基于供应链管理的大数据应用分析

（石河子大学 机械电气工程学院，新疆 石河子 832000）

1 引言

21世纪以来，在中国经济迅速的改革和创新过程中，越来越多的企业进入高速发展阶段，在经济全球化时代，经济向一体化、集成化发展，企业的发展在激烈的竞争中同时拥有空前的机遇。工业4.0概念的提出及制造服务业的转型已成为制造业获取更多发展的热门话题。而制造业第三利润源泉的开发与挖掘也是更多管理者探讨的问题，供应链管理作为提高企业核心竞争力的手段也备受关注。供应链信息协同对供应链整体发展有重要意义和深远的影响，是供应链管理中的关键问题[1]。

随着互联网的发展及物联网的到来，海量的信息涌入人们的生活，供应链各个子系统间也传达着各种各样的信息。由于供应链系统的各不相邻节点间相互间存在传播介质，信息在传达的过程中不免出现失真及滞后，对供应链整体效益有极大影响，更加影响用户对产品服务的认可与满意程度，最终影响整条供应链以客户为中心的主旨。而供应链管理过程中由于信息的获取分析出现偏差则直接影响企业决策人员对企业进行决策，信息及时快速、高效准确的获取及在供应链间共享有助于提高供应链整体的竞争力[2]。

2 供应链管理与大数据

供应链的优化目标是能够快速响应市场和客户的需求，达到最大限度的客户满意。但传统供应链的各个节点相互间联系较差，多注重节点内部联系，整条供应链柔性不够，影响整条供应链对企业产生的各项增值活动，忽略了供应链整体的运行效率。

供应链系统的高度集成和高度信息共享可以提高供应链对市场的快速响应能力，提高客户满意度。尤其是客户需求与上下游供应信息的共享更加有助于降低库存成本，缩短订单周期，提高资金回流速度，增强了供应链整体对市场环境的应对能力[3]。供应链信息高度共享使供应链伙伴间的相互合作关系更加紧密的连接，使供应链间的契约关系更加的紧密。

随着信息化与互联网的应用普及，数据在人们的生活中日益凸显出自己的作用，大数据时代已经到临[4]。数据以其庞大的数量（Volume）不断更新增长的速度（Velocity）、及其包含数据结构多样化（Variety）的3V特征，为企业带来了前所未有的价值（Value）[5]。

大数据背景下，企业供应链上下游间共享信息平台，由统一的信息平台分析处理来自市场、客户及供应链系统内的信息，对信息进行跟踪、清洗、分析、计算，最终将决策传达至整条供应链各个节点，并对其进行监督和管理。

3 理论假设与模型建立

3.1 研究假设与模型建立

对大数据应用模式下供应链管理优化进行系统评估，通过对大数据应用、供应链信息协同及供应链优化结果间因果关系进行研究，结合结构方程模型，验证大数据应用对企业的影响。

通过参考国内外文献相关研究，对大数据应用方面的问项:“我们通过大数据应用平台整合数据及信息（DB1）”、“我们拥有很强的信息战略化意识（DB2）”；对供应链信息系统方面的问项“供应链间共享所有与产品有关信息（CX1）”、“拥有熟练与各公司生产运营信息处理平台关联能力（CX2）”；对供应链优化结果方面的问项：“供应链最终达到客户满意（SP1）”、“供应链所有成员对市场变化具有快速反映能力”[7,9,10]。

（1）大数据应用与信息协同共享之间的关系。在当前的大数据时代，通过建立大数据信息平台，各个尖端互联网公司纷纷对数据进行搜集、筛选及整理，供应链节点间的信息共享成为可能。通过建立拥有新型数据处理和梳理算法的新型数据管理平台，完成对各种类型结构数据进行筛选、清洗及整理传送[7]。大数据的应用会帮助供应链信息协同管理取得实质性改变。由此，提出假设1：供应链大数据应用对信息协同产生显著正向影响（H1）。

（2）大数据应用与供应链优化结果之间的关系。大数据时代，企业从挖掘海量数据，并对其进行分析处理从而增加供应链中企业的市场响应能力及核心竞争力，给企业带来更多的效益[8]。通过大数据平台带来的数据的分析，并对有效数据进行模型分析和预测，可以使供应链更加“聪慧”，更方便管理者对供应链各子系统进行决策。由此提出假设2：供应链大数据应用对供应链优化结果产生显著正向影响（H2）。

（3）信息协同与供应链优化结果之间的关系。保证共享信息的真实性及高水平，高度重视共享信息的内容，避免信息的失真及其带来的信息风险，才会对供应链带来正面的影响[9]。供应链相互间的信息共享极大程度地消除了“牛鞭效应”，使供应链上下游间的契约关系更加紧密，有助于提高供应链整体的效益，增加供应链的市场反应能力，提高竞争力。由此提出假设3：供应链信息协同对供应链优化结果产生显著正向影响（H3）。

