第1章：风险量化评估——从拍脑袋到算概率
各位工程师朋友，大家好。我是老张，在供应链这行摸爬滚打了十几年。
今天咱们聊一个核心话题：风险量化评估。
说白了，就是别光靠感觉说“这个供应商风险大”，而是用数据告诉他：“你的风险指数是87.5，属于高危”。
1.1 为什么必须量化？
我刚开始做采购时，评估供应商全靠“我觉得”。
有一次，我觉得某家小厂质量不错，就给了大单。结果呢？交货期到了，对方说原材料涨价了，要加钱。我那个气啊，但合同里没写风险条款，只能认栽。
从那以后，我养成了一个习惯：所有风险，必须量化。
量化有什么好处？
- 可比较：A供应商风险值80，B供应商风险值30，选谁一目了然。
- 可追溯：出了问题，能查到是哪个环节的评分出了问题。
- 可预警：设定阈值，超过红线自动报警。
核心观点：风险量化不是炫技，而是为了让你在老板面前有理有据，在供应商面前硬气起来。
1.2 四种量化工具，一个比一个狠
我个人习惯把这四种工具排个序，从简单到复杂，从入门到精通。
1.2.1 风险矩阵——入门级，但够用
风险矩阵，说白了就是一个九宫格。
横轴是发生概率，纵轴是影响程度。两者相乘，得到风险等级。
我在项目中遇到过一家物流公司，经常延迟交货。用矩阵一算：概率高（4分）× 影响中（3分）= 12分，属于高风险。后来果断换了承运商。
| 概率\影响 | 低（1分） | 中（2分） | 高（3分） |
|---|---|---|---|
| 高（3分） | 3分（中） | 6分（高） | 9分（极高） |
| 中（2分） | 2分（低） | 4分（中） | 6分（高） |
| 低（1分） | 1分（低） | 2分（低） | 3分（中） |
小技巧：矩阵的分数区间可以自定义。我一般把1-3分划为低风险，4-6分为中风险，7-9分为高风险。这样好记。
1.2.2 概率影响评估——更精细的算账
风险矩阵太粗糙？那就用概率影响评估。
这个方法，是把每个风险事件单独拎出来，算它的期望损失。
公式很简单：期望损失 = 发生概率 × 损失金额
举个例子：
- 供应商A：有10%的概率延迟交货，延迟一次损失50万。期望损失 = 10% × 50万 = 5万
- 供应商B：有5%的概率延迟交货，延迟一次损失100万。期望损失 = 5% × 100万 = 5万
你看，两个供应商的期望损失一样，但风险性质完全不同。A是大概率小损失，B是小概率大损失。怎么选？这就要看你的风险偏好。
注意：概率和损失金额的估算，千万别拍脑袋。我建议用历史数据，或者找3-5个专家背靠背打分，取平均值。
1.2.3 风险评分卡——把定性变定量
这个工具，我用的最多。
风险评分卡，就是把那些没法直接算钱的指标（比如“供应商配合度”、“技术能力”），转化成分数。
怎么做？
- 选指标：比如质量、交期、成本、服务、技术。
- 定权重：质量占30%，交期占25%，成本占20%……
- 打分：每个指标1-5分，5分最好。
- 算总分：加权平均。
我曾经给一家电子厂做供应商评估。他们的采购经理说：“我觉得A供应商比B好。” 我说：“别急，咱们打个分。” 结果一算，A供应商总分3.2，B供应商总分4.1。采购经理当场傻眼。
避坑指南：我曾经犯过一个错——权重设置不合理。质量权重设得太低，结果选了个质量差的供应商，后面退货退到崩溃。所以，权重一定要和业务目标对齐。
1.2.4 蒙特卡洛模拟——终极武器
前面三种方法，都是静态的。但现实世界是动态的，变量之间还会互相影响。
这时候，蒙特卡洛模拟就派上用场了。
说白了，就是让电脑模拟一万次“如果……会怎样”，然后看结果分布。
比如，你要预测一个项目的总成本。成本由原材料、人工、物流三个变量组成，每个变量都有波动范围。蒙特卡洛模拟会随机组合这些变量，算出一万种可能的总成本，然后告诉你：有80%的概率，总成本在100万到120万之间。
代码示例（Python）：
import numpy as np
# 模拟10000次
n_simulations = 10000
# 原材料成本：均值50万，标准差5万
material_cost = np.random.normal(50, 5, n_simulations)
# 人工成本：均值30万，标准差3万
labor_cost = np.random.normal(30, 3, n_simulations)
# 物流成本：均值20万，标准差2万
logistics_cost = np.random.normal(20, 2, n_simulations)
# 总成本
total_cost = material_cost + labor_cost + logistics_cost
# 输出结果
print(f"总成本均值：{np.mean(total_cost):.2f} 万元")
print(f"总成本标准差：{np.std(total_cost):.2f} 万元")
print(f"90%置信区间：{np.percentile(total_cost, 5):.2f} - {np.percentile(total_cost, 95):.2f} 万元")
我的经验：蒙特卡洛模拟虽然强大，但别滥用。如果变量之间的相关性搞不清楚，模拟结果就是垃圾。我一般只用它来评估那些“牵一发动全身”的关键项目。
1.3 四种工具怎么选？
你想想看，工具不是越高级越好，关键是匹配场景。
- 日常评估：用风险矩阵，快。
- 单一风险事件：用概率影响评估，准。
- 多维度供应商评估：用风险评分卡，全。
- 复杂项目/战略决策：用蒙特卡洛模拟，深。
嗯，这里要注意：别一上来就上蒙特卡洛。我见过有人为了评估一个几万块的小订单，搞了三天模拟，最后老板说“你直接告诉我选哪个就行”。
1.4 本章知识体系图
下面这张图，是我自己画的，帮你理清这四种工具的关系。
这张图，我建议你保存下来。每次做风险评估前，看一眼，选对工具，事半功倍。
好了，这一章就到这里。量化评估是风险管理的基石，把这一步做扎实了，后面的应对方案才能有的放矢。