智采百科

一、300万的教训：财报正常，人已经跑路

某制造业甲方，与合作了4年的核心零部件供应商刚签下年度框架合同，付了30%预付款。3个月后，采购人接到工厂电话——供应商车间停工，交货无期。

紧急排查：

  • 翻财报：上一年度审计报告干净利落，资产负债率54%，现金流为正
  • 翻资质：ISO三体系齐全，年审无异常
  • 翻合同履约：过去12个月按时交货率91%，质量合格率97%

看起来完全没问题。

直到风控团队用AI工具反向回溯了6个月的公开信息：

  • 3个月前，脉脉出现该供应商员工爆料”连续两个月拖欠工资”（32条相关帖子）
  • 2个月前，天眼查显示实际控制人新增3起民间借贷被告案由
  • 45天前，社保缴纳人数环比减少42%（从218人降至127人）
  • 30天前，微博出现”XX厂拖欠货款”投诉，来自其上游一家原材料供应商
  • 15天前，实控人个人被列为限制高消费

6个信号，2个月前就已经密集出现。

而甲方的风控体系，每个季度看一次审计报告，每半年做一次现场审计。

项目停摆46天，直接损失227万元，加上紧急切换供应商的溢价与项目延期违约金，总损失超过310万元。

传统风控是后视镜——你看到的都是已经发生的事。AI风控是雷达——它扫描的是正在发生、即将发生的事。

这不是危言耸听。据某头部央企2025年内部统计，其发生供应商中断的案例中，83%在事发前90天内已有至少3个公开信号，但只有11%被采购/风控团队及时发现。

信号一直都在。缺的是能7×24小时扫描的雷达。

二、认知颠覆：为什么”看财报”永远追不上暴雷

在讨论6个AI信号之前，必须先戳破一个根深蒂固的误区——“每年查一次财报+每季度做一次评价，供应商风险就可控了”。

这个逻辑在2015年之前或许成立，在今天已经彻底失效。原因有三：

1）财报滞后性天然存在，90-180天是常态

年度审计报告在次年3-5月才公开，季度报告最快也要15-45天。当财报显示问题时，供应商实际经营已经恶化了3-6个月。而暴雷从”出现裂痕”到”彻底停摆”，平均周期只有60-90天。

财报能告诉甲方”这家公司去年上半年经营困难”，但告诉不了”这家公司下周会不会停工”。

2）中小供应商财报本身不可信

甲方合作的供应商中，大量是非上市中小企业。它们的财务数据来源有三：

  • 工商年报——申报数据，无强制审计
  • 采购方要求的资质文件——粉饰空间极大
  • 第三方评级——多数依赖企业自主提供

**真正暴雷的供应商，财报往往是”最后崩溃”的那个维度。**在此之前，员工端、司法端、舆情端、履约端早已出现裂缝。

3）暴雷的领先指标从来不在财报里

一家企业从健康走向暴雷，典型路径是：

现金流吃紧
  → 拖欠员工工资/社保（员工端最早爆料）
  → 拖欠供应商货款（上游端投诉）
  → 民间借贷/被起诉（司法端立案）
  → 资产被查封/被执行（司法端执行）
  → 停工停产（履约端违约）
  → 财报公开体现（此时已末期）

AI风控的价值，就是把甲方的信号感知点，从最末端的”财报”往前推移6-8个环节。

一句话总结认知颠覆：

财报是尸检报告，AI监测是心电图。等尸检的时候，人已经没了。

三、6大AI预警信号维度

以下6个维度覆盖了绝大多数供应商暴雷前的领先指标。每个维度含信号内涵、AI监测方法、数据源、时效性、判定示例5个要素。

信号①：舆情异常——最快、最真实的领先指标

信号内涵：员工爆料、上下游投诉、行业媒体报道、社交平台讨论，是所有信号中最早出现的一类。当供应商内部现金流开始紧张，最先感受到的是员工（工资、社保、绩效），其次是上游（货款）。这些人有强烈动机在公开渠道发声。

