“互聯網+共享經濟”下的運作管理

周永務+鐘遠光+謝維+林曉剛

摘要： 近年來，隨著互聯網技術的高速發展，特別是移動互聯網時代的到來，共享經濟得到了前所未有的發展并受到社會各方的廣泛關注，逐步形成一種新型經濟形態。在這背景下，華南理工大學工商管理學院舉辦了“互聯網+共享經濟”下的運作管理國際學術論壇，深入探討了該領域的最新國際前沿研究。論壇報告內容包括“互聯網環境下數據驅動的運作管理”“ 共享企業的供給與需求匹配問題”“ 共享經濟下服務管理和風險控制”等三個方面。本文首先總結了論壇報告的重要研究成果，在此基礎上結合國內外共享經濟服務模式面臨的可能問題，提出了三點未來可能的研究方向，為共享經濟的后續研究提供一定的思路。

關鍵詞： 互聯網+共享經濟；運作管理；數據驅動

中圖分類號： F0629文獻標志碼：A文章編號：1009-055X（2017）00-00-

doi：1019366/jcnki1009-055X201700000

一、引言

近年來，隨著互聯網技術的高速發展，特別是移動互聯網時代的到來，共享經濟得到了前所未有的發展并受到社會各方的廣泛關注，逐步形成一種新型經濟形態。共享經濟最初來源于開源社區，是用于描述涉及網絡交易的經濟和社會活動的總括術語，通常被定義為以對等的方式共享商品和服務。從狹義上說，共享經濟是指在保留所有權的情況下，把閑置的資源使用權暫時轉讓給他人，并獲得一定報酬的商業模式。這其中包含三大主體：商品或服務的需求方、供給方和共享經濟平臺。共享經濟平臺作為連接供給方和需求方之間的紐帶，目的是通過構建一系列機制，如雙方互評體系、動態算法與定價等，使得供給雙方能夠實現有效匹配并實現交易和獲取傭金，其本質是整合線下的閑散物品、勞動力與教育醫療資源。

當前，共享經濟幾乎已經滲透到所有相關領域，例如交通出行、物流快遞、餐飲住宿、醫療保健、資金借貸、知識技能、科研實驗等。據統計，2015年中國共享經濟市場規模約為19560億元，預計到2020年市場規模約占GDP比重的10%以上，年均復合增長率在40%左右[1]，共享經濟領域市值超過10億美元的企業已有46家。目前共享經濟模式按共享對象劃分，大致有以下三種類別：（1）產品/資源共享，如汽車、生產能力、知識等，代表性企業有滴滴、Uber、阿里巴巴“淘工廠”等；（2）資金共享，如債券眾籌、產品眾籌、股權眾籌等，代表性企業有LendingClub、Kickstarter、京東眾籌、陸金所等；（3）人力共享，集中在生活服務行業中，代表性企業有Wonolo、京東到家、春雨醫生等。在共享企業如雨后春筍般層出不窮時，新的挑戰也悄然來臨。從以上幾種在共享經濟環境下已經發展起來的領域可以看出，共享企業在運作管理層面面臨著許多新的挑戰，其中最核心的問題為聚攏供需與匹配供需，這兩點決定著共享經濟平臺的參與者是否充分，交易效率是否夠高。隨著從事共享經濟行業的企業越來越多，同質化程度也越來越高，要想在激烈的競爭市場中立于不敗之地，對于企業來說最為重要的取決于能否找到一種比競爭對手更快捷更有效率地匹配供需的方法。這就要求共享經濟平臺對服務模式進行創新的同時，也需要對各環節的運作策略進行優化。

