“互联网+共享经济”下的运作管理

周永务+钟远光+谢维+林晓刚

摘要： 近年来，随着互联网技术的高速发展，特别是移动互联网时代的到来，共享经济得到了前所未有的发展并受到社会各方的广泛关注，逐步形成一种新型经济形态。在这背景下，华南理工大学工商管理学院举办了“互联网+共享经济”下的运作管理国际学术论坛，深入探讨了该领域的最新国际前沿研究。论坛报告内容包括“互联网环境下数据驱动的运作管理”“ 共享企业的供给与需求匹配问题”“ 共享经济下服务管理和风险控制”等三个方面。本文首先总结了论坛报告的重要研究成果，在此基础上结合国内外共享经济服务模式面临的可能问题，提出了三点未来可能的研究方向，为共享经济的后续研究提供一定的思路。

关键词： 互联网+共享经济；运作管理；数据驱动

中图分类号： F0629文献标志码：A文章编号：1009-055X（2017）00-00-

doi：1019366/jcnki1009-055X201700000

一、引言

近年来，随着互联网技术的高速发展，特别是移动互联网时代的到来，共享经济得到了前所未有的发展并受到社会各方的广泛关注，逐步形成一种新型经济形态。共享经济最初来源于开源社区，是用于描述涉及网络交易的经济和社会活动的总括术语，通常被定义为以对等的方式共享商品和服务。从狭义上说，共享经济是指在保留所有权的情况下，把闲置的资源使用权暂时转让给他人，并获得一定报酬的商业模式。这其中包含三大主体：商品或服务的需求方、供给方和共享经济平台。共享经济平台作为连接供给方和需求方之间的纽带，目的是通过构建一系列机制，如双方互评体系、动态算法与定价等，使得供给双方能够实现有效匹配并实现交易和获取佣金，其本质是整合线下的闲散物品、劳动力与教育医疗资源。

当前，共享经济几乎已经渗透到所有相关领域，例如交通出行、物流快递、餐饮住宿、医疗保健、资金借贷、知识技能、科研实验等。据统计，2015年中国共享经济市场规模约为19560亿元，预计到2020年市场规模约占GDP比重的10%以上，年均复合增长率在40%左右[1]，共享经济领域市值超过10亿美元的企业已有46家。目前共享经济模式按共享对象划分，大致有以下三種类别：（1）产品/资源共享，如汽车、生产能力、知识等，代表性企业有滴滴、Uber、阿里巴巴“淘工厂”等；（2）资金共享，如债券众筹、产品众筹、股权众筹等，代表性企业有LendingClub、Kickstarter、京东众筹、陆金所等；（3）人力共享，集中在生活服务行业中，代表性企业有Wonolo、京东到家、春雨医生等。在共享企业如雨后春笋般层出不穷时，新的挑战也悄然来临。从以上几种在共享经济环境下已经发展起来的领域可以看出，共享企业在运作管理层面面临着许多新的挑战，其中最核心的问题为聚拢供需与匹配供需，这两点决定着共享经济平台的参与者是否充分，交易效率是否够高。随着从事共享经济行业的企业越来越多，同质化程度也越来越高，要想在激烈的竞争市场中立于不败之地，对于企业来说最为重要的取决于能否找到一种比竞争对手更快捷更有效率地匹配供需的方法。这就要求共享经济平台对服务模式进行创新的同时，也需要对各环节的运作策略进行优化。

因此，在上述背景下，华南理工大学工商管理学院于2017年1月4—5日在广州举办了“互联网+共享经济下的运作管理”国际学术论坛。期间，论坛以“共享经济下的管理科学前沿理论与实践创新”为主题，深入探讨了“互联网+”环境下目前与共享经济相关的最新研究理论成果和实际应用。本次学术会议由华南理工大学工商管理学院、华南理工大学社科处及广州市“菁英计划”领导小组办公室联合主办，邀请了中国工程院院士、合肥工业大学杨善林教授，美国麻省理工学院David Simchi-Levi教授，新加坡国立大学商学院Teo Chung Piaw教授，美国伊利诺伊大学香槟分校陈新教授，香港城市大学陈友华教授等国内外著名学者参加并围绕“互联网+共享经济”下的运作管理前沿热点问题进行了专题报告。同时，本次论坛还吸引了荷兰鹿特丹大学、新加坡管理学院、新加坡科技设计大学、香港中文大学、香港城市大学、中国科学技术大学、中山大学、西安交通大学、大连理工大学、深圳大学、暨南大学、广东工业大学、广东财经大学、广州大学、东北财经大学、汕头大学等校外师生共100多人的积极参与和热烈讨论。论坛的内容涉及互联网环境下数据驱动的运作管理，共享经济下的供需匹配，共享经济下的风险控制等三个方面问题。论坛报告内容一定程度上代表了共享经济下运作管理理论与方法的最新研究进展，以下将对这些报告的内容进行详细介二、论坛的研究热点介绍

