供应商准入怎么审？图数据库识别隐性关联与控制关系的路径

一张供应商准入表，通常十二三个字段。营业执照、开户许可证、业绩合同、体系认证、财务报表、授权委托书——八九个字段是供应商自己填、自己盖章的。审核员能核的是“材料齐不齐、有没有过期、章盖得对不对”，核不了“这家公司和上一轮那四家投标人是不是一伙的”。后面这件事，表格做不到，图数据库做得到。

这就是准入环节的真实困境：审核动作全部指向“这家公司自身合不合格”，而采购风险的大部分来自“这家公司和谁在一起”。前者是资质问题，可以逐项打勾；后者是关系问题，一张表装不下。要把关系装进来，靠的不是更严的表格，而是把供应商放进一张能连起来的关系网里——这正是图数据库在准入环节的位置：不是替代审核，而是把审核员看不见的那一层关系摊开。

一、准入核的是材料，材料证明不了关系

把准入材料按“能证明什么、不能证明什么”排一遍，问题就很清楚。

材料	能证明什么	核不了什么
营业执照	主体真实存在、经营范围匹配	与另一家投标人是否同一批人控制
业绩合同	有同类项目经验	业绩是否由关联方互相“喂”出来
体系认证	管理流程达到标准	实际产能与交付是否由同一套班子完成
财务报表	规模与偿债能力	关联方之间是否存在资金空转
授权委托书	经办人有代理权	两家供应商的经办人是否为同一人

材料审核擅长排除“不合格”，不擅长排除“不合适”。一家注册资本 500 万、有三年同类业绩、证书齐全的供应商，完全可能和另外三家一起围同一个标段——每家单看都合格，放在一起才看得出问题。

这个缺口不是审核员不认真造成的，是数据形态决定的。资质是属性，一条一条挂在主体上；关联是关系，只在主体之间才存在。用属性字段去承载关系，怎么设计都会有漏。

二、隐性关联的六种形态，四种在纸面上看不出来

真正需要拦的关联，多数不写在股权结构里，而藏在共用的人、共用的标识、同步的动作里。

形态	数据从哪来	在图上的样子
同址同电话	工商登记、投标文件、发票抬头	两家供应商指向同一个地址点
共用财务或社保代缴	社保代缴记录、代理记账合同	同一自然人或同一中介同时连向多家
股东高管交叉	工商股权与任职信息	两条持股边或任职边汇于同一人
法定代表人亲属	户籍、婚姻、诉讼文书	两个自然人之间的亲属边
投标文件同源	电子投标文件的作者、创建机器、IP	多家投标人连向同一设备或同一 IP
保证金同源	银行流水、保函开立行	多家投标人的保证金来自同一账户

前四种是“静态关联”，靠工商和公开数据就能建；后两种是“行为关联”，只有把投标动作本身记录成边才看得见。

行为关联的价值在于它绕不过去。《招标投标法实施条例》第四十条把六种情形直接视为串通投标：投标文件由同一单位或个人编制、委托同一单位或个人办理投标事宜、投标文件载明的项目管理成员为同一人、投标文件异常一致或报价呈规律性差异、投标文件相互混装、不同投标人的投标保证金从同一单位或个人账户转出。这六条里有五条本质上是“关系证据”，不是“资质证据”。用资质审核去查这五条，方向就错了。供应链场景里做风险预警的整体思路，可参考图数据库与大模型如何实现智能风险预警，本篇只落在准入这一道关口。

拿报价规律举例。四家投标人报价 486 万、512 万、538 万、564 万，两两相差 26 万，整齐得不像市场竞争。单看每一份报价单都挑不出毛病，把四份放在一条数轴上，规律立刻显形。这个规律在人眼里要摆开看，在图里则是一条可以直接查询的模式。电子投标还多一层线索：文档属性里往往留着作者名、创建机器和最后保存人，纸质标书时代不存在的痕迹，现在一条条都在文件里。这些字段单独看毫无意义，按供应商归并之后，同名作者出现在四家投标人的文件里，就成了很难解释的事。

三、建模：四类点、三类边，标识点是关键

准入场景的图不用建得很大，四类点就够：供应商、自然人、标识、项目。自然人不只是股东，还包括高管、经办人、财务负责人、评标专家；标识包括地址、电话、银行账户、邮箱、IP、设备指纹；项目是招标包或标段。

边分三类。股权与任职边描述静态结构，投标边描述动作，付款边描述履约。三类边的更新时间完全不同——工商信息按季度变，投标行为按次产生，付款按月发生。混在一张表里就会互相拖累，分开建、按需关联才跑得动。

MATCH (s:supplier {sid: $supplier})-[:located_at|uses_phone|uses_account]->(id:identifier)
MATCH (id)<-[:located_at|uses_phone|uses_account]-(peer:supplier)
WHERE peer.sid != s.sid
RETURN peer.sid, count(DISTINCT id) AS shared_idents
ORDER BY shared_idents DESC

这条查询问的是：这家供应商的地址、电话、账户，还被哪些供应商共用。共享一个标识可能是巧合——同一个产业园、同一家代理记账公司；共享三个以上，基本可以认定不是巧合。