因此，在上述背景下，華南理工大學工商管理學院于2017年1月4—5日在廣州舉辦了“互聯網+共享經濟下的運作管理”國際學術論壇。期間，論壇以“共享經濟下的管理科學前沿理論與實踐創新”為主題，深入探討了“互聯網+”環境下目前與共享經濟相關的最新研究理論成果和實際應用。本次學術會議由華南理工大學工商管理學院、華南理工大學社科處及廣州市“菁英計劃”領導小組辦公室聯合主辦，邀請了中國工程院院士、合肥工業大學楊善林教授，美國麻省理工學院David Simchi-Levi教授，新加坡國立大學商學院Teo Chung Piaw教授，美國伊利諾伊大學香檳分校陳新教授，香港城市大學陳友華教授等國內外著名學者參加并圍繞“互聯網+共享經濟”下的運作管理前沿熱點問題進行了專題報告。同時，本次論壇還吸引了荷蘭鹿特丹大學、新加坡管理學院、新加坡科技設計大學、香港中文大學、香港城市大學、中國科學技術大學、中山大學、西安交通大學、大連理工大學、深圳大學、暨南大學、廣東工業大學、廣東財經大學、廣州大學、東北財經大學、汕頭大學等校外師生共100多人的積極參與和熱烈討論。論壇的內容涉及互聯網環境下數據驅動的運作管理，共享經濟下的供需匹配，共享經濟下的風險控制等三個方面問題。論壇報告內容一定程度上代表了共享經濟下運作管理理論與方法的最新研究進展，以下將對這些報告的內容進行詳細介二、論壇的研究熱點介紹

（一）互聯網環境下數據驅動的運作管理

基于數據驅動的運作管理研究方面，總共有3場相關報告。這些報告分別從收益管理、智能快遞柜布局和醫療管理等方面問題對數據驅動的研究發展進行了匯報，展示了如何將數據驅動和運作優化相結合來解決企業和政府面臨的實際問題。

1.數據驅動的收益管理

一般情況下，在研究收益管理時所涉及的動態定價問題，其需求函數的具體形式是事先未知的。雖然價格試驗或者產品捆綁能夠用做需求學習的方法，但實際應用上在線零售商需要面對很多商業上的限制，比如無法進行擴展性的測試、有限的庫存以及較大的需求不確定性等。本次論壇上，David SimchiLevi教授分享了如何運用數據驅動來發展新的工程和科學方法，并用新方法去解釋、預測和改變消費者行為。

David SimchiLevi教授的報告主要分為兩部分。在第一部分報告中，他介紹了與美國Groupon公司合作的案例，針對該公司的收益管理問題，他們構建了一種動態規劃模型，在該模型中需求函數的信息是未知的，但屬于一個可知的有限集合里面。通過對公司的數據進行分析，他們發現線性的需求函數的集合可以用來近似真實的需求函數。做為實際應用，Groupon公司允許在銷售的時候對部分價格進行調整，目的是使決策的后悔值最低，即與提前知道所有需求分布信息的決策結果相比，在該方法下產生的期望總收益損失最小。他們的研究表明定價策略能夠使得后悔值盡可能的小，直到接近恒定值。他們把價格優化算法在Groupon公司進行了上線測試，結果大大地提升了該公司的收益和市場份額，證明了方法的有效性并取得了企業的好評和信任[2]。在第二部分的報告中，David SimchiLevi教授把價格優化模型進一步拓展到了網絡收益管理方面的問題，在該問題中，他們考慮在有限庫存的情況下在線零售商應該如何銷售多種產品才能使得總收益最大。該問題的研究動機來源于美國一家專門做服裝特賣的電商企業Rue La La，該公司面臨的主要問題是當價格給定的情況下，相對應的預期銷售是多少。解決該問題必須從歷史銷售數據著手，對數據進行處理分析從而到準確的需求信息。為了幫助Rue La La解決這個問題，他們提出了一種有效的基于Thompson Sampling思想的動態定價算法，與其他列出的算法相比，該算法被證明具有很強的理論保障并且也能較好地進行數值分析[3]。最后，David SimchiLevi教授介紹了他們的方法和算法在B2W Digital公司的應用效果，該公司是美國一家大型的拉丁美洲在線零售商，他們對捆綁銷售策略的應用非常感興趣。他們發現捆綁銷售能夠被用作為一種形式的價格試驗，即混合捆綁計劃，應用這個策略后，不需要調整價格也可以使公司快速地學習到顧客對產品的估計分布。他們考慮了一種簡單的價格捆綁策略，該策略考慮了顧客的估計和生產成本。endprint

在此次報告中，David SimchiLevi教授重點分享什么是基于數據驅動的研究，為什么在當今需要更多考慮基于數據的研究以及數據驅動能夠給運作管理研究這一傳統方向帶來的新發展機會。

