大数据驱动下供应链物流服务升级路径研究

马洁

内容摘要：大数据技术已成为驱动供应链物流服务升级的重要力量，企业采用何种路径应用大数据于服务升级成为一个问题。本文基于企业微观层面，从分析企业应用大数据进行供应链物流服务升级的现状和问题入手，分析了大数据驱动企业供应链物流服务升级的影响机理和可行路径，并以路径选择为目标，以路径选择的影响制约因素为准则层，以可行路径为方案层，构建了层次分析（AHP）模型，并采用模糊综合评价法基于普遍意义上的企业调研和专家讨论对模型指标进行赋值计算，最后得到路径选择的排序。论文成果揭示了企业应用大数据进行供应链物流服务升级的路径选择依据。

关键词：大数据   供应链物流   服务升级   路径选择   AHP法

引言

随着大数据技术的日益成熟和广泛应用，已经成为物流业转型升级不可忽视的驱动力。2014年国务院印发的《物流业发展中长期规划（2014-2020）》指出，物流业已步入转型升级的新阶段，并明确将加强大数据等技术在物流领域的应用列入七大主要任务之一。2013年中国物流与采购联合会常务副会长戴定一指出智慧物流是物流的发展目标，而大数据能够支撑智慧物流的发展，物流行业和企业要利用好大数据，才能够真正从变革中受益。

企业应用大数据技术升级供应链物流服务的现状及问题

为了了解企业应用大数据技术升级供应链物流服务的现状和问题，笔者对200余家相关企业的中高层管理人员进行了问卷调查。从样本企业主营业务来看，制造型企业占50.72%，供应链或物流服务型企业占26.45%，批发零售型企业占13.77%，三类企业均涉及供应链物流服务。从样本企业规模来看，人员规模20人-1000人的样本占近80%，年营业收入200万元-30000万元的样本占近70%，可见多数反馈企业为中小型，符合企业规模基本分布。以上样本基本情况说明问卷收集具有广泛性和代表性。

（一）企业已认识到大数据的重要性并广泛应用大数据进行供应链物流服务升级

根据问卷调查结果，笔者对不同表述的五级量化评分（最低1分表示非常不同意，满分5分表示非常同意）进行统计。从认识和行动上，“大数据已成为驱动本机构供应鏈物流服务升级的一个技术背景条件”的平均得分为3.95，“大数据已在本机构供应链管理和物流服务业务领域广泛应用”的平均得分为3.91，可见多数企业已经认识到大数据在供应链物流服务升级中的重要性并已加以应用。

（二）企业对内部来源大数据的应用充分且范围广

企业对内部的销售、库存、采购等业务大数据和客户、产品、供应商等基础大数据的掌握最充分，五级量化评分的平均分均超过3.9。而超过60%的样本反馈既能够使用这些内部大数据支持库存调控、市场营销、采购决策及供应商管理等业务活动，又能将其应用到成本控制和资源整合等管理活动中，涉及的应用范围广。

（三）企业对应用大数据进行供应链物流服务升级的路径把握不足

按照技术应用的一般规律，企业应用大数据进行供应链物流服务升级往往按应用难度逐步开展，以京东构建智慧物流系统的步骤为例，从通过数据可视化展示业务，到用大数据监控和评估业务，再到依托大数据进行业务预测，最后实现智能决策。调研结果显示，对本机构已应用大数据实现可视化、业务评估、预测分析和智能决策的评分均高于3.6且非常相近，结合进一步典型样本调研得知，企业中高层管理人员对应用大数据进行供应链物流服务升级的路径理解模糊，很多企业在路径的选择上没有明确的方法和依据，且在技术条件成熟的背景下，企业对大数据的应用未必都如标杆企业一样按照应用难度的层次推进。这更加凸显了路径选择的问题。

