供应商智能风控 · 五步法深度分析

2026年6月15日 · SC-01 · 供应链AI方向 · 中建发展

预判总评

82 / 100
✅ 可推进 · 低风险（5/20 硬伤）
6/6
行业预判通过
5
硬伤卡牌
3
P0假设
5.5
LTV/CAC
💡
一句话定位
核心差异化
"工商数据告诉你是谁，交易数据告诉你靠不靠谱。"
基于 10 万亿真实交易履约数据的建筑行业供应商全生命周期风控平台 — 天眼查/企查查/启信宝无法复制的核心壁垒。
🔍 行业预判 6/6 通过
🏭
M1 拆解行业
关键控制节点：数据资产型
环节毛利说明
数据采集15-20%工商/司法数据采购成本刚性
风控模型60-70%算法团队核心成本，边际极低
产品化交付40-50%SaaS 模式低边际，定制拉低
销售获客20-30%ToB 销售团队重
🔑 云筑网 10 万亿交易履约数据是通用平台无法获取的独占资源，构成"数据资产型"控制节点。
⚡
M2 洞察变化
系统性变化 · 三重共振
🎯
M3 稳态B推演
变化驱动下的下一个平衡态
77号文 → 数据信用成合规刚需 → AI+招投标 →
建筑行业供应商风控从"人工经验驱动"转向"AI+数据驱动"，头部平台凭借独占数据资产形成寡头格局。
中建发展位置：数据资产层独占者
⏱️
M4 Timing
窗口已开 · 还有2-3年
技术萌芽早期探索← 我们在这里爆发增长成熟整合
📐
M5 天花板
50-200亿
建筑供应商风控 TAM
智能风控全市场 2600亿(2030) × 建筑占比
🎯
M6 集中度
C型 ★
分散→集中 · 最佳时机
无全国性建筑供应商风控SaaS寡头
📋 五步法分析 逐层拆解
1
需求
谁在什么场景下有什么痛点？
目标用户：建筑央企及大型建筑企业采购管理部门
场景刚性痛点
供应商准入审批刚需人工审核3-5天，效率低易遗漏
履约过程监控刚需经营异常无法及时发现
围串标识别刚需140万次招标数据人工无法排查
供应链金融风控刚需中小供应商信用评估无数据
刚性
🔴
雪中送炭
频次
🔴
每次采购
普遍性
🔴
所有建筑央企
2
解决方案
凭什么选你不选现有方案？
天眼查是"企业工商信息查询工具"，我们是"建筑行业供应商全生命周期风控平台" — 10 万亿真实交易履约数据是核心差异。
功能取舍
✅ 做
准入AI审核
履约动态监控
围串标识别
数据API输出
❌ 不做
通用企业查询
全流程供应链SaaS
金融牌照业务
C端个人征信
MVP（最小可用版本）
3
商业模式
单元模型：单客户 ToB SaaS
第3年收入测算
来源单价客户数收入
央企采购部10万/年20家200万
大型建筑企业5万/年100家500万
供应商自助查询200元/次5万次100万
金融机构API100万/年5家500万
围串标专项50万/年10个500万
合计1,800万
25%
第3年毛利率
45%+
第5年毛利率
LTV
22万
CAC
4万
LTV/CAC
5.5 ✅
回收期
6月
4
增长
引擎：黏着式 · 嵌入采购流程
获客渠道（按优先级）
#渠道CAC阶段
1中建体系内复制00-1
2云筑网客户转化1-2万0-1
3行业协会/政府渠道3-5万1-10
4金融机构联合推广2-3万1-10
5内容营销+行业会议5-8万10-100
增长三阶段
0-1 验证
内部试点
0-6月
1-10 增长
央企复制
6-18月
10-100
行业覆盖
18-36月
5
壁垒
数据资产 + 网络效应 · 双重护城河
数据资产 🔑
强
10 万亿交易履约数据 — 通用平台无法获取
网络效应
强
供应商越多 → 数据越丰富 → 模型越准 → 客户越多
规模效应
中
转化成本
中
竞品复制难度
🃏 20张硬伤卡牌 5/20 · 低风险
✅
诊断结果：5/20 通过
无 P0 级致命硬伤
✓
#1 目标用户清晰（非"所有人"）
0
✓
#2 政策合规刚需（非锦上添花）
0
✓
#3 高频需求（每次采购/招标）
0
!
#4 外部客户未验证
1
✓
#5 核心差异：10万亿交易数据
0
✓
#6 一句话定位清晰
0
✓
#7 MVP 取舍明确
0
✓
#8 有信融宝产品基础
0
✓
#9 单客户SaaS+按次混合
0
✓
#10 LTV/CAC=5.5
0
!
#11 初期毛利25%偏低
1
✓
#12 对标上海钢联+启信慧眼
0
!
#13 初期依赖体系内渠道
1
✓
#14 SaaS+API 可规模化
0
✓
#15 黏着式增长引擎
0
✓
#16 数据资产+网络效应壁垒
0
✓
#17 壁垒是数据非个人
0
✓
#18 占据两项强壁垒
0
✓
#19 团队基础能力匹配
0
!
#20 外部数据合规+ToB销售复杂度
3
命中率
5/20
⚠️ 关键假设 3个P0
🔑
P0 致命级假设
错了项目就死 · 最高验证优先级
P0
H7：中建体系内各局愿意使用
验证：≥3个工程局同意试点
P0
H3：融合模型准确率显著优于纯工商
验证：AUC≥0.85，提升≥15个百分点
P0
H9：数据合规可用于对外输出
验证：法务出具合规意见书
📊
敏感性分析
关键变量对利润的影响
变量基准乐观悲观
客户数(第3年)135家162家108家
年均客单价8万9.6万6.4万
毛利率25%30%20%
月流失率3%2.4%3.6%
🔄 备选路径
Plan A 首选
供应商风控SaaS
中建内→央企→金融→政府
第5年 8000万+
Plan B 备选
风控数据API
更轻资产·直接对接金融
第3年 500万
Exit 退出条件
  • ≥3个工程局拒绝使用
  • 法务结论：数据不可对外输出
  • 模型无法显著优于纯工商方案
🚀 最小验证行动

📌 本周第一件事

在中建体系内选 1 个工程局的采购部门，用云筑网数据 + 天眼查数据做 A/B 对比测试。
验证目标融合模型准确率是否比纯工商高 ≥15%
实验设计取100个供应商（含20个已知风险），双模型对比
成本2周 + 1名算法工程师 + 0元外部采购
成功标准AUC ≥ 0.85，提升 ≥ 15个百分点
🔗 与SC-03供应链金融的协同
基础设施层
SC-01 供应商智能风控
准入审核 → 信用评级 → 履约监控 → 合规背书
⬇️
变现层
SC-03 供应链金融AI
信用评级→贷款审批 · 动态评估→贷后监控 · 合规背书→降低银行成本
💡 SC-01 建立数据壁垒和客户基础 → SC-03 实现金融变现
共享同一套数据资产和技术底座，边际成本极低
基于一堂五步法 + 业务预判 + 行业预判方法论
数据来源：素材卡 SC-01 + 天眼查/启信宝/企查查公开信息
生成于 2026-06-15 · claude.ai