市场销售信息共享一定有利吗？——基于牛鞭效应视角的分析

沈 栋，项国鹏，潘可文

(浙江工商大学 工商管理学院，浙江杭州 310018)



市场销售信息共享一定有利吗？
——基于牛鞭效应视角的分析

沈 栋，项国鹏，潘可文

(浙江工商大学 工商管理学院，浙江杭州 310018)

信息共享经常被认为是消除牛鞭效应的有效途径，但也有人对此持相反观点。信息化至当前阶段，海量的市场销售信息能够更容易地被收集、处理，而共享这类关键和常见的信息究竟能否减弱牛鞭效应尚未得到专门验证，文章对此进行理论分析和实验研究。研究结果显示，供应链内市场销售信息共享将使供应链整体层面减少订单波动，也能减少部分相邻层级间订单波动增加的幅度，并且相比下游企业，供应链内市场销售信息的共享将能更多地减少上游企业订单的波动。另外，文章对市场销售信息的利用过程展开了探讨，发现了一些有趣的规律。研究结果说明共享市场销售信息对于供应链牛鞭效应的减弱是有显著作用的，且对于不同层级企业的作用效果有所差异，这是对理论研究的推进，同时又有着直接的实践借鉴意义。

市场销售信息；牛鞭效应；信息共享；供应链层级

一、 引 言

纸尿布这一产品的需求相对稳定，但是宝洁公司在分析其名下的纸尿布销售数据时发现经销商的订货量在相当长的时间内保持着较大的波动，而它自己在向上游订购原材料时所存在的波动更大，即供应链最末端市场需求发生微小变化，便会引起一系列上游企业的供给发生剧烈波动。宝洁公司将这一现象称为“牛鞭效应(Bullwhip Effect)”，对这种效应的关注和研究自此日趋广泛和深入[1]546，大型企业如惠普公司、通用公司、福特和克莱斯勒等均发现无论产品的消费需求相对稳定还是波动较大，它们所在的供应链中牛鞭效应普遍存在。这种效应有两个显著的特点：一是整条供应链上每个层级在不同时期的订货量都存在波动，二是相比下游企业，愈向上游的企业这种波动越大。订货波动的存在以及层层的放大效应造成了整条供应链上供求的不匹配、相关企业的库存堆积并增加了库存成本、制造商产能的过剩或供给不足以及后勤链运输成本上升等一系列负面后果[2]。这不仅增加了供应链的总体成本、降低供应链的整体协调性，也将影响供应链的服务水平以及效益。以牛鞭效应造成的供应链库存成本为例，在美国年产值为3000亿美元的食品业中，由于牛鞭效应导致的额外库存成本达到了750亿—1000亿。[3]

针对这种现象，企业界和学术界展开了广泛的探讨，其中一个主流的观点是：牛鞭效应的存在源自供应链各层级企业在决策过程中各类信息的缺失[4]。企业往往只能获得下一级的历史订货或者需求信息进行预测，并据此作出自己的决策。然而这种决策往往是基于供应链中各个企业自身利益最大化为原则，并且带有很大的主观性，结果不确定性高并和未来实际存有偏差，这种偏差会逐层向上游传递并依次放大，以至于最上游供应商那里感知到的需求信息和最末端消费市场中的实际顾客需求信息发生了很大的偏差，从而降低了供应链的整体效益。据此，大量研究提出并证实了供应链信息的共享有利于减少牛鞭效应的存在及其影响。例如，Bray和Mendelson(2012)发现如果供应链各层级之间不了解需求分布的话，相邻层级间信息的共享可以有效减少牛鞭效应[5]。Home Depot则投入大量资金建立适用于整条供应链的扫描系统，并基于系统进行了流程再造，以期望能够通过充分的信息共享以减少牛鞭效应的出现及其影响。尽管如此，Lee等(2015)[6]对于这些观点和做法提出质疑，认为很难清晰地界定其中的改进是否应当归功于供应链各层级间的信息共享，尤其是关键和常见的终端市场销售信息共享的效用如何依然缺乏专门的探讨[6]。因此，针对市场销售信息共享对供应链牛鞭效应影响问题的研究，对于供应链信息管理优化、提高供应链企业的竞争力方面都有着重要的理论与现实意义。