大数据驱动供应链物流服务升级的机理与路径理论分析

结合大数据的特点及其驱动商业价值的主要方面，可以构建和分析升级路径和驱动机理，如图1所示。

（一）大数据驱动供应链物流服务质量升级

在企业供应链与物流运作过程中产生大量而多样的数据，大数据技术逐渐应用以来，企业内部有关产、供、销、存的业务数据和有关客户、供应商、产品、费率、人员的基础数据能得以更全面的采集和利用。除此之外，受技术手段的推动，数据来源变得更加广泛，数据的共享与合作变得更加开放，上下游合作企业和其他外部机构的数据也可加以利用。问卷调查结果显示，约57%的样本企业掌握上下游合作企业提供的有关运输、存储、客户、产品等的大数据，而约39%的样本企业则掌握其他外部机构提供的大数据。基于大量而复杂的数据，企业进行需求预测、管理决策的依据更全面、结果更准确，大数据所支持的相关分析更突出，便于找到和改进影响服务的因素，最终带来供应链物流服务质量的升级。

（二）大数据驱动供应链物流服务效率升级

大数据技术对数据处理的速度显著加快，企业得以在短时间内考量更全面的影响因素进行决策分析。根据问卷调查结果，超过60%的样本企业关注或已经应用大数据进行优化拣选路线、自动补货、自动选品等在传统数据分析技术下难以快速完成的决策。由此得到的决策依据更全面、客户响应更迅速，有助于进一步促进供应链物流的服务效率升级。

（三）大数据驱动供应链物流服务功能升级

大数据时代下的数据挖掘技术不断推陈出新，在将数据进行预处理的基础上还能进行更有针对性、更具象化、更深入的分析。如基于营销数据的挖掘可以进行客户画像，支持推出各种定制化服务;而基于配送数据的挖掘可以优化配送路线、整合配送资源，支持为客户或分包商提供诸如网点布局、车型选配等增值服务。这有助于企业延伸供应链物流服务链条，拓展服务功能，成为转型升级的一个重要路径。

（四）大数据驱动供应链物流服务模式升级

大数据的广泛和深入运用逐步提升企业的技术能力和业务能力，有助于加速企业服务模式创新。基于供应链上下游数据的分享与分析，核心企业有可能建立大数据技术服务平台，从业务盈利模式升级到平台盈利模式。

以上四个方面既是大数据驱动的结果，也是企业应用大数据进行服务升级的可行路径。

企业应用大数据进行供应链物流服务升级的路径选择—基于AHP模型

如上所述，企业应用大数据进行供应链物流服务升级有四条可行路径，路径的选择受若干因素的影响，采用层次分析法（AHP）和综合模糊评价法有助于将此类定性问题进行定量分析，将影响路径选择的定性因素数据化，将路径选择的过程系统化，支持企业更科学地做出决策。

（一）模型建立

该AHP模型的目标层即为路径选择，准则层包括8个影响因素，均经过综合分析，结合调研和专家讨论得出，涵盖了内部影响因素，如资金压力、人员水平等，以及外部影响因素，如政策环境、竞争环境、技术难度等，考虑了成本收益因素（如投资回报周期），兼顾了数据安全与数据信度效度的影响。可以说，影响因素的选择全面而客观。方案层包括服务质量升级、服务效率升级、服务功能升级和服务模式升级四条路径。每条路径的选择受准则层每个影响因素的影响，而企业进行路径选择时考虑准则层各个因素的影响权重也各不相同。通过两层评分可以得到四条路径的选择偏好。

（二）构建判断矩阵及一致性检验

本文利用1-9标度法将准则层各因素对目标层路径选择的影响进行两两比较评分，参考问卷调查及专家讨论结果，得到普遍意义上的目标层-准则层判断矩阵如表1所示，该矩阵的随机一致性比例CR=0.041577，小于0.1，一致性可接受。 采用同样的方法可以构建8个准则层-方案层判断矩阵，评分表明各个因素分别对各条路径的影响程度对比，一致性检验均可接受。