2.數據驅動的新加坡智能快遞柜布局優化

為了降低最后一公里的配送物流成本，新加坡政府最近提出建立用于包裹配送的聯邦智能快遞柜系統概念。作為公共的基礎設施項目，聯邦智能快遞柜系統需要確保所有居住在公共租屋的居民能夠享受到足夠好的服務。但是，考慮到平均主義的因素，智能快遞柜的分布可能會與盡可能充分利用智能快遞柜這一商業目標背道而馳。為此，Teo Chung Piaw教授通過對新加坡政府收集的智能快遞柜的運營數據進行深入分析，發現了一些有趣的現象，即低于1%的居民會選擇使用智能快遞柜，而大部分分布在非商業區的智能快遞柜均未得到充分的利用，主要原因是由于居民們習慣在購物或工作的路上提取包裹。

通過對此課題的研究，Teo Chung Piaw教授發現對于智能快遞柜使用效率低的問題，可以通過適當改變整個智能快遞柜系統規模的大小得到很好的改善。為了解決這類問題，他們首先構建了一個貨柜選擇模型，并通過對影響選擇需求的參數進行刻畫進而實現預測包裹的數量的目標。值得一提的是，他們的方法與傳統思路不一樣的地方體現在，他們的模型不建議把智能快遞柜放在有高峰使用量的區域，這是因為現有的需求數據存在內生性的特點。同時，他們的研究還揭示了過大規模的智能快遞柜分布在過多的智能快遞柜點將明顯降低每個智能快遞柜的使用效率，恰當規模的智能快遞柜布局對配送最后一公里中的智能快遞柜系統概念具有重要的意義[4-5]。

Teo Chung Piaw教授通過這次報告，與參會的師生們分享了具有新加坡特色的智能城市構建框架，強調了數據驅動和運作優化結合是未來的主流研究趨勢，為數據驅動的優化方法研究指明了方向。

3.基于臨床數據的門診預約安排

醫療大數據一直是政府和民眾最為關心的民生問題之一，特別是在現在門診隊長如龍的窘境下，如何通過數據驅動的醫院運作管理使得民眾看病效率得到顯著提高是一個熱門話題。鄭智超博士在此次論壇中匯報了利用新加坡一家醫院的臨床數據研究門診預約安排的問題。在門診安排中，一個常見的現象是有一大部分患者在網上預約后不準時出現或不出現，該行為會對新患者和隨訪患者的門診預約系統產生嚴重的影響，大大降低了門診接待患者的效率。鄭智超博士指出傳統的研究主要集中在新患者身上，并只考慮等待時間對不出現行為概率的作用。然而，他們通過分析新加坡一家醫院的綜合臨床數據，證明了等待時間對隨訪患者的不出現行為影響并不大。事實上，如果門診系統能夠讓他們的預約根據自身要求重新安排，他們的不出現概率將大幅度下降。相反，如果這些預約是由醫院門診重新安排，不考慮患者的實際需求，則患者不出現的概率將顯著增加。相比之下，新患者只關心等待時間，對于是否自身啟動重新安排并不敏感[6]。

鄭智超博士等的研究發現為門診患者預約不出現行為提供了有用的管理啟示。首先，門診可以策略性地促進后續患者的積極重新安排，以減少無患者的產生；第二，通過這種重新安排釋放的床位可以提供給新病人，由于等待時間被縮短，新病人的出勤率會顯著提高。這些策略可以協同使用，從而減少不出現行為和提高門診效率。鄭智超博士分享的大數據研究在醫療行業的使用情況給研究者拓展了新的研究思路。

（二） 共享企業的供給與需求匹配問題

在共享企業的供給與需求匹配問題方面，總共有3場相關的報告。這些報告包括前瞻性買家和賣家的共享企業定價和供需匹配、帶有柔性的不平衡網絡能力設計和匹配以及多式聯運空集裝箱管理與協調等。

