區域物流企業網點運營績效評價

趙育瑤 馬昊明 劉華瓊

摘要：為開展以運營績效管理為導向的區域物流企業網點評價，實現物流企業降本增效，基于主成分分析（principal component analysis，PCA）法和數據包絡分析（data envelopment analysis，DEA）法構建區域物流企業網點運營績效評價體系。采用PCA法對預設的運營績效投入與產出評價指標降維，產生強代表性、弱相關性的評價指標主成分，結合DEA法的C²R模型計算區域物流企業網點的純技術效率、規模效率及綜合效率。以石家莊市某物流企業運營質量相對較差的12個網點為樣本，統計2021年10月每個網點的投入、產出指標，對其進行運營績效評價。結果表明：12個網點的平均純技術效率低于平均規模效率，其中5個網點的綜合效率為1，投入與產出效率有效，運營較好；3個網點的規模收益處于遞減狀態，投入資源的使用效率較低；4個網點的規模收益處于遞增狀態，純技術效率低于規模效率，存在管理和技術等因素影響生產效率的問題。根據評價結果提出該企業運營優化方向為縮減規模、提升管理技術水平。

關鍵詞：區域物流；PCA法；DEA法；績效評價；物流企業網點

中圖分類號：U492;F253文獻標志碼：A文章編號：1672-0032（2023）01-0030-08

引用格式：趙育瑤，馬昊明，劉華瓊.區域物流企業網點運營績效評價［J］.山東交通學院學報，2023，31（1）：30-37.

ZHAO Yuyao，MA Haoming，LIU Huaqiong. Network operational performance evaluation of regional logistics enterprises［J］.Journal of Shandong Jiaotong University，2023，31（1）：30-37.

0 引言

區域物流是指在行政區域內所有物品的實體流動過程，包括在該區域內完成的配送、運輸、裝卸、搬運、儲存、包裝、流通加工、信息處理等功能^[1]。區域物流企業是指主要依靠公路交通運輸開展貨物運輸、儲存等物流服務的零擔物流企業，其公路交通運輸網絡是企業生產能力物質技術基礎的重要組成部分。區域物流作為區域經濟發展的重要支撐和保障，已逐步成為優化區域產業結構、增強整個區域型服務行業競爭硬實力、促進區域經濟協同發展的關鍵環節^[2]。區域物流網絡管理改革是傳統型貨運向現代型區域物流發展的重要途徑，區域物流網絡是全國交通路網的重要連接手段，搭建高效率且有發展優勢的區域物流網絡可帶動地區經濟發展，改變城市區域經濟布局。因此，有效的整合區域資源，實現公共資源的合理利用與可持續發展是當前區域物流發展的重中之重^[3]。物流網絡的高效運作是高質量完成運輸服務的保障。區域物流企業成功的關鍵是網絡化精細運作，可提高貨物按時到達率。物流網絡遵循規模效應規律，當線路網絡的貨物運輸量逐漸增長時，每條線路的單位作業成本隨之減少，但物流網絡的規模化發展達到一定程度時，隨物流網絡規模的擴大，利潤可增長的空間減少^[4]。僅依賴擴大規模并不能達到提高企業綜合競爭實力的目的。區域物流企業須借助高效化的交通運輸網絡，實施靈活、科學化的線路管理，提高貨物運營管理效率，企業單個網點的人力資源、生產能力、運作效率、運營質量等因素影響網點的輻射范圍與服務質量，進而影響企業的獲利能力。

本文通過構建多維度的區域物流企業運營管理績效評價指標體系，采用主成分分析（principal component analysis，PCA）法和數據包絡分析（data envelopment analysis，DEA）法進行網點運營績效評價，以某物流企業為例，分析企業降本增效的關鍵點，提出運營優化方向，提高區域物流企業網點運營能力及服務水平。

1 區域物流企業網點運營績效評價指標及評價方法

常用的績效評價方法有軟評價法、層次分析法、PCA法、DEA法、模糊綜合類聚評價法等^[5-8]。PCA法是一種用于尋找各決策單元間存在的影響因素的統計分析方法，可重新整合相關因素，從實際情況出發，提取具有強代表性、弱關聯性的影響因素^[9]。DEA法由美國運籌學家Charnes等提出，針對決策單元存在多投入、多產出情況時，評價其規模相對有效性和技術相對有效性^[10]。PCA法可定性降維選擇主成分指標，滿足應用DEA法進行計算分析的條件，避免指標間的強線性關系。采用DEA法建立模型時無需任何權重假設，可避免模型計算時的主觀性和偶然性，本文將2種方法相結合評價區域物流企業網點的運營績效。

