大數據環境下風險規避的供應鏈投資決策研究

張京敏 黃彥

【摘 要】 考慮大數據投資中供應鏈成員的風險規避行為，利用均值方差模型，以需求增量為隨機變量，建立四種大數據投資模型，探究供應鏈成員的大數據投資決策。研究表明：大數據投資模式的選擇與消費者的消費偏好有關，當消費者對于產品本身的改變較為敏感時，制造商應當進行大數據投資，當消費者更注重于線下的購物體驗時，零售商應當進行大數據投資。制造商或零售商自身風險規避系數越高會使自身效益減少并且對方效益增加，因此，當制造商或零售商的風險規避系數較低時，可以進行大數據投資，但會嚴重損害風險規避系數較高一方的效益。制造商（零售商）風險規避系數越高，零售商（制造商）進行大數據投資的可能性越大。

【關鍵詞】 供應鏈; 風險規避; 投資決策; 大數據

一、引言

隨著云計算、移動互聯網和物聯網的快速發展，全球數據總量正在迅速增長。根據咨詢機構IDC預測，到2025年全球數據總量將達到175ZB，云和虛擬存儲的開發顯著降低了大數據的存儲成本[1-2]。這些現象表明，大數據發展和應用的機會已經形成，大數據時代已經到來。在大數據時代，數據作為信息經濟不可或缺的原材料已滲透到各種行業[3-4]。對于企業而言，從大量數據中提取和獲取有價值的信息意義重大。Barton et al.[5]研究表明公司可以通過使用大數據來改變其商業模式，數據驅動戰略將很快成為競爭差異化的重要因素。McAfee et al.[6]提出，使用大數據可以幫助公司提高生產率和效益。因此，大多數公司都實施了大數據計劃。對于產品供應鏈來說，消費者的需求數據顯得尤為重要，通過對消費者的需求進行分析和歸納進而有針對性地生產和銷售產品，不僅可以增加需求量，還能夠減少生產成本和銷售成本。但當前企業對于數量龐大且非結構化數據的處理和分析需要較高的成本，因此如何合理地對大數據分析進行投資是供應鏈企業面臨的一大難題。

許多學者對大數據環境下的供應鏈管理進行了研究。定性研究方面，Waller et al.[7]討論了大數據在供應鏈管理中的重要性，并建議研究人員關注大數據在供應鏈中的應用。Bi et al.[8]討論了大數據對企業信息系統的影響。Hazen et al.[9]研究了供應鏈中的數據質量問題。Fosso Wamba et al.[10]提出企業應該關注大數據創造的價值觀。Janssen et al.[11]研究了在使用大數據做出決策時影響決策質量的因素，包括數據收集、分析過程以及數據傳輸質量。Gunasekaran et al.[12]通過問卷調查研究了大數據預測分析對供應鏈和組織績效的影響。結果表明，大數據預測分析與公司的供應鏈績效和組織績效呈正相關。Wamba et al.[13]研究發現大數據分析能力會影響企業績效和面向流程的動態能力。Lamba et al.[14]提出了三種新的大數據模型來解決供應鏈管理過程中的聯合采購和設施布局問題。Hofmann[15]研究發現大數據的應用有助于減少供應鏈中的牛鞭效應。Lamba[16]發現大數據分析方法被廣泛應用于供應鏈的制造、物流和采購過程中。Shen et al.[17]討論了大數據時代信息共享的障礙和優勢。Kache et al.[18]通過實證研究提出了供應鏈管理中使用大數據帶來的挑戰和機遇。

定量研究方面，Olama et al.[19]提出了一種集成水平模型來評估公司數據系統的性能。Tambe[20]認為企業管理者應當注意平衡勞動力成本支出與大數據收入之間的關系。HAO et al.[21]探究了大數據環境中隱私信息泄露對供應鏈成員協調關系的影響。Wu et al.[22]提出了考慮大數據服務提供商的三階段供應鏈協調策略。See-To et al.[23]提出了一種基于銷售大數據分析的需求分配模型。為了降低有害物質的固有風險，Zhao et al.[24]提出了一種多目標優化方法，該方法采用大數據分析方法得到相關參數，并討論了三種方案來優化綠色供應鏈管理。Kaur et al.[25]提出了關于可持續性采購和物流的模型，該模型包含MINLP方法和MILP方法，輸入數據來自相關的成本數據、交易數據和排放數據。有關大數據的投資決策方面，Liu et al.[26]在信息對稱環境和信息不對稱環境中研究了供應鏈的投資決策和協調問題。考慮到數據公司在供應鏈中的作用，Liu et al.[27]研究了大數據環境下三級供應鏈的投資決策和協調問題。

通過上述文獻梳理可以發現，目前有關供應鏈中大數據投資決策的文獻較少，并且在已有的文獻中，供應鏈企業被認為是風險中性的，然而在現實生活中，企業在進行大數據投資時必定會考慮其風險，具有風險規避行為，因此，在大數據投資決策中考慮企業的風險規避行為將更具有現實意義?；诖耍疚恼J為供應鏈成員均為風險厭惡型，探究該種情況下供應鏈中的大數據投資決策。

