2020年，所有SMT厂都可以赚元器件的钱（下）

Original 硬之城芯头条

技术与工具的升级，是解决人工效率瓶颈的最佳手段之一。在电子元器件交易方面也不例外。

在中、上篇中，我们重点分析了快速报价与包工包料模式能给SMT厂家带来的好处，即结构性的降低成本，促进业务规模增长，提升企业的市场竞争力。

这篇文章，我们来解读一下硬之城3小时快速报价业务中的大数据和人工智能的应用。

采购员与计算机之殇

文件格式不统一、型号参数混合在一列、没有确定型号和品牌、参数不完整、一个品牌多个叫法、一个BOM要报多个套数的价格，等等等等，这些情况相信每个采购都有遇到过。数量不多还好，但要是一天10个，100个BOM呢，采购人员恨不得原地爆炸。

硬之城定位BOM一站式交付，每天处理的BOM数量几十甚至上百倍于SMT厂家，我们的采购人员在这方面的感触也更深。

怎么办？只能通过技术手段来提升效率。

但问题是，无论计算机技术多么强大，电脑始终是个笨脑子，局限性也很明显：必须要有明确的逻辑才能处理事务。

举个例子，一个人，即使以前从来没有见过哈士奇，也能轻而易举的判断出眼前的动物是一条狗。但让计算机分辨一个动物是狗子还是猫猫就难得多，判断错的概率也更大。

有人会说，现在计算机能在围棋上打败世界围棋冠军，难道还不强么？是的，在明确的规则和逻辑下，计算机是很强大，但放在各种不确定因素堆积的BOM报价业务中，情况就有所不同了。

就拿参数不完整来说，电容通常需要电压、体积、容值、精度和材质5个参数来定位型号，但工程师偶尔只写3个参数：0603 104 25V，这就很难去判定具体的型号是什么。如果是人工报价，有经验的采购人员或许能根据其他信息推断出缺失的参数，甚至根据需求方的产品直接定位到型号。即使不能，还能电话询问到对方。

但要是系统报价，就必须给到下一步处理的逻辑，是放弃匹配，还是根据其他信息来判断，假如下一步是看品类，则需要匹配数据库中的品类数据，但有可能表格中并没有给到品类信息，或者品类的名称与数据库中的不一致，甚至写错了，那又该怎么处理？Emmm...所以我才说，电脑就是个笨脑子。

大数据与人工智能的应用

以上说的是处理逻辑，但有逻辑还不行，数据匹配必须建立在有数据的基础上。

硬之城已与1500+家原厂、代理达成合作，覆盖了90%主流品牌，2000万+产品，这2000万+的产品数据就是我们的技术应用基础。

为了让计算机也具备跟人一样的“经验”，还必须引入“机器学习”。机器学习是一门很复杂的技术应用，即使是利用这门技术的工程师也难以说明白，我就不献丑了。但可以用大家听得懂的例子来说明。

还是说猫猫狗狗。机器首先要记录“见过”的猫猫狗狗的特征，比如说瞳孔、花纹、牙齿、个头、毛发、爪子、姿态、习性、饮食等等，然后根据这些特征来做判断，不管是判断错了还是对了，都记录下来。然后，就等着奇迹发生吧，听上去蛮玄学的。

说回BOM报价，机器学习首先要解决的问题，是识别一串字符代表的是型号还是参数，如果是参数，能不能定位到型号，如果定位不到，能不能根据不完整的参数和其他信息，推荐出最有可能的型号。大概就是这么个意思。

机器学习还有一个非常关键的要素，就是处理的数据量一定要大，用程序员的话来说就是，这个学习模型需要不断的训练才能发挥它的作用。为此，除了日常接受到的BOM报价需求外，我们还安排了专人不断地拿其他BOM来做大量的测试。

BOM报价全流程

用户在后台上传的BOM，通常是工程BOM——电子工程师输出，存在信息缺失（比如没有型号和品牌，只有参数）、格式不规范等情况，导致采购无法直接下单的BOM。

大部分SMT厂家服务的是样板、小规模订单，工程BOM的占比非常高，光是处理BOM信息就占掉了采购人员很大一部分时间。

能不能让需求方按你的格式处理好再给你呢？不是不能，只是这样的服务是打了折扣的。就好比你要下厨做一份毛血旺，但具体要哪些食材你自己也不是很明确，这个时候你去菜市场，一家能帮你配好所有的食材和配料，另一家自己都不知道这道菜是怎么做的，此时，你会选择哪家买呢？

因此，我们在接受到BOM后，第一步就是做数据标准化：把型号归到型号列，把品牌归到品牌列，把参数提取到参数列，机器判断不了的放到其他列... ...要是有不准确的地方，会有专人下载表格，在本地处理好之后再上传到系统里。

接着，系统会自动匹配数据库，并推荐最有优势的供应渠道，如果物料有停产风险，还能推荐替代料。

最后才是人工介入，核查数据，处理那些因信息不完整导致无法自动报价的物料，补充需要客户注意的地方，并一一备注。

正是这一整套解决方案，保障了3小时快速报价业务的正常运作。项目启动以来，1000套以内的现货BOM平均报价速度，从最初的4小时左右提升到了2小时左右，系统自动报价部分也提升到了70%左右。

链接终端与代工厂

做过研发的朋友都知道，技术上的投入远高于单纯的采购人力支出。而且，有经验的采购人员对工程BOM的处理，比机器处理要轻便得多，我们这么做岂不是费力不讨好，杀鸡用牛刀么？

除了上边提到的BOM报价量太大的原因之外，我们还有更长远的考量——利用好大数据，逐步完善供应链整体解决方案。

作为平台方，仅做物料供应环节并不是硬之城的长期目标，我们计划在接下来，高效的链接供需双方（终端和代工厂），提高从产品设计到生产的整体效率，并降低交易成本。

在我们接触过的SMT厂家中，或多或少的有产线闲置的情况。在上一篇文章中我也提到过固定成本分摊的问题：机器一天不运转，就亏一天的钱。而终端企业，却需要在寻找、选择代工厂上花很多时间（即使有合作工厂，也不代表能及时上产线）。

此外，终端企业采购物料，再交给代工厂生产，这中间要花去不少时间不说，对接的成本也不低。

试想一下，如果硬之城能根据合作代工厂的产能大小与生产时间分布情况，推荐给那些在硬之城采购的终端企业，进一步让代工厂全面负责终端的物料采购和加工环节，岂不是能大大提升产品的出品效率！

当然，这一切能实现的前提是3小时快速报价能持续迭代，且有足够多的BOM需求。所以说，硬之城与SMT厂家之间是合作共赢的关系一点也不为过。

实现智能匹配和推荐还有一段较长的路要走，在此之前，我们会尽快启动供需对接的业务，欢迎SMT厂家与我们的业务负责人。

最后，还是要啰嗦几句。

SMT厂家要不断提升竞争力，包工包料模式绝对是一个值得探索的方向（具体的分析见文章的中、上篇），要是感觉询报价工作和物料供应太耗费精力，可以这个环节交由硬之城，服务费比你自己投入人力来做的成本要低得多，收益却是倍增的（实际合作案例也已证实了我说的这一点，可见文章上篇）。