大数据对企业物流成本的影响研究

施爱芬

摘 要：目前，大数据正以各种方式影响着企业的成本。物流成本作为企业的“第三利润源泉”，在两个大量提供利润的领域（资源领域，人力领域）潜力越来越小，利润开拓越来越困难的情况下，按时间序列排位“第三利润源泉”的物流领域的潜力被人所重视，降低物流成本可以大大增加利润。农夫山泉一直以来都被过高的物流运输成本所困扰，在应用大数据后，农夫山泉明显降低了物流成本，提高了企业的核心竞争力。本文将以农夫山泉大数据应用为例进行实证研究，具体分析其对农夫山泉物流成本产生的重要影响，从而为其他企业提供借鉴。

关键词：农夫山泉 大数据 物流成本

中图分类号：F259.2 文献标识码：A 文章编号：2096-0298（2018）09（a）-015-02

关于降低物流成本路径和对策的研究，苗娟认为应加强企业信息化建设，采用总成本管理模式，注重实施“全程供应链”管理，供应链各环节应协同工作，从而降低企业物流成本[1]。赵芹的研究表明，物流成本信息是一种动态成本信息，会随时间和条件的改变而改变，因此应注重信息的收集和加工整理，充分运用现代信息技术，以随时掌控成本的变化，更好地实施成本控制[2]。

在成本控制的研究中，学者们主要从成本控制的优化、控制流程和模式这些方面进行研究，从大数据等信息技术角度去思考企业的成本控制模式和方法的文献仍然较匮乏。实际上，随着大数据时代的到来，信息技术在企业财务数据和非财务数据的获取、处理、分析和应用等方面发挥很大作用[3]。

随着世界经济全球化进程的不断加速，各种成本因素不断上升，中国瓶装饮用水利润空间越来越小，获得成本优势成为企业的核心竞争力。大数据分析是优化配置各个部门、各个子公司人力资源的最佳方案。农夫山泉以“大自然搬运工”自居，有十多个水源地，以一瓶水售价两元为例，其中有三毛钱花在了运输上，控制物流成本成为核心问题。

1 物流成本的概念

1956年，美国学者斯蒂尔和刘易斯·克林顿首次定义物流成本，他们将物流活动中所发生的费用归类为物流成本。对于制造企业，商品从生产到销售整个过程中所发生的有关物流活动所产生的费用皆为物流成本。

我国最早有关物流成本管理理论的定义是出现在2006年出版的《企业物流成本构成与计算》一书中，这相对于西方国家显然较晚。在我国的定义下，企业因物流活动所产生的费用即为物流成本，是用货币将物流活动中耗用的物化劳动和活动表现出来，是货物在传送过程中，如包装、运输、装卸搬运、仓储、流通加工、配送、物流信息处理和物流管理等各个环节支出的人、财、物消耗总和以及与生产息息相关的库存成本。

2 农夫山泉大数据应用现状

2.1 大数据的含义及其特点

2.1.1 大数据的含义

大数据是指具有可追踪、可分析、可量化特性的数据，而对这个意义上的“数据”进行挖掘和分析、依据数据做出商业决策、利用数据提升竞争力则是大数据产业要做的事情。大数据的本质是彻底打破了各利益主体之间的信息不对称，让各方更有效率地进行连接。大数据将逐渐成为企业的核心资产。大数据的核心并不仅仅在于具有庞大的数据，更在于对数据的整理分析和挖掘，进而创造出新的价值[4]。

2.1.2 大数据的特点

大数据的特点可以总结为4个V，即Volume（体积浩大）、Variety（种类繁多）、Velocity（高速）和Value（价值巨大但密度很低）。

2.2 农夫山泉的大数据应用

农夫山泉股份有限公司成立于1996年，致力于健康饮用水事业，是中国最大的瓶装水生产商。农夫山泉在各水源保护区附近拥有7个生产基地及数十家工厂。公司相继投资28亿元在国家一级水资源保护区浙江千岛湖、吉林长白山矿泉水资源保护区、湖北丹江口南水北调源头保护区和广东万绿湖建成六座国际领先的饮用水、果汁饮料、功能性饮料及茶饮料生产基地。

