大数据背景下四川省物流业绩效评价与优化研究

邓梁 鑫芸

大数据背景下四川省物流业绩效评价与优化研究

邓梁 鑫芸

（四川大学匹兹堡学院，四川 成都 610000）

在大数据背景下，四川省物流业的发展过程中仍存在不少问题，对大数据的利用程度也还不够。通过对物流业绩效评价体系构建的探讨，建立了四川省物流业绩效评价体系及相关模型，采用DEA的方法和理论，结合大数据目前应用于四川省物流业的特点，进行了深入探索和优化。基于模型得到的结果，对四川省物流业的物流效率进行分析与评价，并提出优化方法，旨在利用大数据提高四川省物流业效率，从而促进四川省物流业的发展。

物流业；大数据；数据包络分析DEA；绩效评价

现在的社会正处于一个高速发展的阶段，各项技术不断得到创新和完善，大数据就是这个高科技时代的产物。随着云时代的到来，大数据因其显著特点而备受关注，人们开始借助一定的技术手段探寻大数据背后的价值，并将其转变成可以被社会各行各业利用的资源。

随着经济社会的持续快速发展，四川省物流效益不断提高，物流总量和物流企业整体规模不断扩大，物流运营基础设施不断完善。虽然目前物流业发展较快，但仍存在物流基础设施较落后、市场管理体制不健全、管理和服务功能不足等问题[1]。而大数据以其容量巨大、流转速度较快等特征，逐渐成为解决当前问题的手段。大数据可以很大程度改变物流服务的功能、规模与领域、效率、交付方法等，还可以使物流业表现出明显的转型升级趋势，促进新的商业模式、经营方式、资源配置模式等物流业新业态的出现。

近年来众多学者对物流绩效的研究十分关注，国内外学者已经通过主成分分析、模糊综合评判法等建立起常见的物流绩效评价体系。本文依据成熟的绩效评价体系，结合大数据目前应用于四川省物流业的特点，进行深入探索和优化，旨在使大数据能够提高四川省物流业的效率，进而促进四川省物流业的发展。

1 DEA模型的构建

数据包络分析法（DEA）可以同时对多个投入和产出 指标进行分析评价，无需首先设定指标间的函数关系，也无需设定权重，得到的结果具有较高准确性[2]。利用该方法可筛选出物流业的绩效指标，从而对物流业体系进行优化 研究。

本文以《国民经济行业分类》[3]为标准，将四川统计年鉴中2006—2017年的交通运输、仓储、邮政业的数据合并作为四川省物流业的研究数据，来构建物流业绩效指标体系[4]。将2006—2017年作为决策单元，使用数据包络分析法的2模型对每一年的物流业进行效益评价，以此来判断某个选定的决策单元的有效性，并结合无效原因给出改进措施。

鉴于研究的物流业绩效优化思路是从调整投入要素入手，所以在构建模型时，考虑了物力、人力、财力的投入以及基础设施的规模[5]。对于基础设施的规模，将公路、铁路、水运三种运输方式的里程直接相加得到运输线路长度。在以往的研究基础上，考虑到物流数据的可得性，并结合四川省物流业自身特点选取指标，如表1所示。

表1 投入产出指标表

指标变量 投入指标从业人员 固定资产投资 运输里程长度 从业人员工资总额 产出指标地区生产总值 货运总量 货物周转量 物流生产总值

2 结果分析与优化

本文根据获取的物流业数据，针对物流业各投入和产出指标，运用DEAP2.1软件进行DEA模型求解，得到四川省物流业每年的综合效率、纯技术效率和规模效率，结果如表2所示。

综合技术效率是对决策单元在资源的使用效率、配置能力等各个方面的综合评价。综合效率值为1，则说明决策单元使用的技术有效[5]。从表2的综合效率来看，3个决策单元非有效。效率最低的决策单元是2009年，综合效率值仅为0.886，这说明如果要达到有效前沿面的水平，产出需要提高到原有产出水平的119%。其次为2010年，综合效率值为0.932，这说明如果要达到有效前沿面的水平，产出需要提高到原有产出水平的107%。

表2 2006—2017年四川省物流业效率比较

决策单元综合效率技术效率规模效率规模报酬 DMU 12006年111— DMU 22007年111— DMU 32008年111— DMU 42009年0.8860.9090.974irs DMU 52010年0.9320.9390.992irs DMU 62011年111— DMU 72012年111— DMU 82013年111— DMU 92014年111— DMU 102015年0.9920.9921— DMU 112016年111— DMU 122017年111—

注：irs为规模效率递增。

纯技术效率是企业综合考虑管理、技术等要素时的生产效率，反映了企业有效利用资源的能力以及整体技术水平。规模效率则是受企业规模影响的效率[5]。

通过观察表2发现，2015年为纯技术无效，即规模效率值为1而纯技术效率值小于1。2009年和2010年是纯技术效率和规模效率同时无效，即两个值都小于1，且规模报酬都是递增的，说明在当时的技术水平下四川省的物流业规模过小，提高物流产业效率的方法是在调整其投入产出比的同时适当扩大物流业规模。

为了更进一步的分析，可以使用DEAP2.1软件对物流业DEA非有效单元进行效率改进。在实际操作中，投入指标是可以进行人为控制的，因此本文仅考虑投入指标的松弛变量取值。表3给出了各年份的投入松弛变量，即各年份物流业投入指标需要改善的值，从而可以对投入做更好的规划与设计。

