基于大数据视角的流通业供应链管理分析
2018-04-20张滨丽副教授绥化学院经济管理学院黑龙江绥化152061
余 娟 张滨丽 副教授（绥化学院经济管理学院 黑龙江绥化 152061）
随着信息化的日益发展，企业的经营模式和环境以及消费者消费偏好都发生了巨大变革。信息技术与产业的结合也逐渐成为企业的重要创新手段，为企业创造出更多财富。我国“互联网+”行动计划和国家大数据战略也是在适时地提出并实施，互联网与产业结合不断升级。随着网络的发展和产业转型升级，生产、消费方式也在发生重大改变，充分发挥大数据的智能预判作用，能够增加企业生产效率和效益，大数据与产业结合成为大势所趋，也是企业在激烈竞争中的重要筹码。
相关理论基础
（一）大数据理论
大数据的诞生需要追溯到2009年，当时联合国致力于推动落后地区的发展水平，就曾启动“全球脉动计划”，该计划就是以大数据为载体。在2012年的世界经济论坛上“大数据”又被提上了一个新的高度。随着全球竞争的加剧，各国政府积极将大数据融合至产业发展，同时促进大数据产业本身的发展，对于大数据的探索依然在继续。
大数据定义。大数据是一个随着社会不断发展的新兴事物，目前对于大数据的定义也是呈现多样化趋势。但是学者们得到共识，大数据具有大容量的数据这一基本特征，但是其也区别于简单的大容量的数据。根据现有文献对于大数据的研究，可概括为三种简单的定义：首先是属性定义，国际数据研究中心认为大数据技术就是描述了一个技术和体系的新时代，大数据技术目的是从大规模多样化、无序化的数据中通过高速捕获、处理和分析等一系列技术最后提取出数据的真实价值。其次是比较定义，国际上Mc Kinsey 公司在其研究报告中认为大数据是超过了典型数据库软件工具捕获、存储、管理和分析数据能力的数据集。该定义从时间和领域的角度进一步进行确认。最后是体系定义，该定义由美国国家标准和技术研究院给出，他们进一步将大数据定义为：大数据是指数据在其容量、获取速度或者具体表示等方面超越传统关系方法对数据的分析处理能力，发展为效率更高的水平扩展的分析处理机制。
相关研究综述。维克托·迈尔教授在《大数据时代：生活、工作、思维的大变革》肯定了大数据的重要性以及前者研究的重要性，通过分析亚马逊公司成功经验时，认为大数据和大数据处理技术以及大数据思维是其成功的关键。Zilong Fang 和Pengju Li认为大数据是影响消费者行为的重要因素，在进行消费者统计分析过程中可以从系统安全、信息搜索、推荐系统、信用系统、虚拟体验综合进行考虑。国内学者周涛教授认为，大数据应用能够带给客户一个更加个性化的服务体验。
（二）供应链管理理论
供应链管理。Keith Oliver和Michael D. Webber于1982年首次提出供应链管理概念，制造业和零售业的企业管理实践不断丰富和完善供应链管理理论和实践，也是企业战略联盟近年快速发展的产物。供应链管理概念也经历了一个逐渐发展演变的过程，最开始是以Houlinhan为代表人物的基于物流型的供应链管理，简单认为供应链管理是对物质流动进行管理，其中涉及到的环节主要是供应商、流通者以及最终消费者。基于信息型的供应链管理强调了供应链中信息流的重要性，认为供应链是一个包括物质流和信息流的双向流通过程。以Kalakota和Whnston为代表人物的整合型供应链管理，定义供应链管理是为了完成生产、消费方式而整合供应链整个网络上的内部和外部组织。H. L. Lee和C. Billington在整合型供应链管理基础上强调客户需求的重要性，认为供应链管理就是为了满足客户需求而将供应链不同节点企业的行为进行整合管理。
相关研究综述。国外学者HauL.Lee等人通过对供应链中信息扭曲导致效率下降的现象进行研究，让人们意识到信息管理在整个供应链管理中的重要性。后有学者RobertF.Palevich、Phillip以及Patrick和Adamantios等人都进一步认识到供应链管理过程中信息系统建设的必要性以及相关措施。国内学者陈永平和蒋宁通过对大数据时代供应链信息聚合价值的研究，详细阐明了供应链信息聚合中的价值创造形成机理，并给出实现大数据时代中的供应链更好地运营发展的具体建议。
基于大数据的流通业供应链管理模型