二、 文献回顾

供应链信息种类繁多、内涵丰富，包括库存信息、成本和价格信息、实际和计划生产信息、市场需求预测信息和实际信息、订货策略甚至于各层级企业信息等等。与此相关的研究大致包括如下几类：一是模糊或者不考虑所共享信息的概念和内涵，把相关研究定位于共享程度不同情况下的效率和效果研究，例如关注信息在没有任何共享、部分共享、完全共享、以及信息在共享前后的变化或企业间共享状态下的区别[7-8]以及单纯研究信息共享对企业库存(订货量、安全库存、缺货量)[9]或牛鞭效应的影响[10]。二是重点关注某类具体信息或者数据的共享对供应链及成员企业所带来的效用，如供应链中的库存信息对牛鞭效应的影响[11]。其中也有部分研究尝试探索市场销售信息共享对牛鞭效应的作用。例如，Yu等(2001)就尝试在简单、连续、存在信息时滞的供应链中，通过调整市场销售信息的可获得性来比较企业的订货行为及效果的变化[12]。万杰等(2003)研究了市场需求信息的预测和处理过程中对牛鞭效应的控制和消除效应[13]。另外，还有部分研究关注同样的信息共享对不同成员企业的影响，并有着诸多新的发现。例如有研究显示，在拥有两个层级的供应链中，上游企业能够从信息共享中获得较大收益，尤其在订货波动方面[14]，有关存货信息共享对供应链整体绩效表现影响的研究结果也与此一致[15]。但是有学者研究拥有四个层级的供应链时发现，只有供应链中间层级(例如批发商和分销商)才能从这些信息的共享中显著获益，并据此减少整条供应链上牛鞭效应的影响[16]。除了所共享的信息之外，其它诸多因素均会对企业的订货行为及结果产生影响，有研究就试图探索企业个体在订货过程中可能存在的最优信息模型及其效用。例如，Chatfield 和Pritchard(2013)发现供应链企业在订货决策时若了解下游订货规律后，将重点考虑这些规律的应用，而邻近的下游企业实际订货量则较少受到关注，上游企业将依据这些规律主动安排存货的补充，而不再依赖于下游的订货量进行决策[17]。

此外，关于牛鞭效应研究的另一个切入点是，市场需求的内容及背后体现的规律对于上游企业订货决策和效果的影响。诸多学者建构和分析市场需求模型以研究牛鞭效应的成因和影响，较为典型的如Lee等(1997)建构了AR(1)模型[1]549，重点分析两层级供应链(仅包含零售商和供应商)中市场需求和订货波动间的关系以及因为上游缺货导致下游诸多零售商之间的博弈，相关的情境变量还包括订货周期和策略(完全随机、相互匹配、保持同步)、价格及成本变动等。再比如，Duan等人(2015)研究了在供应方不了解市场需求的分布并且这些分布是否平稳的情况下信息共享对企业成本所造成的影响，发现在某些市场需求分布中，市场信息的共享反而增加了上游企业的成本[18]。

再者，大量学者致力于探讨牛鞭效应的应对办法。Lee 等(1997)曾系统分析并指出引发牛鞭效应常见的原因，例如批量订货、价格波动、供应短缺和需求信息处理逻辑及过程等等，也简要给出了消除这些影响因素的方法[1]547。Almeida等(2015)提出并采用一个专门的模型分析批量订货对需求变化和库存的影响[19]。Li(2013)的研究发现，当若干零售商由一个共同的供应商供货时，(s,S)策略可放大牛鞭效应，且零售商的平均订货量越大、订货波动就越大[20]。类似地，Hussain和 Drake(2011)分析了订货波动和订货规模的关系，并得到同样的结论[21]。Hussain等(2012)分析了在一个两层级供应链中可察觉的供应短缺对于订货行为的影响，并提出供应链安排策略以优化零售商订货博弈[22]。而Salcedo等(2013)研究了固定零售价格策略如何影响供应链订货波动所带来的成本[23]。李翀和刘思峰(2012)认为在信息共享不完全的情况下，供应链企业应用库存控制策略可以有效降低牛鞭效应[24]。Sodhi和 Tang(2011)使用一系列需求预测技术，定量分析需求信号处理和前置时间对订单需求波动的影响，进而提出了牛鞭效应的相应解决办法[25]。张鹤冰(2015)则基于PID控制理论，对比研究了在采用了PID控制方法前后信息共享对牛鞭效应的弱化作用，提出了将PID控制与信息共享策略相结合的方法来降低牛鞭效应的结论[26]。

通过梳理已有的文献，本文发现现有研究还存在如下不足或者疏漏之处：

(1)信息共享经常被认为是消除牛鞭效应的有效途径，但又有部分学者对信息共享的效用持相反观点，认为信息共享可能会造成如上游企业成本的增加(Duan等，2015)[18]以及供应链牛鞭效应的增强(彭怡和朱金福，2006；Zhang，2005)[27-28]，这使得现有的研究很难清晰地界定牛鞭效应的改进是否应当归功于供应链各层级间的信息共享。本文通过建立更为纯粹的实验环境，来验证在更稳定和可预见的市场需求环境下(即需求是稳定且能被企业所预测的)，市场销售信息共享对牛鞭效应的影响，以验证供应链及其成员企业能否从信息共享行为中获益这一基础理论问题。

(2)现有研究经常把市场信息和相关的活动视为同质的，但显然市场信息是差异化的，其中就包括消费数据、收入数据以及其它维度的用户特征信息。这些信息的应用情境有所区别，价值也迥然不同，《Journal of Consumer Research》《Journal of Marketing Research》等期刊已专门对此进行研究。更为重要的是，信息活动需要耗费成本，成本不同也会导致信息在作用和价值发生很大差异，而目前现有文献中针对市场销售信息共享效用的研究还较为少见。为此，本文从市场销售信息共享这一视角来探讨其对供应链以及成员企业的影响。

(3)信息价值是在使用过程中实现的，同样信息对不同企业的作用自然会有区别。现有研究较多关注信息的客观价值，而对情境变量作用的关注较少。例如，零售商最接近用户，并经常基于用户的购买记录制定短时间内的库存和订货策略，但是这些信息对批发商、分销商而言又带有更强的预测导向，即通过历史数据分析并预测未来较长时间的市场需求。由此可见，企业所在的供应链层级将影响市场信息价值的实现，同时也会对企业信息化战略、甚至整个供应链信息化的推进产生重要影响。因此，尽管供应链订单波动会层层放大这一现象已被广泛接受和探讨，但是现有文献缺乏信息共享的效用对供应链不同层级的企业是否相同的研究，本文将针对这一问题展开讨论。

