大數據服務商參與的三級供應鏈動態合作策略研究

□ 韓朝亮 田 立 高志勇

(1.哈爾濱商業大學 經濟學院; 2.哈爾濱商業大學 財政與公共管理學院, 黑龍江 哈爾濱 150028)

一、引 言

大數據技術作為通用技術(General Purpose Technologies,簡稱GPT),通過在微觀層面緩解信息不對稱,不斷地改變居民生活和企業經營管理方式[1]。在供應鏈合作過程中,其廣泛應用于消費者畫像、渠道優化、成本優化、精準營銷等業務,已經成為供應鏈管理的有效技術手段。在諸多應用中,大數據技術最廣泛應用于洞察消費者需求,實際操作過程中往往可以采集消費者的多類數據。利用這些數據,能夠客觀反映消費者的真實狀態,建立個體消費者數據庫。通過完備的消費者數據,消費者離散化的數據之間可以體現出相關關系,利用其價值關聯,供應鏈成員能夠逐步實現對消費者的信息完全。在傳統市場上,供應鏈成員長期面對消費者在購買過程中體現出的隨機性本源行為和不可預期的變化[2]。傳統消費者需求不確定性在理性層面不可解,但由于信息技術的變革,通過相關技術(如大數據、人工智能)能夠將其化解[3]。大數據技術的使用,使得消費者數據挖掘成為可能,通過海量消費者行為數據、交易數據的挖掘,明晰消費者購買行為的預期結果,逐步消除客體(消費者)的不確定性。

大數據技術通過消除消費者需求不確定性為供應鏈成員帶來收益。但現實場景中,數據挖掘、處理、集成、分析、可視化需要供應鏈成員支付成本。是否使大數據服務商參與,是收益與成本權衡的結果。在供應鏈合作過程中數據采集、處理、解釋可以由供應鏈成員完成,但由于供應鏈成員信息處理能力欠缺,往往采取服務外包形式,利用大數據服務商對沉淀在供應鏈合作過程中的數據進行挖掘、處理。由于分散決策的存在,往往形成供應鏈成員決策低效與利益分配不均衡問題,最終導致大數據技術服務商參與失敗。因此需要供應鏈成員通過機制設計保證集中決策與收益再分配,以使得大數據技術服務商參與后滿足參與約束與激勵相容條件。

有關大數據服務商參與供應鏈合作的研究,主要集中于大數據服務商參與后,供應鏈成員獲得的價值研究,即供應鏈成員可以通過對數據的采集、處理、解釋來發現新知識,進行價值創造,繼而有效的降低成本、增加收益[4]。大數據的合理應用,有助于提升企業供應鏈的敏捷性[5]，對需求創造、業務設計、價值共創等方面起到正向作用[6],繼而提升供應鏈成員的環境感知能力,更好地服務于消費者需求,創造更高的商業價值,提升成員各自的運營效率[7]。大數據服務商參與后,與供應鏈其他成員的協調機制研究方面,部分學者建立制造商與零售商兩階段供應鏈模型,當投資成本面臨一定閾值時,零售商或制造商投資大數據信息(BDI)可以增加其收益,但其他供應鏈成員也存在搭便車現象,而收益共享契約可以有效地協調供應鏈[8]。在此基礎上研究進一步建立了制造商、零售商、大數據服務商構成的三階段供應鏈模型,實證結果表明廠商是否適合投資BDI受成本改善系數的影響。當收益分享系數在一定范圍內,收益分享契約可以使供應鏈實現協調[9]。將供應鏈成員利用大數據進行營銷的情況考慮在內,同樣建立零售商、制造商與大數據服務商三階段供應鏈模型,利用微分博弈理論對零售商支付、聯合支付與合作契約下實現均衡的收益情況進行比較,結果表明合作契約下渠道成員的總利潤、制造商的質量努力水平和大數據服務商的營銷努力水平均為最高,分散決策下聯合支付較零售商支付更優[10]。還有學者將大數據服務商設為常量建立了大數據服務商參與的零售商、制造商的二階段供應鏈模型,結果表明集中決策下存在帕累托改進[11]。隨后,在其基礎上有學者進一步研究了大數據技術對零售商與制造商的成本優化的影響,通過單一制造商與兩個零售商組成的二階段供應鏈模型,討論了分散決策與集中決策對供應鏈成員利潤的影響,并通過數量折扣契約,實現了從分散決策到集中決策的過程[12]。

