推拉驱动模式供应链信息整合能力测度研究

王 丘，汤兵勇

（1.东华大学 旭日工商管理学院，上海 200051；2.安徽农业大学 经济管理学院，安徽 合肥 230036）

推拉驱动模式供应链信息整合能力测度研究

王 丘1，2，汤兵勇1

（1.东华大学 旭日工商管理学院，上海 200051；2.安徽农业大学 经济管理学院，安徽 合肥 230036）

针对推拉驱动模式供应链驱动力的变化，在总结相关文献的基础上，构建了推拉驱动模式供应链信息整合能力测度的模糊综合评价指标体系，从物理设施、信息流程与信息内容、信息组织结构、信息用户体验与满意、供应链整体效益5个方面，结合实际调研资料，对种业供应链（A）与家电行业供应链（B）的信息整合能力进行了模糊综合评价.测度结果表明，所得出的量化指标符合测度对象信息整合能力的实际水平，对供应链运营策略的调整及运营绩效的提高能够起到积极的推进作用.

推拉驱动模式；供应链；信息整合能力；模糊综合评价

当前，市场竞争主体正逐步由企业转变为供应链，供应链管理能够适应这种市场变化，使市场主体在竞争中保持优势.供应链的运营基础是信息共享与业务协同，供应链的运营趋势是集成化运营，因此，供应链的信息整合是供应链集成高效运营的前提保障［1－2］.供应链的信息整合主要是通过对供应链的信息资源的集约化管理，实现信息资源在整个供应链上的优化配置，最终达到供应链整体效益与整体效率的最优.供应链的驱动力通常来源于企业生产能力的推动和市场消费需求的拉动.以企业生产能力为主要驱动力的称为推式供应链，以市场需求为主要驱动力的称为拉式供应链，两种供应链在运营目标、运营策略等方面均有不同，而其运营绩效也各有优劣.供应链的运营日益复杂，在实际运营中，为了兼顾供应链的两种驱动力，规避两种驱动模式在运营上的劣势，出现了一类新型供应链模式——推拉驱动模式.通过对推拉驱动模式供应链的信息整合能力的测度，可以为供应链信息整合决策提供务实的评测标准和实施目标，最终实现供应链的整体效益与整体效率的提高.

1 供应链信息化水平测度研究综述

关于供应链信息化水平测度的研究成果，大部分集中于对信息化测度指标体系的研究.FARBEY等［3］认为信息系统收益来源于战略收益、管理收益、操作效率与有效性收益、功能收益和支持收益5个方面.PEARLSON等［4］识别出信息系统绩效的重要影响维.GOLD等［5］构建了以知识管理为基础来评价一个组织信息整合能力的指标体系.李晓婷［6］主要从系统建设、系统性能和系统应用3个方面来综合评价一个信息系统.李永宁［7］构建了多层次模糊综合评价模型，一级指标包括基础建设、应用水平、信息资源、人力资源、信息环境与经济环境等.薛伟莲等［8］针对电子商务环境下供应链的信息风险评价问题，从信息不确定性、信息传递和委托代理关系3个方面，建立电子商务环境下供应链的信息风险评估指标体系.钱彦等［9］提出了定性和定量相结合的供应链管理信息化水平的模糊评价指标体系，定量指标包括信息设备装备率、信息设备利用率、信息技术人员比例、供应链信息化的直接经济效益，定性指标包括供应链数据集成共享程度、供应链信息安全和可靠、供应链信息化的环境、供应链信息化的间接经济效益.朱焰等［10］从决策信息、运作信息和绩效信息3个方面构建了供应链信息共享度的模糊评价指标体系.张先锋等［11］针对信息系统供应商评价难以量化、主观性强的问题，提出了一个多级综合模糊评价模型.李超［12］借鉴平衡记分卡的绩效评价思路，从财务、客户、内部业务流程以及学习与成长4个角度对企业信息化绩效进行评价.聂规划等［13］对企业信息化建设模式进行了分析并从效益空间、适宜度、先进性和带动性4个方面对企业信息化建设进行了模糊评价.王惊涛等［14］从信息资源投入、信息资源利用、效益水平与发展潜力4个方面对企业信息化建设水平进行了综合评价研究.朱海荣等［15］从信息设备及软件系统装备程度、利用程度、信息使用者水平、企业信息化环境和信息化经济效益5个方面构建了企业信息化水平模糊评价模型.许皓等［16］从IT管理能力、信息战略能力、IT应用能力、IT技术能力4个方面构建了信息主管绩效评价指标体系.牛改芳［17］从知识获取能力、知识转化能力、知识扩散与应用能力、知识创新能力、知识保护能力、基础设施支持能力、组织结构支持能力、企业文化支持能力对企业知识管理能力进行了多层次模糊综合评价.

