大数据在供应链管理中的应用研究综述

王红春，刘 帅 WANG Hongchun,LIU Shuai

（北京建筑大学 经济与管理工程学院，北京 100044）

·供应链·

大数据在供应链管理中的应用研究综述

王红春，刘 帅 WANG Hongchun,LIU Shuai

（北京建筑大学 经济与管理工程学院，北京 100044）

为全面把握未来基于大数据的供应链管理研究方向和热点，以便为企业构建大数据供应链时提供参考，对近年来国内外有关大数据分析在供应链管理中的应用研究进行了综述。通过对文献的整理发现，基于大数据的供应链管理研究主要集中在依靠大数据理论促进供应链信息共享与需求预测的研究，另外在供应链模式变革、大数据分析方法方面的研究也比较集中，还包括依靠大数据理论提升供应链柔性等方面。最后，指出了在目前基于大数据的供应链管理研究的不足之处，并在综述的基础上提出了未来的研究方向。

大数据；供应链管理；研究综述

大数据概念的出现为供应链管理带来了一场革命，如今的竞争方式与以往相比早已截然不同，如果说现在企业之间的竞争是供应链之间的竞争，那么大数据的出现，让这种竞争变成了一种“数字博弈”。大数据的浪潮促使商业模式和企业结构发生根本性变化，身处这样的环境中，如果供应链的成员企业不能朝着大数据一体化迈进，只能淹没在数据的海洋之中，因此，越来越多的学者开始研究大数据在供应链管理中的应用，以便为企业的决策做出参考。

从国家层面上看，国务院对大数据产业的发展也越来越重视，国务院《促进大数据发展行动纲要》[1]（国发〔2015〕50号）明确指出要“建立标准规范体系，推进大数据产业标准体系建设”，2015年12月，由工信部指导，中国电子技术标准化研究院发布了《大数据标准化白皮书V2.0》[2]，从应用、技术、产业、标准等角度构建出大数据发展的轮廓。国际数据公司（International Data Corporation,IDC）用4V来描述大数据，即数据类型繁多（variety）、处理速度快（velocity）、数据体量巨大（volume）、数据价值高（value）。随着对大数据的研究深入阿姆斯特丹的学者Demchenko Yuri[3]等人在4V的基础上提出了大数据体系框架的5V特征，增加了真实性（veracity）的特性。麦肯锡全球研究院[4]认为大数据是一种数据集合，但这一集合无法使用传统的数据处理软件在一定的时间内实现数据的获取、处理等功能。

在目前的供应链管理研究中，由于新的商业模式和企业行为的出现，供应链上的成员企业之间供给平衡和需求匹配出现了新的阻碍，企业更加难以掌握市场需求情况，这导致了需求信息的失真、库存积压或短缺、生产周期延长等不利于供应链有效运行的现象频频出现，最终吞噬了供应链利润。大数据技术的出现很好地为企业解决了这些难题，利用大数据技术对供应链的产品设计、制造、采购、物流等一系列环节进行深度的信息挖掘和分析并对各环节进行精确的掌控，通过大数据分析调节需求，优化供应网络，最终使大数据能力上升为企业核心竞争力。

可见，大数据分析已经成为供应链管理研究中的一项重要内容。对于大数据在供应链管理中的应用研究不仅仅要基于现有理论的发展趋势，更要基于现实的发展需要，契合实际。对于大数据在供应链管理中的研究综述不仅仅是为了总结理论的发展，更多的是期望通过综述，为将来的研究提出更加明确的方向。

