大数据视角下供应链管理风险成因及对策分析

刘昕颖

摘要：近几年，大数据概念的出现为供应链管理相关理论的快速发展带来了不小的挑战和转机，供应链管理发展具备了新思路的同时，也极大地加剧了各个供应链公司之间的竞争。大数据的发展浪潮使商业模式与企业经营运作流程之间的关系产生了根本性改变，在这样的背景下供应链风险管控也更加复杂。为了更好地应对风险，需要对数据时代供应链的运作管理进行全面分析，准确识别出风险影响因素，合理运用大数据管理决策对风险进行管控，有效规避风险、减少损失。

关键词：供应链;大数据;风险管理

一、引言

2011年，麦肯锡咨询公司发布的“大数据”报告将此概念代入主流市场，“大数据+行业”就成了未来发展的最新趋势，近几年来，大数据的急速发展促使供應链系统的成员对于企业的决策行为从集中式决策更加倾向于分散式决策，这样和过去相比更难实现协同，同时也导致如今供应链协同理论在一段时间里缺少创新性的发展。但随着大数据的深度应用，企业在构建自身供应链网络的过程中拥有了更多的主动性、全面性，带来更加完善和科学的风险管控流程与方法。比如，可以有效地充分利用“互联网+云”和“大数据+行业”的分析理念对传统供应链管理进行重新思考，在产品设计、制造、采购、物流等一系列过程中的重要信息数据进行深度数据挖掘和综合分析。针对系统内部，可以通过先进机器深度学习技术形成更加准确智能化的电子商务管理决策，提高了企业管理效率;针对系统外部，通过移动互联网和大数据分析技术来自动调节客户的产品需求，优化供应链上下游的产品供给网络，最终提高企业生存能力。

在当前经济发展全球化大背景下，企业正面临着激烈的国内外市场竞争，企业与其他系统内外形成的供给网络联系也越来越复杂，倘若一个企业无法有效地处理物流和供应链系统中存在的风险，导致整个企业遭受到严重的损失。目前我国供应链公司管理模式并没有得到创造性的突破。这个情况也加剧了企业供应链管理的风险的产生，本文针对供应链企业在大数据时代所遇到的风险问题进行研究，以解决现实中的问题。

二、国内外研究现状

（一）传统的供应链管理

Swaminathan在电子商务背景下，系统分析了传统供应链管理中信息共享、决策支持、供应商关系、采购等在当下供应链协调的重要性，并且构建了相关模型论证研究。Fink证实了双方协商是可以作为有效的供应链协调策略在现实中应用，模型建立在信息不对称和机会主义的情况下，由两位代理人通过协调谈判改变产品顺序，最终达到供应链协调。Giannoccaro构建了收益共享契约理论的三阶段供应链契约模型研究，通过优化契约参数，实现供应链协调并增加参与成员的绩效。Cacho则分析了在研究供应链协调中不同契约的特点，指出收益共享契约的优缺点，从而证明了收益共享模型在供应链协调中的价值。

（二）基于大数据思想的供应链管理

如今，越来越多的企业开始重视信息资源，将信息资源作为支持其管理决策的主要依据，可以逐步实现基于大数据信息的科学管理，也就是发展了由数据驱动的供应链管理，也带来机遇和挑战。吉峰、张婷等人认为大数据的使用可以有效提升供应链系统的柔性，建立了供应链互联网化的概念，同时要求以数据信息来促进企业内部信息流转的创新和企业结构的优化，最后提出借助大数据信息提升供应链柔性以保证有长足的竞争优势。岳昱形通过深入分析“1号店”网上商城的内外部竞争环境和条件，提出需要将供应链大数据分析与整个企业供应链中的驱动因素（包括库存、设施等）相结合，从而提高改善整个企业供应链的绩效，同时阐述了基于互联网大数据环境下对于平台商城类型的企业采取供应链管理方法的优缺点。

资武成表示了需要通过深入研究企业生态系统中发展与演化的内外部因素，来构建一个企业层面的大数据生态系统。同时，提出了可以依靠互联网和大数据来构建明确的客户关系管理子系统，对于客户行为中产生的信息和数据进行实时跟踪和监测，以此方式来更好地适应市场的变化及做出经济管理决策。荆浩研究发现在大数据环境下，商业行为模式的改变对于竞争优势等各个方面都会产生影响，提出了可以通过采用渐进式的创新、自主创造性的探索及供应链模式的变革三部分基础理论为手段，来加强和优化整个供应链的运作和管理，以上的优化管理可以通过整合企业内部的大量数据资源来完成，体现了数据驱动的重要性。李勇建、陈婷探索了区块链对于供应链管理的技术创新性与可行性，从其在应用中的探索与科学研究两个角度对区块链技术未来在供应链管理中的研究方向作出了展望，为供应链管理工作带来了启示。