1.1 網點運營績效評價指標

預選區域物流企業網點運營績效評價指標，結合企業發展現狀，采用PCA法對預選評價指標降維，得到評價指標主成分進行績效評價。

根據物流企業網點運營績效評價通用指標體系^[11-13]，剔除部分指標，設定人才資源、業務能力、運輸服務、財務狀況4項1級指標，參照企業對網點績效評價的需求及區域物流行業的特點^[14]設定1級指標下的9項2級指標，區域物流企業網點運營績效預選評價指標如表1所示。

為便于采用DEA法建模，將2級指標劃分為投入指標與產出指標。投入指存在外部資源流入網點，使之具有運作和提供服務的能力；產出指網點通過獲得外部資源經自身轉化所提供的增值性服務，因此將員工人數、物流設備、網點貨運量、交通便捷度4個指標作為投入指標，貨量完成率、開單及時準確率、客戶投訴率、落貨時效準點率、營業凈利率5個指標作為產出指標。

1.2 網點運營績效評價方法

區域物流企業在一定區域內選定多條運輸路線構成業務運營網絡，每個業務運營網絡節點都是1個決策單元，具有多維度投入和多維度產出的特征，決策單元主要從事物流生產活動，每個決策單元相當于1個生產單元。如果決策單元用最少的投入實現最大的產出，說明該決策單元目前為技術有效狀態，與企業最佳投入規模狀態匹配，可認為企業物流網點的規模有效。

采用DEA法建模分析企業物流網點的技術有效性和規模有效性。DEA法具有多種模型，C²R模型形式簡單、理論完善，符合網點運營績效評價需求。

決策單元的C²R模型為^[15]：

式中：D為規模效率；ε為阿基米德無窮小；θ_j為產出指標的對偶變量；S⁺為投入指標的剩余變量，S⁺=s⁺₁s⁺₂…s⁺_i…s⁺_m≥0，s_i⁺為約束條件等式化中引入的第i個剩余變量；S^-為產出指標的松弛變量，S^-=s^－₁s^－₂…s^－_i…s^－_s≥0，其中s_i^-為約束條件等式化中引入的第i個松弛變量；X_j為投入指標，X_j=x_1jx_2j…x_ij…x_mjT，其中x_ij為第j個決策單元第i個投入指標；Y_j為產出指標，Y_j=y_1jy_2j…y_ij…y_sjT，其中y_ij為第j個決策單元第i個產出指標；λ_j為投入指標的對偶變量。

由式（1）計算出投入、產出指標的對偶變量最優解λ₀、θ₀，投入指標的最優剩余變量S₀⁺、產出指標的最優松弛變量S₀^-，則：1）當θ₀=1、S₀⁺=0、S₀^-=0時，決策單元的規模效率為1，決策單元同時達到技術有效和規模有效；2）當θ₀=1、S₀⁺+S₀^-＞0時，決策單元的規模效率不為1；3）當θ₀<1時，決策單元的規模效率不為1，決策單元不能同時達到技術有效和規模有效，存在投入過多或產出較少的問題^[16]。

將DEA法的C²R模型用于區域物流企業網點運營績效評價中，把不同的物流網點視為不同的決策單元，調研企業中所有決策單元集合，集合由所有的投入指標和產出指標組成，借助DEAP 2.1軟件計算決策單元的規模效率、純技術效率、綜合效率及規模收益狀態，分析決策單元的優化改進方向，物流企業可根據評價結果及實際運營現狀制定改進措施。

2 區域物流企業網點運營績效評價體系應用

某物流公司A成立于2001年，總部位于河北省石家莊市，在河北省擁有200個營業網點，其中石家莊市約40個營業網點，屬于網絡型區域物流零擔貨運企業，在河北省擁有完備線路網絡。為提高市場競爭力、提升物流實力，公司A成立初期以小型專線運輸門戶加盟模式擴張網點的覆蓋范圍，加盟模式比直營模式耗費精力少、投資低。但隨著公司業務的增多，投資規模不斷擴大，加盟模式逐漸無法適應公司發展，問題逐步顯露，加盟模式的網點在運營的標準化及對網點的管控上弱于直營模式，部分網點出現未按公司要求提供服務的情況，導致公司無法實現統一管理，經營指標差等相關問題逐漸積累，影響并威脅公司整個運輸網絡環節的靈活運作。公司A需建立一套合理的網絡運營績效評價指標，更好地指導網點的運營和發展，為公司A的決策提供支持。