二、模型構建

本文構建由一個制造商和一個零售商組成的供應鏈系統，制造商和零售商均為風險厭惡型，制造商確定產品的批發價格，零售商根據制造商所制定的批發價格決定產品的銷售價格，市場中存在消費者的需求信息，即大數據、制造商和零售商均可投入一定的成本獲得并處理消費者的需求信息，以減少成本并增加需求量。因此存在四種大數據投資模型：制造商和零售商均不投資（模型N）、制造商投資但零售商不投資（模型M）、零售商投資但制造商不投資（模型R）、制造商和零售商均投資（模型MR）。具體假設與符號如下：

（2）產品的批發價格為ω，制造商的單位生產成本為cm，零售商的單位銷售成本為cr。

（3）單位大數據投資成本為c0。

（4）θi（i=（m，r），0<θi<1）為制造商或零售商投資大數據后其生產成本及銷售成本改善系數。即使用大數據后產品的生產成本和銷售成本變為θmcm和θrcr。

三、模型求解

（一）模型N

（二）模型M

（三）模型R

（四）模型MR

若上述三種情況均不滿足，則制造商和零售商均不應進行大數據投資。

命題1表明供應鏈大數據投資模式的選擇與消費者的消費偏好有關，當消費者更注重產品的質量，對于產品本身的改變較為敏感時，制造商進行大數據投資是有利的;反之，當消費者更注重于線下的購物體驗，對服務質量及方式較為敏感時，零售商應當進行大數據投資，若消費者對產品本身和購物體驗均有較高的要求，制造商和零售商應當共同進行大數據投資。

四、數值分析

由于利潤表達式較為復雜，下面采用數值分析的方式分析風險規避系數ηm、ηr對大數據投資決策及最終效益的影響。參數的初始賦值如下：a=500，b=5，cm=10，cr=10，c0=15，σm=σr=σm r=20，μm=μr=100，μm r=200，θm=θr=0.7。

（一）制造商風險規避系數的影響

由圖1和圖2可知，隨著制造商風險規避系數的增加，制造商的效益逐漸減小，零售商的效益逐漸增加，這是因為制造商的風險規避系數增加，表明其對風險的厭惡程度越高，為了降低風險，制造商會降低產品的批發價格以保證所有產品能夠售出，因此其效益會減少，而零售商能夠獲得更多的效益。對比圖1a和圖2a可知，零售商的風險規避系數越大，制造商進行大數據投資獲得的效益高于不投資獲得的效益時的風險規避系數區間越大，表明制造商進行大數據投資的機會越大，這是因為零售商風險規避系數越大，零售商的效益減少，制造商的效益增加，因此制造商風險承受能力越高，更愿意進行大數據投資。

（二）零售商風險規避系數的影響

由圖3和圖4可知，隨著零售商風險規避系數的增加，制造商的效益逐漸增大，零售商的效益逐漸減小，這是因為零售商的風險規避系數增加，表明其對風險的厭惡程度越高，為了降低風險，制造商會降低產品的銷售價格以保證所有產品能夠售出，因此其效益會減少，此時銷售量增加，因此制造商能夠獲得更多的效益。對比圖3b和圖4b可知，制造商的風險規避系數越大，零售商進行大數據投資獲得的效益高于不投資獲得的效益時的風險規避系數區間越大，表明零售商進行大數據投資的機會越大，這是因為制造商的風險規避系數越大，制造商的效益減少，零售商的效益增加，因此零售商風險承受能力越高，更愿意進行大數據投資。

通過總結上述分析，可以得到下列結論：制造商或零售商自身風險規避系數增加會使得自身效益減少并使得對方效益增加，制造商或零售商自身的風險規避系數越大，對方能夠承受更高的風險規避系數，即增加對方的投資可能性。當制造商和零售商的風險承擔能力相差較大時，風險承擔能力較強的一方可以通過大數據投資獲得更高的效益，但會嚴重損害風險承擔能力較低一方的效益。

五、結語

大數據的發展和應用為供應鏈中產品的生產和服務提供了有力的幫助，通過進行大數據分析，可以得到消費者的消費偏好，對癥下藥，進而增加產品銷售量并降低供應鏈中的成本，但進行投資不得不考慮其投資風險，本文以風險規避型的制造商和零售商組成的供應鏈系統為研究對象，利用均值方差模型，以大數據投資帶來的需求增量為隨機變量，建立不同的投資模型，探究供應鏈成員的大數據投資決策。研究表明：大數據投資模式的選擇與消費者的消費偏好有關，當消費者更注重產品的質量，對于產品本身的改變較為敏感時，制造商進行大數據投資是有利的，反之，當消費者更注重于線下的購物體驗，對服務質量及方式較為敏感時，零售商應當進行大數據投資。對于風險規避型的供應鏈成員，制造商或零售商自身風險規避系數越高會使自身效益減少并且對方效益增加，因此，當制造商或零售商的風險規避系數較低時，可以進行大數據投資，但會嚴重損害風險規避系數較高一方的效益。制造商（零售商）風險規避系數越高，零售商（制造商）進行大數據投資的可能性越大。

【參考文獻】

[1] HUANG X B，et al.Build enterprise competitive intelligence system model based on Big Data[J].Journal of Intelligence，2013（3）：41-47.