1 大数据环境下的信息共享与需求预测研究

信息在供应链网络中的有效传递是整个供应链合理运行并获取利润的关键因素，在目前有关大数据在供应链管理中的应用研究中，很大一部分学者对信息的传递问题进行了深入的研究。张东翔[5]等人利用结构方程模型提出了“基于大数据的信息协同对供应链优化结果产生显著正向影响”的假设，通过AMOS软件对概念模型进行分析证实了这一结论。他认为基于大数据的信息协同促进了供应链的优化，在未来的研究中要更加细致的将大数据应用到供应链管理中，通过对海量数据的搜集来掌控市场，提升服务质量。赵炜[6]等人认为，在信息密集型产业的供应链管理中，大数据的核心作用在于有效的需求管理和收益管理，通过信息流的循环流动促进成员企业的信息共享，降低不可预测性，最终减少供应链上各环节的冲突，实现供应链协同发展。李建[7]等人认为在闭环供应链中的大数据竞争情报是一把双刃剑，供应链的整体效率的提高和个体利益的损害很难实现一个平衡。因此，该作者构建了由大数据情报搜集子系统、大数据情报存储子系统、大数据反竞争情报子系统等5部分组成的一整套体系构架解决该问题。对于情报安全，系统进行及时的预测、检查并做出相应处理结果来实现供应链稳定的运行。史浩等人[8]构建了大数据背景下制造商、零售商和第三方物流分别参与竞争的供应链竞争模型，在模型中引入私有信息获取成本这一关键变量。通过对模型的分析得出的结论认为供应链的稳定性与私有信息泄露有一定关联，竞争方的利润依赖于情报获取成本。依据分析的结论，作者建议政府在引导监督公共产品市场和自由竞争市场竞争时，用不同的策略调节供应链成员企业间的竞争关系。

对于需求预测这一领域来说，大数据分析这一概念的提出为供应链利润的提升带来了颠覆性的改变。作为供应链关键驱动因素，这一领域的研究也备受学者们的关注。王红春[9]等人构建了供应链云端大数据模型来实现供应链上大数据的获取、存储、组织、分析和决策，制造商企业通过云端大数据库获取需求预测信息，准确分析未来的市场情况，及时地与供应商、分销商、零售商等成员企业协调生产来减少“牛鞭效应”所带来的负面影响。通过该模型，供应链上成员企业进行信息的实时共享，实现了供应链的可视化管理。刘艳秋[10]等人依托大数据分析，对物流服务订单分配问题进行了深入的探讨，文章中指出供应链订单分配要基于顾客的全部数据信息来进行预测分析，而不再是概率分布或者对数据的抽样分析，另一方面，作者提出“最佳配送时间”概念，强调供应链物流服务不应仅仅依靠缩短配送时间来提高服务质量，而要依靠大数据分析，进行客户个性化需求和供应商服务之间的匹配。通过建立三级物流服务供应链订单分配模型，以客户位置数据作为输入，考虑供应商吸引力、配送时间惩罚成本等因素进行了数据仿真分析，证实了作者的观点。

2 大数据驱动的供应链变革研究

如今，越来越多的企业逐渐意识到要将大数据作为支持其管理决策的战略资源，并逐步实现科学有效的管理[11]。这种思想的出现不断驱动着供应链管理的变革。吉峰、张婷[12]等人认为大数据能力提升供应链柔性，并构建了供应链互联网化转型的概念模型，要求以数据驱动来促进信息流的创新和组织结构的优化，进而借助数据要素提升供应链柔性以获取竞争优势。岳昱星[13]以“1号店”网上商城为例，提出要将供应链的库存、设施、物流等驱动因素与大数据分析融合，从而为供应链绩效带来变革，通过对“1号店”的SWOT分析，详细阐述了大数据环境下实施供应链管理的优劣所在。资武成[14]通过对企业生态系统演化的内外部机制的研究，提出构建企业级大数据生态子系统的策略，认为该系统要以大数据为核心资源，依靠完善的大数据基础设施，构建良好的信息共享环境，供应链上各成员企业之间的数据交流的渠道。另外，资还提出依靠大数据构建精准的客户关系管理子系统的概念，能够通过对包括非结构化数据在内的海量数据进行存储和处理，精确挖掘客户需求，对客户的行为数据进行实时的跟踪和监控，以最大程度适应市场的变化。荆浩[15]从竞争优势提升等方面对大数据环境下的商业行为模式变革进行了探索性分析，提出“渐进式创新—创造性探索—供应链模式变革”机制来优化供应链运营，这一机制能够通过挖掘企业内部数据重新设计供应链，依靠数据提升企业在供应链的各环节中的管理决策能力。吴成霞、赵道致[16]等人基于动态微分博弈理论构建了零售商支付契约、联合支付契约、合作契约模式下大数据服务商参与的三级供应链动态合作模型，并最终验证若有数据服务商参与到供应链，想保持供应链系统的共赢，要采取合作契约模式等结论。

