大数据分析在供应链管理中的应用

官志华

（广东工程职业技术学院，广东 广州 510240）

大数据分析在供应链管理中的应用

官志华

（广东工程职业技术学院，广东 广州 510240）

首先概述了大数据分析对供应链管理的影响以及大数据分析的现状与问题，接着深入剖析了大数据分析在供应链管理的市场开发领域、物流领域、运营领域、生产资源领域等应用中发挥的效用。

大数据分析；供应链管理；决策制定

1 引言

过去几年，大数据时代已经开始影响我们的技术革新和企业经营，并推动着商业革新、社会变革和科技创新的发展[1]。现代市场的生存法则也离不开大数据分析。大数据分析已经成为21世纪最具应用前景的研究领域[2]。一些商业评论家和研究学者认为，大数据分析能够更好地理解我们未知的世界和商业竞争，并获得基于技术层面的竞争优势。因此，对于各行各业的商业领袖和业界精英们来说，大数据分析都将发挥越来越重要的作用[3]。

很显然，对于企业来说，获取、储存、积累、分析数据的能力，以及从数据中挖掘数据智能的能力都是非常重要的。处于行业领先地位的公司已从数据挖掘中获取了实实在在的利益，比如 Walmart、eBay、Target等这些公司在市场竞争中不光是赢得了竞争优势，还利用大数据分析开始主导制定新的市场竞争游戏规则。他们利用大数据分析增强了盈利能力并创立了新的价值增值模式。

2 大数据分析对供应链管理的影响及现状

2.1 大数据分析优化供应链的决策体系

大数据分析的应用可以在目标市场的营销决策、供应链存货决策的优化、供应链运营风险的评估等方面为整个供应链的决策体系增强竞争优势。供应链在运作过程中会产生大量的信息，供应链的企业成员从各自的POS、GPS、RFID等渠道可以轻松获得大量信息，并通过大数据分析，把这些信息转变为商业智能。利用大数据分析带来精准获利的供应链或企业不断增多，但是，大多数公司还不能通过大数据分析来促进供应链的发展[4]。究其原因，是因为在不清楚投资回报率的情况下，这些公司不会贸然花费大量资金开展新的技术和软件的应用。许多公司虽已意识到大数据的重要性，但是并不清楚如何进行大数据分析来驱动供应链的运营。因此，除了少数大型公司，如Linkdin、Facebook、Google等达到先进信息技术水准的公司之外，大多数公司仍然不清楚要做些什么以及如何进行大数据分析。

2.2 大数据分析的现状与问题

大量数据如果不经过分析，就是一堆庞大的不起任何作用的数据，而如果企业的分析和决策不以数据为载体，也就只是数学或统计学上的纯粹数理分析，只有将大数据和企业的分析决策结合在一起，利用当今的先进计算机运算技术，才能发现数据背后的重大价值，将商业数据变成商业智能。不管是经济活动还是社会活动，都会在网络上以极快的速度产生多种交易活动，也同样会产生实时的数据。捕捉和理解这些数据和信息的能力是大数据分析的基础。

最近的研究表明，大数据分析在以下五个方面有重大进展，分别是电子商务和商业智能、电子政务和政策方案、科学和技术、健康和医疗、安保和公共安全。在这五个方面中，商业智能是与供应链管理相关的。而且，随着大数据分析带来的对市场越发深入的洞察，我们意识到，现阶段对大数据分析的应用还是碎片化的。这种碎片化的应用让系统性的开发和应用大数据分析的目标变得越来越难以实现，因此对于供应链管理来说，如果不解决大数据系统化的应用问题，后果将会越来越严重。

3 大数据分析在供应链管理中的应用

大数据分析的应用贯穿于供应链从原料来源到售后服务的全过程。目前为我们所熟知的应用集中在市场开发方面，处于领先地位的应用表现在市场开发的智能应用方面。同时，在物流配送领域，多年以来大数据分析一直应用于常规的运输管理与车辆调度方面，而在供应链的运营方面，从库存和劳动力配置着手应用其优化整个供应链的运作。虽然在物流和运营方面的大数据分析应用落后于市场开发中的应用，但也处于高速的发展过程中。积极运用新一代的运算方法推动数据分析朝复杂化和深入化发展，可以增加更多我们暂时不可预见的潜能。在供应商划分、运营风险评估与信息来源协商等工作流程中，大数据应用分析也越来越多，并且被认为是未来几年最有前途的应用领域。

大数据分析在各个领域的应用能够为供应链的管理者提供更深入的视角，去洞悉管理的各环节如何在供应链管理中有效运用大数据分析，如图1所示。

图1 大数据分析在供应链管理中的应用模式

3.1 大数据分析在市场开发领域的应用

3.1.1 市场的精细细分。大数据分析在市场开发领域的应用是以客户为导向的，并且属于供应链销售端的应用。根据市场开发的核心诉求，大数据分析的应用将核心逐步转向为捕捉客户需求、客户的精细细分和评价消费者的消费行为上了。实际上，客户的精细细分已然成为大数据分析最重要的应用领域。市场细分是市场开发的一项基本能力，在借助一些复杂计算工具的基础上开展的大数据分析更能将市场和客户的细分提高到一个更加精细的水平。公司可以更容易根据消费者的个体消费行为来捕捉和跟踪消费过程中产生的大数据，并且在传统的市场研究手段的帮助下获得更有价值的商业参考。捕捉到的大数据也能得到真正意义上的实时追踪，使得公司可以快速及时地矫正他们的客户策略。许多公司通过复杂的分析活动，都能发现最核心的客户并能有针对性地配合目标客户销售激励来为公司创造更高的边际利润，同时也为消费者带来更多的边际收益。

