“新零售” 下我国零售企业供应链KPI 体系的构建与应用

李 琦

（河南中烟工业有限责任公司许昌卷烟厂企业管理部 河南许昌 461000）

引言

“新零售” 是从供给端实现商业结构改革和消费升级迭代的新思路，是一种将线上线下、现代物流纳入统一系统中的零售新模式。移动互联网以及大数据、云计算、人工智能等先进技术是 “新零售” 的支撑，依托于技术手段，场景要素与商品生命周期深度契合，消费者需求与商业情境体验深度契合，进而重塑商业生态并最大化消费者利益，实现供给端和需求端的双赢。2016 年，马云首先提出 “新零售” 概念。随后 “新零售” 逐渐成为我国学者的关注焦点，不少学者探究 “新零售” 的概念内涵、模式创新、机遇与挑战等内容。其中，“新零售” 的关键主导行业是零售业，因此推动 “新零售” 的流通变革需要以零售业为突破口，这与丁俊发（2017）的观点一致。零售企业供应链的重新设计是“新零售”的核心，全渠道供应链的整合优化是重塑商业价值的必要路径，这与王福，王科唯（2020）、张建军，赵启兰（2019）的观点一致。本文重点在于构建适应 “新零售” 趋势的供应链KPI 指标体系，旨在促进我国零售业供应链的管理提升，继而为零售业的创新颠覆、“新零售” 的持续变革提供支持。

零售企业供应链KPI 存在的问题

在 “新零售” 理念中，零售业的供应链需要进行深度整合与创新，推动产品供应链向服务供应链演进，继而向服务生态系统演进，构建利益相互依存的生态闭环。“新零售” 要求零售企业供应链实现全渠道客户需求的整合、营销策略的整合、数据资源的整合、采购策略的整合、零售终端的整合、物流资源的整合等，从而形成人、货、场的全方位一体化运营。而判断零售企业供应链的现状，以及是否满足 “新零售” 的这些要求，首先需要择选关键评价指标，在 “新零售” 下构建完整的KPI 指标体系。目前中国零售企业供应链KPI 面临的问题与挑战主要包括以下几点：

其一，不同产品品类、不同零售企业的KPI 管理水平参差不齐，管理的成熟程度有待提高；其二，KPI 指标没有形成统一的标准，各零售企业在供应链管理过程中，所采用的评价指标或过于简单，或混乱复杂，在选取指标时往往照搬照用，缺乏科学合理性，与企业现实情况的脱节比较明显；其三，指标的计算方式也过于简单，基本都是最常用的数据统计，结果结论单一，既不能及时识别问题所在，也不能系统地、长久地为供应链管理提供依据；其四，KPI 统计时手工操作过多，数智化程度有待提高，尤其在大数据等新兴技术加速迭代的新环境下，缺乏数字化工具不仅与时代脱节，更会产生效率低下、错误漏洞多、结论信效度低等问题，降低了KPI 的参考价值；其五，KPI 数据的监测缺乏系统支持，使监测缺乏持续性，无法满足线上业务数据实时变动、累积数据指数增长的新情况，不能依托长期的KPI 数据改善运营效率、优化企业战略。

“新零售” 下零售企业供应链KPI 指标体系构建

针对目前我国零售企业供应链KPI 存在的问题，本文将综合采用定性与定量方法，结合 “新零售” 的特征与要求，重新识别KPI 指标，从而构建科学完善的KPI 指标体系。定性方法采用德尔菲法，定量方法采用主成分分析法，两种方法相辅相成，相互发挥优势、弥补劣势，使结果更可靠、更科学。