国外学者对大数据驱动的供应链变革也有相应的研究，Nagi,Eric W.T.[17]等人提出了由大数据驱动的供应链分析（Supply Chain Analysis,SCA）的概念，建立了功能、基于过程、协同、敏捷的SCA成熟度模型，并强调大数据业务分析（Big Data Business Analytics,BDBA）应作为企业战略性资产，整合各项业务活动，以满足综合业务的需要。Nagi,Eric W.T.等人认为，该理论和模型有助于企业观察市场趋势、潜在客户的价值行为，帮助供应链上的成员企业做出更有针对性和价值的决策，以减少供应链的总成本。Daniel Q.[18]等人提出了“大数据分析如何影响供应链的价值创造”以及“组织层面的大数据分析的关键因素是什么”等问题，通过动态能力理论，将大数据分析作为一种独特的信息处理能力回答了上述问题。Daniel Q.等人认为，大数据分析的使用情况主要受到技术因素和高层管理人员的支持程度两方面的影响。Sanders,Nada R.[19]在思考大数据如何驱动供应链时提出了SAM（市场分区、战略联合、评估）路线图的系统化框架以帮助企业避免陷入庞杂的数据中去并提出了“走成熟路线”和“与专业人士合作”的建议。Samuel Fosso（2015）[20]等人提供了有关大数据分析与供应链管理的文献综述，最后强调了未来的研究方向，大数据分析的部署可能会转变供应链管理实践。Gimenez Isasi（2015）[21]等人通过文献计量学和系统分析来评估供应链中大数据和业务分析应用的最先进水平，确定了大数据和业务分析的主要趋势。

3 供应链上的大数据处理方法研究

对于来自供应链上各个节点的数据进行有效的处理是构建大数据供应链的重要环节，对于这项工作的研究国外很多学者提出了许多值得国内学者借鉴的理论与方法。Kim,H.[22]等人通过对大数据获取的阻碍分析，搭建了相应的大数据基础设施框架，该框架通过对内部数据、现有能力集合、所需能力集合等数据的深刻挖掘来构建大数据能力网络并帮助提供SCM最优决策。Benjamin T.Hazen[23]等人从精确性、完整性、时效性和一致性四个维度考虑数据质量的控制，提出了基于SPC（Statistical Process Control,统计过程控制）的数据质量检测方法，集中于数据的生产过程，包括搜集、存储、检索和处理。最后建议在数据质量控制方面的研究要着眼于数据质量在供应链信息处理需求与能力起到的作用等方向。Robert Glenn Richey Jr（2016）[24]等人通过研究六个国家的供应链管理人员，从四个维度：音量、速度、品种和真实性制定了一个行业基础的大数据定义。Mihalis Giannakis（2016）[25]等人结合大数据分析，开发了一个基于多代理的供应链管理系统，可以执行自主的纠正控制行动。

在数据预测方法上面，Waller,Matthew A.[26]在文章中给出了供应链管理中数据预测分析的定义，即使用定性和定量的方法，通过评估企业过去和未来的业务流程、功能以及相关服务水平以提高竞争力。并强调了基于大数据的供应链管理应拥有如离散事件仿真模型优化与设计等优化数据的方法。Waller,Matthew A.[27]等人建立了一个2×2矩阵预测分析模型用以解决何时应该应用或避免大数据分析，怎样使用预测分析理论提升促进物流总成本降低等问题。Schoenherr,T.[28]等人也对供应链管理中使用预测分析法的动机、优势、阻碍等问题进行了分析，并就应该掌握的技能及重要程度进行了专家访谈，最终给出了培养大数据供应链管理人才的建议。Biswas,Sanjib（2016）[29]等人描述了大数据与供应链管理的相关性，提出了用于SCM的大数据中心架构，其利用数据管理，分析和可视化的当前技术水平。Wamba,Gunasekaran,Angappa（2016）[30]阐述了供应链管理中大数据在预测分析中的应用。