（一）互联网环境下数据驱动的运作管理

基于数据驱动的运作管理研究方面，总共有3场相关报告。这些报告分别从收益管理、智能快递柜布局和医疗管理等方面问题对数据驱动的研究发展进行了汇报，展示了如何将数据驱动和运作优化相结合来解决企业和政府面临的实际问题。

1.数据驱动的收益管理

一般情况下，在研究收益管理时所涉及的动态定价问题，其需求函数的具体形式是事先未知的。虽然价格试验或者产品捆绑能够用做需求学习的方法，但实际应用上在线零售商需要面对很多商业上的限制，比如无法进行扩展性的测试、有限的库存以及较大的需求不确定性等。本次论坛上，David SimchiLevi教授分享了如何运用数据驱动来发展新的工程和科学方法，并用新方法去解释、预测和改变消费者行为。

David SimchiLevi教授的报告主要分为两部分。在第一部分报告中，他介绍了与美国Groupon公司合作的案例，针对该公司的收益管理问题，他们构建了一种动态规划模型，在该模型中需求函数的信息是未知的，但属于一个可知的有限集合里面。通过对公司的数据进行分析，他们发现线性的需求函数的集合可以用来近似真实的需求函数。做为实际应用，Groupon公司允许在销售的时候对部分价格进行调整，目的是使决策的后悔值最低，即与提前知道所有需求分布信息的决策结果相比，在该方法下产生的期望总收益损失最小。他们的研究表明定价策略能够使得后悔值尽可能的小，直到接近恒定值。他们把价格优化算法在Groupon公司进行了上线测试，结果大大地提升了该公司的收益和市场份额，证明了方法的有效性并取得了企业的好评和信任[2]。在第二部分的报告中，David SimchiLevi教授把价格优化模型进一步拓展到了网络收益管理方面的问题，在该问题中，他们考虑在有限库存的情况下在线零售商应该如何销售多种产品才能使得总收益最大。该问题的研究动机来源于美国一家专门做服装特卖的电商企业Rue La La，该公司面临的主要问题是当价格给定的情况下，相对应的预期销售是多少。解决该问题必须从历史销售数据着手，对数据进行处理分析从而到准确的需求信息。为了帮助Rue La La解决这个问题，他们提出了一种有效的基于Thompson Sampling思想的动态定价算法，与其他列出的算法相比，该算法被证明具有很强的理论保障并且也能较好地进行数值分析[3]。最后，David SimchiLevi教授介绍了他们的方法和算法在B2W Digital公司的应用效果，该公司是美国一家大型的拉丁美洲在线零售商，他们对捆绑销售策略的应用非常感兴趣。他们发现捆绑销售能够被用作为一种形式的价格试验，即混合捆绑计划，应用这个策略后，不需要调整价格也可以使公司快速地学习到顾客对产品的估计分布。他们考虑了一种简单的价格捆绑策略，该策略考虑了顾客的估计和生产成本。endprint

在此次报告中，David SimchiLevi教授重点分享什么是基于数据驱动的研究，为什么在当今需要更多考虑基于数据的研究以及数据驱动能够给运作管理研究这一传统方向带来的新发展机会。

