大數據對企業物流成本的影響研究

施愛芬

摘 要：目前，大數據正以各種方式影響著企業的成本。物流成本作為企業的“第三利潤源泉”，在兩個大量提供利潤的領域（資源領域，人力領域）潛力越來越小，利潤開拓越來越困難的情況下，按時間序列排位“第三利潤源泉”的物流領域的潛力被人所重視，降低物流成本可以大大增加利潤。農夫山泉一直以來都被過高的物流運輸成本所困擾，在應用大數據后，農夫山泉明顯降低了物流成本，提高了企業的核心競爭力。本文將以農夫山泉大數據應用為例進行實證研究，具體分析其對農夫山泉物流成本產生的重要影響，從而為其他企業提供借鑒。

關鍵詞：農夫山泉 大數據 物流成本

中圖分類號：F259.2 文獻標識碼：A 文章編號：2096-0298（2018）09（a）-015-02

關于降低物流成本路徑和對策的研究，苗娟認為應加強企業信息化建設，采用總成本管理模式，注重實施“全程供應鏈”管理，供應鏈各環節應協同工作，從而降低企業物流成本[1]。趙芹的研究表明，物流成本信息是一種動態成本信息，會隨時間和條件的改變而改變，因此應注重信息的收集和加工整理，充分運用現代信息技術，以隨時掌控成本的變化，更好地實施成本控制[2]。

在成本控制的研究中，學者們主要從成本控制的優化、控制流程和模式這些方面進行研究，從大數據等信息技術角度去思考企業的成本控制模式和方法的文獻仍然較匱乏。實際上，隨著大數據時代的到來，信息技術在企業財務數據和非財務數據的獲取、處理、分析和應用等方面發揮很大作用[3]。

隨著世界經濟全球化進程的不斷加速，各種成本因素不斷上升，中國瓶裝飲用水利潤空間越來越小，獲得成本優勢成為企業的核心競爭力。大數據分析是優化配置各個部門、各個子公司人力資源的最佳方案。農夫山泉以“大自然搬運工”自居，有十多個水源地，以一瓶水售價兩元為例，其中有三毛錢花在了運輸上，控制物流成本成為核心問題。

1 物流成本的概念

1956年，美國學者斯蒂爾和劉易斯·克林頓首次定義物流成本，他們將物流活動中所發生的費用歸類為物流成本。對于制造企業，商品從生產到銷售整個過程中所發生的有關物流活動所產生的費用皆為物流成本。

我國最早有關物流成本管理理論的定義是出現在2006年出版的《企業物流成本構成與計算》一書中，這相對于西方國家顯然較晚。在我國的定義下，企業因物流活動所產生的費用即為物流成本，是用貨幣將物流活動中耗用的物化勞動和活動表現出來，是貨物在傳送過程中，如包裝、運輸、裝卸搬運、倉儲、流通加工、配送、物流信息處理和物流管理等各個環節支出的人、財、物消耗總和以及與生產息息相關的庫存成本。

2 農夫山泉大數據應用現狀

2.1 大數據的含義及其特點

2.1.1 大數據的含義

大數據是指具有可追蹤、可分析、可量化特性的數據，而對這個意義上的“數據”進行挖掘和分析、依據數據做出商業決策、利用數據提升競爭力則是大數據產業要做的事情。大數據的本質是徹底打破了各利益主體之間的信息不對稱，讓各方更有效率地進行連接。大數據將逐漸成為企業的核心資產。大數據的核心并不僅僅在于具有龐大的數據，更在于對數據的整理分析和挖掘，進而創造出新的價值[4]。

2.1.2 大數據的特點

大數據的特點可以總結為4個V，即Volume（體積浩大）、Variety（種類繁多）、Velocity（高速）和Value（價值巨大但密度很低）。

2.2 農夫山泉的大數據應用

農夫山泉股份有限公司成立于1996年，致力于健康飲用水事業，是中國最大的瓶裝水生產商。農夫山泉在各水源保護區附近擁有7個生產基地及數十家工廠。公司相繼投資28億元在國家一級水資源保護區浙江千島湖、吉林長白山礦泉水資源保護區、湖北丹江口南水北調源頭保護區和廣東萬綠湖建成六座國際領先的飲用水、果汁飲料、功能性飲料及茶飲料生產基地。