傳統研究普遍認同大數據技術具有成本優化與價值創造的作用,也分別驗證了分散決策下與集中決策下大數據技術對制造商、零售商的影響,但往往將大數據服務商確定為常量,并以分析單個企業的影響為主,鮮有文獻將大數據服務商作為一個獨立的供應鏈成員來研究大數據技術對整體供應鏈運營的影響以及供應鏈動態優化的問題。本研究拓展了大數據服務商的角色,認為大數據服務商可以通過努力水平調節供應鏈收益,供應鏈成員可以通過支付水平影響大數據服務商的努力水平。因此,本研究建立制造商、零售商、大數據服務商三級供應鏈模型,分別考慮分散決策與集中決策下供應鏈及其成員的收益水平,并通過協調機制實現供應鏈成員由分散決策向集中決策轉化,最終通過數值算例分析分散決策、集中決策、機制協調下的收益變化。

二、模型構建

考慮由一個占主導地位的制造商M與一個下游零售商R構成的生產、出售一般產品的供應鏈模型。制造商是供應鏈的領導者,單位生產成本為c1,并通過投入單位研發費用c2提升產品質量,在供應鏈運營過程中制定產品批發價格w。零售商R作為供應鏈終端成員,根據批發價格w和市場需求情況決定產品采購量q。假設采購量即為市場需求量,且產品運輸過程沒有損耗。零售商為改善消費者購物體驗,付出單位服務費用s。需求量是關于產品價格、質量、服務水平的線性函數形式q=a-b*p+(η+β)*v,a為不受價格和其它因素影響的市場基準需求量;零售商以價格p(w

若供應鏈成員不采購大數據服務,則供應鏈運營流程如圖1所示。若供應鏈成員采購大數據服務,供應鏈運營流程如圖2所示。

圖1 不采購大數據服務的兩階段供應鏈模式

圖2 大數據服務商參與的三階段供應鏈模式

制造商M通過大數據服務商對消費者行為數據、交易數據等進行分析,獲得消費者畫像,更精確的了解市場需求,增加產品銷售量。由占主導地位的制造商對大數據服務商B的每單位努力水平t,支付費用m。大數據服務商B參照制造商每單位支付水平選擇服務努力程度t(0≤t≤1),通過對海量數據分析發現消費者需求信息,并提供精準營銷服務挖掘市場潛在消費者,得到制造商支付tm數量的費用,承擔隨努力程度變化的成本1/2gt2,其中g(g>0)是大數據服務商成本系數,體現大數據服務商服務效率;大數據服務將潛在的消費者數量F轉化為市場需求量ln(tF),F是由大數據服務商挖掘的潛在消費者數量,但并不能將其全部轉化為市場需求量;記qb是采購大數據服務后的市場需求量,則供應鏈成員采購大數據服務后市場需求變為qb=a-bp+(η+β)v+ln(tF);大數據服務商提供服務需投入固定成本k(0

三、分散決策下供應鏈成員采購大數據服務決策

首先考察分散決策下,供應鏈成員的合作策略,重點比較供應鏈成員是否采購大數據服務的收益。

(一)供應鏈成員不采購大數據服務收益模型

(1)

(2)

市場逆需求函數為:

pa=[a+(η+β)v-qa]/b

(3)

wa=[a+b(c1+c2-s)+v(η+β)]/2b;

pa=[3a+3v+b(c1+c2+s)]/4b;

qa=[a-b(c1+c2+s)+v(β+η)]/4

(4)

將(wa,pa,qa)帶入式(1)式(2)可得:

(5)

[a+v(β+η)]/b>c1+c2+s

(6)

制造商、零售商向消費者提供附加服務,轉化的需求量與市場基準需求量收益之和大于M與R投入成本之和滿足式(6)時,供應鏈成員合作才趨于穩定,否則制造商和零售商不會提供相關的附加服務。

(二)供應鏈成員采購大數據服務收益模型

(7)

(8)

(9)

市場逆需求函數為:

pb=[a+(η+β)*v+ln(t*F)-qb]/b

(10)