2.数据驱动的新加坡智能快递柜布局优化

为了降低最后一公里的配送物流成本，新加坡政府最近提出建立用于包裹配送的联邦智能快递柜系统概念。作为公共的基础设施项目，联邦智能快递柜系统需要确保所有居住在公共租屋的居民能够享受到足够好的服务。但是，考虑到平均主义的因素，智能快递柜的分布可能会与尽可能充分利用智能快递柜这一商业目标背道而驰。为此，Teo Chung Piaw教授通过对新加坡政府收集的智能快递柜的运营数据进行深入分析，发现了一些有趣的现象，即低于1%的居民会选择使用智能快递柜，而大部分分布在非商业区的智能快递柜均未得到充分的利用，主要原因是由于居民们习惯在购物或工作的路上提取包裹。

通过对此课题的研究，Teo Chung Piaw教授发现对于智能快递柜使用效率低的问题，可以通过适当改变整个智能快递柜系统规模的大小得到很好的改善。为了解决这类问题，他们首先构建了一个货柜选择模型，并通过对影响选择需求的参数进行刻画进而实现预测包裹的数量的目标。值得一提的是，他们的方法与传统思路不一样的地方体现在，他们的模型不建议把智能快递柜放在有高峰使用量的区域，这是因为现有的需求数据存在内生性的特点。同时，他们的研究还揭示了过大规模的智能快递柜分布在过多的智能快递柜点将明显降低每个智能快递柜的使用效率，恰当规模的智能快递柜布局对配送最后一公里中的智能快递柜系统概念具有重要的意义[4-5]。

Teo Chung Piaw教授通过这次报告，与参会的师生们分享了具有新加坡特色的智能城市构建框架，强调了数据驱动和运作优化结合是未来的主流研究趋势，为数据驱动的优化方法研究指明了方向。

3.基于臨床数据的门诊预约安排

医疗大数据一直是政府和民众最为关心的民生问题之一，特别是在现在门诊队长如龙的窘境下，如何通过数据驱动的医院运作管理使得民众看病效率得到显著提高是一个热门话题。郑智超博士在此次论坛中汇报了利用新加坡一家医院的临床数据研究门诊预约安排的问题。在门诊安排中，一个常见的现象是有一大部分患者在网上预约后不准时出现或不出现，该行为会对新患者和随访患者的门诊预约系统产生严重的影响，大大降低了门诊接待患者的效率。郑智超博士指出传统的研究主要集中在新患者身上，并只考虑等待时间对不出现行为概率的作用。然而，他们通过分析新加坡一家医院的综合临床数据，证明了等待时间对随访患者的不出现行为影响并不大。事实上，如果门诊系统能够让他们的预约根据自身要求重新安排，他们的不出现概率将大幅度下降。相反，如果这些预约是由医院门诊重新安排，不考虑患者的实际需求，则患者不出现的概率将显著增加。相比之下，新患者只关心等待时间，对于是否自身启动重新安排并不敏感[6]。

郑智超博士等的研究发现为门诊患者预约不出现行为提供了有用的管理启示。首先，门诊可以策略性地促进后续患者的积极重新安排，以减少无患者的产生；第二，通过这种重新安排释放的床位可以提供给新病人，由于等待时间被缩短，新病人的出勤率会显著提高。这些策略可以协同使用，从而减少不出现行为和提高门诊效率。郑智超博士分享的大数据研究在医疗行业的使用情况给研究者拓展了新的研究思路。

（二） 共享企业的供给与需求匹配问题

在共享企业的供给与需求匹配问题方面，总共有3场相关的报告。这些报告包括前瞻性买家和卖家的共享企业定价和供需匹配、带有柔性的不平衡网络能力设计和匹配以及多式联运空集装箱管理与协调等。

1.考虑前瞻性买家和卖家行为的共享企业定价和供需匹配策略

陈祎伟博士以当下流行的出行共享平台为例，如Uber、Lrft、滴滴公司等，描述了当司机和乘客都具有前瞻性行为时，共享企业如何采取最优的动态定价和供需匹配策略使得自身的利润最大，而且引发了一个思考，即“哪一种价格策略更有效，是动态定价，还是固定定价？”为了便于问题研究，他们假设买家和卖家都是服从泊松过程而随机出现的，共享平台根据买卖双方的买卖价格进行动态决策，并在买卖双方同意交易后进行匹配决定，买家和卖家双方有交易需求后可以战略性地等待更适合的价格。在理论上该问题是一个较难分析的多维机制设计问题，他们提出了一个简单的启发式策略，即向买方收取固定要价，向卖方提供固定买价，加上价格调整作为对预期等待成本的补偿，以及先到先得的贪婪匹配策略。这些固定的基准价格在预期的情况下平衡需求和供给，并可以实现有效计算。同时，等待调整的询价和投标价格过程是时间依赖性的，并且在开始和结束时倾向于具有相反的趋势。在这种启发式策略下，前瞻性的买卖双方并没有等待，他们为这个启发式策略提供了一个原始依赖的绩效保证，并表明它对于中间平台来说是渐近最优的，即随着需求和供应量的增加，等待时间的补偿可以忽略不计。