对供应链信息化水平的测度，不仅需构建测度指标体系，测度方法的应用是测度研究的另一个重要内容.目前，众多研究者充分认识到供应链的信息整合评价系统是一个包含定性指标与定量指标的复杂评价系统，因而众多学者都应用模糊综合评价法对研究对象进行评价.陈淮莉等［18］提出了贯穿企业信息化全生命周期的信息化水平评价模型，并采用多级模糊评价方法通过划分评价层次、设定权重系数，建立模糊评价矩阵从底层向高层依次评价得到信息化水平的综合评价结果.任小波等［19］对信息系统质量进行了模糊综合评价，通过建立评价知识库改善了原来评价方法的精确性和复杂性.薛伟莲等［8］用集对分析方法对电子商务环境下供应链的信息风险进行模糊评价.孙林柱等［20］考虑因素组态对权重的影响建立因素的变权集，根据区间点估计方法建立因素的模糊评判矩阵，构造变权的模糊评价模型.楚扬杰等［21］利用粗糙集理论结合模糊数学的有关理论建立了供应链信息共享的综合评价模型并进行了算例分析.杨继华等［22］综合运用层次分析法（AHP）、灰色评价及模糊评价建立了信息安全评价模型.

综上，国内外对于供应链信息化水平的测度研究无论在指标体系构建还是测度方法应用方面均已取得较丰硕的成果，研究内容主要包括：（1）信息化发展水平评价；（2）信息主体管理能力如企业信息主管、信息系统供应商等的评价；（3）信息系统风险评价；（4）信息系统绩效评价等.评价方法主要包括：（1）模糊评价法；（2）层次分析法；（3）灰色评价法等，或者以其中某种方法为主，结合平衡记分卡、系统生命周期、知识管理等现代管理理论对评价对象进行综合评价.但是，测度指标体系的构建上存在的不足包括：（1）指标体系中侧重于信息技术性能指标；（2）缺乏对信息整合能力全面综合评价；（3）评价角度主要从企业或供应链核心企业的内部评价出发等.

由于国内外相关研究成果缺少针对某种供应链驱动模式信息化水平的综合测度的研究，在测度指标体系的构建中较少考虑供应链主体的能动性和终端用户的信息需求，因此，本文从供应链主体能动性与客户需求的创新角度，对推拉驱动模式这一新型模式供应链的信息整合能力测度进行研究.

2 推拉驱动模式供应链信息整合能力测度指标体系

2.1 推拉驱动模式供应链信息整合能力测度指标体系的构建

所谓供应链的信息整合能力是指供应链对其信息资源的综合配置能力.供应链运营包含4大要素即主体要素、客体要素、流程要素及运营层次要素，其中，供应链的主体要素是最基本的要素，在供应链的信息整合中居于主导地位.通过对供应链信息化水平测度的研究综述可看出，目前大多数研究侧重于供应链信息系统性能指标的测度，而较少考虑信息主体在信息整合中的能动性与主导作用；同时，针对推拉驱动模式供应链信息整合能力的研究成果也很少.为了能较全面地反映推拉驱动模式供应链的信息整合能力，本文选取物理设施、信息流程与信息内容、信息组织结构、信息用户体验与满意、供应链整体效益5个方面进行测度，其中，物理设施主要对信息系统基础设施的物理性能水平进行测度；信息流程与信息内容主要对信息客体运营能力进行测度；信息组织结构主要反映供应链主体对信息资源的管理能力；供应链整体效益主要反映信息整合能力对供应链绩效提高的贡献力；信息用户体验与满意是针对推拉驱动模式供应链的特点而提出的，推拉驱动模式供应链的驱动力同时来源于企业生产能力及市场消费需求，而随着市场竞争的日益激烈，市场需求的驱动能力越来越强，信息系统的整合能力强弱很大程度上取决于信息主体的整合能力，信息客户的体验与满意是驱动信息主体进行信息整合的源动力.推拉驱动模式供应链信息整合能力测度指标体系如表1所示，可划分为3个层次，即：