[2] CAMBRIA E，MAZZOCCO T，HUSSAIN A.Application of multi-dimensional scaling and artificial neural networks for biologically inspired opinion mining[J].Biologically Inspired Cognitive Architectures，2013，4：41-53.

[3] SANDERS N R.Big Data driven supply Chain management[Z].2014.

[4] LIU Z，ZHANG Q.A research overview of Big Data technology[J].Journal of Zhejiang University（Engineering Science），2014（6）：6-21.

[5] BARTON D，COURT D.Making advanced analytics work for you[J].Harvard Business Review，2012，90（10）：78-83.

[6] MCAFEE A，BRYNJOLFSSON E.Big Data：the management revolution[J].Harvard Business Review，2012，90（10）：61-68.

[7] WALLER M A，FAWCETT S E.Data science，predictive analytics，and Big Data：a revolution that will transform supply chain design and management[J].Journal of Business Logistics，2013，34（2）：77-84.

[8] BI Z，COCHRAN D.Big Data analytics with applications[J].Journal of Management Analytics，2014，1（4）：249-265.

[9] HAZEN B T，BOONE C A，EZELL J D，et al.Data quality for data science，predictive analytics，and Big Data in supply chain management：An introduction to the problem and suggestions for research and applications[J].International Journal of Production Economics，2014，154：72-80.

[10] WAMBA S F，AKTER S，EDWARDS A，et al.How “Big Data” can make big impact：Findings from a systematic review and a longitudinal case study[J].International Journal of Production Economics，2015，165：234-246.

[11] JANSSEN M，VAN DER VOORT H，WAHYUDI A.Factors influencing Big Data decision-making quality[J].Journal of Business Research，2017，70：338-345.

[12] GUNASEKARAN A，PAPADOPOULOS T，DUBEY R，et al.Big Data and predictive analytics for supply chain and organizational performance[J].Journal of Business Research，2017，70：308-317.

[13] WAMBA S F，GUNASEKARAN A，AKTER S，et al.Big Data analytics and firm performance：Effects of dynamic capabilities[J].Journal of Business Research，2017，70：287-299.

[14] LAMBA K，SINGH S P.Big Data analytics in supply chain management：Some conceptual frameworks[J].International Journal of Automation and Logistics，2016，2（4）：279-285.

[15] HOFMANN E.Big Data and supply chain decisions：the impact of volume，variety and velocity properties on the bullwhip effect[J].International Journal of Production Research，2017：1-19.

[16] LAMBA K，SINGH S P.Big Data in operations and supply chain management：current trends and future perspectives[J].Production Planning and Control，2017，28（11-12）：877-890.

[17] SHEN B，CHAN H L.Forecast information sharing for managing supply chains in the Big Data era：recent development and future research[J].Asia-Pacific Journal of Operational Research，2017，34（1）.

[18] KACHE F，SEURING S.Challenges and opportunities of digital information at the intersection of Big Data analytics and supply chain management[J].International Journal of Operations & Production Management，2017，37（1）：10-36.

[19] OLAMA M M，MCNAIR A W，SUKUMAR S R，et al.A qualitative readiness-requirements assessment model for enterprise Big Data infrastructure investment[C]// Next-generation Analyst II.International Society for Optics and Photonics，2014.

[20] TAMBE，P.Big Data investment，skills，and firm value[J].Management Science，2014，60（6）：1452-1469.

[21] HAO S，JIAN L，MANAGEMENT S O.Effect of private information leakage on competition relationship among supply chain enterprises in Big Data era[J].Journal of the China Society for Scientific & Technical Information，2015，34（1）：55-67.

[22] WU K J，LIAO C J，TSENG M L，et al.Toward sustainability：using Big Data to explore the decisive attributes of supply chain risks and uncertainties[J].Journal of Cleaner Production，2017，142：663-676.

[23] SEE-TO E W K，NGAI E W T.Customer reviews for demand distribution and sales nowcasting：a Big Data approach[J].Annals of Operations Research，2016（6）：1-17.

[24] ZHAO R，LIU Y，ZHANG N，et al.An optimization model for green supply chain management by using a Big Data analytic approach[J].Journal of Cleaner Production，2016，142（2）：1085-1097.

[25] KAUR H，SINGH S P.Heuristic modeling for sustainable procurement and logistics in a supply chain using Big Data[J].Computers & Operations Research，2017，10：301-321.

[26] LIU P，YI S P.A study on supply chain investment decision-making and coordination in the Big Data environment[J].Annals of Operations Research，2017（6）：1-19.

[27] LIU P，YI S P.Investment decision-making and coordination of a three-stage supply chain considering data company in the Big Data era[J].Annals of Operations Research，2018，270：255-271.