本文是一篇会计论文，本文紧紧围绕“大数据下基于机器学习的采购智能管理”这一主题进行研究，借鉴采购管理的先进理论和现有研究，融入数据仓库技术和机器学习算法，构建了大数据下基于机器学习的采购智能管理的整体框架，并在其指导下设计采购管理数据仓库，搭建采购智能管理模型，实现对采购业务的智能管理。
1 绪论
1.1 研究背景和问题的提出
1.1.1 研究背景
伴随着大数据、人工智能等信息技术的快速发展和传统产业数字化的转型，数据量爆炸式增长，全球产生了海量的数据。这些数据大多数都是非结构化或半结构化类型的数据，甚至更有一部分是不断变化的流数据。数据的爆炸式增长态势，以及其数据构成特点使得我们进入了“大数据”时代。我国在2015年发布了《关于促进大数据发展的行动刚要》，其中提到大数据重塑了企业的发展战略和转型方向，数据驱动发展成为当前的时代主题。党的十九届五中全会也强调，要全面推动数字化发展，推进数字经济和实体经济的深层次融合，努力打造更具优势的数字产业集群。由此看来，我国已将数字经济纳入国家战略，与制造业、服务业、农业等传统产业与数字经济的融合进程必将加速。
制造企业是我国产业支柱和经济源泉。在数字化转型过程中，制造企业的需求从大规模的标准化生产转向定制化生产，产品生命周期越来越短，企业在采购、生产环节上的要求更加精细化，对降本增效的诉求越加强烈，供应链间的竞争也越发激烈。作为供应链的关键环节，采购业务随着重要性提升的同时，数字化转型需求也逐渐增强。制造企业数字化转型一般包含三个方向：一是企业管理数字化，二是生产制造数字化，三是产业生态互联网化。这其中，采购管理数字化、智能化成为学者研究的重点，郭敏（2021）提出在数字化时代，数字化采购的核心在于使用数据分析和挖掘的方法来创造数据价值，并且强调了这其中数据分析的目标不是数据，而是业务，即数字化采购的关键问题是如何将数据问题转变为业务问题，需要通过高效采集数据并设计恰当的特征来解读业务特征[1]。李东和季书强（2021）给出了大数据在企业物资管理和风险控制中的应用，包含建立全流程的采购数据库、采购计划的管理控制、对供应商的管理控制、对采购质量的管理控制和采购成本的管理控制[2]。孟贤等（2021）为解决采购数据应用的技术问题，利用C4.5决策树分类算法结合余弦相似度系数构建大数据挖掘模型，对采购物资进行分类，来加快物资信息的搜索速度，快速找出目标信息，提高获取精准信息的能力[3]。
1.2 国内外研究现状
1.2.1 采购管理
（1）供应商管理
供应商管理的核心内容就是筛选工作以及评估工作。随着制造模式的变迁，供应链管理理论充分发展，不断赋予了供应商评价问题的新内涵，引起了学术界的广泛关注。通过对国内外的相关文献进行研读，发现学者们在供应商评价特征体系和供应商评价方法上进行了重点研究。
在供应商评价特征体系方面，国外学者Dickson（1966）开拓性地对供应商评价问题进行了研究，并形成了以质量、交货期、成本和服务的评价特征体系[5]。Weber（1991）对Dickson的工作进行总结，分析采购中重要的特征包括价格、交货期、质量和能力准则，并进一步总结出质量、准时送货、历史绩效、价格等供应商评价特征[6]。Patton（1996）提出产品价格、财务状况、销售支持、设施和技术、交货、产品质量、订货流程等七项供应商选择最重要的属性特征[7]。Hwang（2011）提出服务水平、供应能力及质量三方面特征，并将其进行了具体的展开分析[8]。进入21世纪，国内学者也对供应商评价特征体系展开了深入研究。林勇等（2005）追求成本最小化，将供应商评价维度分为企业业绩、业务结构与生产能力、质量系统和企业环境等四类[9]。刘嘉等（2012）以三维视图方式对供应商选择提出评价标准，将供应商风险管理分为外部因索、内部因索和关联过程因素等四方面因素[10]。杜祖起和孙淼（2016）在传统供应商评价体系的基础上，结合现代化的制造型企业的自身特点，设计了包含价格、合格率、准时交货率、配合力度等在内的双层供应商评价特征体系[11]。陈为公等（2019）针对装配式建筑部品采购特点，构建了包含质量特征、成本特征、供货特征、综合特征和协同服务能力五大方面的装配式建筑部品供应商的评价特征体系[12]。
2 相关概念、理论及技术
2.1 相关概念
2.1.1 采购管理
采购是指企业为获得符合自身需要的商品和服务而进行的一系列经营活动。采购管理是指在采购过程中进行的计划、组织实施和监控的一系列活动。采购管理具有四大目标：适时适量保证供应，保证质量，费用最省和协调供应。随着全球采购和大数据时代的到来，采购及采购管理在企业管理中作用也更加重要。采购管理内容如图2.1所示。
2.2 相关理论
2.2.1 供应商评价理论
