2. 风险权重基础概念
在智能寻源算法中，风险权重是衡量供应商在特定中标场景下潜在负面影响程度的量化系数。它不是一个静态数值，而是根据采购品类、项目金额、交付周期、市场环境等因素动态调整的归一化因子。风险权重的核心作用是将定性风险判断转化为算法可计算的数值约束，从而在供应商评分、排序、推荐环节中自动抑制高风险供应商的竞争力。
2.1 风险权重的定义
风险权重（Risk Weight, RW）定义为：
RW(s, c) = Σ( w_i × r_i(s, c) )其中：
- s — 供应商标识
- c — 中标场景（含品类、金额、交付地、时间窗口等）
- w_i — 第 i 类风险因子的预设权重（∑w_i = 1）
- r_i(s, c) — 供应商 s 在场景 c 下第 i 类风险因子的归一化评分（0~1，越高越危险）
最终 RW 值范围在 0~1 之间，0 表示无风险，1 表示最高风险。算法在综合评分阶段通常将 RW 作为惩罚项：最终评分 = 基础评分 × (1 - RW)，或直接设置 RW 阈值进行一票否决。
关键理解： 风险权重不是“是否出过问题”的简单标记，而是“在当前场景下出问题的概率 × 影响程度”的复合度量。同一供应商在不同中标场景下，RW 值可能差异巨大。
2.2 常见风险因子
根据采购行业最佳实践与智能寻源算法设计经验，风险因子通常归为四大类：财务、履约、合规、声誉。每类因子下包含若干可量化的子指标。
| 风险大类 | 子指标示例 | 数据来源 | 典型权重范围 |
|---|---|---|---|
| 财务风险 | 资产负债率、流动比率、净利润率、现金流覆盖率、信用评级 | 财报、征信机构、银行流水 | 25% ~ 35% |
| 履约风险 | 历史交付准时率、质量合格率、产能利用率、库存周转天数 | ERP、SRM、质检系统 | 30% ~ 40% |
| 合规风险 | 资质证书有效性、环保处罚记录、税务违规次数、劳动仲裁记录 | 政府公开数据、第三方合规平台 | 15% ~ 25% |
| 声誉风险 | 负面舆情指数、客户投诉率、合同纠纷数量、行业黑名单标记 | 舆情监控、投诉平台、行业协会 | 10% ~ 20% |
实践建议： 在智能寻源算法初期，建议优先启用财务与履约两类因子，权重合计不低于 60%。合规与声誉因子数据获取成本较高，可在算法迭代至 V2.0 后逐步接入。
2.3 权重分配原则
风险权重的分配不是主观拍脑袋，而是遵循以下四条核心原则：
- 场景适配原则 — 不同中标场景下，风险因子的重要性不同。例如：大型基建项目（高金额、长周期）应提高履约风险权重；食品/药品采购应提高合规风险权重。
- 数据可信原则 — 权重分配应优先向数据质量高、更新频率快、可验证性强的因子倾斜。数据缺失或滞后的因子应降低权重，避免噪声干扰。
- 可解释原则 — 权重分配逻辑必须能被采购业务人员理解，不能是黑盒。建议采用层次分析法（AHP）或专家打分法确定初始权重，并通过业务评审确认。
- 动态调优原则 — 权重不是一成不变的。算法上线后，应通过历史中标结果回溯、风险事件命中率分析，定期（如每季度）对权重进行微调。
常见故障点： 权重分配时最容易出现“平均主义”——所有风险因子权重相同。这会导致算法对高风险场景不敏感，例如：一个财务极差但履约正常的供应商，可能因平均权重而获得较高评分，最终中标后出现资金链断裂。必须根据场景动态调整权重分布。
2.4 风险权重分配流程（SVG）
下图展示了从风险因子识别到权重最终落地的完整流程，包含四个阶段和两个反馈回路：
2.5 权重分配示例：层次分析法（AHP）
以某制造企业采购精密零部件为例，使用 AHP 方法确定四大风险因子的初始权重。通过两两比较构建判断矩阵：
| 对比项 | 财务 | 履约 | 合规 | 声誉 |
|---|---|---|---|---|
| 财务 | 1 | 1/3 | 2 | 3 |
| 履约 | 3 | 1 | 4 | 5 |
| 合规 | 1/2 | 1/4 | 1 | 2 |
| 声誉 | 1/3 | 1/5 | 1/2 | 1 |
经归一化计算与一致性检验（CR=0.03 < 0.1），得到最终权重：
- 履约风险：0.52（最高，因精密零部件对交付质量要求极高）
- 财务风险：0.24
- 合规风险：0.15
- 声誉风险：0.09
故障排查提示： 如果算法上线后出现“低风险供应商频繁中标但实际交付出问题”，应首先检查权重分配是否与业务实际风险排序一致。上述示例中履约权重占 52%，若实际故障集中在履约环节，说明权重方向正确但可能阈值设置过松；若故障集中在财务环节，说明权重分配与业务感知存在偏差，需要重新进行 AHP 评审。
2.6 风险权重与智能寻源算法的集成关系（SVG）
下图展示了风险权重在智能寻源算法全链路中的位置与交互方式：
集成要点： 风险权重计算引擎处于算法链路的中间位置，上游依赖三类数据的质量与时效性，下游直接影响评分修正与最终排序。故障排查时，应优先检查引擎的输入数据是否完整、权重配置是否与当前场景匹配、归一化方法是否导致数值失真。