大数据视角下供应链与组织绩效预测

贺红燕

内容摘要：大数据系统的应用有效提升了供应链管理中对于信息资源的处理水平，供应链的组织绩效也呈现较为明显的提升态势，大数据是破解供应链质量管理系统中“组织黑箱”的核心切入点。本文从大数据技术的主要作用方向出发，分析大数据系统对供应链企业信息聚合能力和信息萃取水平的影响，采用李克特五点量表对供应链绩效进行测量，通过实证检验证明信息聚合能力与信息萃取水平对供应链绩效产生了显著正向影响，最后根据研究内容提出了对应的理论贡献及实践意义。

关键词：大数据   供应链管理   信息萃取   组织绩效

引言

经济全球化时代企业间竞争空前激烈，对技术更新和信息资源控制的需求前所未有的高涨，并进一步蔓延至供应链层面，以大数据技术提升供应链核心竞争力，成为相关企业的必然选择。罗剑宏、何依（2018）的研究中指出，随着组织绩效和质量管理研究的逐步深入，控制信息资源以协调不同企业间的质量管理系统，已经在学术界研究与实务界实践中达成一定共识。但大数据系统是以何种方式影响供应链质量管理（SCQM），并最终对组织绩效的提升产生多大作用，尚未形成普遍认同的理论体系。在此背景下，本文围绕“大数据应用—信息资源处理能力—供应链绩效”这一基本命题，融合大数据理论、供应链组织理论及组织绩效三个主要理论领域，从理论机制、数据整理和实证分析三个方向出发，试图厘清大数据视角下供应链管理的发展，并预测其组织绩效增长水平。

相关文献综述

HL.Lee（2015）在研究中提出，可以通过引入全面质量管理（TQM）加强供应链成本控制与质量绩效，但在供应链中采用TQM系统会遭遇规则与应用维度的问题，提升产品质量的同时可能会导致组织绩效的下降。S.Thomas Foster Jr.（2008）认为系统化的供应链质量管理（SCQM）是一种更优的组织方式，该方法试图协调管理供应链上下游企业，并采用统一的资源分配方式以避免系统性摩擦，从而提升生产效益。蒋倩（2017）的研究中采用米尔斯-斯诺模型采用SCQM系统对供应链质量体系与管理体系进行分析，发现两者的结合并不紧密，认为SCQM理论体系尚不完善，需要引入更强的信息管理系统以提升体系中不同系统的交流水平。现有研究对于供应链质量管理系统构建方法众多，其根本原因就在于存在一个系统内部的“组织黑箱”，在弱信息交流体系中，信息不对称引致供应链上不同企业间的管理空当，导致众多优质管理方法缺乏实际应用价值。近年来，信息技术领域的“大数据”（Big Data）概念成为学科交叉的重要突破点。陈永平、蒋宁（2015）的研究中指出，大数据系统是一种集信息采集、信息萃取与信息聚合于一体的优质管理手段，供应链的运用与管理必须紧密对接大数据时代特征，大数据逐渐成为破解供应链质量管理中“组织黑箱”的核心切入点。供应链组织绩效管理方面，钱惠琴（2016）的研究中认为，供应链中的组织水平衡量，不仅是点对点的绩效测度，而应该是由空间向链式聚合的网状绩效测度。综合已有研究，实际上已经构成了一种完备的供应链组织绩效管理的系统化方式：通过大数据系统的引入，解决SCQM体系中尚未处理的弱式信息及资源不对称问题，进而加强供应链绩效水平。下文中将进一步分析这一理论链条的实际运行路径。

基本假设

相比于传统的信息收集手段，大数据技术具备更高层面的信息聚合能力，由于处理水平和搜集范围的扩大化，大数据可以搜集到范围更广、数量更多的信息内容。SCQM系统中的一个显著问题就是无法避免信息的遗漏，这一问题来源于制造、物流及分销环节中难以避免的逆向选择行为，导致SCQM系统的全链条控制得不到有效技术支援，并使得资源摩擦问题逐渐累积。企业引入大数据技术，可以对遗漏信息进行有效采集，稳步提升现有信息的聚合能力，从而解决SCQM系统中始终存在的“弱式信息”问题，基于这一分析，本文提出如下假设：

H1：大数据技术的应用促进了供应链信息聚合能力的提升。

由于供应链上所包含的信息在数量与范围上逐渐趋于多样化，企业处理信息所需付出的成本也逐步提升。但为保证市场竞争力，对已采集信息的处理关乎企业的战略方向、营销决策及产品架构，企业不得不陷入信息萃取的困境。而大数据技术是直接从数据本身性质出发，有完整的信息萃取方法，这一方法不同于管理行业传统资源整合方法。企业转换思路，以大数据体系替代原有数据萃取系统，是从横向维度的加量式发展，转移为纵向维度的提质型发展。因此，在采用大数据技术的情况下，企业可以获取更高的信息处理和分析能力，反映在供应链上，则形成供应链整体信息萃取水平的提升，进而解决供应链质量管理中的资源不对称问题。基于这一分析，本文提出如下假设：

H2：大数据技术的应用促进了供应链信息萃取水平的提升。

大数据的应用分别促进供应链信息聚合能力及信息萃取水平的提升，当供应链进行技术升级后，不仅可以更加精确的处理已有数据，还能够降低处理数据所需成本，企业间分享资源与信息的水平提高，也会促进供应链组织水平进一步提升。组织绩效决定于企业间的信任水平及合作关系，而大数据技术应用的前提是信息透明化、公开化及无差别化，当供应链内部企业决定采取大数据技术调整供应链结构时，企业间可以更有效通过一致目标、协调运营和合同契约达成合作关系，表明企业业务间的一种长期导向，企业能够通过分享稀缺性资源满足供应链需求，借助于更合理的信息聚合了解市场变化，通过协调模式下信息萃取解决复杂的运营问题。企业间进行信息共享有助于兼顾宏观市场和微观管理。强化信息聚合能力，可以解决企业间信息不对称及资源不对称;提升信息萃取水平，可以转变供应链的问题处理机制。伴随着问题的解决，供应链绩效水平也得以提升，因此，本文提出如下两个假设：