针对大数据时代下的供应链变革发展，国外学者也做了一些相应的研究， Wang G等首先明确提出了一种由企业大数据系统为该企业发展战略提供有效决策的新技术理论和系统概念，建立了“功能-基于过程-协同-敏捷”的SCA成熟度分析模型，并进一步明确强调了对企业大数据信息的重要性，因为它是我们制定一个企业发展战略的重要智力资产。为了满足分析企业各种业务的发展需求，他们通常还要对该企业业务中的各种业务信息以及系统数据进行分类整合和分析处理。Chen Daniel Q等人把大数据分析和企业供应链的价值创建联系在一起，通过大数据动态能力理论，回答了企业在组织管理层进行大数据分析的重要性和关键影响因素，将企业的大数据分析能力作为对供应链企业的对信息处理能力的衡量。Sanders Nada R在我们构建了一个大数据驱动的供应链过程中首要遵循的系统化框架，通过“市场分区-战略联合-评估”发展路线有效地避免了企业陷入多而杂的数据中，同时提出在使用大数据分析时应该更注重成熟度和专业性。

三、大数据时代供应链风险因素分析

物流和供应链的管理通常是由单个企业或多个公司共同负责运作，由于多个公司的联合经营，也极大地增加了供应链管理的复杂度和不确定性。物流供应链管理的主要风险来自供应商的不确定性，运输环节的不确定性以及客户需求的不确定性，以下将从物流供应链管理领域中的风险进行分析和归因。

（一）外部风险

外部环境风险泛指各种来自社会和自然环境的不可控风险。比如，社会的动荡将直接导致整个企业供应链的组织断裂，使整条供应链系统上中下游企业都会蒙受不小的损失。自然环境的不断改变，会导致生产不能顺利进行，以至于推迟交货期并带来直接经济损失。与其他内部因素相比，外部环境因素导致的危害发生概率相对来说较小，但是由于预测难度较大，一旦此类事件突然发生，可能直接给供应链企业成员造成一次毁灭性的经济打击。

供应链外部风险大多数学者将其分为中断风险和运作风险。中断风险主要包括自然、经济和政策等相关风险。不可预测的自然事件包括地震、洪水等，人为事件包括恐怖袭击等，不论是自然事件还是人为事件都会给企业带来持续性的影响。在大多数地区，自然灾害的发生对整个社会，特别是企业都会造成一种持续的威胁。供应链管理中的生产环节和物流运输是关键部分，这两部分也是极易受到自然灾害影响的，所以外部风险对供应链的不利影响非常明显。由于现在全球一体化联系越发紧密，全球供应链也会受到某一地区的影响。此次全球新冠疫情被普遍认为是一种企业供应链面临的自然风险，但是又可以引发企业供应链内部信息披露风险、物流管理风险以及其他战略性投资风险。

运作风险是由于高度随机性和供求缺乏协调造成的。运作风险也被称为内部供应连锁风险。制造业和工业产品的供应链风险因素会因为供应链的多级复杂性和随机变化的市场需求而更加难以识别和防范，因此在公认的供应链风险中，运作风险是更需要关注的问题。比如此类风险可以从供应链运作的角度来着手：供给与生产的中断、供给链成员相互之间的影响以及资金链断裂、订单履行缺失以及后期生产能力不足。

（二）内部风险

1. 技术因素

大数据时代，对大数据的分析技术也越来越完善。然而，当整个供应链的成员都使用一个互联网的大数据平台时，信息被泄露已经成为必然。一旦这些成员和企业的利益被损害，供应链系统的稳定性就会遭到破坏，有破裂的风险。许多企业由于缺乏大数据分析人才，都是将数据分析业务外包，导致技术水平和收益水平不够稳定，无法最大限度获得大数据基于企业的“数据红利”。