2.1 基于PCA法的網點運營績效評價指標降維

實地調研物流公司A，結合公司運營中心質控部統計的運營數據，匯總石家莊市內運營質量相對較差的12個網點在2021年10月的投入、產出指標，結果如表2所示。12個網點的收貨區域為石家莊市內，發貨區域為物流公司A開通的全國所有線路。

2.1.1 投入指標降維

為消除不同指標間的量綱差異和數量級間的差異，通過SPSS 23軟件將12個網點的投入指標進行標準化處理，結果如表3所示。

結合表3數據，計算得到投入指標的總方差解釋如表4所示。由表4可知：x_1j、x_2j提取載荷平方和的累計百分比為93.960%，提取特征值分別為2.599、1.160。根據提取主成分條件為提取特征值大于1且提取載荷平方和累計百分比大于80%可知，確定投入指標的主成分個數為2。投入指標主成分載荷如表5所示。由表5可知：第1主成分和x_1j、x_2j、x_4j的相關性強，第2主成分和x_3j的相關性強，說明確定其為投入指標主成分是合理的。

第i個投入指標的第1主成分、第2主成分的因子載荷

式中α₁、α₂分別為x_1j、x_2j的提取特征值。

由式（2）計算得到投入指標的第1主成分、第2主成分與各網點的相關系數F_j¹和F_j²的計算公式為：

將式（3）輸入SPSS 23軟件中，結合表3中的數據計算得到F_j¹、F_j²如表6所示。

2.1.2 產出指標降維

通過SPSS 23軟件將區域物流企業網點績效評價的5個產出指標降維至3個主成分，主成分與各網點的的相關系數T_j¹～T_j³如表7所示。

2.1.3 數據處理

基于PCA法將區域物流企業網點績效的9個評價指標降維為5個主成分，并得到降維后主成分與各網點的相關系數，但結果中存在負數，為建立符合DEA模型的數據應用條件，對數據進行非負處理^[17]，結果如表8所示。

2.2 基于DEA法的網點運營績效評價

基于DEA法，結合表8中的數據，采用DEAP 2.1軟件計算得到各網點的綜合效率、純技術效率、規模效率及規模收益狀態，各網點的運營績效評價結果如表9所示。

由表9可知：12個網點的平均綜合效率、平均純技術效率和平均規模效率分別為0.749、0.812、0.922，平均純技術效率低于平均規模效率，說明網點的運營管理存在漏洞，物流公司A不僅要對12個網點進行運營管理培訓及推動新技術的應用，還應對全部網點出臺相關文件制度，把控并提高公司整體運營管理質量。

網點2、3、4、7、11的綜合效率為1，從模型角度分析，5個網點的投入、產出效率相對有效；從樣本數據分析，網點的交通便捷度、貨運量相對較好，基礎設施建設完善，有良好的發展基礎，網點整體的運營績效較好。如網點2的交通便捷度排名第1，貨運量排名第8，說明網點2選址在交通便利、市場貨運需求量相對較高的地點，其開單及時準確率排名第2，落貨時效準點率排名第1，客戶投訴率排名第8，其投入與產出相匹配，營業凈利率排名第1，說明網點2目前運營情況相對最好。

網點9、10、12的規模收益為遞減狀態，生產效率增加的比例小于投入規模增加的比例，純技術效率為1，規模效率不為1，網點9、12的規模效率低于12個網點的平均規模效率。此3個網點的主要問題是投入資源的使用率低，無法發揮現有投入規模的最大生產效率。從樣本數據可知，3個網點的投入資源排名較靠前，尤其是網點物流設備投入排名依次為8、7、2，存在投入資源閑置現象，說明網點9、10、12應縮小現有規模，降低投入，以匹配現有的產出效率。

網點1、5、6、8的規模收益為遞增狀態，生產效率增加的比例大于投入規模增加的比例，純技術效率低于規模效率，規模效率接近1。說明4個網點目前存在的問題是管理和技術等因素影響生產效率，從樣本數據可知4個網點的產出效率排名較靠后，如網點8的貨量完成率、開單及時準確率、落貨時效準點率排名分別為10、12、12；網點1開單及時準點率排名第10，網點6的落貨時效準點率排名9，說明這4個網點應針對運營質量進行整改。