AI监测方法：

  • 舆情爬虫定向抓取指定供应商名称及别名（含缩写、股东名、法人名）
  • NLP情感分析对文本打标签：欠薪、维权、投诉、破产、跑路、失联
  • 相似语义聚类，识别同一事件的多源报道
  • 频次异动检测——同一供应商相关负面帖子7天内环比激增≥3倍即触发

数据源：

来源覆盖场景抓取难度
脉脉、看准网、Boss直聘评论区员工爆料（欠薪/裁员）中
微博、抖音评论、小红书消费者/员工投诉低
黑猫投诉、12315公开投诉记录低
行业垂类媒体、财新、界面深度报道低
天眼查/企查查舆情模块聚合负面低（付费）
微信公众号、知乎深度爆料中

时效性：领先暴雷时间60-180天，是6个信号中最早的。

判定示例：

某供应商A，正常季度舆情负面帖子约3-5条（日常投诉）。某月起，脉脉出现该公司匿名爆料”3个月没发工资，走了一半人”，同期知乎出现”XX公司还有救吗”提问，30天内负面语义帖累计42条，环比增长800%。

⚠️ 该信号一旦出现”欠薪+社保+裁员”三词共现，暴雷概率>70%。

信号②：司法风险——最硬的确定性证据

信号内涵：供应商及其关联方（母公司、子公司、实控人）的诉讼、被执行、失信、限高、股权冻结、经营异常等司法动作。这类信号已经”入库”，是国家系统认定的事实，证据力最强。

AI监测方法：

  • 每日自动拉取企查查/天眼查/裁判文书网/中国执行信息公开网数据
  • 关联图谱构建：不只监测主体，同步监测实控人、股东、担保方、关联公司
  • 案由分类打标签：民间借贷、买卖合同纠纷、劳动争议、破产清算
  • 金额异动预警：单笔诉讼金额>某阈值（如500万）或月度案件数环比>200%触发

数据源：

  • 中国执行信息公开网（被执行人、失信、限高）
  • 中国裁判文书网（判决文书）
  • 国家企业信用信息公示系统（经营异常、行政处罚）
  • 天眼查/企查查/启信宝 API（聚合数据，含股权冻结）

时效性：领先暴雷时间30-120天。诉讼立案到判决约3-6个月，被执行到失信约30-60天。

判定示例：

某供应商B，天眼查显示：

  • 30天内新增被告案由5起，其中3起为”民间借贷纠纷”、2起为”买卖合同纠纷”
  • 实控人个人新增被执行金额累计2400万元
  • 名下2家关联公司同月被列为经营异常

⚠️ “民间借贷+被执行+关联公司异常”组合出现，暴雷概率>85%，且时间窗口通常<90天。

关联识别相关的更深方法可参考围串标识别AI实操手册中的股权穿透图谱构建方法。

信号③：财务恶化——不看财报，看社保和发票

信号内涵：真正暴雷前的财务恶化，不会体现在你能拿到的财报里，但会体现在几个”绕不开”的公开维度：

  • 社保缴纳人数——最诚实的员工规模指标（企业无法造假社保缴纳记录）
  • 公积金缴纳基数——反映员工薪资水平变化
  • 发票开具情况（部分省份公开发票额度使用数据）
  • 税收违法记录（欠税公告）
  • 纳税信用等级（部分公开）
  • 专利、商标、软著新增数（研发投入的侧面反映）

AI监测方法：

  • 每月定期拉取企业社保缴纳人数（工商年报公开数据+人力资源部门第三方数据源）
  • 建立员工数变化基线，环比减少>20%或3个月连续下降即预警
  • 交叉比对：营收未减但员工数骤降 = 高危信号
  • 欠税公告自动订阅（各省税务局官网）

