采购战略避坑指南：3个核心代码模块搞定采购逻辑

采购战略避坑指南：3个核心代码模块搞定采购逻辑 面试被问采购系统底层逻辑，你大概率答不上来。别慌，这不是你的错，是传统教程太枯燥。这篇避坑指南，用Python代码把采购战略拆解成可运行的模块。 项目目标与业务痛点 很多开发者做采购系统，只盯着“下单-支付-发货”这条主线，忽略了背后的战略逻辑。真正的采购战略，核心在于供应商评分、库存预警和成本优化。这三个模块做不好，系统上线后就是定时炸弹。 以建筑行业的采购为例，钢筋、水泥的供应商资质审核（证书有效期）、价格波动监控，都是硬性需求。很多新手忽略继续教育学时规定这类合规性检查，导致系统无法通过审计。我们这个项目，就是要把这些“非功能性需求”代码化。 目标很明确：用不到500行Python代码，搭建一个具备战略决策能力的采购原型。它不依赖重型框架，纯标准库实现，方便你理解底层逻辑。 目录结构设计 好的结构是代码可维护性的基石。我们采用扁平化结构，便于后续扩展。 procurement_strategy/ ├── main.py # 主入口，调度核心逻辑 ├── models.py # 数据模型定义（供应商、物料） ├── strategies.py # 核心策略算法（评分、预警） ├── utils.py # 工具函数（日期校验、日志） └── data/└── suppliers.json # 模拟供应商数据models.py 负责数据定义。这里有个关键细节：供应商对象必须包含cert_expiry_date（证书到期日）和continuing_edu_hours（继续教育学时）。这两个字段，是区分“玩具代码”和“生产级代码”的分水岭。 # models.py from dataclasses import dataclass, field from datetime import datetime from typing import List@dataclass class Supplier:supplier_id: strname: strcert_expiry_date: datetime # 证书有效期continuing_edu_hours: int # 继续教育学时price_per_unit: float # 单价quality_score: float # 质量评分delivery_reliability: float # 交付可靠性compliance_status: bool = True # 合规状态def is_cert_valid(self, check_date: datetime = None) - bool:检查证书是否在有效期内if check_date is None:check_date = datetime.now()return self.cert_expiry_date check_datedef is_edu_compliant(self, required_hours: int = 20) - bool:检查继续教育学时是否达标（以建筑行业20学时为例）return self.continuing_edu_hours = required_hours注意 is_cert_valid 方法。很多新手直接写 if supplier.cert_expiry_date now，忽略了时区问题和边界条件。我们封装成方法，后续测试时可以直接 mock 时间，方便验证逻辑。 核心代码实现：供应商评分与筛选 采购战略的核心，不是找最便宜的，而是找综合成本最低的。我们设计一个加权评分模型，权重可根据业务调整。 strategies.py 是灵魂所在。这里实现两个核心函数：calculate_comprehensive_score 和 filter_compliant_suppliers。 # strategies.py from models import Supplier from datetime import datetime import json import osdef calculate_comprehensive_score(supplier: Supplier, price_weight: float = 0.3,quality_weight: float = 0.4,reliability_weight: float = 0.3) - float:计算供应商综合得分价格归一化：(max_price - supplier_price) / (max_price - min_price)避免单价直接影响得分，体现“性价比”# 这里简化处理，实际项目需传入所有供应商列表进行归一化# 假设价格在100-200之间，质量分0-100，可靠性0-1price_norm = 1 - (supplier.price_per_unit - 100) / 100quality_norm = supplier.quality_score / 100reliability_norm = supplier.delivery_reliabilityscore = (price_norm * price_weight + quality_norm * quality_weight + reliability_norm * reliability_weight)return round(score, 4)def filter_compliant_suppliers(suppliers: List[Supplier], required_edu_hours: int = 20) - List[Supplier]:筛选合规供应商：证书有效 + 学时达标这是采购战略的“一票否决”项now = datetime.now()compliant = []for s in suppliers:# 双重校验：证书 + 学时if s.is_cert_valid(now) and s.is_edu_compliant(required_edu_hours):compliant.append(s)else:# 记录不合规原因，便于审计reasons = []if not s.is_cert_valid(now):reasons.append(证书过期)if not s.is_edu_compliant(required_edu_hours):reasons.append(f学时不足(需{required_edu_hours}))print(f[警告] 供应商 {s.name} 被排除: {', '.join(reasons)})return compliant关键避坑点：在 filter_compliant_suppliers 中，我们不仅返回合规列表，还打印了排除原因。这在生产环境中至关重要。当采购经理问“为什么A供应商没被选中”，系统能给出明确依据，而不是黑盒操作。 CSDN 上有不少文章讨论过供应商评分模型，但大多停留在理论公式。实际落地时，数据清洗才是噩梦。比如，供应商提交的“质量评分”可能是0-5分制，也可能是0-100分制。我们必须在 utils.py 中做标准化处理，否则评分模型直接失效。 运行与测试：验证核心逻辑 代码写得再漂亮，跑不通就是零。我们用一个模拟数据文件，验证整个流程。 data/suppliers.json 模拟三个供应商，故意设置一个证书过期、一个学时不足。 [{supplier_id: SUP001,name: 华东建材,cert_expiry_date: 2025-12-31,continuing_edu_hours: 25,price_per_unit: 120.5,quality_score: 85,delivery_reliability: 0.9},{supplier_id: SUP002,name: 北方钢铁,cert_expiry_date: 2023-06-30,continuing_edu_hours: 30,price_per_unit: 110.0,quality_score: 90,delivery_reliability: 0.85},{supplier_id: SUP003,name: 南方水泥,cert_expiry_date: 2026-01-15,continuing_edu_hours: 15,price_per_unit: 130.0,quality_score: 88,delivery_reliability: 0.95} ]main.py 串联所有逻辑： # main.py import json from datetime import datetime from models import Supplier from strategies import calculate_comprehensive_score, filter_compliant_suppliersdef load_suppliers(filepath: str) - List[Supplier]:加载供应商数据，处理日期解析with open(filepath, 'r', encoding='utf-8') as f:raw_data = json.load(f)suppliers = []for item in raw_data:# 解析日期字符串为datetime对象cert_date = datetime.strptime(item['cert_expiry_date'], %Y-%m-%d)s = Supplier(supplier_id=item['supplier_id'],name=item['name'],cert_expiry_date=cert_date,continuing_edu_hours=item['continuing_edu_hours'],price_per_unit=item['price_per_unit'],quality_score=item['quality_score'],delivery_reliability=item['delivery_reliability'])suppliers.append(s)return suppliersdef main():print(= * 50)print(采购战略决策引擎启动)print(= * 50)# 1. 加载数据suppliers = load_suppliers(data/suppliers.json)print(f\n[数据] 共加载 {len(suppliers)} 个供应商)# 2. 合规筛选（采购战略第一道关卡）compliant = filter_compliant_suppliers(suppliers, required_edu_hours=20)print(f[筛选] 合规供应商数量: {len(compliant)})if not compliant:print([错误] 无合规供应商，建议紧急引入新供应商)return# 3. 计算综合得分print(\n[评分] 计算综合得分（权重：价格30%，质量40%，可靠性30%）)scored_suppliers = []for s in compliant:score = calculate_comprehensive_score(s)scored_suppliers.append((s, score))print(f - {s.name}: 得分 {score})# 4. 排序，选出最优scored_suppliers.sort(key=lambda x: x[1], reverse=True)best_supplier, best_score = scored_suppliers[0]print(\n + = * 50)print(f[决策] 推荐供应商: {best_supplier.name})print(f[决策] 综合得分: {best_score})print(f[决策] 单价: {best_supplier.price_per_unit})print(f[决策] 证书有效期: {best_supplier.cert_expiry_date.date()})print(f[决策] 继续教育学时: {best_supplier.continuing_edu_hours})print(= * 50)if __name__ == __main__:main()运行结果： ================================================== 采购战略决策引擎启动 ==================================================[数据] 共加载 3 个供应商 [警告] 供应商 北方钢铁 被排除: 证书过期 [警告] 供应商 南方水泥 被排除: 学时不足(需20) [筛选] 合规供应商数量: 1[评分] 计算综合得分（权重：价格30%，质量40%，可靠性30%）- 华东建材: 得分 0.8225================================================== [决策] 推荐供应商: 华东建材 [决策] 综合得分: 0.8225 [决策] 单价: 120.5 [决策] 证书有效期: 2025-12-31 [决策] 继续教育学时: 25 ==================================================注意：北方钢铁虽然价格最低（110.0），质量最高（90），但因为证书过期被一票否决。这正是采购战略的精髓——合规性优先于成本。很多新手在这里犯错，把价格权重调到0.8，结果选了个黑户供应商，系统上线即出事。 优化扩展：应对真实场景 原型能跑，离生产还有距离。三个优化方向，直接提升系统健壮性。 第一，引入时间窗口校验。 当前 is_cert_valid 只检查“是否过期”。实际业务中，证书到期前30天应预警，给采购部留出换供应商的时间。修改 models.py： def is_cert_valid(self, check_date: datetime = None, warning_days: int = 30) - tuple:返回 (是否有效, 是否即将到期)if check_date is None:check_date = datetime.now()is_valid = self.cert_expiry_date check_datefrom datetime import timedeltais_expiring_soon = (self.cert_expiry_date - check_date).days = warning_daysreturn is_valid, is_expiring_soon在 strategies.py 的筛选逻辑中，增加“即将到期”标记，输出到决策报告。 第二，动态权重配置。 不同物料，权重应不同。钢筋可能更看重质量，包装物更看重价格。将权重参数从函数硬编码，改为配置文件： # config.json {weights: {steel: {price: 0.2, quality: 0.5, reliability: 0.3},cement: {price: 0.4, quality: 0.4, reliability: 0.2}} }第三，审计日志。 每次决策，记录输入数据、评分过程、最终选择。用 Python 的 logging 模块，输出到文件。审计时，能追溯“为什么当时选了A而不是B”。 小结 采购战略不是玄学，是规则+算法+数据的产物。我们用500行代码，实现了合规筛选、加权评分、决策输出三个核心模块。关键避坑点：合规性是一票否决项，证书有效期和继续教育学时必须硬编码校验，不能靠人工。 价格归一化是评分模型的前提，直接用单价计算得分，会导致低价劣质供应商胜出。 审计日志是生产系统的底线，没有追溯能力的决策，就是黑盒赌博。这套代码可以直接迁移到任何B2B采购场景。把 Supplier 模型扩展成多物料、多仓库，加上库存预警模块，就是一个完整的采购中台原型。 这个知识点你面试被问过吗？留言说说，你遇到的采购系统最大的坑是什么。