1.考慮前瞻性買家和賣家行為的共享企業定價和供需匹配策略

陳祎偉博士以當下流行的出行共享平臺為例，如Uber、Lrft、滴滴公司等，描述了當司機和乘客都具有前瞻性行為時，共享企業如何采取最優的動態定價和供需匹配策略使得自身的利潤最大，而且引發了一個思考，即“哪一種價格策略更有效，是動態定價，還是固定定價？”為了便于問題研究，他們假設買家和賣家都是服從泊松過程而隨機出現的，共享平臺根據買賣雙方的買賣價格進行動態決策，并在買賣雙方同意交易后進行匹配決定，買家和賣家雙方有交易需求后可以戰略性地等待更適合的價格。在理論上該問題是一個較難分析的多維機制設計問題，他們提出了一個簡單的啟發式策略，即向買方收取固定要價，向賣方提供固定買價，加上價格調整作為對預期等待成本的補償，以及先到先得的貪婪匹配策略。這些固定的基準價格在預期的情況下平衡需求和供給，并可以實現有效計算。同時，等待調整的詢價和投標價格過程是時間依賴性的，并且在開始和結束時傾向于具有相反的趨勢。在這種啟發式策略下，前瞻性的買賣雙方并沒有等待，他們為這個啟發式策略提供了一個原始依賴的績效保證，并表明它對于中間平臺來說是漸近最優的，即隨著需求和供應量的增加，等待時間的補償可以忽略不計。

陳祎偉博士等的研究結果表明，異質買家和賣家的隨機出現行為本身可能不足以證明動態定價的合理性[7]。Uber每五分鐘更改一次價格以快速匹配供給和需求，他們的研究卻發現，如果基本市場狀況不發生明顯變化并且是市場規模較大時，Uber的動態定價策略不是最優的，相反應該采取靜態的定價策略。這是由于隨著平臺交易量的增加，峰值定價的收益也會減少，并且大幅度上漲定價可能會減少乘客數量，并引起乘客和司機戰略性地選擇其他平臺。他們的研究對共享平臺的動態供給與需求匹配策略提供了指導性建議。

2.帶有柔性的不平衡網絡能力設計

謝金貴博士從企業柔性出發，對網絡的能力設計研究進行了匯報，他們的研究在于分析不平衡網絡中有效匹配供給與需求的問題。柔性通常被視為企業將供給與不確定需求相匹配的能力，一定程度的柔性可以遏制由不確定的需求引起的損失，而缺乏柔性可能會導致嚴重的損失。由于柔性在現實商業活動中扮演著非常重要的角色，其已被并入了許多系統和網絡。例如汽車制造商已經使用靈活的生產系統來有效地滿足不確定的需求，服務提供商已經使用交叉培訓代理來服務于多種類型的客戶。然而，柔性并不總是有益的，雖然一些公司通過使用柔性獲得了競爭優勢，但有些公司并不是非常成功。例如醫院引入了床位管理的柔性，但因此面臨嚴重的患者溢出問題。由此可見，如果網絡設計不佳，則柔性可能無法使網絡受益，甚至不利于系統性能。endprint

為了解決該問題，謝金貴等提出應該如何設計可以更好地利用柔性網絡的問題。在報告中，他們提出一種具有柔性的設計模型，并使用節點近似分析來估計網絡中節點的溢出，其目的是通過為每個節點分配能力來最小化網絡中的總溢出成本。他們給出了一個明確的啟發式解決方案，最小化網絡中的最大節點溢出概率[8]。另外，通過考慮溢出成本和節點空閑成本，他們討論了總能力設計和分配問題。最后，在案例研究中展示了如何重新設計能力，以便更好地控制病人的溢出。

3.多式聯運空集裝箱共享與匹配問題

馬利軍教授匯報了多式聯運空集裝箱庫存共享與匹配問題。他們主要專注于多式聯運中無水港對提高空集裝箱管理與匹配效率的問題。考慮由一個在無水港的一家鐵路運輸公司和一個在海港的班輪公司組成的聯運運輸系統，首先描述了集中式模型中無水港和港口之間的最優配送策略以及最優策略如何隨著無水港和海港空集裝箱初始數量發生變化；接下來，設計了一個雙邊回購合同來協調分散決策下的參與主體，得出分散模式下的鐵路公司和班輪公司之間的庫存共享均衡以及在給定雙邊回購合同下的均衡交付量。此外，他們通過選擇適當的合同參數來協調分散決策，并展示如何在兩家公司之間分配集中決策系統的利潤[9]。

（三）共享經濟下服務管理和風險控制

在共享服務型企業的風險和發展問題方面，總共有5場相關報告，包括共享經濟下服務和服務科學的研究思考、支持消費者在共享平臺購買和銷售二手商品是不是“綠色”舉措、眾籌模式的風險控制和收益分配策略等方面。