3.1.2 定价优化。大数据分析在市场开发领域的另一个应用就是价格优化。价格优化过程已经进展到一个新的程度，将与价格和销售有关的数据进行分析的水准提高到更加精准的程度，通过多渠道的数据来源基本上能实现根据需要进行实时的定价或价格调整。这已经在越来越多的公司得以实现了。

3.1.3 B2C和B2B的客户开发。大数据分析在市场开发中的应用不只局限于传统的B2C关系模式，同样也适用于其他的关系模式。尽管在B2B模式下，大数据分析比B2C模式情况更为复杂，如订单不是日常性的，更多是偶发性的；订单量也不是小量，而是比较大的量等，也可以依靠先进算法做到追踪、归类并更好地理解、辨识商业客户或企业用户的消费情况。目前来看，这些在市场开发领域的大数据分析发展得越来越复杂与完善，甚至可以通过“亲和分析”来判断一家企业客户会从自己公司而不是自己的竞争对手那里来购买哪一种产品。

3.2 大数据分析在物流领域的应用

3.2.1 运输方案和运输路线的优化。大数据分析在物流领域的应用是发展历史最久远的一种应用。它能够帮助商品顺利地通过整个供应链而到达市场，最优化地满足客户的需求。具体来看，大数据分析被用于优化库存、确定最佳的分销中心地址和供应链的路径选择、运输成本最小化控制等方面。其中，应用最多的是运输方案和运输路径的选择。GPS可以做到大数据的远程信息传播，从路径优化过渡到运输方案的优化[5]。一方面，通过大数据的分析，将资源效率充分发挥，定期维修保养机器设备，规范运输从业人员的行为，安排车辆的行驶路线，从而最终提高物流行业的产出效益；另一方面，通过追踪一些事故，比如气候因素造成的安全事故等，可以持续性地修正运输方案或运输路径，并进一步将这些修正投入实施改造，循环往复，将这些优化的物流流程进行实时的再优化。在这方面做得最好的就是UPS，他们甚至收集到了20年前的数据，运用了一种叫做ORION（On-Rood Integrated Optimization and Navigation）的在途一体化优化与导航方案的工具来引导公司员工在他们的物流负责区域内找到最具效率的运输路线。

3.2.2 特殊商品的运输方案的优化。在为不同的产品设计运输方案的时候，要考虑产品自身的特点和特殊需求，因此需要设计不同的运输方案。在物流领域，大数据分析能够提供有关不同运输路径的更加精准化的信息来更好地为不同产品设计不同的运输方案。例如，在库存管理中，RFID技术可以用来追踪存货的位移，了解库存所处的位置和现有的数量，同时也能监控在途存货的安全。对于冷链的运输货物，这项技术的应用就显得更为重要了。在冷链的运输过程中，要实时监测货物在途的温度，更需要根据运输的路况和货物温度来考核运输方案的可持续性。运输易腐烂的商品，按照商品的运输质量和数量的要求顺利送达，并且保证一旦有变故发生能马上预警，并妥善处置，这是大数据分析要处理的更为重要的问题。

3.3 大数据分析在运营领域的应用

3.3.1 运用实时精细信息帮助企业决策。在供应链的运营领域，大数据分析主要用于广泛的决策过程，从存货管理和库存水平的优化到设备维护和工厂选址等决策，都离不开大数据分析的应用。在测量生产效率和评估产品质量等一系列决策过程中，公司大量运用大数据分析，可以管理公司的日常运营[6]。这些统计数据可以被归类并提炼为更精细的数据信息，如门店的销售数据、每个销售单元的销售数据，甚至可以细化到人均数据，得知每个人的销售数据。尽管这种应用从几年前就开始了，但是发展到现在，应用的规模和范围已经大大扩大了。现在的大数据分析的应用，更加接近于实时的处理，能够在一定程度上对公司的问题进行预警，如实时监控产能或更改产品的设计与产品质量等；并且大数据分析还能够通过将大量信息在更短的时间内进行精细化处理，使企业管理者借助实时信息的分析处理来矫正目标管理从可能变为现实。

3.3.2 优化人力资本建设。在供应链的运营领域中，在人力资本方面应用大数据分析已变得越来越重要了。大数据分析在实现人力资本的优化、自动追踪劳动力的各方面信息和积累各项数据、实施提升劳动力素质的有关计划等方面都有一系列的措施正在开展。现有的数据分析技术能有效地节省成本，并保持人力资本的服务水准。例如，通过追踪连锁超市的收银员在1h内完成了多少笔收银的业务，可以分析超市收银员平均的工作效率；在呼叫中心，公司经理可以通过客户投诉率、客户满意度或者单个通话解决客户问题的比率等指标来评判一名客服人员的工作质量。除此之外，大数据分析的应用还能提升满足员工需求的能力，这一点对于处于用工高峰期的企业来说是大为帮助的。

