基于大數據的吉林省農產品供應鏈應用研究

□文艷嬌

（長春財經學院 吉林 長春 130000）

吉林省作為農業大省，其農業發展一直受到政府高度重視。農業發展關系民生，是吉林省政府工作的重點內容。2019 年吉林省糧食產量達到387.8 億kg，較2018 年增長6.7%，凈增長量位居全國第一，占全國總增量的41.2%。

吉林省農產品供應鏈管理相對落后。市場競爭激烈、商業模式不成熟、資金鏈斷裂以及供應鏈企業間協調困難等農產品供應鏈不穩定因素，使得吉林省農產品原本的優勢地位急劇下降，嚴重制約了吉林省農產品的市場競爭力。利用大數據技術，可以剖析出農產品供應鏈上每個環節的需求、生產、銷售等信息，降低誤差造成的損失，逐步解決這些問題。我國對大數據技術相當重視，從各個方面提供支持。2015 年我國發布相關文件明確指出，要建立更具規模的標準化體系，促進大數據產業持續發展。

我國對農產品供應鏈與大數據的結合研究剛剛起步，大多數供應鏈決策仍然沒有將大數據納入決策模型中。利用大數據分析優化和完善吉林省農產品供應鏈體系，為政府、行業和企業提供理論指導和決策依據，具有重要的意義。

1 國內外研究現狀

1.1 國外研究現狀

基于大數據的供應鏈管理，應在市場需求、市場銷售、產品生產、庫存、物流運輸等方面的供應鏈管理中，使用大數據進行分析，完善生產與需求規劃。大數據分析在物流、配送和運輸中的應用研究較為普遍。

一些學者認為，了解并剖析客戶的需求大數據，可以從數據中發現市場需求、找到價格優勢并分析客戶的滿意度，幫助找到新的市場走向。相關人士通過案例研究發現大數據對購買過程與購買方式的影響，認為對大數據進行判斷分析有助于供應鏈管理人員辨別、測評、減少與管理風險。

大數據分析在生產領域的應用已較為廣泛。從企業內部到企業外部收集眾多數據，剖析企業的分工、重點、聚焦之間的關系，從而降低能源損耗。在倉儲管理方面，利用大數據分析，收集數據之間的相互關系，優化庫存訂購決策[1]。

1.2 國內研究現狀

在我國農產品供應鏈大數據應用的初步探索中，學者針對我國農產品供應鏈存在的問題，提出了各自的觀點。

李漢卿和夏齊（2018）[2]從大數據在商業活動和政府監管中的應用入手，分別從運營效率、預測網絡和能力規劃、供應鏈風險管理等角度，分析了大數據技術在供應鏈與物流領域的具體應用。

張東翔（2017）[3]以信息共享、大數據應用和供應鏈績效為基本討論變量構建出概念模型，研究發現大數據的普及讓信息資源可以共同分享，進而提升了供應鏈的效率。

劉帥等（2017）分析了大數據供應鏈的運作模式，對其風險因素進行識別，詳細分析了風險因素的來源和作用機理，并有針對性地提出了防范風險的策略。

姜婷（2015）構建了大數據背景下農產品可追溯系統的總體框架，介紹了每層的主要功能，然后分析了該框架下的感知數據采集、負載均衡管理和大數據建庫等關鍵技術。

1.3 研究綜述

供應鏈大數據分析從2012 年開始被學術界關注，到現在被普遍認為是提升農產品供應鏈績效的關鍵。國外研究相對成熟，重點分布在銷售計劃、購買過程、物流運輸等方面。在國內農產品供求數據發展中，學者從農產品供應鏈預測網絡和能力規劃、風險管理、可追溯系統等角度提出了各自觀點[4-5]。

2 基于大數據的吉林省農產品供應鏈應用

2.1 需求預測與采購管理

2020 年新冠肺炎疫情期間，人們大量采購蔬菜、水果、大米、油等進行儲備。以白菜為例，疫情前需求較低且比較穩定，但在疫情期間需求明顯變高，在2020 年1月26—29 日需求達到峰值。對于農產品供應鏈來說，供應鏈開端的關鍵是需求預測。準確分析市場需求、預測市場上的熱銷農產品，能夠有效降低農產品庫存。市場上對農產品的需求受到各種因素的影響。為了確保供應鏈各個環節順利進行，預測和采購尤為重要。