（1）目标层，体现供应链的整体信息整合能力状态i；

（2）准则层，按5个子系统分别表示5个不同方面的模糊条件状态im（m＝1，2，3，4，5）；

（3）指标层，共24个指标imn（m＝1，2，3，4，5；n＝1，2，…，9），反映供应链信息整合能力在测度期内的某些指标状态.

表1 推拉驱动模式供应链信息整合能力模糊状态测度指标体系Table 1 The fuzzy estimation index system of push－pull driven mode supply chain information integration ability

2.2 调查资料的获取及数据处理方法

本文构建了推拉驱动模式供应链信息整合能力测度指标体系之后，选取相应的调查方法，对选定的测度对象进行调查，获取准确、可靠的数据资料，以完成对供应链信息整合能力的测度.

（1）确定调查方法并设计问卷进行调查.根据调查对象的实际情况确定以何种形式进行调查，例如，对于问卷内容理解有困难的被调查对象，可采用PRA（participatory rural appraisal）用户参与评价［23］，调查员进行引导式调查，以面对面的交流形式，准确了解并及时掌握被调查对象的真实体会.问卷调查表应按各模糊状态指标设计对应的多项选择题，以便被调查对象做出合适的类别判断.

（2）确定各模糊状态指标类别判断的评分标准，详见表2.在对回馈的有效问卷进行数据处理 时，即可根据表2的评分标准转换为相应的分值.

表2 i1～i5模糊状态指标评分标准Table 2 The i1～i5fuzzy index grade standard

续 表

3 推拉驱动模式供应链信息整合能力测度

3.1 测度步骤

（1）权重系数的确定.在2.2节的模糊状态定量化描述基础上，先确定各模糊状态指标imn（m＝1，2，3，4，5；n＝1，2，…，9）对于目标层i的权重系数ωm以及各子系统的模糊状态指标imn的权重系数ωmn（m＝1，2，3，4，5；n＝1，2，…，9）.可以采用专家评分法、层次分析法等多种方法来确定权重系数.本文根据20位专家的评分来确定权重系数.

（2）建立评价等级集及确定隶属关系.评价等级集是评价者对评价对象可做出的各种评价结果所组成的集合，即r＝ （r1，r2，r3，…，rn）；这里r＝（高，中，低）；接着确定隶属关系，建立模糊评价

（3）模糊综合评价.先进行模糊指标层的评价，其评价结果相对于模糊准则层的指标构成一个模糊评价矩阵，然后与模糊准则层的指标权重相乘（即ω·R），并进行规一化计算，最后确定最终的评价结果.

3.2 种业供应链A与家电行业供应链B信息整合能力测度

本文的数据资料主要来源于2011年6月至9月的实际调研，调研期间共发放问卷340份，其中向种业供应链A发放问卷220份，回收211份，其中有效问卷208份，有效率为94.55%；向家电行业供应链B发放问卷120份，回收116份，其中有效问卷113份，有效率为94.17%.

供应链A与B的基本情况如下所述.

A为种业供应链，其核心企业是一家商品种子育、繁、销一体化运营的上市公司，在20世纪90年代中期就实现了企业内部的信息化管理，2010年实施了协同商务办公信息系统工程，经过十几年的发展，已形成“龙头企业＋农户”的独特的种业供应链运营模式.

B为家电行业供应链，其核心企业经过三十多年的发展，已成为主要从事彩电、手机、白色家电、生活电器、LED、机顶盒及相关产品的研发、制造和销售，兼及精密模具、注塑件、高频头、印制板、变压器及手机电池等配套业务的中国领先的电子信息企业.在20世纪90年代中期实现了公司内部从总公司至各分支机构的网络化信息管理体系，自2003年起积极投入电子商务，借助ERP（enterprise resource planning）和 CRM（customer relationship management）等先进的信息管理工具，通过网上商城、呼叫中心和遍布世界各地的维修及客服网络，建立了虚实相融、高效有序的用户服务自动化管理系统，较成功地实现了集成化的供应链运营.