三、 理论分析和假设提出

供应链中的企业均是相对独立的个体，它们相互间信息不对称现象天然存在。各方根据自己所能收集到的历史信息而建立需求模型，并对未来需求做出预测，这其中肯定存在预测值和实际值之间的偏差，各方所建需求模型的不一致也会进一步扩大和混乱这种偏差。而信息共享能够有效减少、甚至解决上下游企业间的信息不对称现象，并进而对供应链整体做出效率和效果的改进[29]，具体到市场销售信息而言：一、市场销售信息的共享为各层级企业提供了一致的实际市场需求，这将降低因为对未来市场需求预测逻辑、模型不同而引发的系列决策偏差。企业个体由于能获取更为及时的信息，订货提前期、库存数量和成本等均将得到降低，注意力将更多地聚焦于最新信息的分析，而不是考虑如何预测未来的需求；二、信息的共享有利于资源的高效配置，增强企业的决策能力以及由此带来的市场竞争力提升和更为灵活的机制，并有利于建立企业间长期的合作关系、信任关系，这些都有利于减少层级订单波动的幅度；三、由于信息共享带来的供应链整体信息管理能力的提高，协调决策水平和资源管理能力也藉此得到增加[30]，而且把供应链作为“黑箱”来看，更多信息的输入也无疑会增强供应链整体的决策质量，这同样意味着订单波动的减少；四、从组织理论、运营管理理论研究(Prajogo 和 Olhager, 2012)[31]的视角来看，上下游企业间协同问题的出现主要可归因于各企业对信息的独占以及企业间信息的不对称、碎片化、非中心化，这些都将导致供应链各成员企业间的分散决策以及决策的片面性、非理性，并进一步形成供应链协同的障碍，相反市场销售信息这类重要信息的共享则有利于减少这些问题的出现。综合以上分析可见，完全共享真实的市场销售信息能够避免这类信息在供应链各层级企业间传递过程中被扭曲、迟滞，有利于增加供应链整体的有效信息量、减少失真信息和错误预测的数量及可能性，进而降低供应链整体的订单波动，牛鞭效应也将因此得到弱化。

实际上，仅从牛鞭效应的成因来看，本文也能得到同样的推论。之前诸多学者分析表示，当企业对于上游企业需求分布不稳定或不清楚[32]时，即使那些理性的决策者也将会产生牛鞭效应。Croson 和 Donohue(2006)在实验室环境下研究发现，模拟供应链的那些参与者即使在面对一个了解而且稳定的需求分布时，他们个体行为因素同样会带来牛鞭效应[33]。例如，没有市场销售信息，企业除了需要估计实际市场需求之外，还需要考虑诸多因素对上下游企业以及进一步措施对自己可能产生的影响，有了市场销售信息后，这些企业可以更加专注和更好地做出判断和决策，并能更快、更准确地针对需求波动进行反应。一个极端情况就是，在没有获悉任何市场销售信息的情况下，其它任何企业订货和发货等行为的变化(例如上游企业更快速地进行订单响应)影响了零售商，那么零售商行为就有可能据此做出改变，而这种改变又将反过来影响其上游各级企业，这无疑增加了供应链决策的混乱性，而如果零售商能够获悉和应用市场销售信息，这些情况都会做出改观。因此本文提出如下假设：

H1：供应链内市场销售信息共享将在供应链整体层面减少订单波动的大小。

根据H1的提出过程可见，市场销售信息的共享能够在各层级以及供应链整体层面减少订单的波动。此外，通过信息共享来实现企业间协同、甚至是供应链整体的协同是各类信息共享的重要出发点和价值体现[34]。基于市场销售信息的视角，供应链成员企业之间协同的依据即为信息的共同占有和利用。当成员企业只关注自己收集到的信息及判断的依据时，协同将无法开展，那么订单波动和不确定性正如牛鞭效应相关文献所描述的那样被层层放大。而在市场销售信息共享的情境下，这类信息提供了不同企业间协同的基础和依据[35]。围绕由此所形成的关于订货等活动的决策逻辑、决策出发点也会保持相对一致，进而造成订单波动逐级放大的现象得到减缓。因此本文提出如下假设：

H2：供应链内市场销售信息共享将在供应链层面减少相邻层级间订单波动增加的幅度。

尽管信息共享存在诸多益处，例如能够给各个层级企业的决策制定者带来相关的决策支持以提高决策的效率和效果，但是在实践中并非所有的企业都期望与其它企业共享信息，主要原因可能有两点。一是，信息本身具备一定的价值和成本，获得它们需要消耗一定、甚至较多的各类资源，相对独立的企业个体出于独占心理而对和其它企业分享这一稀缺、宝贵资源带有天然的排斥心理；二是，信息共享所带来的优势或者利益在不同企业间存在不同，尤其对于不同层级中的企业，共享的效用存在差异，甚至对少数企业而言，信息共享并不能带来正面或者期望水平的回报，这点在Youn等(2014)[36]、Barney(2012)[37]的研究中均有所体现。