一直以來，農夫山泉都被過高的物流成本所困擾。長途運輸，運輸成本較大。農夫山泉堅持水源地建廠，水源地生產，在森林中建立生產基地，生產過程全程在水源地完成。每一瓶礦泉水從生產工廠到消費者市場，都經過了漫長的運輸線路，從大自然遠道而來。優質水源區往往被保護在那些深山老林里，遠離城市運輸樞紐，很多地方的產品運輸半徑都超過500公里。農夫山泉的這種生產模式無疑增加了很多運輸成本。

2011年，德國的SAP（思愛普）公司推出了創新性的數據庫平臺SAP HANA，農夫山泉成為全球第三個、亞洲第一個上線SAP系統的企業，同時在當年9月宣布系統對接成功。有了強大的數據分析能力做支持后，農夫山泉運用大數據技術，銷售、市場費用、物流、生產、財務等數據的計算速度，從之前的24小時縮短到了0.67秒，接近實時計算，這讓之前很多不可能的事情變成了可能，極大地提高了銷售額和市場份額。可以說，大數據是改善農夫山泉發展瓶頸的一大利器。

2011年是農夫山泉引進創新性的數據庫平臺SAP HANA的第一年。大數據分析模型幫助農夫山泉在2011年實現了31.45%的年增長率，在2012年實現了36.27%的年增長率。

3 大數據影響農夫山泉物流成本的表現

3.1 運輸方面—— 優化產品運輸

運輸在整個供應鏈中起到至關重要的作用，科學、高效、合理地對運輸流程進行管理與規劃，有利于提高企業的經濟效益。在保證運輸安全、高效、合理且不大量增加其他環節成本的前提下，盡量降低運輸的各項成本，實現合理化運輸，采取最恰當的運輸工具，選擇最佳線路，盡量減少不必要的運輸環節和運輸成本，從而實現貨物的運輸[5]。

降低物流運輸成本的一個途徑是減少運輸中對資金的占用，縮短運輸周期，降低存儲費用，從而使成本得到節約。對運輸進行合理安排，會降低運輸成本。運輸過程中降低物流成本的方法有加快物流速度、擴大物流量[6]。

農夫山泉的運輸費用占到總成本的20%左右，運費是可口可樂的3倍。在未采用大數據技術之前，農夫山泉的銷售渠道主要是大量的經銷商，這不僅導致農夫山泉對終端零售情況掌握不準確，而且因為每次都需要所有經銷商將自己的銷售情況反饋給農夫山泉，農夫山泉才可以開始做下一銷售季節的銷售預測，這產生了預測和實際銷售的時差問題。這些預測帶來的偏差不僅給農夫山泉帶來運輸成本的增加，而且還導致了某些地區的產品供不應求，而某些地區的礦泉水卻有較大的庫存。

2011年，SAP公司和農夫山泉共同開發基于“飲用水”產業形態中運輸環境的數據場景。利用大數據，農夫山泉計算出一套最優的倉儲運輸方案，使各條線路的運輸成本、物流中心設置最佳地點等信息及時呈現；將全國十多個水源地、幾百家辦事處和配送中心整合到一個體系之中，形成一個動態網狀結構，進行即時的管控。SAP和農夫山泉團隊開發大數據軟件將高速公路的收費、道路等級、天氣情況、配送中心的輻射半徑、季節性變化、不同市場的銷售價格、不同渠道的費用、各個地方的人力成本甚至突發性的需求等實時數據輸入進去，精準管控物流成本，從而大大降低費用。利用大數據分析技術對交通情況數據、天氣情況數據等實現物流狀態預測，實現智能物流路線、智能物流方式選擇，基于GPS（全球定位系統）和GIS（地理信息系統）數據確定最佳路線，縮短物流流程，通過導航搜索實時交通信息和天氣數據并發布到大數據平臺[7]。在物流環節，農夫山泉利用大數據分析技術避免了重復運輸，減少對運輸資源的浪費，降低車輛空載率，降低物流成本。同時，智能化提高也降低了人工成本，讓合適的人去做合適的事。通過分析大數據，可以找到配置各類資源的最佳路徑和最便捷的工作路線圖，從而降低成本、節約資源、提高效率。

