📚 课程目录第1章课程导论

1. 课程导论：风险权重在智能寻源中的核心价值、课程目标与学习路径

在供应链金融与采购寻源场景中，传统的报价排序往往只关注“价格最低”或“综合评分最高”，却忽略了供应商履约过程中的潜在风险——交付延迟、质量缺陷、资金链断裂等。这些风险一旦爆发，将直接侵蚀采购方利润，甚至导致供应链中断。

风险权重（Risk Weight） 的引入，将供应商的历史履约数据、信用评级、产能稳定性、合规记录等非价格因子，量化为可计算的权重系数，嵌入到智能寻源算法的报价优化模型中。其核心价值体现在三个层面：

  关键洞察： 在工程部署中，风险权重不是静态系数，而是随市场环境、供应商行为、采购品类动态调整的实时参数。本课程将聚焦如何将这一机制落地为可生产化的算法与系统。

本课程面向具备算法基础与系统架构经验的工程师，旨在帮助学员掌握以下核心能力：

适用角色： 算法工程师、供应链架构师、DevOps 专家、风控系统开发者。建议具备 Python/Java 编程基础、基本机器学习概念以及微服务架构认知。

课程共分为 6 个模块，30 个章节，从基础概念到生产部署层层递进。以下为整体学习路径：

为了更直观地理解风险权重如何改变报价排序结果，我们以一个简化示例说明。假设有三家供应商参与寻源，原始报价与风险权重如下：

供应商	原始报价（万元）	风险权重（0-1）	风险调整后成本（万元）	排序变化
A	100	0.2（低风险）	100 × (1 + 0.2) = 120	1 → 1
B	95	0.5（中风险）	95 × (1 + 0.5) = 142.5	2 → 3
C	90	0.8（高风险）	90 × (1 + 0.8) = 162	3 → 4

工程陷阱提示： 风险权重的计算方式直接影响排序结果。上例采用线性乘法模型，实际工程中可能使用对数变换、分段函数或机器学习预测值。选择不当会导致权重失真，甚至放大噪声。本课程将在算法篇详细对比不同建模方式的优劣。

为了帮助你高效规划学习，以下表格总结了各模块的核心产出与前置要求：

学习建议： 建议每周完成 2-3 章，配合每章末尾的动手练习（代码实现或架构设计）巩固理解。工程篇与部署篇建议在本地搭建实验环境，跟随课程逐步构建系统。