不同的获益水平将导致信息共享的动机等表现出较大差异[38]。那么对于供应链上的企业而言，上游企业和下游企业之间究竟哪类能够从市场销售信息共享中获益更多？本文认为销售信息的共享给供应链中的上游企业带来的影响比给下游的要大。一方面，越是处在供应链上游的企业，实际供需之间的偏差将越大，那么市场销售信息所可能减少的偏差也会越多；另一方面，信息共享的核心价值之一是为供应链内部以及企业之间提供协调[39]。在没有市场销售信息情境下，上游企业的决策以及相互间的协调多依赖相邻企业的信息和自身的历史数据完成[40]，其中包括诸多复杂的预测模型、协作机制和相互间的博弈活动。它们需要较高的信息处理和分析能力，相应的工作量、成本和风险也较大。在真实的市场销售信息得到共享之后，这种信息活动将会极大地减少。相反，对于原本就处于供应链下游的企业而言，共享前后的这种变化则会较弱。因此本文提出如下假设：

H3：相比起下游企业，供应链内市场销售信息共享将能更多地减少上游企业订单的波动。

四、 实验设计

为了验证本文所提假设，本文设计并开展了相应的实验研究。整个实验的设计基于牛鞭效应研究中传统和常见的啤酒游戏完成，具体结构和内容可参见图1。

图1 实验设计图示 注：自左向右分别是制造商(i=4)、分销商(i=3)、批发商(i=2)和零售商(i=1)

实验模仿分散的、定期检查的、有4个连续层级的供应链操作过程。每个供应链企业都是由一个人操作，每个参与者在一系列周期(如一星期)中，向上游企业发送订单、向下游企业供货，并且保证：

(1)从下游企业确认需要订货到上游企业收到订单，需要2个周期；

(2)从上游企业备货完成到下游企业收到货物，其中的送货过程需要2个周期。

(3)在最高层级(第四级)，制造商需要3个周期处理订单和制造货物。

每个周期开始时，参与者均收到上游的发货，并把这些收到的货物放入库存。然后，参与者开始处理下游企业的新订单(对于零售商而言，这些订单就是按照固定的价格把货物销售给顾客)，接着进行订单处理并把货物发往下游，过量的需求将被积压。最终在每个周期末的时候，企业向上游企业下订单。这些订单是整个利润的决策变量。本文的研究将重点关注于订单波动和波动的扩大如何随市场销售信息可获得性的变化而变化。

Lee等(1997)[1]548提出牛鞭效应的四个操作性成因，但本文都一一对此进行了消除：(1)短缺博弈(设计为没有竞争性顾客，并且制造商的能力是无限的)；(2)批量订货(把批次设置时间为0)；(3)零售端的价格波动(把价格设置为恒定的)；(4)需求信息处理(在开始实验之前，本文公开了需求分布，并且需求均匀地分布在0-8之间，并且在不同周期之间是相互独立的)。

本文招募物流专业的本科生和相关专业的研究生参与此次实验，并采用Croson 和 Donohue(2002)[41]77的实验奖励方案。在明确各自被指派的角色后，参与者还将了解一个连续型的奖励计划。并且，奖励基于该供应链最终的成本确定，每个人可获得5至20元的奖励。每个小组的奖励按公式(1)计算,是供应链的累计成本。

Y=20*[max(x)-x]/ [max(x)-min(x)]

(1)

供应链的累计成本由各个周期的成本进行加总，各个周期的成本包括各个供应链层级的库存成本和订单积压成本。各个参与者涉及到的成本只有两类：库存成本和订单积压成本，后者也就是交货延期的赔偿。参与者需要在这两类成本之间做出平衡，从而实现总成本最小化。参与者被告知各个周期的单位库存成本为0.5元，单位订单积压成本1元。Croson 和 Donohue(2002)[41]79在研究存货信息共享作用的时候采用了同样的激励计划。计划中，供应链中的每个成员在制定存货决策都拥有相同的目标，即最小化自身的总成本以及供应链总体成本，其中供应链总成本为供应链中四层参与者的成本之和。

五、 实验步骤与实验结果

整个实验包括两类实验内容：(1)控制环境下，所有的参与者都知道零售端需求的分布，但只有零售商(i=1)知道实际的零售需求。(2)市场销售信息共享环境下，所有的参与者都知道需求分布，并在每个周期都能了解实际的零售端需求。实验共有92名参与者被分成23个小组， 12个在控制环境下，11个在市场销售信息共享环境下，每个小组4个人。具体程序如下：

(1)确定并告知参与者的角色以及整个实验的流程、规则；

(2)分配实验过程中所需要的材料，例如订货所需的卡片、记录信息的表格等；

(3)成员按照所扮演的零售商、批发商、分销商、制造商的角色排列，以模拟出线型供应链；

(4)每个参与者期初存货为12，前两个周期未完成订单为4，后两个周期即将运到的货物为4；

(5)由于本实验的市场需求在0-8之间随机分布，本文用相应的9张卡片随机抽取，而且每次被抽取到的卡片都被放回，以确保整个需求分布的平均性；

(6)实验开始之前每个小组进行了若干轮预研究以熟悉所模拟的决策环境；

(7)实验开始，填写记录表，记录每个周期对应的需求量、发货量、库存量、订单量；其中，货物和订单以卡片的形式在供应链节点之间移动；信息共享组的零售商实时告知其他三位成员的销售信息。