基于目标层-准则层的判断矩阵，可以计算准则层各项影响因素对于目标层的权重。基于准则层-方案层的八个判断矩阵，可以计算各条路径对于各项影响因素的权重，结果如表2所示。

（三）层次总排序及一致性检验

基于上述两层权重，可以进一步计算方案层对于目标层的总权重，得到层次总排序，如表3所示。CR=0.016204，小于0.1，层次总排序的一致性可接受。

结果分析与对策建议

（一）模型计算结果分析

根据模型计算结果可知，从普遍意义上说，8条影响因素对应用大数据进行供应链物流服务升级的制约程度从高到低排序依次为技术难度、资金压力、人员水平、数据安全、投资回报周期、数据信度效度、竞争环境、政策环境。可见外部政策和竞争环境是促使企业应用大数据进行服务升级的最主要推动力，而技术、资金、人力等内部资源状况对企业决策更起决定作用。

四条路径按照受影响因素制约程度的总权重从低到高排序为服务效率升级（0.1520）、服务质量升级（0.1741）、服务功能升级（0.2436）、服务模式升级（0.4304）。这表示在普遍意义上，企业应用大数据进行供应链服务升级时最为可行的路径是从服务效率升级入手，其次是服务质量升级、服务功能升级，最不易实现的是服务模式升级。

进一步看，企业选择服务效率升级和服务质量升级的最主要推动因素是竞争环境和数据信度效度，可见更快速有效的客户响应、更精准高质的客户服务是行业竞争的急迫需要，且其所需数据较易获得，数据准确性和可用性高，如来自企业内部的销售数据最容易面向客户快速进行偏好分析，快速和精准的响应客户需求，而内部来源数据的信度和效度往往较高。

而企业选择服务功能升级和服务模式升级的最主要推动因素则是国家鼓励创新的政策环境和推出新功能、占领新领域可能获得的竞争优势。功能和模式的升级有助于获得新的客户群体和市场份额，是更代表转型升级方向的路径。其最主要的制约因素是技术难度和资金压力，其次是人员水平和数据安全，可见基于大数据技术拓展服务功能和创新服务模式需要深入进行数据挖掘和平台开发，意味着高技术要求和高资金投入，而技术的高要求和进入新领域的需要都对人力资源和数据安全提出更高要求。

（二）对策建议

普遍而言，面对各项影响因素，企业应首先重视技术研发、资金积累、人力储备等内功提升，将其作为促进大数据应用、推动供应链物流服务升级的主要内动力。其次，企业应正确判断自身在市场竞争环境中的位置，抓住政策机遇。同时，企业应关注数据安全的可控性，解除大数据应用的后顾之忧。还应通过拓展数据来源和严格数据篩选不断提高数据的可信度和有效度，从而降低数据分析的偏差，保障和提升服务质量。

对于个别企业的路径选择而言，应首先根据自身情况对上述8条影响因素制约程度进行评估，结合AHP模型技术结果来选择适用的路径。在影响因素评价不同的情况下，不同企业的路径选择也不同，如有的企业资金充裕，希望通过转型升级尽快获得市场地位，那么用资金购买技术、引进人力，进而升级服务功能或创新服务模式可能是一条合适的路径;而有的企业希望在既有细分市场深耕细作，企业内部人、财、力等资源一般，那么升级服务质量和服务效率可能更为适宜，如应用大数据进行客户分析和需求预测等，实现对客户的精准、快速响应。

参考文献：

1.计国军，余木红，Kim Hua Tan.大数据驱动下的全渠道供应链服务创新决策框架[J].商业研究，2016（8）

2.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）

3.国务院.关于促进大数据发展行动纲要，2015

4. Hsinchun Chen，Roger.H.L..Chiang.Business Intelligence and Analytics：from Big Data to Big Impact[J]. MIS Quarterly，2012（36）

5.王海玲.大数据应用驱动行业服务升级—访中国采购与招标网总裁朱建元博士[J].招标采购管理，2017（7）