一直以来，农夫山泉都被过高的物流成本所困扰。长途运输，运输成本较大。农夫山泉坚持水源地建厂，水源地生产，在森林中建立生产基地，生产过程全程在水源地完成。每一瓶矿泉水从生产工厂到消费者市场，都经过了漫长的运输线路，从大自然远道而来。优质水源区往往被保护在那些深山老林里，远离城市运输枢纽，很多地方的产品运输半径都超过500公里。农夫山泉的这种生产模式无疑增加了很多运输成本。

2011年，德國的SAP（思爱普）公司推出了创新性的数据库平台SAP HANA，农夫山泉成为全球第三个、亚洲第一个上线SAP系统的企业，同时在当年9月宣布系统对接成功。有了强大的数据分析能力做支持后，农夫山泉运用大数据技术，销售、市场费用、物流、生产、财务等数据的计算速度，从之前的24小时缩短到了0.67秒，接近实时计算，这让之前很多不可能的事情变成了可能，极大地提高了销售额和市场份额。可以说，大数据是改善农夫山泉发展瓶颈的一大利器。

2011年是农夫山泉引进创新性的数据库平台SAP HANA的第一年。大数据分析模型帮助农夫山泉在2011年实现了31.45%的年增长率，在2012年实现了36.27%的年增长率。

3 大数据影响农夫山泉物流成本的表现

3.1 运输方面—— 优化产品运输

运输在整个供应链中起到至关重要的作用，科学、高效、合理地对运输流程进行管理与规划，有利于提高企业的经济效益。在保证运输安全、高效、合理且不大量增加其他环节成本的前提下，尽量降低运输的各项成本，实现合理化运输，采取最恰当的运输工具，选择最佳线路，尽量减少不必要的运输环节和运输成本，从而实现货物的运输[5]。

降低物流运输成本的一个途径是减少运输中对资金的占用，缩短运输周期，降低存储费用，从而使成本得到节约。对运输进行合理安排，会降低运输成本。运输过程中降低物流成本的方法有加快物流速度、扩大物流量[6]。

农夫山泉的运输费用占到总成本的20%左右，运费是可口可乐的3倍。在未采用大数据技术之前，农夫山泉的销售渠道主要是大量的经销商，这不仅导致农夫山泉对终端零售情况掌握不准确，而且因为每次都需要所有经销商将自己的销售情况反馈给农夫山泉，农夫山泉才可以开始做下一销售季节的销售预测，这产生了预测和实际销售的时差问题。这些预测带来的偏差不仅给农夫山泉带来运输成本的增加，而且还导致了某些地区的产品供不应求，而某些地区的矿泉水却有较大的库存。

2011年，SAP公司和农夫山泉共同开发基于“饮用水”产业形态中运输环境的数据场景。利用大数据，农夫山泉计算出一套最优的仓储运输方案，使各条线路的运输成本、物流中心设置最佳地点等信息及时呈现；将全国十多个水源地、几百家办事处和配送中心整合到一个体系之中，形成一个动态网状结构，进行即时的管控。SAP和农夫山泉团队开发大数据软件将高速公路的收费、道路等级、天气情况、配送中心的辐射半径、季节性变化、不同市场的销售价格、不同渠道的费用、各个地方的人力成本甚至突发性的需求等实时数据输入进去，精准管控物流成本，从而大大降低费用。利用大数据分析技术对交通情况数据、天气情况数据等实现物流状态预测，实现智能物流路线、智能物流方式选择，基于GPS（全球定位系统）和GIS（地理信息系统）数据确定最佳路线，缩短物流流程，通过导航搜索实时交通信息和天气数据并发布到大数据平台[7]。在物流环节，农夫山泉利用大数据分析技术避免了重复运输，减少对运输资源的浪费，降低车辆空载率，降低物流成本。同时，智能化提高也降低了人工成本，让合适的人去做合适的事。通过分析大数据，可以找到配置各类资源的最佳路径和最便捷的工作路线图，从而降低成本、节约资源、提高效率。