数据源：

数据源更新频率
工商年报（社保）年度
各省市税务局官网月度
国家企业信用公示系统实时
专利局/商标局实时
第三方付费数据服务（大数据、水滴、企查查Pro）月度

时效性：领先暴雷时间45-150天。

判定示例：

某供应商C，工商年报显示：

  • 员工数：2023年218人 → 2024年127人（-42%）
  • 参保人数：215人 → 121人（-44%）
  • 与此同时对外披露的年营收：0.98亿 → 1.05亿（+7%）

**营收微增，员工骤减——极端异常。**通常意味着：要么是财务数据造假（营收虚增），要么是通过大量裁员维持利润（濒临崩盘）。

⚠️ 社保参保人数季度环比降幅>25%，配合欠税公告，暴雷概率>75%。

信号④：履约异常——甲方自己的一手数据最有价值

信号内涵：供应商与甲方交易过程中的行为异动，包括交货延期、质量下滑、沟通响应变慢、频繁要求预付、拒绝质保金押金等。这是甲方独有的第一方数据，外部工具看不到，但是最直接的经营健康度体现。

AI监测方法：

  • ERP/SRM系统对接，每笔订单履约数据自动入库
  • 建立每家供应商的”履约基线”（历史平均延期天数、合格率、退换货率、响应时长）
  • 异动检测算法：当月指标偏离基线>2个标准差即预警
  • 沟通行为分析：邮件/IM响应时长、外派人员减少、现场审核拒绝率

数据源（甲方自建）：

  • ERP系统（订单、交货、验收数据）
  • SRM系统（供应商评价、审核记录）
  • 财务系统（付款条件变更申请、预付款申请）
  • 邮件/IM系统（沟通频次、响应时长）
  • 现场巡检报告（自建或第三方）

时效性：领先暴雷时间15-60天。这是最短但最确定的信号——已经开始影响业务了。

判定示例：

某供应商D，过去6个月订单履约数据变化：

指标基线近1个月偏离度
平均交货延期1.2天8.5天+608%
一次验收合格率96.8%88.2%-8.6pp
邮件平均响应时长4小时27小时+575%
预付款申请金额30%常规60%要求2倍

⚠️ 4项指标同月异动，且供应商主动要求提高预付款比例——现金流吃紧的经典征兆，暴雷概率>80%，时间窗口<60天。

配套的评价体系设计可参考供应商全周期管理框架中的动态评级机制。

信号⑤：关联方风险——从”独立看”到”关系图谱看”

信号内涵：供应商本身没问题，但它的母公司、大股东、担保方、核心客户、上游关键供应商出问题，会传导给它。典型案例是母公司破产，子公司被拖累；或大股东被查，公司经营受限。

AI监测方法：

  • 构建供应商股权穿透关系图谱（含上下游5层关联）
  • 对图谱中每一个节点进行前述①②③三类信号扫描
  • 关键节点风险传导评分：若母公司出现红色信号，子公司自动进入橙色

数据源：

  • 天眼查/企查查（股权穿透、对外投资、担保）
  • 供应商自主披露的上下游客户/供应商名单
  • 行业新闻监测（并购、易主、拆分）

时效性：领先暴雷时间30-90天（取决于关联紧密度）。

判定示例：

某供应商E本身经营正常，但其母公司F（持股75%）出现：

  • 债券违约公告
  • 主体信用评级从AA下调至A-
  • 多家银行抽贷传闻

3个月后，供应商E被母公司抽调运营资金填补窟窿，出现供货中断。

⚠️ 母公司或第一大股东出现”评级下调+债券违约+多头借贷”任一，子公司即使表面健康也应立刻升级为橙色。

信号⑥：行业系统性风险——个体没问题，行业整体崩塌

信号内涵：某些暴雷不是个别公司问题，而是行业周期。典型场景：

  • 原材料价格暴涨/暴跌（如2021年MDI/2022年碳酸锂）
  • 政策监管突变（如教培/房地产/新能源补贴退坡）
  • 关键出口国关税/贸易政策变化
  • 汇率剧烈波动（外贸供应商）
  • 需求端集体收缩（下游行业萧条）

