大数据在供应链中的应用研究

刘鹏程

摘要： 随着物联网的快速发展以及企业供应链运营的信息化，大数据已渗透到企业供应链的运营中，成了企业重要的生产要素。因此，企业供应链部门如何运用大数据，成为企业获得竞争力和长期发展战略的重要因素。鉴于此，文章综述了目前大数据的应用情况，分析了应用大数据存在的挑战，并给出了相應的建议。

Abstract： With the rapid development of IoT and the informatization of enterprise supply chain operation， big data has penetrated into the operation of enterprise supply chain， which has become an important production factor of enterprises. Therefore， how to use big data in the supply Chain department becomes an important factor for the enterprise to obtain the competitiveness and long-term development strategy. In view of this， the paper summarizes the application of big data， analyzes the challenges of applying big data and gives some suggestions.

关键词： 大数据；供应链；应用研究

Key words： big data；supply chain；applied research

中图分类号：F274；TP311.13 文献标识码：A 文章编号：1006-4311（2018）05-0075-02

0 引言

随着云计算、移动互联网和物联网的飞速发展，全球的数据量在迅速增长。根据国际数据公司IDC监测统计，预计到2020年全球数据量将达到35ZB（1ZB=1万亿GB）[1]。这表明大数据开发和应用的机遇已经形成，大数据时代已经来临。在大数据时代，数据可以改变企业的运营方式和盈利方式[2]，而即将到来的数据驱动战略将成为企业竞争优势的重点。

大数据的发展给物流供应链管理带来了一场革命，传统供应链的竞争模式已经改变。如果说现在的物流企业竞争是供应链的竞争，那么大数据的出现使得物流企业之间的竞争变成了一种 “数字博弈”。面对复杂的数据资源环境，谁能从海量的数据中挖掘到有价值的信息并运用到供应链管理中，谁就能获得市场竞争的主动性，否则就会淹没在数据的海洋中。

1 综述

随着大数据的兴起，大数据在企业供应链的应用研究也更为普遍，国内的研究人员从不同角度研究了大数据在供应链中的运用。成栋[3]分析了影响大数据在供应链中应用的因素并运用大数据分析技术评价了大数据供应链绩效，证实了大数据分析技术能够帮助企业实现有效的供应链决策。闫振荣[4]在某钢铁集团业务钢铁分销系统供应链管理中运用大数据分析方法，从货物配送、拣货水平、供应商管理、自动补货、个性化供应链5个方面分析，证明运用大数据提高了货物运输和仓储信息的追踪水平，加强了对供应商状态的实时监控，同时进一步挖掘了客户的需求。张东翔[5]等利用结构方程模型提出了“基于大数据的信息协同对供应链优化结果产生显著正向影响”的假设，通过 AMOS 软件对概念模型进行分析证实了这一结论。他认为基于大数据的信息协同促进了供应链的优化，在未来的研究中要更加细致的将大数据应用到供应链管理中，通过对海量数据的搜集来掌控市场，提升服务质量。王春红等[6]在传统供应链管理的预测、采购、运营、库存、物流、营销等六种职能基础上，定义了大数据供应链的新职能，对大数据环境下供应链的运行机制、信息流的传递机理进行了详细的研究，结果表明大数据供应链的新职能更迎合当前的竞争环境。李雷[7]运用大数据分析工具预测电子商务顾客需求分析，帮助供应商和商家更清楚的掌握顾客需求，提高了响应顾客个性化需求的效率。甚至国内一些企业已率先将大数据运用到了企业物流运作中。阿里巴巴集团通过其着力打造的菜鸟网络联通众多的物流企业，汇集海量的信息资源，实现数据资源的掌控，实时追踪物流信息，提高了物流配送的效率。电商京东公司也专门创建了大数据平台体系，使得京东的大数据应用覆盖了电商的全部流程，实现物流全链条、全流程数据掌控，促进大数据的深度价值挖掘。