传统企业管理更多体现在“纵向一体化”，供应链管理思想强调全局看供应链，并给出全局最佳安排与规划，这其中需要通过信息系统、集成管理等实现供应链中各节点企业之间相互协调、相互合作。供应链系统高度集成和高度信息共享需要大数据技术实现数据的快速捕捉、发现、分析并给出正确、及时的响应，最终提高客户服务体验，增强整个供应链系统对市场环境的应对能力。
随着流通业供应链的不断发展，需要交换和处理的数据也呈现出逐年增加的趋势。传统意义的数据更多在于事后分析，将数据处理过程中重复率高、密度大的数据作为研究重点，密度小、偶然性的数据作为极端值进行剔除。不仅如此，数据处理经常出现较大时间段的滞后期，未能及时、有效地从极端数据中找到主要原因。标准化服务需要海量数据作为制定标准的支撑，而个性化服务则通常来源于“无用数据”。大数据思维以及大数据技术的产生，主动积极、经济高效地从规模化、多样化的大数据中捕捉、分析有效性信息。这种信息不仅运用于事后分析判断，而且更重要的运用于事前的提取、个性化需求预测。
大数据技术主要包括实时获取、分类存储、语义分析、图文转换、模式识别、地理信息、统计建模、人工智能、分析预测等。大数据技术的评价标准主要是用户服务体验，个性化服务将是未来服务业的发展前沿问题，也是未来服务型企业在市场中取得先机的关键。数据分析方法主要包括数据简单的聚集、汇总、切片和旋转，还包括较为复杂的路径分析、时间序列分析、图分析、What-if分析，以及复杂统计分析模型。
在流通业大数据运用方面，将商品流通过程中产生的数据，包括流通前期商品的来源、运输方式，同时包括每个客户的身份、地点、时间、喜好、厌恶、社会关系等大量的信息收集成为一个大数据包，把这些数据采集进数据仓库中，然后用分布式的技术框架对非关系型数据进行异质性处理，通过数据分析与挖掘来发展一对一的商业智能。一个完整的流通业供应链构建应该从制造商需求分析开始，结合模式构建，然后策划商品运输路线进行有效管理，与此同时，也伴随着服务与绩效的考核和反馈。流通业供应链的健康运营状态是一个动态平衡且不断修复更新的状态，而大数据对其供应链整体提升有重要作用，具体大数据的研究模型如图1所示。大数据在流通业供应链中的应用方式多元化、前瞻性的智能服务体系在服务过程中对下游客户进行有效预测，挖掘出客户潜在需求，降低其选择成本。
商贸流通业供应链管理路径分析
供应链管理是实现产业结构优化、升级的重要途径之一，也是企业大数据背景下新生的利润增长源泉。结合大数据运用的供应链作为企业的核心，现有企业的市场边界、业务组合、商业模式和运作模式等各个方面都将发生重大变革。以客户为中心是未来供应链管理模式的关键，如何创新现有供应链管理模式？如何打造以大数据为驱动的智慧供应链？如何缔造机智的用户体验？这都将决定企业在市场中的地位和竞争力水平。流通业作为连接生产和消费的桥梁，决定着整个经济运行的效率和效益。流通业是以物流业为核心的一系列相关活动，具体包括客户服务、交通运输、仓储管理、订单处理及生产规划等。大数据对物流环节的影响，在于对各个物流环节的协调管理、优化以及通过数据反馈分析预测挖掘客户需求，实现个性化、精准化的服务体验具体路径如下：
（一）客户服务精准
客户服务是整个流通业的最终目标，客户满意是检验服务质量的最高、唯一标准。无论是线上还是线下订单，都需要流通业各个环节共同协作完成。客户在进行服务体验的时候需要考虑到成本、效率、便捷等各种因素，各种因素在不同的客户体验上占据的比重各不相同。大数据会收取相关数据并进行数据分析来识别出不同客户的不同需求，从而采取不同的运输方式、不同的送货、收货时间。
图1 流通业供应链管理分析框架
（二）运输方式成本低且高效
在流通环节中运输成本占据主要地位，运输方式包括空运、汽车、铁路、水运等，其运输成本依次递减，但是运输效率依次也降低。大数据分析对于物流的改进是智能路线优化。智能路线优化是基于全球定位系统的处理，能够根据导航系统对于路况信息进行整合分析得出相关最优路线，大数据进行精准分析保证各个运输方式有效对接，进而提高运输效率。
（三）仓储管理时空的优化