企業收集了大量用戶數據、農產品數據、農產品銷量數據。對這些數據進行分析，建立相關算法，通過算法對農產品市場的銷量進行預測。在購買者下單購買前，及時采購適量的農產品，確保庫存合理。在購買者下單之后，以最快的速度運輸到距離購買者最近的倉庫，從而在最短的時間內運送到客戶手里，提高供應鏈運轉的效率。

傳統模式通過市場調研分析市場需求，由專門的市場人員根據積累的經驗對市場需求進行預估。現今則通過大數據分析建立算法模型，市場需求數據根據算法模型變化而變化，能夠更加準確地預測市場農產品需求，并預先判斷市場變化趨勢能。通過數據建立算法模型，可以找到企業支柱農產品，有助于企業將發展重心放在生產力提升以及利潤增長上。

2.2 物流管理

2019 年，吉林省冷鏈流通率比較低。果蔬、肉類、水產品的流通率分別是6%、15%、23%，普遍處于低水平，綜合冷鏈利用率僅為19%。果蔬品產品損腐率最高，達36%，果蔬品物流環節損失率較大，而國際上果蔬物流損失率控制在3%～8%。由此可見，吉林省物流服務需求較高，但是實際與需求不匹配。

物流管理分多個方面，接受訂單，建立生產計劃，控制倉庫庫存，及時運送至客戶，提升客戶體驗。農產品企業建立完善的物流體系，不僅能縮短運輸時間，還可以提高客戶滿意度。采用集中化物流配送模式，通過前期收集的大數據，根據客戶采購農產品品類的不同以及客戶需求，采取不同的運送方式，優化運輸路線，可以實現集中運輸。根據客戶訂單位置，采用最優的運輸路線，減少運輸成本，高效率完成運輸，以最快速度送至客戶手里[6]。

通過前期收集的大數據，選擇合適位置建立物流中心。物流中心選址要參考購買客戶群體的位置、農產品取貨位置、倉庫的交通情況等進行綜合考慮，選擇最合適的地方。將采購的農產品存放至物流中心，完善倉儲管理制度，控制庫存，減少倉庫管理員取貨時間，對農產品分類放置，減少損耗，提高工作效率。

2.3 質量監管

缺少監管，會導致市場上農產品質量參差不齊，經常出現假冒偽劣農產品。大數據時代，將售后信息數據反饋給相關部門，能夠全方位了解農產品從生產到銷售的各個環節。對于購買者大量反映存在質量問題的農產品，將數據反饋給監管部門。對于存在質量問題的農產品及時處理，防止其在市場上流通，提高監管力度，提升農產品質量。

2.4 風險管理

農產品從生產到銷售，會經歷多個環節。各個環節都會存在一定的風險，主要包括：供需不確定性高，導致價格風險巨大；農產品外部資源及環境風險大；農產品生產、加工環節安全隱患高；農產品流通儲運環節風險高等。農產品市場不確定性帶來的風險，會影響吉林省農業發展。對風險因素進行分析，并有針對性地提出防范風險的策略，可以降低監管成本，減少安全隱患，對大數據環境下農產品供應鏈平穩運作具有重要意義。

3 實施對策

基于大數據的供應鏈需求預測方法，對農產品供應鏈中商品銷量數據和供應鏈信息數據進行分析，可以有效預測未來銷量，進而促使供應鏈企業在正確的時間給用戶提供最有效的服務。

在物流環節建立合適的管理制度，實時監控物流環節，減少物流運輸成本，制定合理的物流路線。根據農產品的品類，合理選擇運輸車輛，有效提升物流效率，減少物流環節損耗，降低物流風險。

從基礎和總體結構出發，實現對農產品“從農田到餐桌”的全過程追溯。構建大數據背景下農產品可追溯系統，提高農產品質量監管的時效和效果。

分析大數據供應鏈的運作模式，從不同角度識別供應鏈存在的風險。根據數據預測將會出現的風險，提前規避風險。建立健全管理制度，通過數據分析、預測、管理、風險轉移等方式，提高供應鏈管理水平。

4 結束語

大數據時代，通過收集數據、分析數據、建立算法模型，能夠優化農產品供應鏈管理，完善管理制度。大數據能夠提升產品的市場競爭力。很多企業將農產品大數據作為發展優勢，通過數據預測市場走向，促進企業長遠發展。完善的供應鏈管理制度，降低了農產品價格，提高了農產品質量，有助于促進農業經濟發展和提高農民生活水平。