1.共享經濟下的服務管理

楊善林院士對服務和服務科學的研究進行了深入淺出的匯報，引用了很多工業界中的成功企業案例系統地分析服務的發展、分類和研究前沿。楊院士指出，服務科學是指把計算機科學、運籌學、產業工程、數學、管理學、決策學、社會科學和法學等既定領域內的工作相融合，研究在面向服務的全球經濟環境下所必需的相關技術、專業技能和商業模式。服務科學是社會科學、自然科學、技術科學和人文科學交叉形成的科學，是社會和技術共同演進的產物，重視應用，實用性強，與社會、經濟、科技、教育、文化等發展日漸密切。它不僅研究戰略、結構、運作、營銷，還研究服務需求、服務定位、服務績效、服務文化、服務創新、服務策略、服務產品、服務定價、服務品牌等等。

最后，楊院士指出共享經濟在未來將成為重要的經濟模式，但其發展也面臨著諸多難題。例如，第一，當前占主導地位的經濟社會管理制度是建立在工業經濟和工業化大生產基礎上的，強調集權、層級管理、區域與條塊分割等管理方式，注重事前審批和準入。然而，基于網絡的共享經濟具有典型的網絡化、跨區域、跨行業等特征，許多傳統的制度變得越來越不適用于快速發展的共享經濟。第二，當前許多新業態游走在監管的灰色地帶，如股權眾籌在我國還處于法律與監管的模糊地帶。有些創新實踐則面臨不合理的制度要求，如從事互聯網教育的企業被要求配置線下教學用地，否則不予審批；一些地區要求從事網絡出行服務的專車需要具有運營資格，等等。如按現有法律和制度要求，多數共享經濟模式都有“違法”嫌疑，面臨隨時都可能被叫停的滅頂之災。諸如此類的問題還有很多，共享經濟的發展對現有的政策、制度、法律提出了新的挑戰，也在倒逼監管部門研究、制定適應共享經濟發展的政策體系，創新和完善監管方式與手段。第三，共享經濟發展大大降低了諸多行業的進入門檻，共享型企業擁有顯著的成本優勢、創造無限供給的能力、趨近于零的邊際成本，使傳統企業面臨巨大競爭壓力。在具有排他性的壟斷市場中，共享型企業的進入及其快速擴張的發展態勢沖擊著原有的商業邏輯和經濟秩序，直接引發了社會財富和利益的重新分配，不可避免的會遇到來自既得利益者的質疑和阻撓[10]。

2.支持消費者在共享平臺購買和銷售二手商品是否為“綠色”舉措

陳友華教授等提出是否應該支持消費者在二手市場平臺進行買賣。他指出目前已經有多家品牌公司推出了共享（如P2P）平臺，以支持客戶發布、銷售和購買二手商品。這些共享平臺被視為二手市場，其中二手商品從不想擁有他們的消費者手中傳遞給想要他們的消費者手中，這是避免資源浪費常見的一種方案。這些公司通常會將其宣傳為“綠色”計劃。然而，如通常認為的那樣，二手市場將會減少公司新產品的銷售，從而損害其財務收入。因此，他們的研究目標是解決以下兩個問題：支持客戶通過二手市場出售二手商品能否增加企業利潤？是否為“綠色”舉措？他們的研究發現，鼓勵二手交易不僅能夠為公司帶來更大的收益，同時對環境保護具有重要的作用，但這種結果很大程度上取決于產品的再利用價值和新興產品的相對價值[11]。

3.眾籌模式下的收益分配

眾籌一詞來源于對Crowfunding一詞的翻譯，即大眾籌資或群眾籌資，簡單地說就是一種向群眾募資，以支持發起的個人或組織的行為。這其中包含三大運作主體：項目發起人、平臺和跟投人。眾籌的特點是多樣性、低門檻、依靠群眾的力量、注重創意等。關于這種新型投資方式，Mabel C. Chou等探討了眾籌模式的收益分配問題。Mabel C. Chou教授結合親身經歷的投資過程，詳細分析了眾籌融資模式下投資者的選擇行為。與傳統投資不一樣的是，眾籌平臺往往沒有投資資金要求，投資者可以根據自身的風險承擔能力選擇相應的投資項目，眾籌平臺收集到資金后分配給相應的眾籌項目發起人，在獲得收益后眾籌平臺再把收益分配給投資者。因此，Mabel C. Chou等的研究聚焦于以下問題：投資者的投資風險和回報是什么？為了吸引更多的資助者，眾籌平臺需要采取哪種利益分配策略[12]？他們通過給每個投資者一個相應的服務水平形式，引入了一種基于歷史信息分配的算法，很好地解決了眾籌模式下的利益分配問題。