供应链管理过程中，仓储管理是重要环节，对于物品存放提供一定的空间，在流通管理中主要是其配送中心。在传统的仓储管理中，只有实现商品的快速周转才能实现价值增长，大数据运用能够充分考虑到交通、运输、路线、时间等各种各样的因素，根据运输成本和储藏成本的综合比较，最终决策出最优方案。首先，大数据通过质量较为集中的数据进行分析，找出最合适的仓储地点。其次，对于仓储中成本最大的支出就是仓管人员的相关支出，对于一个面积较大的仓储中心，仓管人员取货的路线、速度、选货时间等都会造成相关成本的增加及效率的下降。最后，大数据分析法对于不同货物设计了最短取货路线，从而提高仓管人员效率，为企业节约成本。
（四）客户需求的挖掘分析
现阶段，线上购物目前逐渐成为不同消费者的购物渠道，物流过程中的商品实时跟踪，包括前期的购买方式、客户特征进行匹配分析，通过对客户的运输方式、购买方式的偏好进行分析，挖掘出客户的潜在需求，为供应链上游的制造商提供相应数据分析、需求预测，实现整个供应链的效益最大化，实现整个供应链的数据化管理。
结论
本文旨在研究一种基于大数据背景下的供应链管理模式，以当下最热门的大数据技术为研究切入点，从由信息技术变更而引起的管理变革入手，得出大数据时代的管理模式改革，并结合大数据相关处理技术，从供应分析、需求分析、物流方式等这几方面分析这一新的数据处理供应链管理模式，并设计出基于这一模式下的供应链管理分析框架。
供应链系统的信息协同使得供应链管理变得更加快速和便捷，供应链实现信息共享透明，各个节点对供应链的传递更加准确和及时。一方面，信息协同和大数据的运用使得整个供应链系统更加的高效、及时；另一方面，客户对服务的本身的个性化偏好信息可以及时反馈到各个不同的供应链节点，供应链可以快速为客户提供高质量的服务、满足客户个性化需求的同时搜集、反映客户的潜在需求。现有的文献对于大数据的应用方面描述有限，对于大数据融入供应链管理的文献更加有限，本文在通过大数据应用在供应链管理中的管理框架分析之后得到启示。在整个制造商、零售商、消费者产业链过程中，也是制造业向制造服务业转型的重要阶段，大数据应用的供应链管理是现代企业管理的重要竞争手段。企业通过对海量数据的搜集整理，对整个现有市场进行把握，同时预测分析未来潜在市场挖掘潜在客户，提升企业的服务质量，从而达到较为满意的用户体验，大数据的运用使得供应链更加一体化。
参考文献：
1.翁心刚.物流管理基础[M].中国物资出版社，2007
2.濮凌峰.基于大数据的商业模式创新研究[D].北京邮电大学，2014
3.王能民，汪应洛.供应链协调机制选择与绩效关系研究综述[J].管理科学，2007（1）
4.陈永平，蒋宁.大数据时代供应链信息聚合价值及其价值创造能力形成机理[J].情报理论与实践，2015（7）
5.赵凯，宋则.商贸流通服务业影响力及其作用机理研究[J].财贸经济，2009（1）
6.Fornell C，Larcher F E.Valuating structural equation models withunobservable variables and measurement error[J].Journal of Marketing Research，1981，18（1）
7.Sultan N.Knowledge management in the age of cloud computing andweb 2.0：experiencing the power of disruptive innovations[J].Interna-tional Journal of Information Management，2013，33（1）
8.Lee H L.Creating value through supply chain integration[J].SupplyChain Management Review，2000，4（4）
9.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）
10.赫霞.大数据时代企业经营管理的挑战与对策[J].重庆与世界，2013（6）
11.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）
12.冯芷艳，郭迅华，曾大军，陈煜波.大数据背景下商务管理研究若干前沿课题[J]. 管理科学学报，2013（1）
13.李驶阳.电子商务与我国流通模式创新[J].商业经济与管理，2003（10）
14.周凌云，顾为东，张萍.新时期加快推进我国流通业现代化的战略思考[J].宏观经济研究，2013（9）
