出了实施该策略的关键建议。

供应链风险管理的目标是更好地理解风险及其后果，并采取预防措施来减轻风险。如今的信息和通信技术使得能够从多个位置收集、存储和分析广泛的风险信息，从而催生了“风险智能”的概念。风险智能涉及组织根据历史事实和专业知识识别、评估、评价和预测风险的能力。但目前从供应链角度研究问题行为或认知的学术研究较少。

尽管企业对供应链风险管理的兴