(8)重复作业，实际周期为48，但是本文在实验过程中未告知参与者这一数据以避免游戏终点效应(End-of-Game Behavior)。

(9)汇总数据，计算库存量、未满足订单量以及相应的成本。

(一) 波动比较

用双尾Mann-Whitney U检验(Wilcoxon检验)来检验市场销售信息是否有利于降低牛鞭效应的订单波动。这个检验比较了两种环境下的订单变化。Mann-Whitney U检验是非参数检验，所以它并不依赖于任何数据分布的假设，而这对于本文的研究尤其重要，因为本文的数据并不是正态分布，而且把所有的订单变化都视为正数据。检验统计量U是基于两个样本(两个不同场景下的变化)的等级秩序(Rank-Order)建立的。考虑到样本的大小(n和m)，这产生了z统计值和相关的显著水平值。数据显示订单变化在没有市场销售信息的时候更为显著(n=48、m=44、U=588.1、z=3.006、p=0.001)。因此，H1得到了很好的支持。

(二) 波动放大比较

本文用非参数符号检验(Nonparametric Sign Test)检验市场销售信息可获得时牛鞭效应的消失情况。结果显示，市场销售信息共享后有94%的概率减少波动的放大，且显著不同于没有订单波动放大情况下所期望的50%的概率(N=30、x=5、p=0.002)。实验结果同时表明，尽管参与者在市场销售信息共享的情境下，但是订单变化放大仍然存在。接下来本文比较不同情况下放大的程度以判断市场销售信息共享后是否减弱了放大作用。本文用相邻企业订单变化的比率来测量放大效应(如用批发商的除以零售商的)。然后用Mann-Whitney U检验判断不同场景下这些比率的变化。

数据显示，市场销售信息共享后，批发商和分销商之间的放大作用显著降低(n=12、m=11、U=25、z=2.986、p=0.007)，与H2的内容一致，但是这在另外的层级间均不显著，z值分别为0.301、0.193，且p值均大于0.1。综合来看，H2得到了部分支持。基于这些结果，本文认为波动比波动的放大效应更为直接，例如每级波动都等量减少，那么波动放大效应的变化相对来说并不显著。从批发商和分销商之间放大作用的显著降低来看，供应链上游和下游波动放大作用的减少存在不同，这涉及到H3的内容，请见下述分析。

(三) 波动减少的不对称

六、 进一步探讨：市场销售信息是如何发挥作用的？

到目前为止，本文的研究结果说明市场销售信息能够显著降低供应链较高层级企业的订单波动，但是尚未清晰这种情况为何会出现。尤其是上下游的企业如何利用这类信息去降低订单的波动呢？为了解决这个问题，本文考虑了影响个体订货决策的两类信息：来自上游的供应信息和下游的需求信息。

Kimbrough等(2002)[42]、Macdonald等(2013)[43]等在啤酒游戏实验中，发现参与者经常在订货过程中较少考虑供应链相关因素，并表现出我行我素的倾向，因此这些实验中的参与者经常不能很好地解决库存问题，表现形式之一就是未完成订单大量存在。据此，本文推测市场销售信息共享也无法避免这种倾向、解决这种问题，因为市场销售信息并没有展现上游供应的情况。

牛鞭效应的存在实际上说明了实验参与者或者真实企业的决策过于倚重下游参与者或企业的信息，因此订货的波动率比他们所收订单的波动要大。为了研究企业如何看待它们的需求方，本文将关注收到的订单信息与实际的市场信息分布对于订货决策的影响，并且假定市场销售信息共享将导致在订货决策过程中企业对供应链内部订货信息的倚重减少。为了验证这一假定，本文建立了相关的决策模型，并进行回归，以试图解释和预测他们的订货决策。当然，在这个模型中本文同时加入了其它可能影响决策的因素以控制环境变量的影响。

(一) 供应方的回归结果

为了验证每个实验参与者在决策过程中会如何对待他们的供应方，本文建立了如下的回归模型：

S(im,t)=KC(im, t-1)+S’(i-1,m, t-2)+GY(im, t)+DD(im,t)+t

(2)

在该模型中，对于角色i和小组m而言，因变量S(im,t)是指参与者在t周期中所收到的的订单。自变量KC(im, t-1)是指在过去的一个周期中的参与者库存需求量，S’(i-1,m, t-2)是指来自下游的参与者在当前周期中的订单量，GY(im, t)是指来自上游的产品，在供应链中所有在途运输产品的总量为DD(im,t)。这个模型同样控制了周期变量。在正常情况下，参与者的决策会参考供应方的相关信息，这时所表现出的当前库存需求的总量和在途运输的数量应该是完全一致的。

本文对92个参与者进行了回归，发现自变量除t之外全部都至少在p<0.05水平上显著。R2为0.52。只有3个参与者的统计参数表明他们的订货决策是一成不变的。如果参与者没有低估供应方信息的作用，KC应当等于DD。本文发现在市场销售信息共享的环境下，44个对象中的43个出现KC