4 结论与展望

大数据为供应链管理带来的颠覆性改变是毋庸置疑的，关键是要如何将这种颠覆性的改变用于创造供应链的总体利润。对于大数据在供应链管理中的研究，针对供应链的大数据平台的搭建、供应链组织结构转型等问题很多学者已经进行过了初步的探索并取得了一定的成果。但是，国内学者大都是基于基础理论方面的探讨，很少有学者能够从实证角度分析具体应如何将大数据分析的方法融入到供应链管理中的各个环节中。另外，基于供应链管理的大数据分析和处理技术的探讨目前并没有学者进行研究，毕竟供应链上的信息共享和需求预测都要依赖于先进的数据处理技术，脱离技术谈管理犹如镜花水月。

基于目前学者们的研究成果，在参考了冯芷艳[31-32]等学者提出的大数据背景下商务管理前沿问题的基础上，需要对大数据在供应链管理中的应用作进一步的拓展。今后，应从以下几个方面展开深入的研究：

（1）大多数传统企业都会存在一个复杂的供应链网络之中，企业在应用大数据技术的时候还面临多维度的阻碍，这些阻碍到底来自于供应链上的哪些环节，如何克服这些阻碍有待于学者们的研究。

（2）目前多数理论模型都是通过“供应商—制造商”这样一个简单的供应链体系来分析信息共享与需求预测问题，但是面对复杂的供应网络，当发现信息失真时，如何做到信息的溯源，信息共享的层级亟待向整个供应网络拓展。

（3）基于大数据的供应链研究不能仅仅从某一个角度切入，从宏观层面的大数据智慧供应链的设计与构建也应该是今后研究的重点。

（4）企业是处在一个复杂的社会环境中，受到社会法律与道德的制约，当供应链上的成员企业依靠大数据分析实现转型时所要参考的法律法规，目前并没有一个权威的概念，涉及到的信息泄露等问题也亟待政府出台相关的文件来保证企业的利益。

[1] 中华人民共和国国务院.促进大数据发展行动纲要[Z].2015.

[2] 中华人民共和国工业和信息化部.大数据标准化白皮书V2.0[Z].2015.

[3] Diatchenko Yuri,Zhi Ming Z.Big Data Challenges for e-Science Infrastructure[J].China Science&Technology Resources Review,2013(1):30-40.

[4] James M,et al.Big data:the next frontier for innovation,competition,and productivity[R].Mckinsey global institute,2011.

[5] 张东祥，成斌.基于供应链管理的大数据应用分析[J].物流技术，2015,34(8):194-195.

[6] 赵炜，王金叶.基于大数据北京的现代旅游供应链构建探析[J].河北旅游职业学院学报，2015,20(4):12-16.

[7] 李建，史浩.大数据背景下闭环再制造供应链竞争情报系统研究[J].图书情报工作，2014,58(2):96-101.

[8] 史浩，李建.大数据背景下私有信息泄露对供应链成员企业竞争关系影响的研究[J].情报学报，2015,34(1):53-65.

[9] 吴向向，王红春.基于大数据理论的弱化“长鞭效应”研究[J].北京建筑大学学报，2015,31(3):73-76.

[10] 刘艳秋，王浩，张颖,等.大数据背景下物流服务订单分配[J].沈阳工业大学学报，2016,38(2):190-195.

[11] 杨善林，周开乐.大数据中的管理问题：基于大数据的资源观[J].管理科学学报，2015,18(5):1-8.

[12]吉峰，张婷，巫凡.大数据能力对传统企业互联网化转型的影响——基于供应链柔性视角[J].学术界，2016(2):68-78.

[13]岳昱星.从绩效驱动因素看大数据时代的供应链变革——以“网上沃尔玛”1号店为例[J].商业研究，2015(6):10-11.

[14] 资武成.“大数据”时代企业生态系统的演化与构建[J].社会科学，2013(12):52-65.

[15] 荆浩.大数据时代商业模式创新研究[J].科技进步与对策，2014,31(7):15-19.

[16]吴成霞，赵道致，潘新宇.大数据服务商参与的三级供应链动态合作策略及其比较[J].控制与决策，2016,31(7):1169-1177.

[17] Wang G.,Angappa G..Big data analytics in logistics and supply chain management:Certain investigations for research and applications[J].International Journal of Production Economics,2016(176):98-110.