（一）定性识别方法：德尔菲法

德尔菲法本质上是一种利用函询形式进行的专家集体匿名思想交流过程。德尔菲法相比专家会议法、深度访谈法等定性方法，其 “背靠背” 特征使其更具有安全性和可操作性。德尔菲过程大致如下：首先，通过联络和遴选，共有8 位专家参与到德尔菲过程，包括4 位零售供应链领域的专家学者和4 位零售行业资深人士及“新零售” 实践者，均具有深厚的理论学识和丰富的实践经验（见表1）。其次，拟定调查提纲，向专家们准备详实的资料，比如有关 “新零售” 的资料和零售企业供应链的运营数据，以保证专家有足够的依据对关键指标做出判断。最后，以电子邮件方式展开德尔菲过程，共包含三轮信息反馈：第一轮是开放式调研，只提出 “新零售趋势下中国零售企业供应链KPI” 这一问题，附属整理的详实资料供专家阅读，由专家自由提出观点并说明理由；第二轮调研将第一轮观点汇总制表，发给各专家判断各指标的重要性，继续提供观点与意见；第三轮调研则再次汇总第二轮观点，让专家比较自己同他人的不同意见，以修改自己对指标重要性的判断。三轮过程均通过电子邮件方式进行，专家们彼此之间互不相识，也不进行直接沟通，均仅与笔者建立关联。经过三轮德尔菲过程，8 位专家的意见逐渐统一，对KPI 指标的判断趋于一致。

德尔菲过程中的相关数据（见表1）。可知，专家的权威判断均值为0.79，大于标准值0.7，说明专家的权威性、代表性较高；专家积极系数用有效参与率表示：有效参与率= 有效反馈的专家数/ 全部参与的专家数，其值为100%，说明专家的参与程度和关心程度达到最高水平；在第二轮德尔菲反馈中，运用SPSS 21.0，计算Kendall W值为0.541，P 值为0.000，表明在95% 的置信度下，专家的意见协调性较好，第二轮的结果是可取的；在第三轮德尔菲反馈中，运用SPSS 21.0，计算Kendall W 值为0.646，P 值为0.000，表明在95% 的置信度下，专家的意见协调程度更优，专家意见趋于一致，没有必要进行下一轮德尔菲过程。至此，运用德尔菲法汲取了专家们的智慧，获取了他们的集体判断。KPI 的一级指标包括供应链可靠性、供应链成本、响应速度、资金效率等四大指标，二级指标包括客户完美订单履行率、客户退货率、销货成本占比等11 个指标。

（二）定量识别方法：主成分分析法

基于德尔菲法，理论界与实践界的专家们普遍认为，在 “新零售” 趋势下中国零售企业供应链KPI 应包含4个一级指标、11 个二级指标。这些指标是专家们集体智慧的体现，但也存在主观性问题，没有反映数据背后可能蕴藏的规律。在未来 “新零售” 中，KPI 数据是海量的、动态的，大数据技术也赋予了搜集和处理动态海量数据的能力，因此有必要挖掘数据本身的价值意义。此外，KPI 数据的无限性也在稀释价值的密度，所以数据的无限性仍然需要有限的指标予以代表，表达出最核心的价值。综合以上考虑，需要寻找一种方法，既能克服人的主观片面性问题，又能挖掘数据之间的内在联系和潜在意义，也能 “降维” 数据以少量指标覆盖绝大多数内涵。满足这些条件的方法之一，就是主成分分析法。主成分分析法是一种降维方法，可以减少指标之间的相关性，解决多重共线性，以少量指标来充分反映大部分信息。若将多个相关性较强的变量 重新组合，生成彼此不相关的主成分 ，使它们尽可能多地提取原有变量的信息，其方法通常是做线性组合：

其中，a1i，a2i，…，api(i=1，…，m) 为X 的协方差阵Σ 的特征值所对应的特征向量；X1， X2，…， Xp是原始变量经过标准化处理的值，在实际应用中，往往存在指标的量纲不同，所以在计算之前须先消除量纲的影响，而将原始数据标准化；ε 是标准化常数。

首先，搜集消费品零售企业的供应链运营KPI 数据。为了保证数据有效性，零售企业要经营不同业态、不同品类，尽可能覆盖多种业态，其中以超市、便利店为主。样本企业包括河南大张、山东全福元、家家悦、浙江万客隆商贸等31 家企业。数据主要是德尔菲法获取指标的数据，且为2019 年下半年（2019 年7 月-12 月）的数据。其次，将数据导入SPSS 21.0 中，运用主成分分析功能，对数据进行降维处理。最后，对成分矩阵图进行解读，获取结果。结果显示，11 个二级指标数据可以降维为4 个主成分因子，这和德尔菲法的结果一致；但是，有1 个二级指标的因子载荷在任何一个主成分上都低于0.500，有1 个二级指标的因子载荷同时在两个主成分上都高于0.500，均不符合要求，予以剔除。至此，共获得4 个一级指标、9 个二级指标。