根據Stackelberg博弈規則,該博弈分為三個階段: ① 制造商根據利潤函數,決定批發價格wb,確定單位支付費用m; ② 零售商得知制造商采購大數據服務,根據制造商變化的利潤函數及批發價格確定零售價格pb,并制定商品采購數量qb; ③ 大數據服務商根據制造商的支付水平m,由利潤最大化原則確定努力水平tb,整個博弈結束。根據逆向求解原則,制造商可預測到零售商零售價格pb與大數據服務商努力水平t,最終決定批發價格wb與單位支付m。加入大數據服務后,首先根據大數據服務商利潤函數,求其努力水平tb,將tb帶入式(7)和式(8),由于求解過程與(4)式相同,這里略去不寫,可得:

tb=m/g

pb=[3a+3ln((Fm)/g)+bc1+bc2+bs+3ηv+3βv]/4b

wb=[a+ln((F*m)/g)+bc1+bc2-bs+ηv+βv]/2b

qb=[a+ln((Fm)/g)-bc1-bc2-bs+βv+ηv]/4

(11)

將(pb,wb,qb)分別帶入式(7)式(8)式(9)可得:

(12)

分散決策下,供應鏈成員均獲得正收益,且市場需求量為正時,供應鏈合作才趨于穩定,此時保持穩定的必要條件為:

(13)

(三)供應鏈成員采購大數據服務的算例分析

分散決策下,面對大數據服務商提供的服務,供應鏈成員有兩種選擇:① 不采購大數據服務以避免其帶來的費用,維持供應鏈原態;② 采購大數據服務以享受其帶來的消費者增量時,支付給大數據服務商相應費用。

對比(4)式(wa,pa,qa)和(11)式(pb,wb,qb)可得,供應鏈成員采購大數據服務后,批發價、零售價與市場需求量均有增長,可得:

(Δw,Δp,Δq)=(ln((Fm)/g)/2b,
ln((Fm)/g)/4b,ln((Fm)/g)/4)

(14)

(15)

分散決策下,供應鏈滿足必要的運營條件式(13)時,供應鏈成員采購大數據服務的充分條件為ΔπM≥0且ΔπR≥0。由此可知制造商M采購大數據與零售商R參與供應鏈運營的的臨界條件。由于對解析式進行解析分析較為復雜,本部分通過算例分析進行闡述。

圖3 分散決策下是否采購大數據服務的利潤對比

圖4 分散決策下采購大數據服務后制造商和零售商利潤水平對比

四、集中決策下供應鏈成員采購大數據服務決策

本章考察集中決策下供應鏈成員的合作策略,重點比較供應鏈成員是否采購大數據服務的收益,以及分散決策與集中決策下供應鏈成員的收益。

(一)供應鏈成員不采購大數據服務的利潤模型

(16)

市場逆需求函數為:

(17)

根據逆向求解法,可得最優需求總量和零售價格為:

(18)

將(18)式帶入(16)式可得:

[a+v(β+η)]/b>c1+c2+s

(19)

即制造商與零售商向消費者提供附加服務,轉化的需求量與市場基準需求量收益之和大于M與R投入成本之和滿足式(19)時,供應鏈合作才趨于穩定,否則制造商和零售商不會提供相關的附加服務,不會生產出售相關產品。

Δπa=[a-b(c1+c2+s)+v(β+η)]2/16b

(二)供應鏈成員采購大數據服務的利潤模型

(21)

市場逆需求函數為:

(22)

(23)

將(23)式帶入(20)式與(21)式可得:

(24)

(25)

(三)供應鏈成員采購大數據服務的算例分析

集中決策下,通過對比采購大數據服務前后供應鏈整體參數和利潤的變動情況,可以求出供應鏈成員采購大數據服務的邊界條件。

對比(18)式和(23)式可得,供應鏈成員采購大數據服務后,零售價與市場需求量均有所增長,可得:

(ΔpD,ΔqD)=(ln((Fm)/g)/2b,ln((Fm)/g)/2)

(26)

(27)

滿足運營條件(27)式時,供應鏈成員采購大數據服務的充分條件為ΔπD>0。可知供應鏈成員采購大數據服務的臨界條件,由于直接通過解析式進行解析分析較為復雜,本節將通過算例分析進行闡述。