对供应商的科学管理是降低企业运营成本的关键环节。而供应商评价又是供应商管理中的核心工作，也是供应商绩效得到持续改善的基础。供应商评价就是设计供应商评价特征，然后选择相应评价方法来对供应商进行评价的过程。因此，将供应商评价分为两大内容：供应商评价特征体系和供应商评价方法。供应商的评价方法又可以划分为三大类：定性法、定量法以及定性与定量相结合法。
（1）定性法
定性法是企业决策者利用主观判断来推断，依据企业的环境、内在素质等方面来综合评价供应商。定性法能较好地发挥个人主观能动性，但是主观成分过多，缺乏客观事实依据。最常使用的定性法包括主观判断法、招标法、协商选择法等。
（2）定量法
定量法就是对企业的数量特征、关系与变化进行分析的方法。定量法在对供应商进行评价的过程里，主要是根据质量情况、价格和配送等可量化数据进行分析。定量分析相较于定性分析法的优势主要在于数据客观、准确率高，但这种方法由于需要考虑很多内容，便捷性较差。常见的定量方法包括线性成本法、ABC成本法、采购成本法等。
（3）定性和定量相结合法
为了解决定性法和定量法的缺点，将两者结合起来形成了定性和定量相结合法。此类方法将供应商定性与定量信息相结合，有利于实现供应商评价的客观化和科学化，常用的定性和定量相结合法包含层次分析法（AHP）、模糊综合评价法、理想理解法（TOPSIS）、灰色综合评价法、神经网络法、聚类法等。
3 大数据下基于机器学习的采购智能管理框架 ......................... 25
3.1 采购智能管理理论分析 ..................... 25
3.2 大数据下基于机器学习的采购智能管理框架构建 ................. 26
4 面向采购管理的数据仓库构建研究 ........................... 29
4.1 面向采购管理的数据仓库体系结构设计 .................... 29
4.1.1 设计思路 .................................. 29
4.1.2 设计过程 ..................................... 29
5 基于K-means算法的供应商智能管理研究 .............. 35
5.1 供应商智能管理理论分析 ................................... 35
5.2 供应商评价特征提取 ................................. 35
6 基于决策树-Apriori算法的采购成本智能管理研究
6.1 采购成本智能管理理论分析
随着大数据技术的发展和消费者需求的快速变化，使得产品更新换代的速度加快。为了更好地适应市场发展需求，企业应该最大程度地将交货期缩短，使其在市场中占据更多的份额，将产品质量提高，降低经营成本[67]。采购成本是制造企业成本构成的大头，采购成本控制必然成为企业降本增效的重中之重。数字化转型加速了制造企业的财务转型过程，也对制造企业采购成本管理的转型与升级产生助推作用。对于制造企业而言，采购物料种类杂、批次多的特点给采购成本控制带来了极大的挑战，经常性发生的采购行为存在较大的风险，采购成本难以得到有效的控制管理。
采购业务发生频繁，数据量大且数据特征较多，利用传统的手段，难以从海量的交易数据中，识别出采购成本数据隐藏的关系和规律。在这种情况下，企业亟需采用新的先进技术，利用现有数据为采购成本管理决策提供支持。分类预测可以通过归纳和提炼现有数据中目标特征和输入特征的取值规律，建立分类预测模型，用于对未来数据的预测，常用作行为判定、个人征信评估、顾客流失率预测等场景。关联规则可以寻找出数据之间的联系规律，发现它们之间的关联关系，随着关联规则的不断丰富和完善，该技术广泛应用于顾客购买偏好、消费周期性规律和保险索赔原因等场景。鉴于此，企业可以利用相关的分类算法建立采购成本控制分类模型，对交易发生频繁的采购业务进行成本控制分类预测，快速对采购成本控制情况进行分类，然后利用关联规则技术识别采购成本控制数据间的关联关系，可以为考核员工的工作绩效等提供量化资料，为采购成本管理提供更精确决策支持。
7 研究结论与展望
7.1 研究结论
大数据下，企业管理数字化、智能化建设是响应企业国家政策号召，实现管理提效和智能决策的必经途径。在业务和技术的双重驱动下，企业对采购业务的智能化管理需求不断增强，迫切希望通过数字化、智能化的手段提升采购管理效率，降低管理成本，促进企业数字化转型。因此，如何充分利用大数据、人工智能等技术为采购管理赋能，对企业数字化、智能化建设意义重大。本文紧紧围绕“大数据下基于机器学习的采购智能管理”这一主题进行研究，借鉴采购管理的先进理论和现有研究，融入数据仓库技术和机器学习算法，构建了大数据下基于机器学习的