表3 2006—2017年四川省物流业投入指标松弛变量的取值

决策单元从业人员/万人运输里程长度/万千米从业人员工资总额/万元固定资产投资/亿元 DMU 12006年0000 DMU 22007年0000 DMU 32008年0000 DMU 42009年14.1912.37280 937.6319.761 DMU 52010年9.3361.70362 946.898318.594 DMU 62011年0000 DMU 72012年0000 DMU 82013年0000 DMU 92014年0000 DMU 102015年1.0420.253242 928.11826.032 DMU 112016年0000 DMU 122017年0000

如表3所示，大多数年份物流业的投入松弛变量都为0，不需要改变各投入指标的量。2009年、2010年、2015年四项投入指标均出现过剩现象。

本文以2009年为例，对于2模型中效率值小于1的决策单元，可通过综合效率×投入指标原始投入量－松弛变量来优化调整投入项ij´为：14´=124.707，即物流从业人员减少到124.707万人；24´=20.841，即运输里程长度减少到20.841万千米；34´=711 270.440，即物流从业人员工资总额减少到711 270.440万元；44´=900.226，即固定资产投资减少到900.226万元。根据以上的分析可知2009年物流业从业人员、运输里程长度、固定资产投资、从业人员工资都存在资源剩余。

3 结论与展望

根据以上对四川省的物流绩效的分析，本文从数据角度进行分析并对资源的有效利用和经济的发展提出了改善的方法。

从以上分析可以得到以下几点结论：①从历史数据出发，投入指标的利用率虽然大体呈上升趋势，但仍会出现投入过剩的情况；②造成某些年份四川省物流业的发展相对无效的原因主要是物流投资额过大、从业人员过多，且物流投资与物流人才利用未取得理想的效果；③运输里程长度过长反映了快速交通基础设施落后以及物流基础设施未得到充分应用的问题；④包含固定资产投资和从业人员工资的物流成本过高，可能会导致带给社会的负担较大；⑤综合效率和纯技术效率也大致呈上升趋势，但物流管理水平有待提高，物流人才培养和物流基础设施建设力度仍需增强；⑥规模效率的稳定表明四川省对物流资源的整合以及物流生产率的把握已走向成熟。

随着经济的高速增长，四川省物流业急速发展并且已经取得了一定的成效。但基于大数据背景和本文得到的结论，未来四川省物流业的发展过程中大数据技术可以应用于优化物流过程、增强物流企业运行管理能力、合理安排物流中心选址、优化物流市场策略的制订这几个方面。

四川省物流业可以将现有的信息系统和物联网整合起来，建立物流协同的信息共享平台，提高物流运作管理中的信息技术和信息系统利用率。利用大数据挖掘和智能分析等技术，物流系统可以对不同地区消费者的消费习惯、水平进行分析归纳，预测其未来的消费行为。根据得到的消费者需求，匹配物流供给，调整物流资源的配置。同时结合企业自身特点和交通状况等信息，制订物流线路的规划和配送方案以及配送中心的安排，从而解决因信息利用率较低导致的配送成本过高、货物运送效率低下、配送资源的浪费等问题。由于缺乏对物流仓储情况进行分析和管理的技术人员，对于调、补货等紧急事件的处理不够迅速，造成了客户购物时长时间等待的问题。

四川省物流业应致力于培养专业性的大数据应用人才，利用大数据的数据挖掘技术来选择仓库的位置，并保证一定量的库存，这将降低销售淡季或者旺季时出现的库存挤压或者缺货给整个物流系统带来的影响。

在大数据的背景下，四川省物流业的发展应该结合大数据理念进行创新和改进，从根本上推动物流业的专业化、社会化和智能化发展。

物流业的发展应着手于服务客户的本质，加快物流产业升级，在已定服务水平上取得物流成本最低及物流效率最高，并且在达到为客户创造价值的目的的同时创造合理利 润[6]。物流行业应该加大对大数据技术的研究，并将其应用于物流的各个环节中，以确保四川省物流业的可持续发展，同时也符合四川省经济的长远发展利益。

［1］董圆圆.面向四川省物流发展现状问题的分析研究［J］.软件，2019，40（7）：152-157.

［2］朱镇远，黄微，刘熠.大学生网络信息行为综合指标体系构建研究——基于改进数据包络分析法［J］.科技情报研究，2020，2（2）：48-58.

［3］四川统计局.四川统计年鉴［M］.北京：中国统计出版社，2006.

［4］甘卫华，许颖，黄雯，等.基于DEA-Malmquist的江西省物流业全要素生产率研究［J］.工业工程，2015，18（2）：108-114.

［5］王项，刘刚.基于数据包络分析的区域物流绩效分析 ——以全国性物流节点城市所在的省市为例［J］.物流工程与管理，2015，37（10）：78-81.

［6］王杰，闫军，徐旦.基于因子分析法的“一带一路”沿线省市物流能力比较研究［J］.科技与创新，2019（4）：26-27，30.

F259.23

A

10.15913/j.cnki.kjycx.2020.12.004

2095－6835（2020）12－0012－03

邓梁鑫芸（1999—），女，四川大学本科生。

〔编辑：王霞〕