AI监测方法：

  • 行业价格指数订阅（Wind/生意社/我的钢铁网）
  • 政策舆情监测（国务院、发改委、工信部、行业协会官网）
  • 宏观经济指标关联（PMI、CPI、行业开工率）
  • 建立”行业健康度指数”，跌破阈值时触发全品类预警

数据源：

  • Wind/同花顺（金融数据）
  • 生意社/找钢网/大宗商品交易平台（价格）
  • 中国政府网/发改委/工信部（政策）
  • 行业协会官网/协会内刊
  • 出口海关数据（外贸行业）

时效性：领先暴雷时间60-180天（行业性风险传导有滞后）。

判定示例：

2022年下半年，锂电池上游正极材料价格从60万/吨跌至20万/吨，跌幅67%。

AI监测建议：所有正极材料供应商风险等级自动上调一级，即使个体尚未出现负面信号。理由——高库存+价格暴跌=毛利倒挂+资金链断裂，此时不出问题的少。

⚠️ 行业系统性风险的应对不是”预警”，而是”全品类主动排查”。

四、6大信号综合评分模型

单一信号看能力有限，AI风控的核心价值在于多信号加权融合。参考评分设计：

维度权重满分触发阈值
① 舆情异常15%20单月负面语义帖>10条
② 司法风险25%20新增被执行/失信
③ 财务恶化20%20社保降>25% or 欠税
④ 履约异常25%20关键指标2项以上异动
⑤ 关联方风险10%10母公司/大股东红色
⑥ 行业系统性5%10行业指数破位

综合评分：

  • 80-100分：健康（绿色）
  • 60-79分：关注（黄色）
  • 40-59分：预警（橙色）
  • <40分：高危（红色）

五、3级响应机制

预警只是第一步，响应机制才是暴雷预防的价值兑现点。

🟡 黄色响应（1个信号触发 / 综合评分60-79）

响应目标：加强监控，控制风险敞口。

具体动作：

  1. 监控加密：从月度评估升级为周度扫描
  2. 评级降档：内部供应商分级下调一级（如A→B）
  3. 订单调整：新增订单权重下调，控制单笔金额上限
  4. 备选启动：品类内启动Plan B供应商资质预审
  5. 信息核实：采购人主动电话/现场沟通一次，评估其解释合理性

响应时限：72小时内完成动作①②③，7天内完成④⑤。

关键点：黄色不代表”要切换”，而是”给自己留退路”。90%的黄色供应商可能会自行恢复，但你不能赌那10%。

🟠 橙色响应（2-3个信号触发 / 综合评分40-59）

响应目标：主动干预，降低暴雷对甲方的实际影响。

具体动作：

  1. 高层约谈：采购部+风控部联合约谈供应商实控人，正式提出关切
  2. 备选激活：Plan B供应商同步试单，形成事实上的双供应商
  3. 分单转移：将该供应商在手订单**逐步分出30%-50%**到备选
  4. 账期调整：账期从N60延长至N90，作为现金流缓冲（或反向缩短货到付款）
  5. 合同增补：签订补充协议，明确停工/延期违约金，要求提供母公司担保
  6. 库存对冲：关键物料提高安全库存至45-60天用量
  7. 法务介入：法务提前介入合同审阅，梳理已付款/预付款回收路径

响应时限：7天内完成①②③④⑤，14天内完成⑥⑦。

关键点：橙色阶段的关键动作是”分单转移”——既要给供应商压力（让它意识到订单会失去），又要给自己留后手。不要通知供应商正在切换，避免它破罐破摔或加速跑路。

🔴 红色响应（4+信号或司法失信 / 综合评分<40）

响应目标：紧急切换，全力止损。

具体动作：

  1. 紧急切换：72小时内启动备选供应商全量替代，不再新增该供应商订单
  2. 法务全面介入：
    • 梳理所有未交付订单+预付款+质保金
    • 提前采取财产保全（诉前保全，冻结其账户/资产）
    • 准备诉讼材料
  3. 库存与在制品：对已在途、已入库物料完成盘点，评估工艺完整性
  4. 备份采购：紧急采购30-60天用量库存作为过渡缓冲
  5. 合规上报：向公司高层、审计委员会正式上报，纳入年度重大风险事件
  6. 横向排查：以该供应商为原点，排查其关联方是否为公司其他品类供应商
  7. 舆情控制：与市场部/PR协同，防止负面外溢影响甲方品牌
  8. 复盘归档：暴雷事件全流程复盘，识别监控漏洞