網點1的純技術效率與規模效率相差最大，考慮到其規模收益為遞增狀態，存在的問題可能是規模過大、管理存在漏洞，運營管理質量差。網點1選址于石家莊市服裝批發市場附近的物流園區內，該服裝批發市場全年平均出貨量最大，從樣本數據可知網點1交通便捷度排名第3，交通便利，可考慮將其與貨量完成率、開單及時準確率、落貨時效準點率等運營情況均較好的網點10合并，利用網點10在運營管理技術方面的優勢，發揮最大經濟效益。

2.3 公司及網點運營優化建議

根據物流公司A的現狀及各網點存在的問題，提出運營優化建議為：1）分析周邊區域物流市場的需求，制定合適的貨量完成率績效指標；2）建立健全培訓體系，組織適合網點提升質量控制水平的培訓，如組織各網點的相關員工進行系統操作、裝卸車標準、巴槍操作等業務技能，及運輸管理、車輛保養、維修等駕駛技能方面的培訓；3）合理控制成本，做好發展規劃，提高倉儲、配送等產品的附加價值；4）完善并改進基礎設施投資建設，提高運營管理效率，提升物流服務質量；5）制定物流增值服務，發掘物流運輸服務的潛在價值，不斷吸引新的物流客戶，提升公司盈利空間;6）合理化運輸，提高市內往返運輸車輛的實載率，根據實際情況，靈活搭配車廂內的貨物種類以實現合理化的配載運輸，并靈活選擇運輸線路，提高運輸效率。

3 結論

本文基于主成分分析法與數據包絡分析法評價區域物流企業網點運營績效，根據評價結果提出具體的運營優化建議。

1）主成分分析法與數據包絡分析法是針對區域物流企業的網點存在多投入和多產出指標的有效績效評價方法，可為物流企業發展指明改進方向，針對區域物流企業績效評價具有一定普適性。

2）以河北省物流公司A為例進行網點績效評價，制定具體的整改措施，該措施可為其他區域的物流企業提供一定的參考。

3）僅采用9個評價指標對物流公司A進行網點運營績效評價，但需要更全面準確的指標量化與考核區域物流企業運營。因此，建立更加全面、準確、適用性強的運營績效評價指標體系是進一步的研究方向。

參考文獻：

［1］王鵬.物流經濟與區域經濟耦合協調度模型研究[J].中國物流與采購，2021（13）：60-62.

[2]曾磊.區域物流企業空間分布時空演化研究：以長江三角洲城市為例[D].鎮江：江蘇大學，2020.

ZENG Lei. Research on spatial and temporal evolution of spatial distribution of regional logistics enterprises：take Yangtze River Delta City as an example[D].Zhenjiang：Jiangsu Universty，2020.

[3]巴文婷，閆星臣.民營快遞企業區域物流網絡優化分析：以A企業為例[J].物流工程與管理，2020，42（6）：37-39.

BA Wenting， YAN Xingchen. Analysis on the optimization of regional logistics network of private express enterprises：take enterprise A as an example[J].Logistics Engineering and Management，2020，42（6）：37-39.

[4]郭放，黃志紅，黃衛來，等.考慮自取服務和門到門服務的電動汽車物流網絡優化策略研究[J].中國管理科學，2022，30（2）：264-275.

GUO Fang， HUANG Zhihong， HUANG Weilai，et al. Optimal planning of the electric vehicle routing and battery charging problem with self-pickup and door-to-door delivery service[J].Chinese Journal of Management Science， 2022，30（2）： 264-275.

[5]劉夏霞.基于AHP和灰色關聯度法的B企業財務績效研究[D].太原：太原理工大學，2021.

LIU Xiaxia. Financial performance evaluation of B enterprise based on AHP and grey relational degree method[D].Taiyuan：Taiyuan University of Technology，2021.

[6]崔玉琦.城市軌道交通運營綜合評價指標體系設計與評價方法研究：以青島地鐵為例[D].青島：青島大學，2020.

CUI Yuqi. Research on the design and evaluation method of comprehensive evaluation index system of urban rail transit operation：taking Qingdao Metro as an example[D]. Qingdao：Qingdao University，2020.

[7]陳焰，呂倩.基于DEA和Malmquist的我國上市物流企業運營效率評價[J].物流技術，2019，38（7）：79-84.

CHEN Yan， L? Qian. Operating efficiency evaluation of Chinese listed logistics companies based on DEA and Malmquist[J].Logistics Technology，2019，38（7）：79-84.

[8]包云帆.基于BSC-CSF的物流企業績效評價研究：以德邦快遞為例[D].南昌：江西農業大學，2021.