经数据预处理，供应链A和B的模糊状态指标评分见表3.

表3 指标权重系数及供应链A与B模糊指标评分Table 3 The weight coefficient ofωmand the scores of A and B supply chain fuzzyindex

根据表3的权重系数及供应链A的评分可对供应链A的信息整合能力进行评价，先计算ωmnimn，得ω1i1＝2.403，ω2i2＝2.124，ω3i3＝3.274，ω4i4＝2.493，ω5i5＝2.376.

再计算ωmim，得ωmim＝2.421.

同样，可对供应链B的信息整合能力进行评价，得ω1i1＝4.213，ω2i2＝4.074，ω3i3＝3.646，ω4i4＝3.836，ω5i5＝3.808，ωmim＝3.931.

3.3 结果分析

A供应链信息整合能力的综合评价值为2.421，其信息整合能力的评价等级是“低”；B供应链的综合评价值是3.931，其信息整合能力的评价等级是“中”.通过A与B在物理设施、信息流程与信息内容、信息组织结构、信息用户体验与满意、供应链整体效益5个方面的比较可以看出，A仅在信息组织结构1个方面与B的评分接近，其他4个方面都较B低，特别是物理设施以及信息流程与信息内容2个方面的评分远低于B.究其原因，主要是产业发展基础的差距，A属于农业产业，B属于信息产业，在供应链运营的主体、客体、流程及运营层次4个要素上都存在较大差异.

通过供应链信息整合能力的评价，供应链管理者可以对自己供应链的信息整合能力有一个明确而务实的认识，从而针对自身的优势与劣势，对供应链的运营策略进行相应调整.A供应链的管理者若想提升其供应链的信息整合能力，首先应着重加大对供应链信息系统物理设施的投入，并在优化业务流程的前提下对信息流程进行优化，其次应重视市场需求对供应链的驱动作用，主动积极地了解与把握客户的需求，努力提升客户的忠诚度与满意度.B供应链的信息整合能力的综合评价等级是“中”，其若要保持在信息产业的国内领先水平，并向世界先进行列迈进，就必须从测度结果中寻找改进的方向与途径，进一步实施集成化运营策略，不能仅满足于了解客户需求，更须具备创造与引导客户需求的能力.

4 结 语

推拉驱动模式供应链有效结合了推式供应链与拉式供应链的优点，规避了两种驱动模式的风险，无疑是适应市场变化及发展的较为理想的供应链运营模式.随着市场需求拉力的不断增大，未来的供应链运营目标将以满足客户需求、提高服务水平和供应链反应能力为主导.本文从供应链主体能动性和终端用户信息需求的角度，对推拉驱动模式供应链这一新型模式供应链的信息整合能力的测度指标体系构建进行了创新.结合实际调研资料，对种业供应链与家电行业供应链的信息整合能力进行了模糊综合评价，结果表明，所得出的量化指标符合测度对象信息整合能力的实际水平，对供应链运营策略的调整及运营绩效的提高能够起到积极的推进作用.本文着重于对推拉驱动模式供应链信息整合能力测度指标体系的创新，在未来的研究中，将对测度方法进行创新研究.

［1］CACHON G P， FISHER M. Supply chain inventory management and the value of shared information ［J］.Management Science，2000，46（8）：1032－1048.

［2］STEFANSSON G.Business to business data sharing：A source for integration of supply chain［J］.International Journal of Production Economics，2002，75（1/2）：135－146.

［3］FARBEY B，FINKELSTEIN A.Software acquisition：A business strategy analysis［C］//Proceedings of the Fifth IEEE International Symposiun on Requirements Engineering.IEEE Computer Society Press，2001：76－83.

［4］PEARLSON K，CAROL S.Managing and using information systems：A strategic approach［M］.San Francisco：Wiley Press，2004：345.

