供应商企业与客户企业之间的供应链合作关系是管理学研究的热点之一,但是,供应链管理的技术支撑较为薄弱,需要进一步研究如何挖掘高效、和谐、整体的供应增值链条。供应商评估是改善企业间战略合作质量的一项重要工作。基于数据挖掘理论的决策树分类方法是一项相对成熟的技术,用来发现隐藏在业务数据中有用的、可被理解的分类知识。文章主要内容包括:阐述了供应商评估课题的研究背景及意义,选择了决策树算法作为供应商评估的理论依据,并较为详细介绍了决策树方法的理论原理和实现过程。针对传统决策树分类算法的一些局限性,着重探讨了基于决策树算法的改进方法,如:采用基于信息熵理论的方法对样本数据和专家经验进行统筹分析,求出决策属性取值;将基于最小描述路径(MDLP)的划分方法应用于决策树连续属性离散化过程中;把粗糙集理论应用于决策树分类算法样本数据的属性约简;给出了一种基于粗糙集属性依赖度的决策树分类方法,并且将其应用于供应商评估分析中。以基于RosettaNet协议的电子订单交易数据作为供应商评估的数据提取来源,将基于决策树的供应商评估方法对国内电信运营商企业的电子商务采购交易中的供应商进行评估,结果表明,在保证供应商分类准确性的情况下,决策树分类方法更加简洁。