飞利浦不再只是审核供应商，而是预测谁需要帮助

传统的供应商可持续性审核只是告诉买方哪里出了问题，但要在数千家供应商中推广，成本高昂。飞利浦需要一种在数据有限的情况下提升绩效的方法，而不仅仅是检查更多工厂。

CARE框架将问题重新定义为收集、评估、反应和提升。机器学习根据供应商的一般信息（如位置、规模和行业）推断可持续性水平；优化则负责选择改进行动。

飞利浦在其供应商项目中采用了该框架。已发表的研究报告称，对于2020年加入该项目的供应商，2021年的可持续性绩效同比提升了24%。

将审核转化为改进路径的分派

供应商自我评估的成本足够低，可以覆盖比反复审核大得多的范围。

基于供应商一般属性的预测，让买方能够将稀缺的专家注意力集中使用。

优化将风险评分转化为行动选择，而不是仪表盘。

该项目衡量的是改进，而不仅仅是合规失败。

当分析决定在哪里提供帮助能够改变行为，而不是仅在审核后发现问题时，供应商项目就能更好地扩展。

CARE方法为飞利浦提供了一种可扩展的替代方案，取代以审核为先的供应商管理。其报告的2021年已加入供应商的改进幅度为24%，支持了以分析为主导的主动式供应商发展的主张。