首先比較集中決策和分散決策下供應鏈成員不采購大數據時供應鏈整體利潤差異,證明集中決策優于分散決策。不失一般性,通過控制變量法,選擇質量敏感系數η和服務敏感系數β作為共同變量,考察分散決策和共同決策的利潤差別,同圖3、圖4,其它參數為:a=30,b=0.6,c1=1.4,c2=1.6,s=3,v=9,F=8,g=2,m=3,則如圖5所示。可以從圖中明顯看出,分散決策時供應鏈整體收益低于集中決策時供應鏈整體收益,符合性質4的結論。其次考察集中決策下,渠道供應鏈成員采購大數據服務前后利潤對比,同樣采取控制變量法,參數設置和變量選取同圖5,則如圖6所示:供應鏈成員采購大數據服務后所得收益明顯大于采購大數據服務前的收益;同時,消費者對質量和購物體驗敏感度越高,供應鏈整體利潤越大。

圖5 不采購大數據服務時集中決策和分散決策利潤水平對比

圖6 集中決策下供應鏈采購大數據服務前后的利潤水平對比

最后,選取大數據服務商努力水平作為自變量，令k=0.4，分別考察m=4，g=2；m=5，g=2；m=4，g=4下，制造商單位支付費用和大數據服務商成本系數對大數據服務商利潤的影響,大數據服務商隨努力水平變化的利潤曲線。如圖7所示,大數據服務商單位支付費用越高,大數據服務商會通過提高努力水平以增加利潤;同時,能否將成本系數控制在合理范圍內是大數據服務商利潤多少的關鍵,因此在制造商單位費用一定時,要努力優化成本系數,以增加收益。

圖7 隨努力水平變化的大數據服務滴利潤水平

圖8 機制設計后渠道供應鏈成員收益變化情況

五、分散決策下供應鏈成員采購大數據服務的協調機制

(28)

性質5分散決策下,供應鏈成員采購大數據服務時,若wc滿足:

1由于篇幅有限,T的具體取值如有需要可聯系作者獲得。

且Tmin≤T≤Tmax1則可以實現供應鏈最大程度的協調。

證明若使供應鏈成員采購大數據服務后的分散決策收益水平達到集中決策時的收益水平,需使得:

qc=[a+ln((Fm)/g)-bc1-bc2-bs+βv+ηv]/2

則有

通過三、四節的研究前半部分得證。對于后半部分,令其滿足:

即采取協調機制后,制造商和零售商所獲收益要大于分散決策時雙方所得收益,此時:

可知后半部分得證,其中T的具體取值,取決于M與R的市場地位與談判能力。

其它參數值保持不變,以λ與T作為變量,可得圖8:隨著折扣系數λ增大,M利潤減少,R利潤增加;相反,隨著固定支付T增大,R利潤減少,而M利潤增多。因此供應鏈利益協調的關鍵在于找到可行的契約空間,如圖8中箭頭所指的可行域,協調后制造商和零售商均獲得正收益,說明參與主體得到協調,分散決策下供應鏈成員收益得到優化。

六、結 論

隨著信息技術的應用,消費者需求不確定性增強,消費者個性化需求趨勢明顯。本研究構建大數據服務商參與的三級供應鏈模型,經研究得出如下結論:

1.無論分散決策還是集中決策,采購大數據服務后供應鏈整體收益高于采購前供應鏈整體收益,說明大數據服務商參與后可以準確獲知消費者畫像,增加供應鏈成員的銷量。采購大數據服務后,消費者對質量和購物體驗敏感度越高,供應鏈整體利潤越大。即大數據服務商單位支付費用越高,大數據服務商會通過提高努力水平以增加利潤;同時,能否將成本系數控制在合理范圍內是大數據服務商利潤多少的關鍵,因此在制造商支付的單位費用一定時,要努力優化成本系數,以增加收益。

2.無論是否采購大數據,分散決策時供應鏈整體收益低于集中決策時供應鏈整體利潤。分散決策下存在明顯的雙重邊際化效應。供應鏈協調的關鍵在于找到可行的契約空間,實現分散決策下的供應鏈優化,通過引入數量折扣——兩部定價契約,可以有效解決分散決策問題,協調后制造商和零售商均獲得正收益,滿足參與約束與激勵相容條件。

本研究描述了供應鏈成員分散決策和集中決策下是否采購大數據服務的各自利潤,結果表明采購大數據服務對供應鏈及其成員收益具有顯著影響。集中決策有利于實現大數據技術參與的收益最大化,通過協調機制的設計實現了從分散決策到集中決策的過程。上述模型描述的是一個制造商主導的單渠道供應鏈情形,現實中存在部分零售商主導多渠道供應鏈情形。今后的研究過程中,將繼續探索多渠道情形下,零售商主導的供應鏈成員動態合作策略及其比較。□