1. 课程导论：供应商支出集中度与价格方差异常的概念、课程目标与学习路径
1.1 核心概念定义
在供应链采购管理中，供应商支出集中度与价格方差异常是两项相互关联、用于评估采购健康度的核心指标。前者衡量采购支出在供应商群体中的分布集中程度，后者则揭示实际采购价格与基准价格之间的偏离幅度与模式。
| 概念 | 定义 | 业务意义 |
|---|---|---|
| 供应商支出集中度 | 采购总支出在前 N 家供应商中的占比分布，常用 CRₙ（Concentration Ratio）或赫芬达尔-赫希曼指数（HHI）量化。 | 反映供应风险集中程度；过高则抗风险能力弱，过低则管理成本高。 |
| 价格方差异常 | 同一物料在不同供应商、不同批次或不同时间点的采购单价偏离统计预期或合同基准的异常波动。 | 识别隐性成本、合同执行偏差、市场套利或数据录入错误。 |
关键认知： 集中度分析回答“钱花在谁身上”，价格方差分析回答“钱花得是否合理”。两者结合，才能从结构性和波动性两个维度定位采购优化机会。
1.2 课程目标
本课程旨在帮助学员建立从数据清洗到决策建议的完整分析能力，具体目标如下：
- 掌握量化指标：熟练计算 CRₙ、HHI、变异系数（CV）等集中度与离散度指标。
- 构建分析模型：使用 Python（Pandas/NumPy）实现支出集中度分层统计与价格方差异常检测。
- 定位异常根因：通过箱线图、Z-Score、IQR 法则及多维下钻，识别价格异常的交易记录与供应商。
- 输出可执行建议：基于分析结果，制定供应商组合优化策略与价格谈判优先级。
1.3 学习路径与章节结构
课程共 30 章，按“基础 → 方法 → 实战 → 优化”四阶段递进：
| 阶段 | 章节范围 | 核心内容 |
|---|---|---|
| 基础篇 | 第 1–6 章 | 概念定义、数据准备、描述性统计与可视化入门 |
| 方法篇 | 第 7–15 章 | 集中度指标计算、价格方差模型、异常检测算法 |
| 实战篇 | 第 16–24 章 | 真实数据集演练、多维下钻、归因分析与报告生成 |
| 优化篇 | 第 25–30 章 | 供应商组合优化、谈判策略、自动化监控看板 |
学习建议： 每章均配有可运行的 Jupyter Notebook 示例代码。建议学员在本地或云端环境同步执行，以加深对数据变换与模型输出的理解。
1.4 核心分析框架：集中度与价格方差的关系
下图展示了供应商支出集中度与价格方差异常之间的联动分析逻辑。数据从采购订单出发，经过集中度分层与价格偏差检测，最终汇聚到异常定位与优化决策。
1.5 典型应用场景
- 场景一：单一供应商依赖风险 —— 某品类 80% 支出集中在 1 家供应商，价格方差虽小但供应中断风险极高。
- 场景二：价格离散度异常 —— 同一规格轴承，A 供应商单价 12.5 元，B 供应商 18.3 元，C 供应商 9.8 元，方差远超行业均值。
- 场景三：集中度与价格联动 —— 高集中度品类中，价格方差突然扩大，可能预示供应商议价能力变化或合同条款失效。
常见误区： 不要单独分析集中度或价格方差。高集中度不一定代表高价格风险，低集中度也可能因分散采购导致单价上升。必须将两者结合，才能准确判断采购健康度。
1.6 预备知识与工具
学员需具备以下基础：
- 数据分析基础：熟悉 Pandas 数据框操作、基本统计量（均值、中位数、标准差）。
- Python 环境：Python 3.8+，安装 Pandas、NumPy、Matplotlib、Seaborn。
- 采购业务常识：了解采购订单、供应商主数据、合同单价等基本概念。
# 环境验证代码片段
import pandas as pd
import numpy as np
# 模拟支出数据
data = {
'supplier': ['S1', 'S2', 'S3', 'S4', 'S5'],
'spend': [450000, 280000, 120000, 90000, 60000]
}
df = pd.DataFrame(data)
df['pct'] = df['spend'] / df['spend'].sum()
print(df)