大數據驅動下供應鏈物流服務升級路徑研究

馬潔

內容摘要：大數據技術已成為驅動供應鏈物流服務升級的重要力量，企業采用何種路徑應用大數據于服務升級成為一個問題。本文基于企業微觀層面，從分析企業應用大數據進行供應鏈物流服務升級的現狀和問題入手，分析了大數據驅動企業供應鏈物流服務升級的影響機理和可行路徑，并以路徑選擇為目標，以路徑選擇的影響制約因素為準則層，以可行路徑為方案層，構建了層次分析（AHP）模型，并采用模糊綜合評價法基于普遍意義上的企業調研和專家討論對模型指標進行賦值計算，最后得到路徑選擇的排序。論文成果揭示了企業應用大數據進行供應鏈物流服務升級的路徑選擇依據。

關鍵詞：大數據 ? 供應鏈物流 ? 服務升級 ? 路徑選擇 ? AHP法

引言

隨著大數據技術的日益成熟和廣泛應用，已經成為物流業轉型升級不可忽視的驅動力。2014年國務院印發的《物流業發展中長期規劃（2014-2020）》指出，物流業已步入轉型升級的新階段，并明確將加強大數據等技術在物流領域的應用列入七大主要任務之一。2013年中國物流與采購聯合會常務副會長戴定一指出智慧物流是物流的發展目標，而大數據能夠支撐智慧物流的發展，物流行業和企業要利用好大數據，才能夠真正從變革中受益。

企業應用大數據技術升級供應鏈物流服務的現狀及問題

為了了解企業應用大數據技術升級供應鏈物流服務的現狀和問題，筆者對200余家相關企業的中高層管理人員進行了問卷調查。從樣本企業主營業務來看，制造型企業占50.72%，供應鏈或物流服務型企業占26.45%，批發零售型企業占13.77%，三類企業均涉及供應鏈物流服務。從樣本企業規模來看，人員規模20人-1000人的樣本占近80%，年營業收入200萬元-30000萬元的樣本占近70%，可見多數反饋企業為中小型，符合企業規模基本分布。以上樣本基本情況說明問卷收集具有廣泛性和代表性。

（一）企業已認識到大數據的重要性并廣泛應用大數據進行供應鏈物流服務升級

根據問卷調查結果，筆者對不同表述的五級量化評分（最低1分表示非常不同意，滿分5分表示非常同意）進行統計。從認識和行動上，“大數據已成為驅動本機構供應鏈物流服務升級的一個技術背景條件”的平均得分為3.95，“大數據已在本機構供應鏈管理和物流服務業務領域廣泛應用”的平均得分為3.91，可見多數企業已經認識到大數據在供應鏈物流服務升級中的重要性并已加以應用。

（二）企業對內部來源大數據的應用充分且范圍廣

企業對內部的銷售、庫存、采購等業務大數據和客戶、產品、供應商等基礎大數據的掌握最充分，五級量化評分的平均分均超過3.9。而超過60%的樣本反饋既能夠使用這些內部大數據支持庫存調控、市場營銷、采購決策及供應商管理等業務活動，又能將其應用到成本控制和資源整合等管理活動中，涉及的應用范圍廣。

（三）企業對應用大數據進行供應鏈物流服務升級的路徑把握不足

按照技術應用的一般規律，企業應用大數據進行供應鏈物流服務升級往往按應用難度逐步開展，以京東構建智慧物流系統的步驟為例，從通過數據可視化展示業務，到用大數據監控和評估業務，再到依托大數據進行業務預測，最后實現智能決策。調研結果顯示，對本機構已應用大數據實現可視化、業務評估、預測分析和智能決策的評分均高于3.6且非常相近，結合進一步典型樣本調研得知，企業中高層管理人員對應用大數據進行供應鏈物流服務升級的路徑理解模糊，很多企業在路徑的選擇上沒有明確的方法和依據，且在技術條件成熟的背景下，企業對大數據的應用未必都如標桿企業一樣按照應用難度的層次推進。這更加凸顯了路徑選擇的問題。