BAO Yunfan. Research on logistics enterprise performance evaluation based on BSC-CSF：taking deppon express as an example[D]. Nanchang：Jiangxi Agricultural University，2021.

[9]范立南，李思凡，李佳洋.基于PCA-HCA雙層模型的區域物流網絡能力水平研究[J].物流工程與管理，2021，43（1）：71-75.

FAN Linan， LI Sifan， LI Jiayang. Study on the capacity level of regional logistics network based on PCA-HCA[J]. Logistics Engineering and Management，2021，43（1）：71-75.

[10]李興宏，劉華瓊，胡宗磊.山東省綜合交通運輸效率評價與關聯度分析[J].山東交通學院學報，2022，30（3）：55-61.

LI Xinghong， LIU Huaqiong， HU Zonglei. The evaluation and correlation analysis of comprehensive transportation efficiency in Shandong Province[J].Journal of Shandong Jiaotong University，2022，30（3）：55-61.

[11]武慧婷.企業物流績效評價指標體系的構建探究[J].中國物流與采購，2021（18）：66.

[12]徐娟.基于主成分分析-熵值法的綠色發展視角下城市物流績效指標體系構建與評價研究[J].物流科技，2020，43（7）：34-39.

[13]馬莉，黃遠新，易偉，等.城市物流績效評價指標體系的構建[J].物流工程與管理，2020，42（10）：29-31.

MA Li， HUANG Yuanxin， YI Wei， et al. Construction on urban logistics performance evaluation′s index system[J].Logistics Engineering and Management，2020，42（10）：29-31.

[14]唐琦.京津冀區域物流效率評價及影響因素分析[D].北京：北京交通大學，2021.

TANG Qi. Evaluation of logistics efficiency and analysis of influencing factors in Beijing-Tianjin-Hebei Region[D].Beijing：Beijing Jiaotong University， 2021.

[15]趙天毅.基于數據包絡分析（DEA）的供應鏈協調效率評價方法及其應用[D].合肥：中國科學技術大學，2021.

ZHAO Tianyi. Supply chain coordination efficiency evaluation method and its application based on data envelopment analysis（DEA）[D].Hefei：University of Science and Technology of China，2021.

[16]連波.基于多時期網絡DEA的中國高鐵公司運營效率比較研究[D].北京：北京交通大學，2021.

LIAN Bo. A comparative study on the operational efficiency of China′s high-speed railway companies based on multi-period network DEA[D].Beijing：Beijing Jiaotong University，2021.

[17]陳鵬宇.線性無量綱化方法對比及反向指標正向化方法[J].運籌與管理，2021，30（10）：95-101.

CHEN Pengyu. Comparison of linear normalization methods and the conversion method of reverse indicators[J].Operations Research and Management Science，2021，30（10）：95-101.

Network operational performance evaluation of

regional logistics enterprises

ZHAO Yuyao， MA Haoming， LIU Huaqiong^*

School of Transportation and Logistics Engineering， Shandong Jiaotong University， Jinan 250357， China

Abstract：In order to carry out the operational performance oriented network evaluation and achieve the goal of reducing costs and increasing efficiency of regional logistics enterprises， the operational performance evaluation system of regional logistics enterprises is constructed based on the principal component analysis（PCA） method and the data envelopment analysis （DEA） method.The PCA method is used to reduce the dimension of the preset evaluation indexes related to the input and output of operational performance， then the principal component evaluation indexes with strong representative and weak correlation are generated. After that， the pure technical efficiency， scale efficiency and comprehensive efficiency of regional logistics enterprise network outlets are calculated by using the C²R model of DEA method， and taking the 12 network outlets of logistics enterprises with relatively poor operational quality in Shijiazhuang， Hebei Province as samples， the input and output index data at each outlet in October 2021 were analyzed statistically to evaluate their operational performance， the results show that the pure technical efficiency in the 12 outlets is lower than the average scale efficiency; of the 12 outlets， the 5 outlets are 1 in terms of comprehensive efficiency which indicates effective input and output efficiency and good operation; the 3 outlets are in the declining situation that means the efficiency of using the input resources is low; the other 4 outlets are at increasing trend returns about the scale benefit， the pure technical efficiency is lower than the scale efficiency， and there are problems that management and technology factors affect the production efficiency. According to the evaluation results， the direction of operational optimization in the enterprise is to reduce the scale and to improve the level of managerial technology.

Keywords：regional logistics; PCA method; DEA method; performance evaluation; logistics enterprise network outlets

（責任編輯：郭守真）