陈祎伟博士等的研究结果表明，异质买家和卖家的随机出现行为本身可能不足以证明动态定价的合理性[7]。Uber每五分钟更改一次价格以快速匹配供给和需求，他们的研究却发现，如果基本市场状况不发生明显变化并且是市场规模较大时，Uber的动态定价策略不是最优的，相反应该采取静态的定价策略。这是由于随着平台交易量的增加，峰值定价的收益也会减少，并且大幅度上涨定价可能会减少乘客数量，并引起乘客和司机战略性地选择其他平台。他们的研究对共享平台的动态供给与需求匹配策略提供了指导性建议。

2.带有柔性的不平衡网络能力设计

谢金贵博士从企业柔性出发，对网络的能力设计研究进行了汇报，他们的研究在于分析不平衡网络中有效匹配供给与需求的问题。柔性通常被视为企业将供给与不确定需求相匹配的能力，一定程度的柔性可以遏制由不确定的需求引起的损失，而缺乏柔性可能会导致严重的损失。由于柔性在现实商业活动中扮演着非常重要的角色，其已被并入了许多系统和网络。例如汽车制造商已经使用灵活的生产系统来有效地满足不确定的需求，服务提供商已经使用交叉培训代理来服务于多种类型的客户。然而，柔性并不总是有益的，虽然一些公司通过使用柔性获得了竞争优势，但有些公司并不是非常成功。例如医院引入了床位管理的柔性，但因此面临严重的患者溢出问题。由此可见，如果网络设计不佳，则柔性可能无法使网络受益，甚至不利于系统性能。endprint

为了解决该问题，谢金贵等提出应该如何设计可以更好地利用柔性网络的问题。在报告中，他们提出一种具有柔性的设计模型，并使用节点近似分析来估计网络中节点的溢出，其目的是通过为每个节点分配能力来最小化网络中的总溢出成本。他们给出了一个明确的启发式解决方案，最小化网络中的最大节点溢出概率[8]。另外，通过考虑溢出成本和节点空闲成本，他们讨论了总能力设计和分配问题。最后，在案例研究中展示了如何重新设计能力，以便更好地控制病人的溢出。

3.多式联运空集装箱共享与匹配问题

马利军教授汇报了多式联运空集装箱库存共享与匹配问题。他们主要专注于多式联运中无水港对提高空集装箱管理与匹配效率的问题。考虑由一个在无水港的一家铁路运输公司和一个在海港的班轮公司组成的联运运输系统，首先描述了集中式模型中无水港和港口之间的最优配送策略以及最優策略如何随着无水港和海港空集装箱初始数量发生变化；接下来，设计了一个双边回购合同来协调分散决策下的参与主体，得出分散模式下的铁路公司和班轮公司之间的库存共享均衡以及在给定双边回购合同下的均衡交付量。此外，他们通过选择适当的合同参数来协调分散决策，并展示如何在两家公司之间分配集中决策系统的利润[9]。

（三）共享经济下服务管理和风险控制

在共享服务型企业的风险和发展问题方面，总共有5场相关报告，包括共享经济下服务和服务科学的研究思考、支持消费者在共享平台购买和销售二手商品是不是“绿色”举措、众筹模式的风险控制和收益分配策略等方面。