综上所述，大数据在企业供应链中已经得到了普遍应用，但是目前企业在大数据运用机制及职能方面尚不成熟，依旧面临着诸多因素的挑战。

2 企业供应链应用大数据面对的挑战

2.1 大数据质量及时效性难以把握

企业物流中产生数据的渠道很多，数据结构也千差万别，主要包括结构化数据和非结构化数据[8]。对企业而言，收集并集合多个数据源、统一多种数据结构，从中获得高质量数据，挖掘出企业所需的数据价值，是物流行业目前面临的一个巨大挑战。首先，企业物流数据来源广泛，包括订单数据、生产数据、采购数据、交易数据等大量的原始数据。原始数据质量参差不齐，时效性长短不一，经过清洗才能为其所用，这是一个难题。其次，数据管理人员能否根据数据的结构特点设计出灵活方便提取和存入数据的数据库，用来保存经过清洗的高质量数据，保证数据随时可调用也是一个难题。

2.2 大数据安全性与隐私性

企业供应链所涉及的运营环节不可避免地要和客户打交道，和客户的业务往来产生大量的数据就涉及到商家、用户的隐私信息。对于这些信息，企业首先要做的就是保证其安全性，否则一旦信息泄露就会给企业造成无法挽回的损失。其次企业在进行数据分析时应对客户的隐私信息要妥善处理，在推动数据全面开放、共享和应用的同时，不能侵犯客户的秘密信息。endprint

2.3 大数据分析处理能力

数据分析是处理大数据的关键技术，大数据本身并没有意义，但是通过特定的需求进行分析之后，才能显示出其蕴藏的价值，海量的数据才能有意义。数据是广泛可用的，但是真正缺乏的是从大数据中提取知识的人才。国外学者曾指出，大数据不仅会改变企业供应链的经营模式和管理方式，同时也会给物流企业和供应链管理带来重大的挑战——就是缺乏拥有大数据分析能力和供应链管理相关专业知识的复合型人才，这正是企业面临的亟待解决的关键问题。

3 大数据在企业供应链应用中的建议

3.1 建立大数据信息共享平台

大数据信息共享平台的建立可实现供应链战略伙伴之间信息沟通零障碍，需要供应链上的成员企业全部参与，要求成员企业必须加快物流基础设施标准化、信息化以及智能化的硬件和软件建设，共同搭建性能良好的信息共享平台。在信息共享平台的支持下和物流信息化管理模式下，企业高效完成物流任务，使各个环节达到最优，并提高整个物流链条的效率。

3.2 加强信息安全防护管理

在互联网时代，信息安全的重要性毋庸置疑。对于企业供应链而言，客户的数据信息就是企业的核心机密。在保护客户信息方面务必做到以下几点：第一，管理层要提高对数据安全保护认识；第二，聘请有大数据安全管理经验员工或对现有员工加强培训，提高专业技能；第三，对大数据可采取分散存储方式，尤其要加强对核心数据的保护。

3.3 引进或培养复合型大数据人才

大数据的复杂性和多样性，加大了其在处理和分析上的难度，这是传统数据不具有的特点。因此，数据挖掘人才是企业供应链面临的迫切需求。面对上述需求，企业可参考以下建议：首先，引进拥有物流相关知识和熟悉大数据分析处理的复合型人才；其次，聘请数据分析方面的专家培训企业的数据信息管理人才，培养自己的专业管理团队和分析团队，形成自己的人才智囊储备库。

4 结论与展望

文章从三个方面提出了当前大数据在企业供应链面临的挑战，并逐一给出了建议。目前针对大数据在企业供应链的应用研究大都是描述性研究，对于大数据对于供应链管理影响的具体机制以及大数据于供应链能力之间的交互作用缺乏深入理解，这使得研究落后于实践。后续的研究可以从大数据在企业供应链的应用技术手段方面入手。

参考文献：

[1]Gantz， J. R. D. （2011）. Extracting Value from Chaos. Idcemc2 Report.

[2]Barton， D. C. D. （2012）. Making advanced analytics work for you. Harvard Business Review， 90（10）：78-83.

[3]成栋，程思洁.供应链管理中的大数据应用[J].现代科学管理，2017（8）：9-11.

[4]闫振荣.大数据在企业供应链管理中的应用[J].河南科技，2017，605（2）：41-41.

[5]张东翔，成斌.基于供应链管理的大数据应用分析[J].物流技术，2015，34（8）：53-65.

[6]王春红，刘帅，赵亚星.大数据供应链与传统供应链的对比分析[J].价值工程，2017（26）：112-113.

[7]Li Lei.（2016）. Customer demand analysis of the electronic commerce supply chain using Big Data.BOM in Social Network，（16）：2342-2358.

[8]劉巧.大数据应用带给物流业的机遇和挑战[J].物流技术，2015，34（5）：193-195.endprint