大数据分析在供应链管理中的应用研究综述

张 晴 张玉琪

(中南民族大学管理学院 湖北 武汉 430074)

一、引言

目前国内外对大数据的定义主要分为两个视角:数据资源视角和数据应用视角。资源视角下，大数据的特征包括体积大、速度快、模态多、难辨识、价值密度低等[1]，能力视角下的大数据定义更重视大数据分析能力。尽管从资源视角研究大数据得到了学术界的广泛认可，但是大数据资源本身不足以塑造企业核心竞争力，唯有与企业其他资源整合上升到能力层面，才能发现隐藏的且有价值的信息和结论，从而提高商业效益和运营效率，开拓新的市场和机会。

在供应链管理实践中，理解数据的一般活动已从决策支持发展为商业智能、商业分析，如今已发展为大数据和大数据分析。供应链管理者越来越依赖数据来获取支出的可见性，确定成本和绩效的趋势，并支持流程控制，库存监控，生产优化和流程改进工作。随着大数据分析能力和供应链管理的结合，有学者提出供应链智能或供应链分析相关的术语，但学界还没有达成共识，Chae[2]认为供应链分析，作为支持IT的动态分析功能，一般包括数据管理功能，供应链流程分析功能和供应链绩效管理功能。

近年来Web2.0应用呈爆炸性增长，其中微博作为全媒体化社交平台，4.62亿月活跃用户日均文字发布量1.3亿，月视频播放量10亿以上的内容领域近20个(《2018微博用户发展报告》)因此，社交媒体在很大程度上促进了大数据的出现。同大数据分析一样，社交媒体分析通过获取数据、解释数据、呈现结果三个步骤来形成管理情报[3]。因此本文从大数据驱动和社交媒体数据驱动两个方面对大数据分析在供应链管理中的应用研究进行综述。

二、大数据驱动供应链管理相关研究

目前有关大数据在供应链管理中的应用研究中，关于供应链管理战略与决策方面，Tan等人[4]开发了一个用于提取大数据的演绎图模型，用来提取并发展不同能力集之间的相互关系，从而为公司大规模战略分析创造了机会，以提高供应链创新的能力；Queiroz等[5]分析了巴西不同组织在供应链管理水平的大数据分析的现状，并提出了一个框架来分析企业在物流和供应链管理中实施大数据分析项目的成熟度。Wantao等[6]通过结构方程验证了数据驱动的供应链对供应链能力的价值，同时还表明供应链的协调和响应能力对财务业绩有积极影响。Antonella等[7]认为大数据分析对战略采购阶段(采购战略配置，反向营销和支出分析)和采购实施阶段(供应商评估，谈判和选择方面)具有最大的潜在影响。

关于供应链管理的风险与预测方面，Tsao[8]考虑了一个供应商——零售商渠道，大数据分析可用于缓解向客户提供贸易信贷会产生违约风险，并定量分析了哪一方应实施大数据分析战略。Bernhard等人[9]通过德尔菲法研究表明大数据分析将改善需求预测，减少安全库存并改善供应商绩效管理。德尔菲研究表明，大数据分析应用可以通过提高预测的准确性来降低信息处理要求，以及通过建立供应链透明度来增加信息处理能力，从而促进决策和对供应链中断的快速响应。

关于供应链管理敏捷性和可持续性方面，Giannakis等[10]开发了一个基于多代理的供应链管理系统，整合大数据分析帮助克服供应链敏捷性与全球供应链复杂性之间的权衡。Hazen等[11]呼吁供应链管理者重视数据的质量问题，基于质量差的数据的决策结果可能代价高昂。

三、社交媒体数据驱动在供应链管理中的应用研究

在供应链合作关系管理中，早期，有学者开始研究社交媒体对供应链管理产生的潜在影响，O’Leaery[12]利用经济学理论分析指出社交媒体可以被用来剔除或减少供应链中的信息不对称。Mamic等[13]通过内容分析探讨了一批大型公司利用推特平台与其利益相关者保持良好关系的应用情况，发现这些公司在利用推特提供的交互潜力构建与利益相关者间互利关系方面仍存在很大提升空间；Swain等[14]探讨了在线公司生成内容对供应链的影响，研究表明利用社交媒体能够增进信息共享与合作，提升供应链整体绩效；Grant[15]解释了英国保险市场供应链背景下早期社交媒体知识共享的采用，揭示了一系列支持信息和知识交流的新兴实践，但这些实践主要受到购买力和供应商竞争等组织因素的驱动。

在客户关系管理方面，Singh等[16]利用文本分析和分层聚类的大数据分析方法，研究食品供应链相关的推特数据，为供应链决策者提供有关客户反馈以及食品流程和质量问题；Fan等[17]基于扎根理论利用推特数据研究航空公司社交媒体账户对客户投诉的反应以及其对客户情绪和满意度的影响。Bhattacharjya等[18]研究推特上电子零售商与物流相关的客户服务互动的有效性，以期识别有效和无效的社交媒体客户服务策略。

在需求与销售管理方面，See-To等[19]利用天猫交易数据以及消费者评论数据研究快时尚行业的短期需求分配和销售预测模型，以帮助管理者可以在库存管理、产能利用以及供应链运营中的超前和滞后时间方面做出更好的决策；Cui等[20]利用机器学习的方法研究证实使用公开的社交媒体信息会显著提高公司内部销售预测的准确性。社交媒体正凭借其强大的变革力量推动着供应链管理的发展。

四、总结

在大数据驱动供应链管理的应用研究中，目前多数研究都是基于理论研究，很少有学者进行实证分析进行探索具体如何将大数据分析方法应用于供应链管理中的各个环节。并且多数理论模型都是通过“供应商-制造商”这样一个简单的供应链体系，或者仅仅从某一个角度进行切入，不适合复杂的供应链网络和宏观层面的供应链架构。如何克服多维度的障碍有待学者进一步的研究。在社交媒体数据驱动供应链管理的应用研究中，绝大部分研究都聚焦于供应链的下游，如客户关系管理、需求和销售等环节，如何探究供应链上游中社交媒体数据驱动对供应链管理决策的影响有待学者进一步研究。

除此之外，供应链管理中的许多实证研究都是基于对原始数据的分析——为了研究目的而收集的数据。物流和供应链管理领域的研究特点是过度依赖调查方法的使用，并在较小程度上进行案例研究。而随着社交媒体数据越来越受到供应链管理实践和研究的重视，在社交媒体数据驱动在供应链管理中的应用研究中已经有学者开始利用社交媒体大数据直接作为研究数据来源，而如何有效提高社交媒体非结构化数据的分析能力成为供应链管理研究的一大障碍。