表1 德尔菲法相关数据

（三）KPI 指标体系

经过德尔菲法和主成分分析法，结合了定性方法与定量方法的优势，集中了人的智慧和机器智慧，构建出 “新零售” 趋势下我国零售企业供应链的KPI 指标体系。该指标体系共包括4 个一级指标：供应链可靠性、响应速度、资金效率和供应链成本，以及9 个二级指标，其中供应链可靠性由5 个指标衡量，响应速度和资金效率各由1 个指标衡量，供应链成本由2 个指标衡量（见表2）。

“新零售” 下零售企业供应链KPI 指标应用

经过上述分析，提炼出适用 “新零售” 趋势和中国市场的零售企业供应链KPI 体系，以此衡量供应链的水平、效益与未来方向。对于这些KPI 指标，将与美国零售企业进行对标分析，并从企业业态、产品品类、需求端、供应端等多层面对指标进行分析，以获取有益的结论和启示。

供应链可靠性A。衡量供应链可靠性的KPI 指标有5个（A1-A5），以仓库缺货率（A4）为代表进行分析。整体而言，与美国企业相比，中国零售企业仓库缺货率略高，不同业态、不同品类产品的仓库缺货率差异明显，需求端和供给端双侧均存在造成仓库缺货的重要因素。具体而言，从业态角度分析，美国行业的平均仓库缺货率约为2%，中国的数值为2.3%，略高于美国。其中，大中型超市的仓库缺货最为严重，缺货率达5%，其次是专门店，缺货率为4.3%，最后是便利店，缺货率为1.3%（见图1）。出现这种分布与购物需求和方式、配送频率和细化程度、供应商管理水平、销售与库存信息更新频率等方面的差距息息相关。例如，大中型超市通常选用大宗采购模式，采购频率较低，多数在一周一次左右，而团购、促销、抢购等活动会在短时间内完成销售，容易导致超市的缺货现象。大中型超市规模较大，商品的统计也更复杂，缺货信息与补货行动存在时间差，加大了缺货的严重程度。从品类角度分析，不同品类的仓库缺货率差异明显，其中食品饮料类最高，缺货率中位值为3.5%；非食品类缺货率中位值为2.4%，冷冻类缺货率中位值为2.1%，生鲜类最低，缺货率中位值仅为1%。从品类来看，品类特性影响需求端的稳定性和供应端的订单满足水平，在 “新零售” 驱动下，供应商管理无疑是缺货率管理的关键一环。

响应速度B。整体而言，中国线上业务的订单履行周期整体好于美国行业水平，生鲜、冷冻的食品类订单周期普遍较短，非食品类订单周期普遍较长。具体而言，生鲜类产品的时效性要求很高，其订单履行周期的中位值仅为1.1 天，是所有类别中最短的，约86% 的企业在1 天左右交付；冷冻类产品全程需要保障低温环境，一般采用中央冷库直接配送，线上订单履行周期为1.25 天，约80% 的企业在1-2 天左右交付；食品饮料类产品种类繁多，订单数量多，一般没有时效性、新鲜度的特殊要求，订单周期相对较长，中位值为1.75 天，低于美国的1.9 天；非食品饮料类产品更需要特殊的运输保障，线上订单履行周期的最高值达到7 天，中位值为2.5 天，仍然低于美国的2.7 天，说明中国零售企业供应链的响应速度具有一定的优势（见表3）。

另外，零售企业的电商业务正逐步增加，而电商业务的比重与线上订单履行周期存在负相关关系。当企业的线上业务占比为1% 时，订单周期为4.5 天，周期较长。而当企业的线上业务占比提高到25%时，订单周期缩短至0.8天，周期较短。也就是说，零售企业电商业务占比越高，或者线下业务占比越低，订单履行周期越短，意味着响应速度越快。这为 “新零售” 下零售企业的发展方向提供了启示，未来为缩短订单履行周期、提升线上服务水平，需要重视线上线下的业务结构比例，有必要重点拓展线上业务。

