大數據在供應鏈管理中的應用

摘要：在大數據時代，供應鏈面臨前所未有的機遇和挑戰，企業可以依托大數據技術來提升供應鏈管理水平。本文主要以供應鏈管理中的大數據技術為重點進行研究，包括大數據的數據類型、數據質量以及數據處理流程，分析了大數據在供應鏈中的各環節：產品研發與制造、采購、物流、銷售中的應用，為企業科學管理和決策提供支持。

關鍵詞：大數據；大數據分析技術；供應鏈管理

1 大數據的發展現狀

在過去的數年中，信息技術在社會、經濟、生活等各個領域不斷滲透和推陳出新。新興信息技術與應用模式的涌現，使得全球數據量呈現出前所未有的爆發式增長態勢，國際數據公司（IDC）的數字宇宙研究報告稱：2011 年全球被創建和被復制的數據總量超過1.8ZB，且增長趨勢遵循新摩爾定律（全球數據量大約每兩年翻一番），預計2020 年將達到35ZB。與此同時，數據復雜性也急劇增長，其多樣性（多源、異構、多模態、不連貫語法或語義等）、低價值密度（大量不相關信息、知識“提純”難度高）、實時性（數據需實時生成、存儲、處理和分析）等復雜特征日益顯著。大數據時代已經到來。大數據正在重新定義社會管理與國家戰略決策、企業管理決策、組織業務流程、個人決策的過程和方式。

在現今的大數據時代，大數據應用正逐步成為我國經濟新的增長點。易觀智庫新近發布的《2014 中國供應鏈大數據市場專題研究報告》顯示，在2014年中國供應鏈大數據份額中，零售業、制造業、服務業（非金融）、醫療業占據了約83%的市場份額。該報告把供應鏈大數據分為結構數據、非結構數據、傳感器數據及新類型數據四種，涵蓋了交易數據、時間段數據、庫存數據、客戶服務數據、位置數據等各個方面，且該報告顯示，目前，大數據已經被廣泛應用于供應鏈上各個環節。

供應鏈中產品研發與制造、采購、物流、銷售等重要環節，數據量都十分巨大。面對海量的數據，大數據技術能夠通過構建數據分析中心，深度挖掘數據背后的信息價值，將大數據作為企業的戰略資源，充分發揮大數據在企業戰略規劃、商業模式創新以及運營管理提升等方面的優勢，為企業科學管理和決策提供支持。

2 大數據在供應鏈管理中的影響因素

要在供應鏈管理中有效的運用大數據，首先需要收集大數據，建立大數據庫，具備大數據的分析、整合能力。大數據的數據類型、數據質量、大數據分析技術等是重要的考慮因素。

2.1 大數據的數據類型

一般來說，大數據的數據類型包括以下四種類型：（1）結構數據；（2）非結構數據；（3）傳感器數據；（4）新類型數據。

結構數據指那些在電子表格或是關系型數據庫中儲存的數據，這一類型的數據只占數據總量的5%左右（Cukier，2010），主要包括交易數據和時間段數據。現在的大數據分析主要以這一類數據為主，其中重要的結構數據來自企業的內部或者外部的管理信息系統，如ERP等。這些數據屬于企業的自身資源，結構化水平高，收集相對容易，處理此類結構化數據相對簡單，主要是構造表結構用來表示數據的屬性，對數據間的相關屬性與數據的意義進行分析。

非結構數據主要包括社會化數據、渠道數據以及客戶服務數據等等。盡管社會化數據對于供應鏈運營管理的作用是十分重要的，比如利用社交媒體數據來指導企業進行供應鏈活動的規劃以及社交媒體數據對供應鏈績效產生影響等等，但是社會化數據對供應鏈影響的研究卻相對缺乏。然而，而要想從內容豐富的非結構化數據中挖掘出商業智慧，就需要使用不同的研究方法和度量方式，包括描述性分析、內容分析以及網絡分析等。