1.共享经济下的服务管理

杨善林院士对服务和服务科学的研究进行了深入浅出的汇报，引用了很多工业界中的成功企业案例系统地分析服务的发展、分类和研究前沿。杨院士指出，服务科学是指把计算机科学、运筹学、产业工程、数学、管理学、决策学、社会科学和法学等既定领域内的工作相融合，研究在面向服务的全球经济环境下所必需的相关技术、专业技能和商业模式。服务科学是社会科学、自然科学、技术科学和人文科学交叉形成的科学，是社会和技术共同演进的产物，重视应用，实用性强，与社会、经济、科技、教育、文化等发展日渐密切。它不仅研究战略、结构、运作、营销，还研究服务需求、服务定位、服务绩效、服务文化、服务创新、服务策略、服务产品、服务定价、服务品牌等等。

最后，杨院士指出共享经济在未来将成为重要的经济模式，但其发展也面临着诸多难题。例如，第一，当前占主导地位的经济社会管理制度是建立在工业经济和工业化大生产基础上的，强调集权、层级管理、区域与条块分割等管理方式，注重事前审批和准入。然而，基于网络的共享经济具有典型的网络化、跨区域、跨行业等特征，许多传统的制度变得越来越不适用于快速发展的共享经济。第二，当前许多新业态游走在监管的灰色地带，如股权众筹在我国还处于法律与监管的模糊地带。有些创新实践则面临不合理的制度要求，如从事互联网教育的企业被要求配置线下教学用地，否则不予审批；一些地区要求从事网络出行服务的专车需要具有运营资格，等等。如按现有法律和制度要求，多数共享经济模式都有“违法”嫌疑，面临随时都可能被叫停的灭顶之灾。诸如此类的问题还有很多，共享经济的发展对现有的政策、制度、法律提出了新的挑战，也在倒逼监管部门研究、制定适应共享经济发展的政策体系，创新和完善监管方式与手段。第三，共享经济发展大大降低了诸多行业的进入门槛，共享型企业拥有显著的成本优势、创造无限供给的能力、趋近于零的边际成本，使传统企业面临巨大竞争压力。在具有排他性的垄断市场中，共享型企业的进入及其快速扩张的发展态势冲击着原有的商业逻辑和经济秩序，直接引发了社会财富和利益的重新分配，不可避免的会遇到来自既得利益者的质疑和阻挠[10]。

2.支持消费者在共享平台购买和销售二手商品是否为“绿色”举措

陈友华教授等提出是否应该支持消费者在二手市场平台进行买卖。他指出目前已经有多家品牌公司推出了共享（如P2P）平台，以支持客户发布、销售和购买二手商品。这些共享平台被视为二手市场，其中二手商品从不想拥有他们的消费者手中传递给想要他们的消费者手中，这是避免资源浪费常见的一种方案。这些公司通常会将其宣传为“绿色”计划。然而，如通常认为的那样，二手市场将会减少公司新产品的销售，从而损害其财务收入。因此，他们的研究目标是解决以下两个问题：支持客户通过二手市场出售二手商品能否增加企业利润？是否为“绿色”举措？他们的研究发现，鼓励二手交易不仅能够为公司带来更大的收益，同时对环境保护具有重要的作用，但这种结果很大程度上取决于产品的再利用价值和新兴产品的相对价值[11]。

3.众筹模式下的收益分配

众筹一词来源于对Crowfunding一词的翻译，即大众筹资或群众筹资，简单地说就是一种向群众募资，以支持发起的个人或组织的行为。这其中包含三大运作主体：项目发起人、平台和跟投人。众筹的特点是多样性、低门槛、依靠群众的力量、注重创意等。关于这种新型投资方式，Mabel C. Chou等探讨了众筹模式的收益分配问题。Mabel C. Chou教授结合亲身经历的投资过程，详细分析了众筹融资模式下投资者的选择行为。与传统投资不一样的是，众筹平台往往没有投资资金要求，投资者可以根据自身的风险承担能力选择相应的投资项目，众筹平台收集到资金后分配给相应的众筹项目发起人，在获得收益后众筹平台再把收益分配给投资者。因此，Mabel C. Chou等的研究聚焦于以下问题：投资者的投资风险和回报是什么？为了吸引更多的资助者，众筹平台需要采取哪种利益分配策略[12]？他们通过给每个投资者一个相应的服务水平形式，引入了一种基于历史信息分配的算法，很好地解决了众筹模式下的利益分配问题。