4.共享經濟模式下的風險分擔

陳新教授從Uber公司、滴滴公司等能力共享到零售商合作共享，保險市場等的案例中得出為什么現實中需求共享，以及共享經濟存在的必然性。以共享經濟為背景，陳新等考慮了一個風險分擔問題，其中代理人將其隨機成本匯總在一起，并尋求分配規則，將風險重新分配給每個代理人。他們將該問題放入合作博弈框架中，主要解決兩個關鍵問題：合作博弈理論中的核是否存在以及合作聯盟是否穩定？當代理人的風險通過連貫的風險度量來衡量時，他們構建了基于對偶理論的風險分配規則，確定其穩定性。在將風險度量限制在失真風險度量時，如果隨機成本是獨立的并且對數下降的，則基于二元性的風險分配規則是單調的。對于依賴正態分布隨機成本的情況，他們確定出了依賴結構的簡單條件以確保單調性[13]。他的研究成果能夠廣泛運用于解決共享經濟模式下的風險分擔問題，為共享經濟的風險管理問題奠定了基礎。endprint

三、研究總結與展望

（一） 研究總結

綜上所述，互聯網+共享經濟下的運作管理已經取得了較大進展，特別是在互聯網環境下數據驅動的運作管理。隨著信息技術的飛速發展，數據的存儲和獲取變得越來越容易，在此背景下，基于數據驅動的運作管理研究越來越受到重視。傳統的學術研究大都是問題驅動，即在了解企業運作問題之后提出解決方法或理論指導。而現實的商業環境越來越復雜，表現的問題也越來越多樣化，在這種情況下已經很難直接發現企業運作問題的本質。但是，值得注意的是Teo Chung Piaw教授指出，更多的數據并不意味著更多的價值，他強調要做好互聯網環境下數據驅動的運作管理，需要做好以下三點：（1）更深刻地理解現實生活中的運作。（2）更有效地整合數據、模型和決策。取決于我們是否擁有合適的數據以及合適的預測模型。（3）更好的模型去處理不確定性和未知的數據。我們的模型在有錯誤信息輸入的時候是否穩定，并且能夠在擁有更多數據時改善模型[4]？做好上述三點，基于數據驅動的運作管理才能真正意義上促進數據與運作管理的有效結合，并為企業的運作管理決策提供有價值的指導意義。

同時，與會專家學者一致認為共享企業運作的核心問題在于“聚攏需求”和“供需匹配”。因此，本次論壇的多篇學術報告圍繞共享企業的供給與需求匹配問題、共享經濟下服務管理和風險控制進行展開，為與會者以及后續研究者提供了新的思路，如買賣雙方行為在共享經濟中的引入，供需匹配的動態價格模型，眾籌融資的收益模型刻畫和利益分配策略，共享經濟模式下的風險刻畫和風險分擔方式等。

（二） 研究展望

“互聯網+共享經濟”下的運作管理已經成為一個全新的熱點方向。如何結合共享經濟的運行數據以及企業面臨的運作管理問題，提出一種符合共享經濟運作模式的運作管理理論和方法，對發展共享經濟具有重要的推動作用。因此，結合論壇報告的研究熱點以及國內外關于共享經濟的相關研究，本文提出以下幾點未來可能的研究方向。

1.基于數據驅動的共享經濟服務模式供給與需求預測

傳統的運作管理問題，企業只需通過對產品定價來影響需求，然而在共享經濟平臺中，平臺需要同時平衡供給和需求兩方，這給傳統的運作管理理論帶來一定挑戰。在共享經濟模式中經常出現供給和需求不匹配的現象，如滴滴出行、Uber公司，通常遇到高峰期時乘客需求過多而可用車輛過少，低峰期時車輛過剩而乘客需求不足的現象，那么在這種情況如何采取有效的方法來預測供給和需求量是值得關注的。未來的研究可以結合企業的運行數據來挖掘消費者的購買行為以及供給方的供給行為，借此來預測不同運作模式下的供給與需求量。