2. 员工因素

企业需要进行各种数据资源管理，它们往往具有非常高的复杂度、敏感性。在移动互联网和大规模数据中，供应链管理摒弃了许多传统的粗放型运营管理模式方法，转向于更加精细、深度的运营管理模式。在这种大数据分析中，要求整个信息处理流程必须是畅通的，而且必须是对外开放的。因此，供应链的潜在风险会复杂多样化，有一点小小的风险改变，就需要供应链成员尽早发现问题，做出及时调整。但是，如果员工的数据敏感性和行业敏锐度不够，不能及时发现变化，直至问题已经显露出来后才去做相应调整，就有可能会直接导致自身或者其他供应链成员遭受巨大损失。所以，在大數据时代，对于员工素质的要求极高，不仅要对于当下的决策进行反馈，还需要针对数据反映出的问题作出预判。

3. 供应商的不稳定性

在大数据时代，供应商也发展成一个多变不稳定的因素，并且供应商的不稳定很大程度上影响着整个供应链。在大多数供应链管理中，供应商都长期处在主导地位，再加之信息不对称，经常会有不能及时供货的违约风险存在。这种情况是有多重因素导致，比如生产设备的故障和货物周期性短等，但这种风险会为下游产业造成严重后果。这一问题大多数都是由于信息不对称引起的，导致上下游企业之间沟通不顺畅，关键信息缺失。

4. 客户需求的不确定性

在移动互联新时代下，客户要求日益多样和复杂，由于企业主要消费群体正处于不断变化中，导致企业和过去相比更加难以确定顾客的需求，在一定程度上增加了企业供应链运作管理工作的复杂度。由于企业对产品要求不能充分理解，难以适应市场发展变化，导致企业很难制订出适应当下变化的供应链协调计划，严重者将会直接引起整个企业的供应链规划混乱。

四、风险因素应对措施

（一）调整优化战略变化，选择合适伙伴

外部风险是企业不能控制的风险，所以只能变成学习型组织，及时调整自己的战略来应对外部因素。聘请专业的机构进行外部风险测评，并定期对组织的抗风险能力进行改进和评级，使公司可以随时掌握动态的信息以应对风险。

对于下游来说，合作伙伴的选择是尤为重要的，在企业选择销售合作对象过程中，一定要充分考虑与其他合作伙伴之间的优势互补，既要充分发挥好买卖双方之间的市场竞争优势，还需要从根本上充分考虑好战略性合作伙伴的市场销售优势。在企业选择正确的合作伙伴之后，需要尽快建立正式的合作伙伴关系和协调管理机制，增强买卖双方或者是企业之间的相互信任程度，实现供应链各个成员之间的责任风险承担与利益共享。这样既有助于帮助公司选择最优化的分销商，又有可能促进公司与分销商的共赢。

（二）组织内部信息共建共享

大数据的发展让供应链一体化更加深入更加紧密，除此之外还促进了各方数据融合。当这些信息汇聚在一起，形成一定规模的信息流时，带来的价值和收益就不可小觑。但是如此庞大的信息流汇聚在一起，对储存信息的载体和处理数据的技术有双重要求。强大的信息流流转效率是实现管理决策数据化、供应链运作管理平稳化的基本要求。

首先，建立安全可靠的数据云平台，云平台的作用是将企业运作涉及的所有模块都汇集在一个平台上，通过最短路径实现数据抓取、处理等活动，提高速度;其次，将业务流程标准化，不仅包括作业标准化还包括数据标准化，使得该节点的数据可以无障碍与其他数据相互关联，做到数据利用率最大化;最后，保留外部数据接口，对供应链外部和异构数据保留接口，包括上游的生产制造数据、下游的零售商交易数据等，多数据整合实现生产决策协同、物流与库存的实时监控。

（三）组织外部信息互联互通

上下游企业之间的信息孤岛是造成风险的一大重要因素，为了有效解决上下游企业之间的信息孤岛，上下游企业应该加强信息流转，实现各方的信息互联互通。这样不仅可以更加有效地实现上下游企业之间的协同合作，还可以通过共建信息平台及时防范在供应链运作过程中的风险，帮助对方企业进行更加及时、合理的风险管理。

在互联网和大数据时代下，需要充分利用企业本身的大数据信息特点，与合作企业建立多种信息和数据通讯渠道，加大交易双方之间的订单以及制造商信息等其他数据和信息的互联和分享，有效地提高企业和供应链运行的稳定性，促进供应链企业长期稳定发展。