4.共享经济模式下的风险分担

陈新教授从Uber公司、滴滴公司等能力共享到零售商合作共享，保险市场等的案例中得出为什么现实中需求共享，以及共享经济存在的必然性。以共享经济为背景，陈新等考虑了一个风险分担问题，其中代理人将其随机成本汇总在一起，并寻求分配规则，将风险重新分配给每个代理人。他们将该问题放入合作博弈框架中，主要解决两个关键问题：合作博弈理论中的核是否存在以及合作联盟是否稳定？当代理人的风险通过连贯的风险度量来衡量时，他们构建了基于对偶理论的风险分配规则，确定其稳定性。在将风险度量限制在失真风险度量时，如果随机成本是独立的并且对数下降的，则基于二元性的风险分配规则是单调的。对于依赖正态分布随机成本的情况，他们确定出了依赖结构的简单条件以确保单调性[13]。他的研究成果能够广泛运用于解决共享经济模式下的风险分担问题，为共享经济的风险管理问题奠定了基础。endprint

三、研究总结与展望

（一） 研究总结

综上所述，互联网+共享经济下的运作管理已经取得了较大进展，特别是在互联网环境下数据驱动的运作管理。随着信息技术的飞速发展，数据的存储和获取变得越来越容易，在此背景下，基于数据驱动的运作管理研究越来越受到重视。传统的学术研究大都是问题驱动，即在了解企业运作问题之后提出解决方法或理论指导。而现实的商业环境越来越复杂，表现的问题也越来越多样化，在这种情况下已经很难直接发现企业运作问题的本质。但是，值得注意的是Teo Chung Piaw教授指出，更多的数据并不意味着更多的价值，他强调要做好互联网环境下数据驱动的运作管理，需要做好以下三点：（1）更深刻地理解现实生活中的运作。（2）更有效地整合数据、模型和决策。取决于我们是否拥有合适的数据以及合适的预测模型。（3）更好的模型去处理不确定性和未知的数据。我们的模型在有错误信息输入的时候是否稳定，并且能够在拥有更多数据时改善模型[4]？做好上述三点，基于数据驱动的运作管理才能真正意义上促进数据与运作管理的有效结合，并为企业的运作管理决策提供有价值的指导意义。

同时，与会专家学者一致认为共享企业运作的核心问题在于“聚拢需求”和“供需匹配”。因此，本次论坛的多篇学术报告围绕共享企业的供给与需求匹配问题、共享经济下服务管理和风险控制进行展开，为与会者以及后续研究者提供了新的思路，如买卖双方行为在共享经济中的引入，供需匹配的动态价格模型，众筹融资的收益模型刻画和利益分配策略，共享经济模式下的风险刻画和风险分担方式等。

（二） 研究展望

“互联网+共享经济”下的运作管理已经成为一个全新的热点方向。如何结合共享经济的运行数据以及企业面临的运作管理问题，提出一种符合共享经济运作模式的运作管理理论和方法，对发展共享经济具有重要的推动作用。因此，结合论坛报告的研究热点以及国内外关于共享经济的相关研究，本文提出以下几点未来可能的研究方向。

1.基于数据驱动的共享经济服务模式供给与需求预测

传统的运作管理问题，企业只需通过对产品定价来影响需求，然而在共享经济平台中，平台需要同时平衡供给和需求两方，这给传统的运作管理理论带来一定挑战。在共享经济模式中经常出现供给和需求不匹配的现象，如滴滴出行、Uber公司，通常遇到高峰期时乘客需求过多而可用车辆过少，低峰期时车辆过剩而乘客需求不足的现象，那么在这种情况如何采取有效的方法来预测供给和需求量是值得关注的。未来的研究可以结合企业的运行数据来挖掘消费者的购买行为以及供给方的供给行为，借此来预测不同运作模式下的供给与需求量。

2.数据驱动的共享经济服务模式定价与匹配机制

除了供需平衡是企业关注的核心问题之外，供需如何匹配也是共享经济模式的核心难点问题。而与传统的供给匹配需求不同，共享经平台下的供给和需求都是自我调整的，这就给匹配带来很大的挑战，如在滴滴平台，在一个区域同时产生多个订单，如何通过构建有效的匹配策略讓司机来匹配乘客需求。在匹配过程中，如果需求类型不同、供给的类型也不同时，匹配策略又该如何调整等等。未来的研究需要通过分析共享企业运营数据来构建有效的定价和匹配模型实现供给与需求匹配。