2.數據驅動的共享經濟服務模式定價與匹配機制

除了供需平衡是企業關注的核心問題之外，供需如何匹配也是共享經濟模式的核心難點問題。而與傳統的供給匹配需求不同，共享經平臺下的供給和需求都是自我調整的，這就給匹配帶來很大的挑戰，如在滴滴平臺，在一個區域同時產生多個訂單，如何通過構建有效的匹配策略讓司機來匹配乘客需求。在匹配過程中，如果需求類型不同、供給的類型也不同時，匹配策略又該如何調整等等。未來的研究需要通過分析共享企業運營數據來構建有效的定價和匹配模型實現供給與需求匹配。

3.多共享企業競爭下盈利模式選擇與運作決策

當前共享企業的同質化競爭越來越明顯，如共享單車方面有ofo小黃車、摩拜單車、小鳴單車等。在同質化競爭下，共享企業間往往采取價格競爭策略，并通過資本投入來不斷擴充市場。如何在激烈的競爭中創新共享企業盈利模式以及在該模式下的高效運作策略是決定共享企業能否成功生存的關鍵。未來的研究需要考慮多共享企業競爭下的盈利模式分析，通過數據分析來找到影響盈利的關鍵因素，并把其融入共享企業的盈利決策模型中，通過機器學習等方法找出適合不同競爭模式下的運作決策優化方法。

參考文獻：

[1]國家信息中心信息化研究部和中國互聯網協會分享經濟工作委員會.中國分享經濟發展報告2016[R/OL].2016-2-29[2017-5-10] .http：//www.sic.gov.cn/News/250/6010.htm.

[2]DAVID S L. Data-driven research in revenue management[J]. Massachusetts Institute of Technology， 2017， Working Paper.

[3]FERREIRAK J，BINHL， DAVID S L. Analytics for an online retailer： demand forecasting and price optimization[J]. Manufacturing & Service Operations Management， 2016， 18（1）： 69-88.

[4]CHUNG P T. Data driven research in operations and supply chain management[J]. National University of Singapore. 2017，Working Paper.

[5]CHUNG P T. Efficiency-fairness trade-offs： the case of the federated locker system[J]. National University of Singapore， 2016，Working Paper.

[6]JIA Y L， JIN G X， KUM K Y， ZHI C Z.Effects of rescheduling on patient no-show behavior in outpatient clinics[J]. University of Science and Technology of China， 2016，Working Paper.https：//ssrncom/abstract=2783646.endprint

[7]YI W C， MING H. Pricing and matching with forward-looking buyers and sellers[J]. Singapore University of Technology and Design， 2016，Working Paper.https：//ssrncom/abstract=2859864.

[8]JIN G X. Capacity design and allocation in unbalanced networks with flexibility[J].University of Science and Technology of China， 2017， Working Paper.

[9]YANG Y X， XIAO Y L， LI J M， H M Y.Empty container management and coordination in intermodal transport[J]. European Journal of Operational Research ， 2016 ， 257 （1） ：223-232.

[10]SHAN L Y. Reflections on service and research of service science[J]. HeFei University of Technology， 2017，Working Paper.

[11]YOU H C. Supporting customers to sell used goods thru P2P： profitability and environmental implications[J].City University of Hong Kong， 2017，Working Paper.

[12]Mabel C C， CHUNG P T， ZHI C Z. The benefit of scale： crowdfunding risks and returns[J]. National University of Singapore， 2017，Working Paper.

[13]XIN C. Stable risk sharing and its monotonicity[J]. University of Illinois at Urbana-Champaign， 2017， Working Paper.

Operation Management under Internet+Sharing Economy：

Research Hotspots and Prospects

ZHOU YongwuZHONG YuanguangXIE WeiLIN Xiaogang

（School of Business Administration， South China University of Technology， Guangzhou， 510641， Guangdong， China）

Abstract： With the rapid development of Internet technology， especially the upcoming mobile Internet era in recent years， sharing economy has witnessed the development which we never had and has attracted close attention from different sectors in all walks of life. Under such circumstances， the School of Business Administration， South China University of Technology hosted the international forum of Operation Management in time of “Internet+Sharing Economy”， in which the latest internationally frontier exploration in this field was discussed. The contents of the report concerning the forum includes the following three areas：“datadriven operation management in the environment of Internet”， “matching problems related to supply and demand between sharingeconnomy enterprises”， “service management and risk control under sharing economy”. In this paper， we first summarized the important research achievements talked about in the forum and the problems faced by the sharing economy companies. Then， we established three possible future research directions to guide the further study of sharing economy.

Key words：Internet+sharing economy； operations management； datadriven

收稿日期： 2017--endprint