除了上述兩種主要的大數據類型外，還有傳感器數據和新類型數據。傳感數據主要包括RFID 數據、溫度數據、QR 碼以及位置數據，這類數據增長很快，并能為供應鏈金融帶來巨大商機；新類型數據主要有地圖數據、視頻數據、影像數據以及聲音數據等，這類數據多用于可視化領域，并能夠幫助提高數據質量，使數據的實時性更強、提高了數據分析的精準度。

2.2 大數據的數據質量

供應鏈大數據的質量直接影響了其可用性。如果采用低質量的數據，對供應鏈的決策不僅沒有幫助，反而會起到相反的作用。現代企業供應鏈情況瞬息萬變，對供應鏈大數據的質量也提出了較高的要求。

雖然現在對于數據質量評價還沒有統一標準，但是大家一致贊同數據質量評價應包含多個維度指標。Lee 等（2002）指出數據質量的評價應包括數據內在（Intrinsic）要求和情境（Contextual）要求。內在要求指數據本身所具有的客觀屬性，包括數據的準確性、及時性、一致性和完整性。情境指數據的質量依賴于數據被觀察和使用的情境，包括關聯性（Relevancy）、價值增值性（Value-added）、總量（Quantity）、可信度（Believability）、可及性（Accessibility）、數據聲譽（Reputation of the Data）。

2.3 供應鏈管理中大數據的處理過程

不同類型的大數據，其處理方面有所不同，但其處理過程基本上是一樣，主要步驟包括：數據采集、數據處理與集成、數據分析和數據解釋四個階段，如圖1所示，采集到的數據經處理和集成后，轉換成統一標準的數據格式，然后用相應的數據分析方法將其進行分析處理，最后用可視化的技術將結果展現出來。

（1）階段一：數據采集

目前供應量中大數據來源非常廣泛，常用的采集方法有：企業內部和外部的管理信息系統、搜索引擎的數據檢索工具、各類傳感器、RFID以及條形碼掃描技術等。隨著手機和平板電腦等移動終端設備的迅速普及、各類APP軟件的大量下載使用，數據采集的數量和精度不斷提升。

（2）階段二：數據處理與集成

數據的處理與集成階段的主要任務是對數據采用合適的方法進行適當地處理、去噪和進一步地集成存儲。

由于數據來源廣泛，注定了大數據的多樣性特征。如果這些數據不經過初步處理，進行高質量的數據分析將會非常困難。因此，在采集數據后，一般還要進行數據的處理與集成將這些多樣化的數據轉換為便于處理的較為單一結構的數據。當然，并不是所有數據都是有效的和相關性高的，這些數據還需要“去噪”，忽略無效數據，才能保證數據的有效性和可靠度。

（3）階段三：數據分析

大數據處理流程中核心的階段是數據分析，因為零亂的數據是沒有價值的，只有通過數據分析步驟，才能挖掘到大數據的真正價值。在數據分析階段，根據不同的應用需求，數據分析各有不同，常用的方法有統計分析、模型預測、智能算法、數據挖掘、機器學習等。

（4）階段四：數據解釋

從供應鏈的應用方面來說，數據解釋的結果才是最有意義的。才是隨著數據量的變大以及用戶對數據分析維度的增加，傳統的以文本形式輸出的數據展示方式已不能滿足數據用戶的需求，一種被稱為“數據可視化技術”數據展示方式開始出現，常見的方式有基于集合的可視化技術、基于圖標的可視化技術、基于圖像的可視化技術等，在數據可視化技術的幫助下，用戶可以很形象地獲得數據分析結果，對結果的理解和接受也更直觀。

3 大數據在供應鏈各環節中的應用

供應鏈由產品研發與制造、采購、物流、銷售等主要環節構成，各環節節節相扣，任何一個環節出現問題都會影響到其他環節的運作，影響整個供應鏈的運行效率。大數據對每個部分都有著重要的影響，具體分析如下：

3.1 大數據在產品研發與制造中的應用

產品的研發是企業生存和發展的基石，在市場環境變幻莫測的今天，只有推出更好的產品以滿足客戶不斷變化的需求，企業才能生存和發展。運用大數據可以更好的了解和掌握客戶的需求，設計出迎合市場的產品。