農夫山泉采用SAP HANA后，幾乎可以做到實時計算結果。而且經過前幾年對終端點數據的收集，農夫山泉對終端點情況的熟悉度比經銷商還高，開始大幅地削減經銷商的數量，以求將終端點完全掌握在自己手中。現在，農夫山泉可以準確預測銷售從而平衡生產，從而降低物流成本。

3.2 物流配送中心的選址

通過大數據的預測可以讓企業從眾多雜亂的信息中非常輕松簡單地挑選出有效可靠的信息，擺脫過去繁瑣的搜索監測與分辨信息的業務，把大量的信息變成了引導行動的洞察力，節省了大量的時間，從而更加高效、準確地做出了合適的決策。同時，大數據促進了動態化決策，大數據環境的動態性對企業提出了更高的要求[8]。

農夫山泉采用SAP HANA后，精準的管控物流成本將僅僅局限于現有的項目，也可以針對未來的項目，即實現預測功能。以往農夫山泉建立一個物流配送中心要經過長期的考察、論證，還要憑借經驗進行判斷，再形成幾個備選方案。現在，通過大數據智能預測系統，農夫山泉能快速計算出建立一個物流配送中心的成本，從成本方面已經一覽無余。充分利用獲得的數據，可以幫助農夫山泉了解數據里面暗藏的因果關系和事物之間的相關性，從而解決更多難題，促進農夫山泉更好、更快地發展。

4 結論與不足

4.1 結論

大數據環境下的降低物流成本研究對企業來說不僅是一門藝術，更是一種全新的模式。大數據的應用將更多依靠數據的廣泛獲取和知識價值的轉換。農夫山泉合理利用大數據降低了物流成本，明顯提升了企業的核心競爭力，大數據更成為農夫山泉的一種戰略資產。

4.2 不足之處

本文研究還存在以下不足之處：本文在大數據對農夫山泉物流成本影響研究中以定性分析為主，缺少相關的定量分析，需要在以后的研究、調研中加以完善。同時，由于農夫山泉是非上市公司，相關的財務數據沒有在網上進行公開，本文缺少相關具體數據的確定。

在商務部最新發布的《關于促進商貿企業物流發展的實施意見》中指出要鼓勵綠色物流的發展，環保已經成為各行各業都必須關注的問題。但本文的研究還沒有關注到物流活動產生的環境成本，這不利于推動物流行業的綠色發展。在以后的研究中對這些存在的不足之處會不斷進行完善[9]。

參考文獻

[1] 苗娟.供應鏈管理在物流成本管理中的應用[J].山西財經大學學報，2010（11）.

[2] 趙芹.基于信息技術的現代企業物流成本管理研究[J].生產力研究，2011（3）.

[3] 程平，張盧.大數據時代基于云會計的生產制造企業成本控制[J].會計之友，2015（16）.

[4] 張奇.大數據財務管理[M].北京：人民郵電出版社，2017.

[5] 白碧潔，王海元.企業物流運輸成本控制存在的問題及解決對策[J].品牌（下半月），2015（9）.

[6] 關玲玲.物流運輸成本管理問題研究[J].現代經濟信息， 2017（23）.

[7] 王紅春，劉帥，趙亞星.大數據供應鏈與傳統供應鏈的對比分析[J].價值工程，2017（36）.

[8] 胡文俊，鄧虹.大數據對企業戰略決策影響的實證分析——以亞馬遜為例[J].中國戰略新興產業，2017.

[9] 梁偉靜，薛曉芳，李曉智.大數據及云會計背景下制造企業物流成本核算——基于統計與會計相結合的核算方法[J].財會通訊，2016（10）.