В работе исследована проблема влияния субъективных факторов на выбор поставщика. Для принятия объективного решения по выбору поставщика продукции предлагается использовать модели машинного обучения. За счёт использования моделей машинного обучения оценка поставщиков формируется исходя из анализа результатов их деятельности, благодаря чему минимизируется влияние субъективных факторов на выбор поставщика. В рамках написания статьи проведено исследование на основе набора данных, источниками которых является информация, полученная в ходе анализа годового отчёта отдела закупок мясоперерабатывающего предприятия, а также открытая информация, опубликованная на сайте Россельхознадзора. Сформирована выборка для проведения обучения модели классификации поставщиков на надёжных и ненадёжных. Для решения задачи классификации поставщиков использованы такие методы, как логистическая регрессия и дерево принятия решений. Предложены порядковые шкалы для оценки поставщиков, по таким критериям как наличие и правильность оформления товарно-сопроводительной документации, соответствие маркировки, наличие реакций на отзывы и т. п. Это дало возможность спроектировать структуру базы данных, содержащей информацию о поставщиках. С использованием метрики AUC выполнен сравнительный анализ выбранных методов. Предложенная методика может найти применение не только для оценки поставщиков пищевой продукции при условии модификации состава критериев. За счёт использования моделей машинного обучения оценка поставщиков формируется, исходя из анализа результатов их деятельности, что позволяет снизить влияние субъективных факторов. Использование полученных результатов упростит процесс выбора поставщиков, будет содействовать развитию конкуренции на товарных рынках Российской Федерации, позволит предприятиям сократить управленческие расходы и сэкономить время на осуществление поиска, оценки и выбора добросовестных поставщиков.

The paper is dedicated to the problem of the subjective factors influence on the choice of supplier. To make an objective decision on choosing a product supplier, machine learning models applying is suggested. Due to the use of machine learning models, the evaluation of suppliers is formed based on the analysis of the results of their activities, which minimizes the influence of subjective factors on the choice of supplier. The paper presents the results of the research based on a set of data, including the information obtained during the analysis of the annual report of the purchasing department of a meat processing enterprise, as well as open information published on the Rosselkhoznadzor (Federal Service for Veterinary and Phytosanitary Surveillance of Russian Federation) official site. This made it possible to design the structure of a database containing information about suppliers. In accordance with the specified structure, a sample was formed for training the model for classifying suppliers into reliable and unreliable ones. Methods such as logistic regression and decision tree are used to solve the problem of supplier classification. A comparative analysis of the selected methods was performed using the AUC metric. Modifications of the composition criteria will allow to use the proposed method not only for evaluating the suppliers of food products. Due to machine learning models using, the evaluation of suppliers is formed based on the analysis of their performance, which reduces the influence of subjective factors. The obtained results can simplify the process of selecting suppliers, promote competition in the commodity markets of the Russian Federation, allow enterprises to reduce management costs and save time on searching, evaluating and selecting bona fide suppliers.

Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Экономические науки. — Санкт-Петербург: СПбПУ, 2019 -. — Загл. с титул. экрана. — Периодичность: 6 раз в год. — Выходит с 07.2019. — Электрон. журнал. — Свободный доступ из сети Интернет (чтение, печать, копирование).

Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Экономические науки. — Санкт-Петербург: СПбПУ, 2019 -. — Текст: электронный. Т. 13, № 6, 2020. — 1 файл (4,23 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j21-22.pdf>. — Текст: электронный