实证分析

本研究基于预调研对典型企业的深度访谈、对已有研究数据进行分析和问卷发放的形式，形成本研究测量量表，对所有收集数据进一步进行信度分析，采用机器选择的方式得到研究所需原始数据。本研究所发放的表格为李克特式五级量表，从“完全不同意”至“完全同意”的五个级别，量表项目采用Vargo&Lusch（2016）文献中的相关设计，将相关题项翻译成中文，并邀请了英文专业的教授对问卷内容进行进一步修改。为避免同源性误差（CMV）带来的统计学误差，在问卷设计与填写中均进行匿名处理，文章所开展的研究是与湖北武汉民营企业商业协会合作进行的，从该协会企业名录中随机选取了400家企业，收回有效问卷213份。收集相关数据后，本文以AMOS 24.0軟件对原始信息进行原始模型与数据拟合，相关信度分析结果如表1所示。

如表1所示，本研究采用Harman单因素分析同因误差，由于第一个因子对变异量的解释水平仅为11%，并不存在显著的同源数据问题，且各变量Cronbachs α系数均大于0.60，说明变量信度水平较高。上述原始样本的参数比值为12∶1，大于门槛值5∶1，且总体模型X2/df=1.47小于2，说明模型具备较高拟合度，RMSEA、CFI、IFI、NNFI的指标均符合研究所需要求（在表1中列出），进而对相关矩阵进行分析，如表2所示。

在上述相关矩阵的基础上，本文进一步采用结构方程模型分析多个变量的链式作用机制，结构方程模型可以纳入多个解释变量的影响，在LIS-REL检验假设下，上述数据具备如下拟合水平：

上述结果说明结构方程模型具备较高拟合水平，可以逐个验证理论模型中的四个假设。假设1在实证中不拒绝，其影响系数为r11=0.61，t=6.23，该影响处于显著水平;假设2在实证中不拒绝，其影响系数为r12=0.37，t=4.62，该影响处于显著水平。假设3在实证中不拒绝，其影响系数为r21=0.29，t=5.51，该影响处于显著水平。假设4在实证中不拒绝，其影响系数为r22=0.49，t=7.03，该影响处于显著水平。图2中绘制了影响路径及影响因子的关系。

根据上述作用路径，本文假设大数据在信息聚合层面的权值为0.60，信息萃取层面的权值为0.40，当企业每投入1个单位资源于大数据技术，就会提升0.248个单位的全供应链组织绩效，陈永平（2015）的研究中量化了每单位组织绩效的经济价值，大约为2000亿美元。根据前瞻产业研究院所统计的相关数据，中国2017年工业大数据产业融资事件总计融资额为4亿6000万美元，假定上述融资被相关企业均用于投入运营，且不考虑资金损耗的情况，该融资在供应链组织绩效上可以产生5亿7040万美元的收益，直接经济效益高达1亿1040万美元。总的来看，企业采用大数据技术有利于提升供应链组织绩效，并提升全供应链经济效益。

结论

本研究对深化大数据应用场景、供应链管理和组织绩效有一定理论意义。第一，本研究从理论层面证明，引入大数据技术，可以从信息聚合与信息萃取两个渠道解决SCQM所存在的弱式信息及资源不对称问题，延伸了SCQM模型的应用场景和实践价值。第二，本研究从调研数据的实证分析出发，分析了“大数据应用—信息资源处理能力—供应链绩效”这一理论链条的真实性，从实证角度证实了大数据技术的应用有助于提升全供应链的组织绩效水平，填补了大数据研究领域的空白。第三，本研究构建“信息聚合/萃取—信息/资源互补—组织绩效”的结构方程模型，利用调研数据计算了大数据技术的影响因子，采用前瞻产业研究院的相关数据预测了工业大数据企业融资与组织绩效提升的经济关系，研究发现，2017年大数据产业相关投资仅在组织绩效上就产生了1亿1040万美元的经济收益。进一步发展大数据技术，并将其应用于供应链各个场景，可以有效提升供应链管理的组织绩效，并产生显著经济效益。同时，还需要进一步探索大数据技术对供应链中其他因素的影响，如产品质量、企业薪酬等，研究更广泛的大数据视角下供应链发展方向。

参考文献：

1.Lee H L，Hua L.Effect of information disclosure and transparency ranking system on mispricing of accruals of Taiwanese firms[J].Review of Quantitative Finance & Accounting，2015，44（3）

2.Jr S T F.Towards an understanding of supply chain quality management[J].Journal of Operations Management，2008，26（4）

3.Vargo S L，Lusch R F.Institutions and axioms：an extension and update of service-dominant logic[J].Journal of the Academy of Marketing Science，2016，44（1）

4.蒋倩.“互联网+”背景下农产品供应链优化分析[J].商业经济研究，2016（15）

5.陈永平，蒋宁.大数据时代供应链信息聚合价值及其价值创造能力形成机理[J].情报理论与实践，2015，38（7）

6.钱惠琴.连锁零售企业物流管理与业务流程再造[J].商业经济研究，2016（11）

7.罗剑宏，何依.我国零售企业战略联盟管理的绩效提升—以聯盟管理能力为视角[J].商业经济研究，2018（4）