大數據驅動供應鏈物流服務升級的機理與路徑理論分析

結合大數據的特點及其驅動商業價值的主要方面，可以構建和分析升級路徑和驅動機理，如圖1所示。

（一）大數據驅動供應鏈物流服務質量升級

在企業供應鏈與物流運作過程中產生大量而多樣的數據，大數據技術逐漸應用以來，企業內部有關產、供、銷、存的業務數據和有關客戶、供應商、產品、費率、人員的基礎數據能得以更全面的采集和利用。除此之外，受技術手段的推動，數據來源變得更加廣泛，數據的共享與合作變得更加開放，上下游合作企業和其他外部機構的數據也可加以利用。問卷調查結果顯示，約57%的樣本企業掌握上下游合作企業提供的有關運輸、存儲、客戶、產品等的大數據，而約39%的樣本企業則掌握其他外部機構提供的大數據。基于大量而復雜的數據，企業進行需求預測、管理決策的依據更全面、結果更準確，大數據所支持的相關分析更突出，便于找到和改進影響服務的因素，最終帶來供應鏈物流服務質量的升級。

（二）大數據驅動供應鏈物流服務效率升級

大數據技術對數據處理的速度顯著加快，企業得以在短時間內考量更全面的影響因素進行決策分析。根據問卷調查結果，超過60%的樣本企業關注或已經應用大數據進行優化揀選路線、自動補貨、自動選品等在傳統數據分析技術下難以快速完成的決策。由此得到的決策依據更全面、客戶響應更迅速，有助于進一步促進供應鏈物流的服務效率升級。

（三）大數據驅動供應鏈物流服務功能升級

大數據時代下的數據挖掘技術不斷推陳出新，在將數據進行預處理的基礎上還能進行更有針對性、更具象化、更深入的分析。如基于營銷數據的挖掘可以進行客戶畫像，支持推出各種定制化服務;而基于配送數據的挖掘可以優化配送路線、整合配送資源，支持為客戶或分包商提供諸如網點布局、車型選配等增值服務。這有助于企業延伸供應鏈物流服務鏈條，拓展服務功能，成為轉型升級的一個重要路徑。

（四）大數據驅動供應鏈物流服務模式升級

大數據的廣泛和深入運用逐步提升企業的技術能力和業務能力，有助于加速企業服務模式創新。基于供應鏈上下游數據的分享與分析，核心企業有可能建立大數據技術服務平臺，從業務盈利模式升級到平臺盈利模式。

以上四個方面既是大數據驅動的結果，也是企業應用大數據進行服務升級的可行路徑。

企業應用大數據進行供應鏈物流服務升級的路徑選擇—基于AHP模型

如上所述，企業應用大數據進行供應鏈物流服務升級有四條可行路徑，路徑的選擇受若干因素的影響，采用層次分析法（AHP）和綜合模糊評價法有助于將此類定性問題進行定量分析，將影響路徑選擇的定性因素數據化，將路徑選擇的過程系統化，支持企業更科學地做出決策。

（一）模型建立

該AHP模型的目標層即為路徑選擇，準則層包括8個影響因素，均經過綜合分析，結合調研和專家討論得出，涵蓋了內部影響因素，如資金壓力、人員水平等，以及外部影響因素，如政策環境、競爭環境、技術難度等，考慮了成本收益因素（如投資回報周期），兼顧了數據安全與數據信度效度的影響。可以說，影響因素的選擇全面而客觀。方案層包括服務質量升級、服務效率升級、服務功能升級和服務模式升級四條路徑。每條路徑的選擇受準則層每個影響因素的影響，而企業進行路徑選擇時考慮準則層各個因素的影響權重也各不相同。通過兩層評分可以得到四條路徑的選擇偏好。

（二）構建判斷矩陣及一致性檢驗

本文利用1-9標度法將準則層各因素對目標層路徑選擇的影響進行兩兩比較評分，參考問卷調查及專家討論結果，得到普遍意義上的目標層-準則層判斷矩陣如表1所示，該矩陣的隨機一致性比例CR=0.041577，小于0.1，一致性可接受。 采用同樣的方法可以構建8個準則層-方案層判斷矩陣，評分表明各個因素分別對各條路徑的影響程度對比，一致性檢驗均可接受。