3.4 大数据分析在生产资源领域的应用

3.4.1 资源有效组合，供应商区分对待。大数据分析中发展最快和增长最迅速的部分就是在生产资源领域中的应用。对于大多数的制造型企业来说，企业花费的大头部分就是用于生产资源的消费，大概占到销售收入的50%到90%，因此，在生产资源领域开展大数据分析的主要诉求就是大幅度降低采购成本。多数制造企业在大数据分析的帮助下，做到了原料来源渠道的优化，并且能够进一步将供应商统一到自己企业的一体化运营中来。除此之外，根据管理需要，在原料策略和成本风险平衡的指导思想下，企业还能根据大数据分析结果中的一些关键指标，将原料供应商进行有效的分组，根据不同的分组情况采用不同的合作策略。例如亚马逊公司借助大数据分析的帮助，能清晰了解各种商品的补货决策、供应商的协同补货决策与单一资源的货品的供应情况，有效实现企业的进一步扩张，加强存货的高效管理，并提升物流的配置效率，协同推进整个供应链的管理流程。

3.4.2 加强供应商协商。在获得充分的消费者偏好分析与消费者购买行为分析的大数据基础上，能更好地加强与供应商的协商。通过取材于消费者行为的事实类的数据分析，公司可以更好地影响供应商的判断与决策，推动双方协商的顺利进行。例如，掌握了消费行为大数据的公司，可以利用价格与交易信息在核心产品的谈判中取得协商的胜利；而且，大数据分析还能用于销售渠道的开发和延伸，自动追踪产品扩展程度的情况，使供应链获取最佳的投入产出比。

4 总结

大数据分析在供应链管理中发挥了重要的作用。通过大数据分析在供应链管理中的应用研究模式图的展示，我们揭示出了供应链的各个环节在大数据分析的帮助下可以取得怎样的改变。

大数据分析推动着企业在整个供应链管理中以协同合作的方式完成各自的战略使命—核心企业制定战略规划、各个成员企业执行战略决策。尽管目前大数据分析的发展还处于初级水平，更进一步的分析能力还有待于供应链各个职能的协调合作才能得以提升。大数据分析在供应链各个环节的应用可以为在商业竞争中的企业提供持续不断和日益深入的深刻洞察力。若能将大数据分析结果在供应链内部或不同供应链间进行沟通和分享，那么产生的整体收益将是巨大而深远的。

[1]Michael E Porter,James E.Heppelmann.How Smart,Connected Products are Transforming Competition[J].Harvard Business Review,2014,(11):64-88.

[2]T Davenport,D Patil.Data Scientist:The Sexiest Job of the 21th Century[J].Harvard Business Review,2012,(10):70-76.

[3]James Manyika,Michael Chui,Brad Brown,Jacques Bughin,Richard Dobbs,Charles Roxburgh,Angela Hung Byers.Big Data:The Next Frontier for Innovation,Competition,and Productivity[R].Mckinsey Global Institute,2011.

[4]Bill Schmarzo.KPMG Survey:Firms Struggle with Big Data[EB/OL].http://infocus.emc.com/William_schmarzo/kpmg-survey-firmsstruggle-with-big-data/,2014-02-06.

[5]Victor Mayer-Schonberger,Kenneth Cukier.Big Data:A Revolution That Will Transform How We Live,Work,and Think[M].Boston:Houghton Mifflin Harcourt,2013.

[6]Davenport Harris,Cindy Etsell.Analyze This:Enhancing Operational Excellence through Customer Data[J].Digital Manufacturing,2012,(2).

[7]D Barton,D Court.Making Advanced Analytics Work for You[J].Harvard Business Review,2012,(10):79-83.

[8]H Chen,R Chiang,V Storey.Business Intelligence and Analytics:From Big Data to Big Impact[J].MIS Quarterly,2012,(12):1 165-1 188.

[9]S Baker.The Numerati[M].New York:Houghton Mifflin,2008.

Application of Big Data Analysis in Supply Chain Management

Guan Zhihua
(Guangdong Engineering Polytechnic,Guangzhou 510240,China)

In this paper,we first summarized the influence of big data analysis on supply chain management as well as the current status and existing problems of big data analysis,then further studied the application of big data analysis in the market development,logistics,operations,and production resources and other fields of supply chain management.

big data analysis;supply chain management;policy making

F274;F253.9

A

1005-152X(2017)09-0132-04

10.3969/j.issn.1005-152X.2017.09.029

2017-07-15

2016年广州市哲学社会科学发展“十三五”规划共建课题（2016GZGJ05）；广东省软科学2015年度课题“技术创新、产业链整合与广东制造业的转型升级研究”（2013B070206059）

官志华（1979-），女，广东工程职业技术学院外语经贸学院讲师，产业经济学硕士。