大數據背景下四川省物流業績效評價與優化研究

鄧梁 鑫蕓

大數據背景下四川省物流業績效評價與優化研究

鄧梁 鑫蕓

（四川大學匹茲堡學院，四川 成都 610000）

在大數據背景下，四川省物流業的發展過程中仍存在不少問題，對大數據的利用程度也還不夠。通過對物流業績效評價體系構建的探討，建立了四川省物流業績效評價體系及相關模型，采用DEA的方法和理論，結合大數據目前應用于四川省物流業的特點，進行了深入探索和優化?；谀Ｐ偷玫降慕Y果，對四川省物流業的物流效率進行分析與評價，并提出優化方法，旨在利用大數據提高四川省物流業效率，從而促進四川省物流業的發展。

物流業；大數據；數據包絡分析DEA；績效評價

現在的社會正處于一個高速發展的階段，各項技術不斷得到創新和完善，大數據就是這個高科技時代的產物。隨著云時代的到來，大數據因其顯著特點而備受關注，人們開始借助一定的技術手段探尋大數據背后的價值，并將其轉變成可以被社會各行各業利用的資源。

隨著經濟社會的持續快速發展，四川省物流效益不斷提高，物流總量和物流企業整體規模不斷擴大，物流運營基礎設施不斷完善。雖然目前物流業發展較快，但仍存在物流基礎設施較落后、市場管理體制不健全、管理和服務功能不足等問題[1]。而大數據以其容量巨大、流轉速度較快等特征，逐漸成為解決當前問題的手段。大數據可以很大程度改變物流服務的功能、規模與領域、效率、交付方法等，還可以使物流業表現出明顯的轉型升級趨勢，促進新的商業模式、經營方式、資源配置模式等物流業新業態的出現。

近年來眾多學者對物流績效的研究十分關注，國內外學者已經通過主成分分析、模糊綜合評判法等建立起常見的物流績效評價體系。本文依據成熟的績效評價體系，結合大數據目前應用于四川省物流業的特點，進行深入探索和優化，旨在使大數據能夠提高四川省物流業的效率，進而促進四川省物流業的發展。

1 DEA模型的構建

數據包絡分析法（DEA）可以同時對多個投入和產出 指標進行分析評價，無需首先設定指標間的函數關系，也無需設定權重，得到的結果具有較高準確性[2]。利用該方法可篩選出物流業的績效指標，從而對物流業體系進行優化 研究。

本文以《國民經濟行業分類》[3]為標準，將四川統計年鑒中2006—2017年的交通運輸、倉儲、郵政業的數據合并作為四川省物流業的研究數據，來構建物流業績效指標體系[4]。將2006—2017年作為決策單元，使用數據包絡分析法的2模型對每一年的物流業進行效益評價，以此來判斷某個選定的決策單元的有效性，并結合無效原因給出改進措施。

鑒于研究的物流業績效優化思路是從調整投入要素入手，所以在構建模型時，考慮了物力、人力、財力的投入以及基礎設施的規模[5]。對于基礎設施的規模，將公路、鐵路、水運三種運輸方式的里程直接相加得到運輸線路長度。在以往的研究基礎上，考慮到物流數據的可得性，并結合四川省物流業自身特點選取指標，如表1所示。

表1 投入產出指標表

指標變量 投入指標從業人員 固定資產投資 運輸里程長度 從業人員工資總額 產出指標地區生產總值 貨運總量 貨物周轉量 物流生產總值

2 結果分析與優化

本文根據獲取的物流業數據，針對物流業各投入和產出指標，運用DEAP2.1軟件進行DEA模型求解，得到四川省物流業每年的綜合效率、純技術效率和規模效率，結果如表2所示。

綜合技術效率是對決策單元在資源的使用效率、配置能力等各個方面的綜合評價。綜合效率值為1，則說明決策單元使用的技術有效[5]。從表2的綜合效率來看，3個決策單元非有效。效率最低的決策單元是2009年，綜合效率值僅為0.886，這說明如果要達到有效前沿面的水平，產出需要提高到原有產出水平的119%。其次為2010年，綜合效率值為0.932，這說明如果要達到有效前沿面的水平，產出需要提高到原有產出水平的107%。

表2 2006—2017年四川省物流業效率比較

決策單元綜合效率技術效率規模效率規模報酬 DMU 12006年111— DMU 22007年111— DMU 32008年111— DMU 42009年0.8860.9090.974irs DMU 52010年0.9320.9390.992irs DMU 62011年111— DMU 72012年111— DMU 82013年111— DMU 92014年111— DMU 102015年0.9920.9921— DMU 112016年111— DMU 122017年111—

注：irs為規模效率遞增。

純技術效率是企業綜合考慮管理、技術等要素時的生產效率，反映了企業有效利用資源的能力以及整體技術水平。規模效率則是受企業規模影響的效率[5]。

通過觀察表2發現，2015年為純技術無效，即規模效率值為1而純技術效率值小于1。2009年和2010年是純技術效率和規模效率同時無效，即兩個值都小于1，且規模報酬都是遞增的，說明在當時的技術水平下四川省的物流業規模過小，提高物流產業效率的方法是在調整其投入產出比的同時適當擴大物流業規模。

為了更進一步的分析，可以使用DEAP2.1軟件對物流業DEA非有效單元進行效率改進。在實際操作中，投入指標是可以進行人為控制的，因此本文僅考慮投入指標的松弛變量取值。表3給出了各年份的投入松弛變量，即各年份物流業投入指標需要改善的值，從而可以對投入做更好的規劃與設計。