响应时限：72小时内完成①②，7天内完成③④⑤⑥。

关键点：红色响应中**“抢在别的债权人之前采取保全”是价值最高的动作**——供应商倒下后，能否拿回预付款、能否行使权利，取决于时间。第一批采取法律行动的债权人回款比例通常是最后一批的3-5倍。

3级响应流程图

监测系统触发预警
      ↓
    评级判定
   ↙   ↓   ↘
 黄色  橙色  红色
  ↓    ↓    ↓
监控  分单  切换
降级  约谈  法务
备选  账期  库存
      库存  上报
      合同  排查
      法务  复盘
  ↓    ↓    ↓
   持续监控（评级变化）
      ↓
   升级 or 解除

六、AI监测系统部署路径

从零搭建供应商暴雷AI预警系统，分4个阶段：

阶段1：数据接入（Week 1-4）

必备数据源：

  • ✅ 内部：ERP订单、SRM评价、财务付款、邮件沟通日志
  • ✅ 外部（付费）：天眼查/企查查API（工商+司法+舆情聚合）
  • ✅ 外部（免费）：中国执行信息公开网、裁判文书网、企业信用公示系统
  • ✅ 舆情：微博/脉脉/知乎API（或用第三方舆情服务商如识微、清博）
  • ✅ 行业数据：Wind接口/生意社/行业协会订阅

数据结构设计：

供应商主表
  ├─ 基础信息（工商注册、股权结构）
  ├─ 关联方表（母公司、子公司、担保方，5层穿透）
  ├─ 履约数据（订单、交货、质量）
  ├─ 司法事件（时间序列）
  ├─ 舆情事件（时间序列+情感标签）
  └─ 财务健康（社保、税务、发票）

阶段2：模型训练（Week 5-10）

推荐分两层建模：

  • 规则层：先用IF-THEN规则跑通业务闭环，覆盖80%场景
    • 例：IF 舆情负面帖>10 AND 情感<-0.6 THEN 触发黄色
    • 例：IF 被执行金额>1000万 THEN 直接橙色
  • 模型层：积累6-12个月数据后，训练机器学习模型
    • 特征工程：6大维度共约200个特征
    • 模型选型：XGBoost/LightGBM，可解释性强，适合风控
    • 训练样本：正样本用行业公开暴雷案例+甲方历史事故，负样本用长期健康供应商

阶段3：告警配置（Week 8-12）

  • 告警渠道：企微/钉钉机器人推送+邮件+SRM系统内嵌
  • 告警分级：黄色→采购人；橙色→采购主管+风控经理；红色→CPO+法务总监+CEO
  • 告警冷静期：同一供应商同一维度告警7天内不重复推送
  • 误报处理：预留人工判定入口，误报数据回流优化模型

阶段4：运营闭环（Week 12+）

  • 每周风控例会，回顾黄橙红案例
  • 每月模型效果评估（准确率、召回率、误报率）
  • 每季度业务复盘，识别监控盲点
  • 每年重构一次数据源体系（数据源本身会失效）

典型投入产出：

部署规模一次性投入年度运营覆盖供应商
简版（工商+司法）5万8万500家
标准版（+舆情+履约）30万25万2000家
完整版（+关联图谱+模型）100万+60万+10000家+

回报测算：以某年采购额10亿的制造业甲方为例，历史暴雷损失约占采购额的0.5%-1.5%（500-1500万）。AI风控体系将该比例压缩到0.1%-0.3%，年度净收益300-1200万，投入产出比>5倍。