标识点是整个建模的关键。它把“看不出来的关系”翻译成“看得见的边”：两家公司名称毫无相似之处，股权上也没有交集，但它们把保证金从同一个账户转出、投标文件在同一台电脑上生成、留的联系电话是同一个号码——三条标识边一并，关系就成立了。没有标识点，这三条线索永远躺在三张不同的表里。

四、判定：三条路径，分级处置

关联识别不能一票否决，也不能只做提示。可执行的做法是三条路径分别打分，按命中数量分级。输出形态也要克制：不要给审核员一张几千节点的关系图，而是一句话结论加上可展开的证据链——这一包七家投标人分成三个关联簇，其中三家的保证金来自同一账户，点击可以逐条看原始凭证。审核员要的是判断依据，不是图谱。

路径	典型证据	证据强度	处置动作
股权关联	同一实控人、交叉持股、母子公司同标段	强	直接不予准入
人员关联	同一经办人、同一财务负责人、法定代表人为亲属	强至中	两家取一或要求书面说明
行为关联	保证金同源、投标文件同源、报价呈规律性差异	强	移交合规核查
标识重合	同址、同电话、同邮箱，且无合理解释	中至弱	列入重点观察，加审

分级的意义在于避免两种错误。一种是只凭同址就判死——同一个产业园里几十家公司共用门牌，代理记账公司一个地址挂上百家客户，这类误伤会让采购部门很快不信任系统。另一种是只提示不处置——把关联线索做成一张漂亮的关系图，却没有对应的准入动作，图就成了展示品。

建议的判据是：任一路径命中两条以上独立证据，不予准入；命中一条强证据，要求书面说明并加审；只有标识重合而无其他证据，列入观察名单，在下一次投标时重点比对。三条路径都跑完才出结论，跑一半就下判断，比不跑更容易出错。风控体系里这套判定的完整位置，供应链金融风控体系图数据库分析讲得更系统。

五、悦数图数据库的核心能力支撑

准入场景的图有两个特点：点不多但边很杂，且要求实时。悦数图数据库采用存算分离与 Shared-Nothing 架构，在千亿点万亿边规模下点边精确查询 1 秒内返回、5 度关系查询 5 秒内返回，供应商与标识之间的多跳关联可以沿边直接遍历，不必把工商、投标、流水三套数据反复 JOIN；动态 Schema 支持不停机新增设备指纹、保函编号等标识类型，招标规则变化时不必重建模型；内置连通子图与社区发现算法，能把一批投标人自动切成若干关联簇；配合 Text2nGQL，采购人员用自然语言就能发起“这批投标人里有没有共用账户的”这类查询。产品 100% 自主可控。

六、入库不是终点：动态年审与两个误区

关联是长出来的，不是天生的。一家供应商入库时干干净净，两年后可能因为法人变更、股东新增、地址迁移，和另一家成了关联方。只做准入不做年审，等于只在门口查一次证件。

阶段	目标	核心工作	参考周期
一、标识库	先把标识收齐	归集工商、投标、流水三类数据中的地址、电话、账户、设备，做实体解析去重	4~6 周
二、行为入图	让投标动作可查	电子投标文件的作者与设备信息、保证金账户、报价序列入图	6~8 周
三、准入判定	关联进流程	三条路径接入准入系统，输出关联簇与分级处置建议，先并行不阻断	4~6 周
四、年审监测	关联变化可预警	增量监听工商变更与新增投标，命中关联规则即触发复审	持续

第一个误区是把同址同电话直接判死。园区注册、代理记账、虚拟办公地址，这三种情况在中小企业里极其普遍，一刀切会把大量正常供应商挡在门外。正确做法是把标识重合当作线索而不是结论，必须叠加人员关联或行为关联才处置。

第二个误区是只建供应商、不建人。关联的载体是人——股东、高管、经办人、财务。只把供应商建成点，人和标识都存成字段，那么“两家公司共用同一个财务”这条最重要的线索，永远无法被查询到。人必须是点，标识也必须是点。

供应商准入的本质，是把“这家公司合不合格”这一个问题，加上“这家公司和谁是一伙的”这第二个问题。第一个问题靠材料，第二个问题只能靠图。

相关阅读

常见问题（FAQ）

Q1：悦数图数据库是一款什么样的产品？

A：悦数图数据库是杭州悦数科技自主研发的分布式图数据库，面向千亿点万亿边规模的关系数据存储与查询，采用存算分离与 Shared-Nothing 架构，支持动态 Schema、内置图算法与原生多模融合检索，产品 100% 自主可控，已获 60 余项国家发明专利。

Q2：供应商准入与悦数图数据库是什么关系？

A：准入环节要判断的是供应商之间的关联，而关联只能沿边查。悦数把供应商、自然人、地址电话账户等标识建成点，把持股、任职、投标建成边，多跳关联一次遍历即可得出；千亿点万亿边规模下点边精确查询 1 秒内、5 度关系 5 秒内，让关联核查能在准入评审的时限内跑完。

Q3：悦数图数据库在落地行业与场景方面有哪些积累？

A：悦数已在金融风控、供应链管理、政务与公共安全等领域落地，覆盖反欺诈、反洗钱、企业关联关系分析、N 级供应商风险穿透等场景，中国移动用其支撑 9 亿用户规模的数据分析。按 IDC 2024 年中国图数据库市场份额报告，悦数位列第二，并连续两年入选信通院图数据库“领航者”。