表1 对所收订单和所下订单回归的结果

注：括号中为t/z值，显著性水平*p<0.10,**p<0.05,***p< 0.01。

(二) 需求方的回归结果

为了验证每个实验参与者在决策过程中会如何对待他们的需求方，本文建立了如下的新的回归模型：

D(im,t)=KC(im, t-1)+DQ(im, t)+SJ(im, t)+t

(3)

在该模型中，D(im,t)是指参与者在t周期中的所下的订单。DQ指的是在当前周期中所收到的订单，SJ是指当前周期实际的需求，这一回归模型适用除了零售商之外的所有参与者，因为他们接收到的订单和实际需求是同一样的。这些变量依然是除周期t之外均至少在p<0.05水平上显著，R2为0.61，且没有参与者的订货量是一直不变的。需要注意的是，下游企业(如批发商)的需求和收到的订单之间可能存在相关性。任何相关性都可能增加估计的标准误差，从而影响结果的严谨性，因此本文在回归时采取了更加稳妥的做法，即验证这些变量之间究竟是否存在完全的不相关性，但是受限于篇幅，以下仅汇报相关的数据。

本文发现控制组的参与者在订单决策过程中非常倚重他们收到的他人订单，当前收到订单(DQ)变量的系数是0.49，且48个对象中有46个受收到订单的影响比受到当前实际需求SJ的影响更大。在市场销售信息共享的情境下的参与者受收到订单的影响和受到当前实际需求SJ的影响相近，DQ和SJ的系数分别为0.331和0.396，同时44个对象中只有24个受收到订单的影响比受到当前实际需求SJ的影响更大。这一结果说明在有市场消息信息时，参与者仍然会参考其进行决策。

为了更为直观地判断市场销售信息如何在不同供应链层级间的作用，本文又计算每个参与者对市场需求信息的依赖和对所收到订单的依赖之间的对比关系，即DQ系数和SJ系数的比值。这个比值在上游两个层级显著高些(平均1.45和2.56)，而批发商的仅为0.54。这些说明上游企业对市场销售信息的重视程度为收到订单信息的2倍左右，而批发商则更加重视所收到的订单，这些说明那些对需求数据更为看重的层级则较多地减少了订单的波动。虽然本文无法获悉他们具体的决策思路，但是这个模型能够很好地解释和预测他们订货过程中对市场销售信息和收到订单信息之间的权衡。

因为市场销售信息的增加并没有影响到参与者对于供给方信息的反应，而影响到了需求方，本文据此认为牛鞭效应的减弱更易出现在供应链的上游。这意味着共享市场销售信息的价值在于其能够让供应链上游企业能够更好地了解来自需求方的信息，他们决策时所考虑到的因素不仅包括所收到的订单，还包括通过共享而获得的一线市场销售信息，这种决策的结果将更为周全特别是对于上游企业而言，因此我们认为上游企业从市场信息的共享中获益最多。

七、 研究结论

伴随着全球化一体化以及信息技术的发展，企业个体间的竞争已扩展到供应链之间的竞争。通过与供应链中的企业紧密合作，企业可以降低运营成本、改善客户服务来提升竞争力。而对供应链中的供应商、制造商、分销商、零售商等具有不同目标的主体间经营活动进行有效的计划、控制、协调、优化，实现供应链各成员之间的信息共享，进而缩小产品供应与客户需求之间的信息扭曲，是实现低成本高效率供应链管理并提升供应链竞争优势的基础，而其中最为关键的则是对客户需求信息的准确理解。

特别是在当前的大数据时代，各个行业的零售商等均能够获得海量、细致、实时的销售信息，例如网上订单数据、POS机数据、超市销售数据等等，如何实现对于这些数据的有效管理成为各界关注的问题。信息共享经常简单地被视为减少信息失真，最大化它们价值的有效方式，但是这种观点尚需进行细致分析和严谨求证。有鉴于此，本文采用实验研究的方法，研究了市场销售信息共享对供应链整体层面、层级间以及上下游企业订单波动的影响，并得出了以下结论：(1)供应链内市场销售信息共享可以有效地降低供应链整体层面的订单波动，即能够显著地减弱供应链的牛鞭效应；(2)市场销售信息共享后，可以降低批发商和分销商之间订单波动的幅度，而对于供应链中的其它相邻层级之间的订单波动的影响则不显著；(3)与供应链下游企业相比，市场销售信息共享使得上游企业能够更好的理解所收到的订单信息，减少上游企业订单的波动，进而能够更多地从市场信息共享中获得更多收益，即这类信息的共享给予不同层级企业的获益不同。

相应地，本文的理论贡献主要体现在以下三个方面：(1)证明了市场销售信息共享这一特定信息活动对牛鞭效应的减少有积极作用。以往研究信息共享对牛鞭效应作用的文献并没有对信息的类别做进一步的区分，本文专门对市场销售信息做细化研究，这既契合了企业信息化精细化的趋势，又是对相关研究视角的拓展，同时说明对信息共享等工作应该进行更为细致的研究。(2)本文发现市场销售信息共享后，参与者会参考它进行决策，这证实了市场销售信息共享的作用机理和作用路径。(3)订单波动会层层放大这一现象被广泛接受和探讨，但是信息共享的效用对供应链不同层级的企业是否相同却缺少关注，本文结果说明随着信息向供应链上游迁移，信息共享的价值同样被层层放大，即对订单波动的减弱作用会不断增加，这从市场销售信息共享的角度为牛鞭效应的解决提供了理论支撑。

