4. 数据采集与治理工程
供应商分级与绩效管理的第一道工程关口不是评分模型，而是数据。如果供应商编码在 ERP、SRM、采购台账里各有一套，如果同一家供应商因名称写法不同被拆成三条记录，那么后续的交付准时率、质量合格率、成本节约额都会算错，分级结果自然不可信。本节围绕四件事展开：数据源识别、清洗规则、主数据管理、数据质量监控，目标是让供应商数据“找得到、对得上、管得住、看得见”。
一、数据源识别：先画清数据地图
供应商数据通常散落在多个系统中，识别阶段要回答三个问题：每个字段来自哪个系统、由谁维护、更新频率如何。常见来源包括：ERP 中的供应商主数据（编码、名称、税号、银行账户、结算币种）、SRM 中的准入与资质信息（营业执照、认证证书、有效期）、采购订单与收货记录（交付数量、到货日期）、质量系统（来料检验批次、不合格数量）、财务系统（应付账款、付款账期）。
识别时建议为每个字段建立“来源—责任人—更新频率—可信度”四要素。例如供应商编码以 ERP 为唯一权威源，资质证书有效期以 SRM 为权威源，交付数据以收货过账记录为权威源。当同一字段存在多个来源时，必须指定一个权威源，其余作为校验源，否则清洗阶段会陷入“以谁为准”的争论。
二、清洗规则：把“脏数据”变成可计算数据
清洗不是简单删空行，而是按规则把原始记录转成可对齐、可计算的标准形态。以下规则可直接落地为脚本或 ETL 任务：
- 编码统一：以 ERP 供应商编码为主键，其他系统编码通过映射表关联；无编码的记录进入待处理队列，不允许直接参与评分。
- 名称标准化：去除全半角空格、括号、公司后缀差异（如“有限公司”与“有限责任公司”），统一转为大写或规范写法，再计算相似度。
- 去重判定：当“统一社会信用代码”相同，或“标准化名称相似度 ≥ 0.92 且税号相同”时，判定为同一供应商，合并为一条主记录。
- 缺失值处理：关键字段（编码、名称、税号）缺失则标记为“不可评分”；非关键字段缺失按业务规则填充默认值或留空，并记录缺失原因。
- 格式与量纲统一：日期统一为 YYYY-MM-DD，金额统一为人民币元并保留两位小数，比率统一为百分比数值。
举例说明：某条记录名称为“ 上海XX电子有限公司 ”，另一条为“上海XX电子有限责任公司”，税号相同。清洗时先去除首尾空格，再将“有限责任公司”归一为“有限公司”，得到相同标准名，结合税号一致，判定为重复记录并合并。合并后保留 ERP 编码作为主键，SRM 中的资质信息挂接到该主键下。
三、主数据管理：唯一入口与变更留痕
主数据管理的核心是“一源一码一责”。一源指每个字段有唯一权威来源；一码指每个供应商有全局唯一编码；一责指每个字段有明确的数据责任人。实际操作中建议建立供应商主数据表，至少包含：供应商编码、标准名称、统一社会信用代码、供应商类型、所属品类、准入状态、分级结果、数据责任人、最后更新时间。
变更管理同样关键。供应商名称变更、银行账户变更、资质到期，都必须走变更流程并留痕。例如资质证书到期前 30 天触发提醒，到期未更新则自动将准入状态置为“冻结”，冻结状态下该供应商不参与新订单分配，但历史绩效数据仍保留用于复盘。这样既保证数据新鲜度，也避免“带病供应商”继续参与分级评分。
四、数据质量监控：用指标守住可信度
数据质量监控不是一次性检查，而是持续度量。建议至少监控四类指标：
| 指标 | 定义 | 示例目标 | 异常处理 |
|---|---|---|---|
| 完整率 | 关键字段非空记录数 / 总记录数 | ≥ 98% | 低于阈值时通知责任人补录 |
| 一致率 | 跨系统同一字段取值一致的记录数 / 比对记录数 | ≥ 95% | 生成差异清单，按权威源修正 |
| 及时率 | 在规定时限内更新的记录数 / 应更新记录数 | ≥ 90% | 超期未更新触发升级提醒 |
| 重复率 | 疑似重复记录数 / 总记录数 | ≤ 1% | 进入人工复核队列合并 |
监控结果应形成数据质量看板，按品类、按责任人、按系统来源下钻。例如发现某品类供应商税号完整率只有 82%，就应定位到该品类的准入流程是否漏采税号，而不是简单归因于“数据脏”。只有把质量问题定位到具体流程和责任人，治理才能闭环。
当数据源清晰、清洗规则可执行、主数据唯一且质量指标持续可见时，供应商分级与绩效管理才真正具备工程基础。后续的评分模型、分级策略和绩效改进，都建立在这套数据底座之上。