（1）客戶細分與定位

由于客戶的所從事行業、收入水平、個人愛好等方面差別很大，所以對產品的需求存在很大差異，企業需要對客戶進行細分，主要是根據他們表現出來的特征相似程度來劃分，基于這些將其分成若干用戶群。從劃分的各個客戶群來看，雖然這些細分的群體內部特征相似度很高，但是在群體之間有著顯著差異。因此，企業須對不同客戶群的需求提供不同的產品或服務。而通過用戶的大數據則能對客戶行為模式等進行準確判斷與分析，從海量的客戶信息中進行篩選，精準的對客戶進行細分和定位。

（2）客戶需求分析

不做客戶需求分析的企業，產品不可能有創新。以前企業研發產品，是根據市場調查來獲得消費者的意見，并憑借研發部門的對產品的理解和判斷來進行產品的設計決策，主觀性較大。而大數據的出現徹底打破了這種舊的思維模式，大數據對客戶購買產品的欲望、用途、功能、款式進行逐步發掘，將客戶心理模糊的認知以精確的方式展示出來，來確定產品的最重要的價值及特點。大數據不僅可以促進設計滿足顧客需求，還可以降低生產成本與開發成本。

3.2 大數據在采購中的應用

采購本質上是指購買商品和服務的過程，企業的大多數成本都來自此環節，其主要作用是選擇供應商、采購合約、評估供應商效益等。然而，在大數據時代，供應鏈中采購的作用并不限于此，大數據不僅可以幫助改進企業成本控制的流程，還能幫助企業制定采購決策，從而應對未知風險。

（1）采購計劃的預測和調整

采購計劃是整個供應鏈的源頭，顧客偏好是顧客滿意度的一個重要影響因素，因此，基于客戶端產生的大量數據信息，通過大數據分析技術、預測模型可以得知顧客對商品的偏好及該商品的需求量，從而根據商品來自于哪家供應商即可確定企業采購部門應當選擇的供應商，并根據實際情況，注重對供應商質量、價格、服務等方面行事前審核和監控，憑借大量的數據信息確立更為合理的供應商評價指標體系，對供應商各方面情況進行綜合調查，進而選擇質量可靠、價格合理、服務優良、信譽良好的供應商，確立其名錄，以便之后進行供應商管理，從而達到擇優而錄的同時提高供應商的服務水平。這樣，不僅可以避免傳統采購方式的主觀因素、降低采購風險，還能給顧客帶來更佳的用戶體驗。

（2）與供應商建立戰略合作伙伴關系

企業采購部門通過數據平臺給供應商提供需求信息、反饋物資使用情況，與供應商共享更多的信息，從而與供應商建立良好的合作關系，并利用供應商評價體系幫助供應商建立起促進和保證質量的機制，以提高產品質量和性能，降低采購風險，真正實現以“雙贏”為目的的戰略聯盟。

3.3 大數據在物流中的應用

物流是供應鏈中的一個重要環節，現如今物流發展迅速，但是物流的成本問題任未得到很好的解決，利用大數據技術，可以進行庫存優化、運輸路線和資源的合理配置等，降低物流成本，提升物流速度和效率。

（1）庫存優化

倉庫在供應鏈管理中的主要作用是對于物品的存放提供空間，在物流的有些管理中也成為配送中心。傳統的庫存管理中的問題是企業的存貨的時間比較長，不利于物品的價值增長。大數據基于此設計了相關戰略中心管理倉庫，能夠充分從交通、距離等各種因素中篩選出最優方案，包括路線、時間等。另一方面，利用大數據技術和平臺可以與供應商實時共享庫存信息和數據，供應商通過實時掌握企業的庫存、銷售預測及采購需求，而合理安排生產及供應，這樣可以大大降低庫存量、庫存成本，提高庫存周轉率。