农夫山泉采用SAP HANA后，几乎可以做到实时计算结果。而且经过前几年对终端点数据的收集，农夫山泉对终端点情况的熟悉度比经销商还高，开始大幅地削减经销商的数量，以求将终端点完全掌握在自己手中。现在，农夫山泉可以准确预测销售从而平衡生产，从而降低物流成本。

3.2 物流配送中心的选址

通过大数据的预测可以让企业从众多杂乱的信息中非常轻松简单地挑选出有效可靠的信息，摆脱过去繁琐的搜索监测与分辨信息的业务，把大量的信息变成了引导行动的洞察力，节省了大量的时间，从而更加高效、准确地做出了合适的决策。同时，大数据促进了动态化决策，大数据环境的动态性对企业提出了更高的要求[8]。

农夫山泉采用SAP HANA后，精准的管控物流成本将仅仅局限于现有的项目，也可以针对未来的项目，即实现预测功能。以往农夫山泉建立一个物流配送中心要经过长期的考察、论证，还要凭借经验进行判断，再形成几个备选方案。现在，通过大数据智能预测系统，农夫山泉能快速计算出建立一个物流配送中心的成本，从成本方面已经一览无余。充分利用获得的数据，可以帮助农夫山泉了解数据里面暗藏的因果关系和事物之间的相关性，从而解决更多难题，促进农夫山泉更好、更快地发展。

4 结论与不足

4.1 结论

大数据环境下的降低物流成本研究对企业来说不仅是一门艺术，更是一种全新的模式。大数据的应用将更多依靠数据的广泛获取和知识价值的转换。农夫山泉合理利用大数据降低了物流成本，明显提升了企业的核心竞争力，大数据更成为农夫山泉的一种战略资产。

4.2 不足之处

本文研究还存在以下不足之处：本文在大数据对农夫山泉物流成本影响研究中以定性分析为主，缺少相关的定量分析，需要在以后的研究、调研中加以完善。同时，由于农夫山泉是非上市公司，相关的财务数据没有在网上进行公开，本文缺少相关具体数据的确定。

在商务部最新发布的《关于促进商贸企业物流发展的实施意见》中指出要鼓励绿色物流的发展，环保已经成为各行各业都必须关注的问题。但本文的研究还没有关注到物流活动产生的环境成本，这不利于推動物流行业的绿色发展。在以后的研究中对这些存在的不足之处会不断进行完善[9]。

参考文献

[1] 苗娟.供应链管理在物流成本管理中的应用[J].山西财经大学学报，2010（11）.

[2] 赵芹.基于信息技术的现代企业物流成本管理研究[J].生产力研究，2011（3）.

[3] 程平，张卢.大数据时代基于云会计的生产制造企业成本控制[J].会计之友，2015（16）.

[4] 张奇.大数据财务管理[M].北京：人民邮电出版社，2017.

[5] 白碧洁，王海元.企业物流运输成本控制存在的问题及解决对策[J].品牌（下半月），2015（9）.

[6] 关玲玲.物流运输成本管理问题研究[J].现代经济信息， 2017（23）.

[7] 王红春，刘帅，赵亚星.大数据供应链与传统供应链的对比分析[J].价值工程，2017（36）.

[8] 胡文俊，邓虹.大数据对企业战略决策影响的实证分析——以亚马逊为例[J].中国战略新兴产业，2017.

[9] 梁伟静，薛晓芳，李晓智.大数据及云会计背景下制造企业物流成本核算——基于统计与会计相结合的核算方法[J].财会通讯，2016（10）.