3.多共享企业竞争下盈利模式选择与运作决策

当前共享企业的同质化竞争越来越明显，如共享单车方面有ofo小黄车、摩拜单车、小鸣单车等。在同质化竞争下，共享企业间往往采取价格竞争策略，并通过资本投入来不断扩充市场。如何在激烈的竞争中创新共享企业盈利模式以及在该模式下的高效运作策略是决定共享企业能否成功生存的关键。未来的研究需要考虑多共享企业竞争下的盈利模式分析，通过数据分析来找到影响盈利的关键因素，并把其融入共享企业的盈利决策模型中，通过机器学习等方法找出适合不同竞争模式下的运作决策优化方法。

参考文献：

[1]国家信息中心信息化研究部和中国互联网协会分享经济工作委员会.中国分享经济发展报告2016[R/OL].2016-2-29[2017-5-10] .http：//www.sic.gov.cn/News/250/6010.htm.

[2]DAVID S L. Data-driven research in revenue management[J]. Massachusetts Institute of Technology， 2017， Working Paper.

[3]FERREIRAK J，BINHL， DAVID S L. Analytics for an online retailer： demand forecasting and price optimization[J]. Manufacturing & Service Operations Management， 2016， 18（1）： 69-88.

[4]CHUNG P T. Data driven research in operations and supply chain management[J]. National University of Singapore. 2017，Working Paper.

[5]CHUNG P T. Efficiency-fairness trade-offs： the case of the federated locker system[J]. National University of Singapore， 2016，Working Paper.

[6]JIA Y L， JIN G X， KUM K Y， ZHI C Z.Effects of rescheduling on patient no-show behavior in outpatient clinics[J]. University of Science and Technology of China， 2016，Working Paper.https：//ssrncom/abstract=2783646.endprint

[7]YI W C， MING H. Pricing and matching with forward-looking buyers and sellers[J]. Singapore University of Technology and Design， 2016，Working Paper.https：//ssrncom/abstract=2859864.

[8]JIN G X. Capacity design and allocation in unbalanced networks with flexibility[J].University of Science and Technology of China， 2017， Working Paper.

[9]YANG Y X， XIAO Y L， LI J M， H M Y.Empty container management and coordination in intermodal transport[J]. European Journal of Operational Research ， 2016 ， 257 （1） ：223-232.

[10]SHAN L Y. Reflections on service and research of service science[J]. HeFei University of Technology， 2017，Working Paper.

[11]YOU H C. Supporting customers to sell used goods thru P2P： profitability and environmental implications[J].City University of Hong Kong， 2017，Working Paper.

[12]Mabel C C， CHUNG P T， ZHI C Z. The benefit of scale： crowdfunding risks and returns[J]. National University of Singapore， 2017，Working Paper.

[13]XIN C. Stable risk sharing and its monotonicity[J]. University of Illinois at Urbana-Champaign， 2017， Working Paper.

Operation Management under Internet+Sharing Economy：

Research Hotspots and Prospects

ZHOU YongwuZHONG YuanguangXIE WeiLIN Xiaogang

（School of Business Administration， South China University of Technology， Guangzhou， 510641， Guangdong， China）

Abstract： With the rapid development of Internet technology， especially the upcoming mobile Internet era in recent years， sharing economy has witnessed the development which we never had and has attracted close attention from different sectors in all walks of life. Under such circumstances， the School of Business Administration， South China University of Technology hosted the international forum of Operation Management in time of “Internet+Sharing Economy”， in which the latest internationally frontier exploration in this field was discussed. The contents of the report concerning the forum includes the following three areas：“datadriven operation management in the environment of Internet”， “matching problems related to supply and demand between sharingeconnomy enterprises”， “service management and risk control under sharing economy”. In this paper， we first summarized the important research achievements talked about in the forum and the problems faced by the sharing economy companies. Then， we established three possible future research directions to guide the further study of sharing economy.

Key words：Internet+sharing economy； operations management； datadriven

收稿日期： 2017--endprint