表2 KPI 指标体系

表3 不同品类零售企业线上订单履行周期分布

图1 中美不同业态仓库缺货率

图2 中美仓库库存周转天数（天）

资金效率C。整体而言，与美国企业对比，中国零售企业的库存周转天数较长，周转速度较慢，受限于 “新零售” 中消费者需求的升级和波动，库存管理将面临更大挑战。具体而言，从业态角度分析，大中型超市的平均库存天数在37 天以上，社区超市和便利店多在30 天以内，所有业态的库存周期天数的最低值为5 天，最高值为63 天，中位数为33 天，而美国企业的最低值为4.5 天，最高值为49 天，中位数为28 天，其水平显著高于中国。无论在服务覆盖范围、消费者购物行为还是在运营品类上，大中型超市在 “新零售” 中的库存管理均面临不小压力。从仓库的库存周转速度分析，中国零售企业的整体水平亦低于美国企业的整体水平。我国仓库库存周转普遍优于线下门店，仓库周转天数的整体水平为12 天，超过美国的整体水平10 天，也远超过线下门店的整体水平29 天，其中电商仓库周转天数仅为6 天，大中型超市仓库为13 天，便利店仓库为9 天，专门店仓库为10 天（见图2）。电商仓库之所以能有高的周转速度，得益于大数据模型的精准预测，在定义库存级别、分类库存标签、实时跟踪库存变化、动态预测消费者需求等方面实现了数智化管理。这为 “新零售” 下缩短库存周转天数、提高资金效率带来启示，大数据、人工智能与零售企业供应链的深度融合是重要的解决方案，供应链管理必然走向数智化道路。

供应链成本D。衡量供应链成本的KPI 指标有2 个（D1-D2），本文以仓储物流费用占比（D1）为代表进行分析。整体而言，中国零售企业仓储物流费用占比略高于美国，电商企业的整体仓储物流费用占比最高，随着门店数量增加，大中型超市的物流费用会提升，而社区便利店及专门店的物流效率会提升。具体而言，美国零售企业仓储物流费用占比的中位值为2.7%，而中国略高，中位值为3%。三类零售企业中，以电商为主的企业存在最高的仓储物流费用占比，整体分布在7% 到8% 之间；以社区便利及专门店为主的企业，整体分布在4% 到7% 之间，而以大中型超市为主的企业，整体分布在1% 到3% 之间，其仓储费用具有一定的优势。另外，以大中型超市为主的企业，仓储物流费用占比与其门店数量呈现正相关关系，相关系数约为93%，原因在于单店规模大、单次配送量大、车辆运力有限、配送路径协调难度大等；社区便利店及专门店为主的企业，仓储物流费用占比与其门店数量呈现负相关关系，相关系数约为-94%，原因在于单店规模小、单次配送量有限、车辆运力影响不大、规模效应显著、配送路径可进行最优规划等。

结论

“新零售”为中国零售企业供应链再造提供了新契机。为推动 “新零售” 变革，首先需要构建科学完善的KPI 指标体系。目前我国零售企业KPI 存在管理混乱、指标过于简单、计算方法落后、缺乏持续性监测等问题。为克服这些问题，综合运用定性的德尔菲法和定量的主成分分析法，将人的思维与机器思维相结合，构建出适合 “新零售” 趋势和中国情境的零售企业供应链KPI 指标体系，并将该指标与美国行业进行对标分析，从企业业态、产品品类以及供给端、需求端等层面进行分析，得到有益的结论和启示。本文认为，在 “新零售” 的发展趋势下，必须对零售企业供应链的KPI 指标进行重点监测，优化各关键指标并落实风险管理机制。在线业务在 “O2O” 中的地位越来越高，因此需逐步加大电商业务占比，并切实认识到，随着新兴技术的深度融合，在线业务重塑价值链的潜力是无限的。从企业战略出发，整合优质物流资源，主动监控并提升线上交付水平，提升订单服务质量；有必要打通信息壁垒，打破信息孤岛，实现信息流、物流、资金流、人流等各要素的顺畅同步流转，以即时性信息指导库存管理、补货决策，以全链条信息搭建各类产品的科学客观的需求预测模型，逐步建立高效率的、高成熟度的库存管理模式；线下也要合理规划门店布局，抓取规模效应的平衡点，优化配送路线，降低仓储物流成本，增强成本竞争力。