七、甲方实操清单

简版（3天可上线）

  • 天眼查/企查查企业版账号，导入TOP100供应商建立监控清单
  • 配置基础告警：被执行、失信、限高、经营异常
  • 采购主管每周花30分钟review告警列表
  • 建立黄橙红三级人工响应SOP文档

成本：<5万元/年。适合供应商数<500家、暴雷损失<年度百万级的甲方。

标准版（1-2个月上线）

  • 上述简版全部动作
  • 接入舆情监测服务（识微/清博/慧科），覆盖TOP500供应商
  • SRM系统与工商司法数据打通，履约数据自动关联
  • 设计综合评分模型（6维度加权规则）
  • 每月出具供应商风险扫描报告
  • 建立备选供应商池（Plan B清单）

成本：30-50万元/年。适合供应商数500-3000家、供应链是核心竞争力的甲方。

完整版（3-6个月上线）

  • 上述标准版全部动作
  • 自建关联方图谱（5层股权穿透）
  • 训练机器学习预警模型
  • 打通财务/法务/风控/采购四方数据
  • 建立行业系统性风险监测（原材料/政策/宏观）
  • 供应商风险管理纳入董事会/审计委员会汇报

成本：100万+/年。适合供应商数>3000家、供应链事故会直接影响股价/业务生死的头部甲方。

八、关键考核指标（KPI）

供应商风控团队/系统的考核，推荐用以下5项指标：

指标计算方式目标值
预警准确率触发预警后90天内实际发生问题的比例>70%
预警领先度预警触发到实际暴雷的平均天数>60天
暴雷损失率年度供应商暴雷造成的直接损失/年度采购额<0.3%
响应及时率黄橙红三级响应的SLA达成率>95%
备选覆盖率关键供应商拥有可切换Plan B的比例>80%

九、常见误区避坑

误区1：迷信第三方评级

三方评级机构受制于数据延迟和商业关系，只能作为参考，不能作为决策依据。AA评级的供应商一样会暴雷——2024年多起头部供应商爆雷案例，事发前评级均为AA或以上。

误区2：只监控大额供应商

暴雷损失不完全与采购额挂钩。一家采购额只有50万的关键工艺环节独家供应商暴雷，可能导致整条产线停工，间接损失>500万。监控清单应按”品类关键度×可替代性”筛选，不是按金额。

误区3：预警了但没响应

大量甲方买了工具、配了告警，但告警没人看/看了不处理。告警的价值取决于响应机制——没有对应SOP和责任人的告警，等于没有告警。

误区4：把供应商风控当成”筛选新供应商”

供应商暴雷85%发生在已合作、已通过准入的供应商身上。准入时看的是历史，暴雷预警看的是实时。准入体系再严格也替代不了实时监控。

误区5：数据源单一

只看工商司法数据，会漏掉”财务健康但要跑路”的场景；只看舆情，会漏掉”闷声干坏事”的场景。6个维度缺一不可。

十、写在最后

供应商暴雷从来不是”突然发生”，而是”信号一直在但没被看到”。

传统风控的问题不是能力问题，而是感知能力和响应速度跟不上现代供应链的复杂度。人工每月review 20家供应商已是极限，而AI可以做到每天扫描2万家。

AI风控的本质，不是取代人，而是把人的注意力聚焦到真正需要判断的10%案例上——这10%里，暴雷的概率是无差别监控的50倍以上。

暴雷预防的价值不在于”预测有多准”，而在于给甲方多争取60-90天。这60-90天，足够：

  • 启动备选供应商
  • 分单转移订单
  • 追回预付款
  • 提前采购安全库存
  • 完成法务保全

这60-90天的价值，可能就是一个千万级项目的成败。

供应商风险从”事后止损”变成”事前避险”，这不是新工具的堆砌，而是采购与风控团队认知模式的重构。

相关阅读

本文属🔒金牌+专享内容。方法论已经过多个大型甲方实战验证，如需完整AI风控系统部署方案（含数据源清单、评分模型代码、SOP模板包），请联系智采百科顾问团队。

关系图谱

反向链接

最近更新