基于目標層-準則層的判斷矩陣，可以計算準則層各項影響因素對于目標層的權重。基于準則層-方案層的八個判斷矩陣，可以計算各條路徑對于各項影響因素的權重，結果如表2所示。

（三）層次總排序及一致性檢驗

基于上述兩層權重，可以進一步計算方案層對于目標層的總權重，得到層次總排序，如表3所示。CR=0.016204，小于0.1，層次總排序的一致性可接受。

結果分析與對策建議

（一）模型計算結果分析

根據模型計算結果可知，從普遍意義上說，8條影響因素對應用大數據進行供應鏈物流服務升級的制約程度從高到低排序依次為技術難度、資金壓力、人員水平、數據安全、投資回報周期、數據信度效度、競爭環境、政策環境。可見外部政策和競爭環境是促使企業應用大數據進行服務升級的最主要推動力，而技術、資金、人力等內部資源狀況對企業決策更起決定作用。

四條路徑按照受影響因素制約程度的總權重從低到高排序為服務效率升級（0.1520）、服務質量升級（0.1741）、服務功能升級（0.2436）、服務模式升級（0.4304）。這表示在普遍意義上，企業應用大數據進行供應鏈服務升級時最為可行的路徑是從服務效率升級入手，其次是服務質量升級、服務功能升級，最不易實現的是服務模式升級。

進一步看，企業選擇服務效率升級和服務質量升級的最主要推動因素是競爭環境和數據信度效度，可見更快速有效的客戶響應、更精準高質的客戶服務是行業競爭的急迫需要，且其所需數據較易獲得，數據準確性和可用性高，如來自企業內部的銷售數據最容易面向客戶快速進行偏好分析，快速和精準的響應客戶需求，而內部來源數據的信度和效度往往較高。

而企業選擇服務功能升級和服務模式升級的最主要推動因素則是國家鼓勵創新的政策環境和推出新功能、占領新領域可能獲得的競爭優勢。功能和模式的升級有助于獲得新的客戶群體和市場份額，是更代表轉型升級方向的路徑。其最主要的制約因素是技術難度和資金壓力，其次是人員水平和數據安全，可見基于大數據技術拓展服務功能和創新服務模式需要深入進行數據挖掘和平臺開發，意味著高技術要求和高資金投入，而技術的高要求和進入新領域的需要都對人力資源和數據安全提出更高要求。

（二）對策建議

普遍而言，面對各項影響因素，企業應首先重視技術研發、資金積累、人力儲備等內功提升，將其作為促進大數據應用、推動供應鏈物流服務升級的主要內動力。其次，企業應正確判斷自身在市場競爭環境中的位置，抓住政策機遇。同時，企業應關注數據安全的可控性，解除大數據應用的后顧之憂。還應通過拓展數據來源和嚴格數據篩選不斷提高數據的可信度和有效度，從而降低數據分析的偏差，保障和提升服務質量。

對于個別企業的路徑選擇而言，應首先根據自身情況對上述8條影響因素制約程度進行評估，結合AHP模型技術結果來選擇適用的路徑。在影響因素評價不同的情況下，不同企業的路徑選擇也不同，如有的企業資金充裕，希望通過轉型升級盡快獲得市場地位，那么用資金購買技術、引進人力，進而升級服務功能或創新服務模式可能是一條合適的路徑;而有的企業希望在既有細分市場深耕細作，企業內部人、財、力等資源一般，那么升級服務質量和服務效率可能更為適宜，如應用大數據進行客戶分析和需求預測等，實現對客戶的精準、快速響應。

參考文獻：

1.計國軍，余木紅，Kim Hua Tan.大數據驅動下的全渠道供應鏈服務創新決策框架[J].商業研究，2016（8）

2.吉峰，張婷，巫凡.大數據能力對傳統企業互聯網化轉型的影響—基于供應鏈柔性視角[J].學術界，2016（2）

3.國務院.關于促進大數據發展行動綱要，2015

4. Hsinchun Chen，Roger.H.L..Chiang.Business Intelligence and Analytics：from Big Data to Big Impact[J]. MIS Quarterly，2012（36）

5.王海玲.大數據應用驅動行業服務升級—訪中國采購與招標網總裁朱建元博士[J].招標采購管理，2017（7）