（四）利用大数据信息对供应链风险进行及时预测

一旦供应链系统产生风险，会引起延期交货或者产品质量不合格的违约风险。在供应链风险发生之前，都是有迹可循的。传统企业都没有重视这些迹象，直到风险已经发生才会采取措施，此时已经造成了损失。

企业应该对供应链经营管理的全过程进行系统性、阶段性研究，找出可能会对整个供应链产生影响的主要风险因素，通过评估优先级确定风险等级和影响程度。通过内部和外部大数据分析，对环境和供应链成员的历史数据通过机器学习模拟行为，设立对应的预警值。当这些指标超过预警值时，是在提示供应链管理者关注该项风险，并且可以通过合适的管理决策来规避风险。有一点非常重要，需要企业有详细且长期的历史数据供软件模拟，不然在没有合适数据基础上得出的管理决策也有失科学性。

（五）聘请专业大数据人才

建立合适人才储备体系，针对现在企业发展的新趋势聘用相关人才，是企业可以持续健康发展的前提。大数据领域的人才都集中在互联网行业，针对传统的供应链物流企业来说相对紧缺，但是如果可以有超前的人才战略，制定相应的人才储备计划，就可以在大数据时代背景下拔得头筹。现在很多大数据分析都雇佣第三方平台，没有自己的分析人才等于就把相应的数据红利分享给了其他公司，这样对于本公司的发展是十分不利的。

五、总结与展望

总而言之，由于供应链成员多样性和供应链流程的多段性，导致供应链系统本身容易被内外部环境影响，存在较大的供应链风险。

企业的供应链管理者必须认识到大数据井喷式增长正在大幅度地提升环境的多变性、需求的多样化和市场竞争的激烈程度，供应链管理在其运行的过程中也会受到各种不确定性因素的影响，并且需要迅速做出对影响因素的反应以提高核心竞争力。在此背景下不仅要准确把握供应链风险的核心内涵，还需要有效准确地识别出供应链各方风险，采取合理的风险应对措施。

信息时代的供应链风险管理，是企业必备的技能，如何利用大数据信息进行具有前瞻性的风险管理，可以直接决定企业的抗风险程度。所以，供应链企业要生存，就要合理利用大数据信息处理能力，掌握“数字密码”用来解决实际问题和预测未来发展，这样不仅可以提高企业应对变化的能力，还能以低成本的优势获得核心竞争力。

参考文献：

[1]Jayashankar M.Swaminathan，Sridhar R.Tayur.Models for Supply Chains in E-Business[J].Management science： Journal of the Institute of Management Sciences，2003，49（10）：1387-1406.

[2]Andreas Eas Fink. Supply Chain Coordination by Means of Automated Negotiations[C].//37th Annual Hawaii International Conference on System Sciences，2004（10）：70-79.

[3]Giannoccaro I，Pontrandolfo P.Supply chain coordination by revenue sharing contracts[J].International Journal of Production Economics，2004，89（02）：131-139.

[4]Gérard P.Cachon，Martin A.Lariviere.Supply Chain Coordination with Revenue-Sharing Contracts： Strengths and Limitations[J].Management Science，2005，51（01）.

[5]楊善林，周开乐.大数据中的管理问题：基于大数据的资源观[J].管理科学学报，2015，18（05）：1-8.

[6]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（02）：68-78+326.

[7]岳昱星.从绩效驱动因素看大数据时代的供应链变革——以“网上沃尔玛”1号店为例[J].商场现代化，2015（06）：10-11.

[8]资武成.“大数据”时代企业生态系统的演化与建构[J].社会科学，2013（12）：55-62.

[9]荆浩.大数据时代商业模式创新研究[J].科技进步与对策，2014，31（07）：15-19.

[10]李勇建，陈婷.区块链赋能供应链：挑战、实施路径与展望[J].南开管理评论，2021，24（05）：192-201+212+202-203.

[11]Gang W，Gunasekaran A，Ngai E，et al.Big data analytics in logistics and supply chain management：Certain Investigations for research and applications[J].International Journal of Production Economics， 2016，176：98-110.

[12]Chen D Q，Preston D S，Swink M.How the Use of Big Data Analytics Affects Value Creation in Supply Chain Management[J].Journal of Management Information Systems，2015，32（04）：4-39.

[13]Sanders N R.How to Use Big Data to Drive Your Supply Chain[J].California Management Review，2016，58（03）：26-48.

（作者单位：昆明理工大学管理与经济学院）