本文研究结果显示市场销售信息共享对于牛鞭效应的减弱有显著作用，说明企业应当积极推进供应链信息的共享。尤其是本文发现这些信息的共享更好的减少上游企业订单的波动，这有助于理解和解释为何不同层级的企业对供应链信息化工作的态度不同。同时，从实践的角度出发，本文建议企业应当积极推进市场销售信息共享工作，特别是考虑到上游企业能够从中获得更多收益，因而这一过程需要提升上游企业的参与度、甚至可以由其主导完成，因为这些企业也将从中获益更多。这也从另一个侧面反映了供应链信息共享、信息化等工作依然需要根据企业所在的层级实施高度的差异化、情境化管理。

[1]LEE H L,PADMANABHAN V,WHANG S.Information Distortion in a Supply Chain:The Bullwhip Effect[J].Management Science,1997，50(4):1875-1886.

[2]达庆利,张钦,沈厚才.供应链中牛鞭效应问题研究[J].管理科学学报,2003(3):86-93.

[3]FULLER J B,O’CONOR J,RAWLINSON R.Tailored Logistics:The Next Advantage[J].Harvard Business Review,1993,71(3):87-98.

[4]LEE H L,TANG C S.The Value of Information Sharing in a Two-level Supply Chain[J].Management Science,2000,46(5):626-643.

[5]BRAY R L,MENDELSON H.Information Transmission and the Bullwhip Effect:An Empirical Investigation[J].Management Science,2012,58(5):860-875.

[6]LEE H L,PADMANABHAN V,WHANG S.The Bullwhip Effect in a Supply Chains[J].Engineering Management Review,IEEE,2015,43(2):108-117.

[7]BALAN S,VRAT P,KUMAR P.Retracted:Information Distortion in a Supply Chain and Its Mitigation Using Soft Computing Approach[J].Omega,2009,37(2):282-299.

[8]WANG G,HUANG S H,DISMUKES J P.Product-driven Supply Chain Selection Using Integrated Multi-criteria Decision-making Methodology[J].International Journal of Production Economics,2004,91(1):1-15.

[9]郝国英,孔造杰,韩海彬.供应链中信息共享对各环节库存的影响研究[J].系统工程理论与实践,2007(9):131-135.

[10]孙永权,马云高.信息共享对牛鞭效应的影响——基于价格敏感需求函数的视角[J].系统工程,2014(1):33-40.

[11]代宏砚,周伟华,陈志康.多级供应链中库存不准确性对牛鞭效应的影响[J].管理工程学报,2013(2):195-201.

[12]YU Z,YAN H, CHENG T C E.Benefits of Information Sharing with Supply Chain Partnerships[J].Industrial Management & Data Systems,2001,101(3):114-121.

[13]万杰,李敏强,寇纪淞.需求信息预测与处理中的牛鞭效应分析与控制[J].管理工程学报,2003(4):28-32.

[14]KRISTIANTO Y,HELO P,JIAO J R,et al.Adaptive Fuzzy Vendor Managed Inventory Control for Mitigating the Bullwhip Effect in Supply Chains[J].European Journal of Operational Research,2012,216(2):346-355.

[15]UDENIO M,FRANSOO J C,PEELS R.Destocking,the Bullwhip Effect,and the Credit Crisis:Empirical Modeling of Supply Chain Dynamics[J].International Journal of Production Economics,2015(160):34-46.

[16]ZOTTERI G.An Empirical Investigation on Causes and Effects of the Bullwhip-effect:Evidence from the Personal Care Sector[J].International Journal of Production Economics,2013,143(2):489-498.

[17]CHATFIELD D C,PRITCHARD A M.Returns and the Bullwhip Effect[J].Transportation Research Part E:Logistics and Transportation Review,2013,49(1):159-175.

[18]DUAN Y,YAO Y,HUO J.Bullwhip Effect under Substitute Products[J].Journal of Operations Management,2015(36):75-89.

[19]ALMEIDA M M K,MARINS F A S,SALGADO A M P,et al.Mitigation of the Bullwhip Effect Considering Trust and Collaboration in Supply Chain Management:A Literature Review[J].The International Journal of Advanced Manufacturing Technology,2015,77(1/4):495-513.

[20]LI C.Controlling the Bullwhip Effect in a Supply Chain System with Constrained Information Flows[J].Applied Mathematical Modelling,2013,37(4):1897-1909.

[21]HUSSAIN M,DRAKE P R.Analysis of the Bullwhip Effect with Order Batching in Multi-echelon Supply Chains[J].International Journal of Physical Distribution & Logistics Management,2011,41(10):972-990.

[22]HUSSAIN M,DRAKE P R,MYUNG LEE D.Quantifying the Impact of a Supply Chain’s Design Parameters on the Bullwhip Effect Using Simulation and Taguchi Design of Experiments[J].International Journal of Physical Distribution & Logistics Management,2012,42(10):947-968.

[23]SALCEDO C A G,HERNANDEZ A I,VILANOVA R,et al.Inventory Control of Supply Chains:Mitigating the Bullwhip Effect by Centralized and Decentralized Internal Model Control Approaches[J].European Journal of Operational Research,2013,224(2):261-272.

