飛利浦不再只審核供應商，而是預測誰需要協助

傳統的供應商永續性審核會告訴買方哪裡出了問題，但要在數千家供應商之間擴大規模執行，成本高昂。飛利浦需要一種能在資料有限的情況下改善績效的方法，而不只是檢查更多工廠。

CARE 框架將問題重新界定為收集（collect）、評估（assess）、反應（react）與強化（enhance）。機器學習從地點、規模和產業等一般供應商資訊推斷永續性水準；接著由最佳化方法選擇改善行動。

飛利浦在其供應商計畫中採用了這套框架。已發表的研究報告指出，對於 2020 年加入該計畫的供應商，2021 年的永續性績效較前一年提升了 24%。

將審核轉化為改善措施的導引

供應商自我評估的成本低廉，足以涵蓋比反覆審核大得多的範圍。

從供應商的一般屬性進行預測，讓買方能將稀缺的專家注意力集中在重點上。

最佳化將風險分數轉化為行動選擇，而不只是儀表板。

該計畫衡量的是改善幅度，而不只是合規缺失。

當分析決定在何處提供協助能改變行為，而不只是審核後找出違規事項時，供應商計畫更能擴大規模。

CARE 方法為飛利浦提供了一種可擴大規模的替代方案，取代以審核為先的供應商管理。據報告，已加入的供應商在 2021 年改善了 24%，這支持了以分析為主導、主動進行供應商發展的論點。