［5］GOLD A H，MALHOTRA A，SEGARS A H.Knowledge management：An organizational capabilities perspective［J］.Journal of Management Information System，2001，18（1）：185－214.

［6］李晓婷.企业信息系统评价研究［J］.中国商界：下半月，2010（10）：258－259.

［7］李永宁.企业信息化多层次模糊综合评价方法研究［J］.情报杂志，2007（2）：84－86.

［8］薛伟莲，王蕾.电子商务环境下供应链信息风险的模糊评价［J］.大连海事大学学报，2011，37（1）：99－102.

［9］钱彦，付铅生，邹晓燕.供应链管理信息化水平的模糊评价方法研究［J］.价值工程，2006（4）：48－51.

［10］朱焰，单一峰.供应链信息共享度的模糊评价研究［J］.山东理工大学学报：自然科学版，2007，21（6）：56－59.

［11］张先锋，郑建国.基于模糊层次分析和模糊评价的信息系统供应商评价研究［J］.中国管理信息化，2009，12（2）：86－89.

［12］李超.企业信息化绩效评价指标体系构建［J］.商业时代，2007（29）：50－51.

［13］聂规划，刘勇军.企业信息化建设模式分析及模糊评价［J］.武汉理工大学学报：信息与管理工程版，2004，26（2）：89－92.

［14］王惊涛，郝春晖.企业信息化建设水平的综合评价研究［J］.科技情报开发与经济，2007，17（17）：117－119.

［15］朱海荣，付铅生.企业信息化水平模糊评价模型的研究［J］.价值工程，2005（10）：78－81.

［16］许皓，杨文娟.企业信息主管绩效评价研究［J］.科技和产业，2008（7）：53－56.

［17］牛改芳.企业知识管理能力多层次模糊综合评价研究［J］.现代情报，2008（11）：181－183，187.

［18］陈淮莉，张洁，范菲雅，等.企业信息化水平评价模型及方法的研究［J］.计算机工程，2004，30（23）：28－30.

［19］任小波，徐绪堪.Web信息系统质量的模糊评价模型［J］.河海大学常州分校学报，2004，18（4）：36－39.

［20］孙林柱，杨芳.非确定信息评价的变权模糊方法［J］.数学的实践与认识，2009（6）：12－17.

［21］楚扬杰，王先甲，方德斌，等.基于粗集属性重要性的供应链信息共享的模糊综合评价［J］.物流科技，2006，29（132）：67－69.

［22］杨继华，许春香.信息安全多层次综合量化评价模型研究［J］.情报杂志，2006（9）：64－66.

［23］刘轩，张彩虹，赵娥.PRA方法在林木生物质能源项目中的应用［J］.林业经济，2009（3）：25－28.

Research on the Estimation of Push－Pull Driven Mode Supply Chain Information Integration Ability

WANG Qiu1，2，TANG Bing－yong1
（1.Glorious Sun School of Business and Management，Donghua University，Shanghai 200051，China；2.College of Economics ＆ Management，Anhui Agricultural University，Hefei Anhui 230036，China）

In connection with the change of the driving force of the push－pull driven mode supply chain，the fuzzy comprehensive evaluation system of information integration ability on the basis of summing up the relevant literatures was built.And the supply chain information ability from five aspects including the physical facility，information flow and information content，organizational structure of information，user experience and user satisfaction，the overall efficiency of the supply chain were also estimated combined with the actual research data.Two supply chains were estimated including a seed industry supply chain（A）

and an appliance industry supply chain（B）.The estimation results showed that the quantitative indicators were in line with the actual level of the information integration ability of the objects.And the result can actively push forward the strategy adjustment of supply chain operation and the improvement of operational performance.

push－pull driven mode；supply chain；information integration ability；fuzzy comprehensive evaluation

F 224.1

A

2011－12－21

安徽省教育厅资助项目 （2011SK114）

王 丘（1971—），女，安徽合肥人，讲师，博士，研究方向为电子商务及供应链管理.E－mail：qiuwang＠mail.dhu.edu.cn

汤兵勇（联系人），男，教授，E－mail：tangby＠dhu.edu.cn

1671－0444（2012）03－0350－07