[24]李翀,刘思峰.信息共享受限条件下的供应链网络系统牛鞭效应控制策略[J].控制与决策,2012(12):1787-1799.

[25]SODHI M M S,TANG C S.The Incremental Bullwhip Effect of Operational Deviations in an Arborescent Supply Chain with Requirements Planning[J].European Journal of Operational Research,2011,215(2):374-382.

[26]张鹤冰.基于PID控制的供应链牛鞭效应建模与仿真[J].系统仿真学报,2015(2):352-361.

[27]彭怡,朱金福.延迟需求信息对牛鞭效应的影响分析[J].商业研究,2006(18):93-95.

[28]ZHANG X.Delayed Demand Information and Dampened Bullwhip Effect[J].Operations Research Letters,2005,33(3):289-294.

[29]ZHOU H,BENTON W C.Supply Chain Practice and Information Sharing[J].Journal of Operations Management,2007,25(6):1348-1365.

[30]张欣,马士华.信息共享与协同合作对两级供应链的收益影响[J].管理学报,2007(1):32-39.

[31]PRAJOGO D,OLHAGER J.Supply Chain Integration and Performance:The Effects of Long-term Relationships,Information Technology and Sharing,and Logistics Integration[J].International Journal of Production Economics,2012,135(1):514-522.

[32]WU Y,CEGIELSKI C G,HAZEN B T,et al.Cloud Computing in Support of Supply Chain Information System Infrastructure:Understanding When to Go to the Cloud[J].Journal of Supply Chain Management,2013,49(3):25-41.

[33]CROSON R,DONOHUE K.Behavioral Causes of the Bullwhip Effect and the Observed Value of Inventory Information[J].Management Science,2006,52(3):323-33

[34]BERGHMAN L,MATTHYSSENS P,VANDENBEMPT K.Value Innovation,Deliberate Learning Mechanisms and Information from Supply Chain Partners[J].Industrial Marketing Management,2012,41(1):27-39.

[35]FIALA P.Information Sharing in Supply Chains[J].Omega,2005,33(5):419-423.

[36]YOUN S H,YANG M G M,KIM J H,et al.Supply Chain Information Capabilities and Performance Outcomes:An Empirical Study of Korean steel suppliers[J].International Journal of Information Management,2014,34(3):369-380.

[37]BARNEY J B.Purchasing,Supply Chain Management and Sustained Competitive Advantage:The Relevance of Resource-based Theory[J].Journal of Supply Chain Management,2012,48(2):3-6.

[38]付恒,蹇明.考虑信息泄露的供应链信息管理策略[J].计算机集成制造系统,2015(8):2170-2178.

[39]王夏阳.契约激励、信息共享与供应链的动态协调[J].管理世界,2005(4):106-115.

[40]郭佳,陈功玉.零售商需求波动条件下供应链信息分享价值[J].系统工程,2010(2):82-89.

[41]CROSON R,DONOHUE K.Experimental Economics and Supply-chain Management[J].Interfaces,2002,32(5):74-82.

[42]KIMBROUGH S O,WU D J,ZHONG F.Computers Play the Beer Game:Can Artificial Agents Manage Supply Chains?[J].Decision Support Systems,2002,33(3):323-333.

[43]MACDONALD J R,FROMMER I D,KARAESMEN I Z.Decision Making in the Beer Game and Supply Chain Performance[J].Operations Management Research,2013,6(3/4):119-126.

(责任编辑 傅凌燕)

Is the Market Sales Information Sharing in Supply Chain Always Beneficial? —Analysis from the Perspective of the Bullwhip Effect

SHEN Dong, XIANG Guo-peng, PAN Ke-wen

(SchoolofBusinessAdministration,ZhejiangGongshangUniversity,Hangzhou310018,China)

Although information sharing is frequently considered an effective means to eliminate the bullwhip effect, some researchers hold an opposite view. At present, informationization has generated a huge amount of market information and has enabled the effortless collection and processing of information. However, whether the sharing of such important and common information is beneficial to weakening the bullwhip effect has not yet been academically verified. This study intends to conduct a theoretical analysis and experimental research on this topic. Research results indicate that market sales information sharing in a supply chain can reduce order fluctuations across all echelons of the supply chain and the amplitude of the increase in order fluctuation between adjacent echelons. Market sales information sharing in a supply chain can also reduce more order fluctuations of upstream businesses than those of downstream enterprises. In addition, we have discussed the application process of market information and discovered several interesting rules. Research results indicate that sharing such information has a significant role in weakening the bullwhip effect of a supply chain; moreover, the effects vary based on different echelons of enterprises. These findings promote the theoretical study and simultaneously demonstrate direct practical significance.

market sales information; bullwhip effect; information sharing; supply chain echelon

2016-03-28

国家自然科学基金青年项目“大型零售商占主导权力时基于不同风险决策偏好下供应链契约协调策略研究”(71301145)；浙江省哲社研究基地一般课题“基于顾客购买行为大数据分析的电商企业服务链改进及协同机制研究”(14JDFW02YB)

沈栋，男，博士研究生，主要从事企业战略管理与运营管理研究；项国鹏，男，教授，博士生导师，管理学博士，主要从事企业战略与创业管理研究；潘可文，男，副教授，管理学博士，主要从事物流与供应链管理研究。

F713.50

A

1000-2154(2016)10-0024-11