综合上述分析，为本文研究提出理论的概念模型，如图1所示。

图1 概念模型

3.2 数据测量及模型分析

（1）样本来源。国内外对类似课题的相关研究与知识理论的构建比较成熟，因此对于变量的选取及测量指标，在结合我国国情的基础上，主要参考文献进行调研问卷的问项设计。对完成的问卷通过各种渠道分发到各个不同类型、涉及不同行业的多家企业的不同层次的管理人员手中，最终收回有效问卷132份，数据具有一定的代表性。

（2）样本信度与效度。样本数据的信度（可靠性）与样本数据的效度，保证了假设模型良好的拟合度。通过SPSS19.0统计软件可以有效地进行可靠性分析，采用Cronbach's α系数检验，一般认为Cronbach's α系数大于0.7，样本就具有良好的信度[10]。由表1可知，各变量皆具有良好的信度。对于结构的效度分析，应对每个因子与其相对应的变量的因子载荷量进行考察，一般标准化因子载荷量的绝对值大于0.6认为是合适的[11]。

（3）模型适配度。数据模型的适配度是用来检测所选样本数据和整个模型的适配的程度。通过AMOS17.0进行结构方程模型分析输出以下数据,结果见表2。

表2 模型的部分适配统计量及统计情况

（4）模型结果。通过对概念模型在AMOS17.0中建立结构方程模型，经数据结果，导入后成功输出结构方程模型结果，如图2所示，对本文中的假设分别进行检验，见表3。其中大数据的应用通过信息协同对供应链进行优化，属于间接正向的影响。

表3 检验结果

图2 结构方程模型结果图

4 总结与探析

本文通过对各企业进行问卷调查，最后通过结构模型分析的方法对概念模型的假设做出了检验，得出验证结果支持假设 H1、H2、H3。

供应链信息协同对供应链优化结果产生显著正向影响，通过信息协同，供应链管理更加的便捷，供应链变的透明化，各节点对供应链上的需求信息的传递更加准确和快捷，一方面使得推拉动生产的效率更加高，从而供应链快速反应，对市场的响应能力更强；另一方面客户对产品的本身及服务的需求信息可以及时地反馈到各节点，供应链可以快速地对客户提供高质量的服务，达到客户满意的目标。

大数据相对于信息协同对供应链优化正向影响显著性较弱，大数据应用多通过信息协同管理方式对供应链优化产生正向影响，因此假设H1的显著性正向影响在模型中最高，从而证明大数据应用在供应链管理中具有较强的作用。

现有的文献对于大数据的应用方面描述较少，对于融入供应链管理的文献更少，本文结论为大数据应用在供应链管理中融合产生一定的管理启示。在提出工业4.0之后，制造业向制造服务业转型的阶段，大数据应用的管理是现代企业管理的重要竞争手段，通过对海量数据的搜集整理，对市场进行把握，提升企业服务质量，从而达到客户满意；更加减少了物流运输成本，部分繁杂的物流成本简化为对信息流的简单处理成本，通过大数据处理平台与企业应用软件的完美对接，使供应链更加的一体化。未来研究可以更加细致地对大数据应用于供应链管理进行研究。

[1]Chopra S,Meindl P.Supply Chain Management Strategy,Planning,and Operation[M].北京:清华大学出版社，2008.

[2]Sezen B.Relative effects of design,integration and information sharing on supply chain performance[J].Supply Chain Management:An International Journal,2008,13（3）:233-240.

[3]Lee H L.Creating value through supply chain integration[J].Supply Chain Management Review,2000,4（4）:30-36.

[4]李国杰,程学旗.大数据研究:未来科技及经济社会发展的重大战略领域-大数据的研究现状与科学思考[J].中国科学院院刊,2012,（6）:647-657.

[5]梁红波.云物流和大数据对物流模式的变革[J].中国流通经济,2014,（5）:41-45.

[6]叶飞,薛运普.供应链伙伴间信息共享对运营绩效的间接作用机理研究-以关系资本为中间变量[J].中国管理科学,2011,（6）:112-125.

[7]李金昌.大数据与统计新思维[J].统计研究,2014,（1）:10-17.

[8]Sultan N.Knowledge management in the age of cloud computing and web 2.0:experiencing the power of disruptive innovations[J].International Journal of Information Management,2013,33（1）:160-165.

[9]曾敏刚,吴倩倩.供应链设计、供应链整合、信息共享与供应链绩效的关系研究[J].工业工程与管理,2012,（4）:8-14.

[10]王利,代杨子.供应链激励机制影响因素实证研究[J].工业工程与管理,2013,（1）:13-19,24.

[11]Fornell C,Larcher F E.Valuating structural equation models with unobservable variables and measurement error[J].Journal of Marketing Research,1981,18（1）:29-50.