表3 2006—2017年四川省物流業投入指標松弛變量的取值

決策單元從業人員/萬人運輸里程長度/萬千米從業人員工資總額/萬元固定資產投資/億元 DMU 12006年0000 DMU 22007年0000 DMU 32008年0000 DMU 42009年14.1912.37280 937.6319.761 DMU 52010年9.3361.70362 946.898318.594 DMU 62011年0000 DMU 72012年0000 DMU 82013年0000 DMU 92014年0000 DMU 102015年1.0420.253242 928.11826.032 DMU 112016年0000 DMU 122017年0000

如表3所示，大多數年份物流業的投入松弛變量都為0，不需要改變各投入指標的量。2009年、2010年、2015年四項投入指標均出現過?，F象。

本文以2009年為例，對于2模型中效率值小于1的決策單元，可通過綜合效率×投入指標原始投入量－松弛變量來優化調整投入項ij′為：14′=124.707，即物流從業人員減少到124.707萬人；24′=20.841，即運輸里程長度減少到20.841萬千米；34′=711 270.440，即物流從業人員工資總額減少到711 270.440萬元；44′=900.226，即固定資產投資減少到900.226萬元。根據以上的分析可知2009年物流業從業人員、運輸里程長度、固定資產投資、從業人員工資都存在資源剩余。

3 結論與展望

根據以上對四川省的物流績效的分析，本文從數據角度進行分析并對資源的有效利用和經濟的發展提出了改善的方法。

從以上分析可以得到以下幾點結論：①從歷史數據出發，投入指標的利用率雖然大體呈上升趨勢，但仍會出現投入過剩的情況；②造成某些年份四川省物流業的發展相對無效的原因主要是物流投資額過大、從業人員過多，且物流投資與物流人才利用未取得理想的效果；③運輸里程長度過長反映了快速交通基礎設施落后以及物流基礎設施未得到充分應用的問題；④包含固定資產投資和從業人員工資的物流成本過高，可能會導致帶給社會的負擔較大；⑤綜合效率和純技術效率也大致呈上升趨勢，但物流管理水平有待提高，物流人才培養和物流基礎設施建設力度仍需增強；⑥規模效率的穩定表明四川省對物流資源的整合以及物流生產率的把握已走向成熟。

隨著經濟的高速增長，四川省物流業急速發展并且已經取得了一定的成效。但基于大數據背景和本文得到的結論，未來四川省物流業的發展過程中大數據技術可以應用于優化物流過程、增強物流企業運行管理能力、合理安排物流中心選址、優化物流市場策略的制訂這幾個方面。

四川省物流業可以將現有的信息系統和物聯網整合起來，建立物流協同的信息共享平臺，提高物流運作管理中的信息技術和信息系統利用率。利用大數據挖掘和智能分析等技術，物流系統可以對不同地區消費者的消費習慣、水平進行分析歸納，預測其未來的消費行為。根據得到的消費者需求，匹配物流供給，調整物流資源的配置。同時結合企業自身特點和交通狀況等信息，制訂物流線路的規劃和配送方案以及配送中心的安排，從而解決因信息利用率較低導致的配送成本過高、貨物運送效率低下、配送資源的浪費等問題。由于缺乏對物流倉儲情況進行分析和管理的技術人員，對于調、補貨等緊急事件的處理不夠迅速，造成了客戶購物時長時間等待的問題。

四川省物流業應致力于培養專業性的大數據應用人才，利用大數據的數據挖掘技術來選擇倉庫的位置，并保證一定量的庫存，這將降低銷售淡季或者旺季時出現的庫存擠壓或者缺貨給整個物流系統帶來的影響。

在大數據的背景下，四川省物流業的發展應該結合大數據理念進行創新和改進，從根本上推動物流業的專業化、社會化和智能化發展。

物流業的發展應著手于服務客戶的本質，加快物流產業升級，在已定服務水平上取得物流成本最低及物流效率最高，并且在達到為客戶創造價值的目的的同時創造合理利 潤[6]。物流行業應該加大對大數據技術的研究，并將其應用于物流的各個環節中，以確保四川省物流業的可持續發展，同時也符合四川省經濟的長遠發展利益。

［1］董圓圓.面向四川省物流發展現狀問題的分析研究［J］.軟件，2019，40（7）：152-157.

［2］朱鎮遠，黃微，劉熠.大學生網絡信息行為綜合指標體系構建研究——基于改進數據包絡分析法［J］.科技情報研究，2020，2（2）：48-58.

［3］四川統計局.四川統計年鑒［M］.北京：中國統計出版社，2006.

［4］甘衛華，許穎，黃雯，等.基于DEA-Malmquist的江西省物流業全要素生產率研究［J］.工業工程，2015，18（2）：108-114.

［5］王項，劉剛.基于數據包絡分析的區域物流績效分析 ——以全國性物流節點城市所在的省市為例［J］.物流工程與管理，2015，37（10）：78-81.

［6］王杰，閆軍，徐旦.基于因子分析法的“一帶一路”沿線省市物流能力比較研究［J］.科技與創新，2019（4）：26-27，30.

F259.23

A

10.15913/j.cnki.kjycx.2020.12.004

2095－6835（2020）12－0012－03

鄧梁鑫蕓（1999—），女，四川大學本科生。

〔編輯：王霞〕