[18] Chen Daniel Q,Preston David S,et al.How the Use of Big Data Analytics Affects Value Creation in Supply Chain Management[J].Journal of Management Information Systems,2015,32(4):4-39.

[19]Sanders,Nada R.How to Use Big Data to Drive Your Supply Chain[J].California Management Review,2016,58(3):26-48.

[20] Wamba Samuel Fosso,Akter Shahriar.Big data analytics for supply chain management:A literature review and research agenda[J].Lecture Notes in Business Information Processing,2015(231):61-72.

[21] Gimenez Isasi,Natalia Khouri,Morosini Frazzon.Big Data and Business Analytics in the Supply Chain:A Review of the Literature[J].IEEE Latin America Transactions,2015,13(10):3382-3391.

[22] Kim H,et al.Harvesting big data to enhance supply chain innovation capabilities:An analytic infrastructure based on deduction graph[J].International Journal of Production Economics,2015(55):223-233.

[23] Benjamin T.Hazen,et al.Data quality for data science,predictive analytics,and big data in supply chain management:An introduction to the problem and suggestions for research and applications[J].International Journal of Production Economics, 2014(154):72-80.

[24] Robert Glenn Richey Jr,Tyler R.Morgan,Kristina Lindsey-Hall,Frank G.Adams.A global exploration of Big Data in the supply chain[J].International Journal of Physical Distribution&Logistics Management,2016,46(8):710-739.

[25] Mihalis Giannakis,Michalis Louis.A multi-agent based system with big data processing for enhanced supply chain agility [J].Journal of Enterprise Information Management,2016,29(5):706-727.

[26] Waller Matthew A,Fawcett Stanley E.Data Science,Predictive Analytics,and Big Data:A Revolution That Will Transform Supply Chain Design and Management[J].Journal of Business Logistics,2013(34):77-84.

[27] Waller Matthew A,Fawcett Stanley E.Click Here for a Data Scientist:Big Data,Predictive Analytics,and Theory Development in the Era of a Maker Movement Supply Chain[J].Journal of Business Logistics,2013(34):249-252.

[28] Schoenherr,Tobias,et al.Data Science,Predictive Analytics,and Big Data in Supply Chain Management:Current State and Future Potential[J].Journal of Business Logistics,2015(36):120-132.

[29] Biswas,Sanjib,Sen,Jaydip.A Proposed Architecture for Big Data Driven Supply Chain Analytics[J].IUP Journal of Supply Chain Management,2016,13(3):7-33,27.

[30] Gunasekaran,Angappa,Kumar Tiwari,Manoj,Dubey,Rameshwar,Fosso Wamba,Samuel.Big data and predictive analytics applications in supply chain management[J].Computers and Industrial Engineering,2016(1):525-527.

[31] 冯芷艳，郭迅华，曾大军,等.大数据背景下商务管理研究若干前沿课题[J].管理科学学报，2013,16(1):1-9.

[32] 孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013,50(1):147-169.

Review of the Application of Big Data in Supply Chain Management

(School of Economics and Management Engineering,Beijing University of Civil Engineering and Architecture,Beijing 100044,China)

In order to grasp the research direction and hot spot of supply chain management based on big data in the future,so as to provide reference for enterprises to build big data supply chain.The application of big data analysis in supply chain management at home and abroad is reviewed in this paper.Through the collation of the literature found that the research of supply chain management based on big data is mainly focused on promoting the information sharing and demand forecasting of supply chain based on big data theory.In addition,the research on the change of supply chain model is more concentrated.Also includes the promotion of the supply chain flexibility,the methods of big data analysis and other aspects relying on big data theory.At last,it points out the deficiency of the research on supply chain management based on big data at present,and puts forward the future research direction.

big data;supply chain management;research summary

F274

A

1002-3100(2017)08-0104-04

2017-06-22

国家自然科学基金项目，项目编号：61472027。

王红春（1976-），女，湖北荆州人，北京建筑大学经济与管理工程学院，教授，研究方向：企业物流与供应链管理；刘 帅（1992-），男，辽宁抚顺人，北京建筑大学经济与管理工程学院物流工程专业硕士研究生，研究方向：企业物流与供应链管理。