（2）運輸路線和資源的合理配置

物流環節中成本最大的部分就是運輸環節了，運輸的五種基本模式分別是鐵路運輸、公路運輸、水路運輸、管道運輸及航空運輸。每一種運輸模式都有優點和缺陷，比如航空運輸雖然速度快，但是成本過高，而且對于重量也有限制。水路運輸和鐵路運輸與航空運輸相比，速度較慢、成本較低。大數據分析可以對物流路線進行智能路線優化。智能路線優化是基于全球定位系統的處理，能夠根據導航系統對于路況信息進行整合分析得出相關最優路線，進而提高運輸效率。另外，每一種運輸模式都需要運輸工具，比如汽車、飛機、火車等等，運輸工具對于供應鏈企業來說是資源，是有限的，可以通過互聯網和全球定位系統對運輸工具進行追蹤和數據收集，了解運輸工具的位置和承運情況，合理進行規劃和調配運輸資源。

3.4 大數據在銷售中的應用

（1）更優定價

在對客戶需求預測基礎上，應用大數據技術還可以分析顧客對于質量與價格之間的偏好，分析其中的關系就可以進行合理的定價。給每一類客戶群體編號，然后通過客戶的消費金額、消費商品、售后服務等行為采集他們的相關數據，再用大數據系統建立特定模型，對每個顧客的海量數據進行分析，分析出每個顧客的消費習慣、近期可能需要的商品、對商品價格的偏好等，并用商品知識庫的數據分析與其他商品是互補還是替代關系，以此合理地制定商品價格并且有針對性地及時調整促銷計劃。從而在合理定價的基礎上，提高銷量、降低庫存，最終達到收益最大化。

（2）個性化商品推薦

消費者需求對整個供應鏈的運作起著重要的驅動作用，深入挖掘消費者的消費需求，尋找新的利潤增長點，成為企業競爭力的關鍵。作為直面顧客的消費數據，無論對企業還是消費者自身都蘊藏著巨大的價值。大數據環境下的企業，通過對消費者個性化用戶行為分析，包括購買時間、地點，訂單品類、數量，消費回饋、評價等相關數據的分析，對消費群體、行為、偏好、需求、層次、水平等進行系統區分和深入挖掘，進行個性化商品推薦，做到精準營銷。同時在建立對消費者消費行為預測的基礎上，有效引導消費。消費者可以根據大數據平臺智能決策系統，以最低的價格，購買到更好的產品和服務，充分獲取產品的溢價價值。

4 結論

本文首先對供應鏈管理中大數據的理論進行了梳理，對供應鏈管理中大數據的數據類型、數據質量、數據處理流程進行了分析。而且大數據在供應鏈中采購、制造、物流、銷售四個環節的應用，促進了企業供應鏈的優化，提升了企業的核心競爭力。當然，在使用大數據技術時，企業還要根據企業自身的實際情況做出動態調整，尋找最適合企業的大數據應用方法，促進企業供應鏈管理的優化升級。

參考文獻：

[1]馮芷艷等.大數據背景下商務管理研究若干前沿課題[J].管理科學學報，2013（1）：1-8.

[2]徐宗本等.大數據驅動的管理與決策前沿課題[J].管理世界，2014（11）：158-163.

[3]成棟，陳思潔.供應鏈管理中的大數據運用[J].現代管理科學，2017（8）：9-11.

[4]岳鵬博.基于互聯時代的供應鏈協同平臺創新與發展研究[D].武漢：華中科技大學，2014.

[5]閆志鑫.大數據對零售業采購與供應鏈管理的影響[J].中國市場，2015（11）：85-87.

[6]朱曉靜.大數據對企業供應鏈的影響芻議[J].中國包裝，2016（8）：77-81.

[7]申風平，黨源源.大數據在生鮮電商供應鏈中的應用研究[J].江蘇商論.2016（10）：18-21.

[8]陳智永等.大數據分析技術在跨境電商中的應用研究[J].中國商論.2016（3）：126-128.

[9]張晶.大數據應用：提升物流供應鏈價值[J].物流技術.2015（2）：25-28.

[10]徐賢浩，馬士華.物流與供應鏈管理導論[M].清華大學出版社，2011.

作者簡介：

章印，女，1984-，安徽績溪人，碩士，講師，蘭州財經大學信息工程學院教師，研究方向：供應鏈管理。