大数据下全渠道供应链服务创新决策框架

刘彩波 黄 刚 博士生

（1、武汉学院管理学院 武汉 430212；2、武汉大学经济管理学院 武汉 430072）

引言

大数据相关的信息通信技术已经广泛应用于各个领域，全球知名企业都通过大数据产品平台获取多种结构化类型的数据，并在数据信息中快速查找创新服务适用的业务范围和增加利润的方法（冯芷艳等，2013）。其中大数据及相关技术主要运用于商业增值，如加速产品、服务创新，对产品故障、顾客需求及时做出诊断预测；通过和物联网协作优化改进生产过程；提高产品质量管理水平；促进产业向智慧服务转型。过去创新主要发生在企业内部，而现在兼具开放性、网络化的创新使产品在量化生产前与用户进行互动设计成为可能（Aral等，2011）。如何开发、如何满足顾客需求，选择哪种运作模式、采用哪种决策机制等方面（冯芷艳等，2013）尤其突出。立足于以上所介绍的顾客普遍等待行为和全渠道竞争的现实环境，本文对大数据应用下的全渠道服务创新及其影响因素进行简述，并据此构造决策框架，运用信念网络衡量评估创新能力，为各企业管理者进行决策提供科学依据和支持。

全渠道供应链服务创新及其关联因素

（一）服务创新

服务创新理论。渠道中各企业服务创新。在当前竞争激烈的生产环境下，对于很多潜在竞争对手来说，服务创新主要囊括与网络联合创新、在生产服务过程中加入服务技术、和顾客积极联动创新以及技术创新四个方面内容。服务创新是一种在服务方面吸引VIP或高级顾客的新的处理方案。但很多服务创新只考虑服务方面，而忽略其他影响因素。不仅考虑服务专业方面的知识，技术知识在服务创新中也是至关重要的。Hertoq等（1999）从概念、界面、系统传递和技术方法四个维度建立服务创新模型，每个维度都由各个要素综合作用影响，因此创新产出也不尽相同。

供应链中个体与整体服务创新。供应链和各个企业是双向影响的关系，供应链由各个企业节点组成，企业业绩和运行又受供应链影响。因此服务创新无法由单个企业或单一渠道实现，必须要由各企业联合作用才能成功实施，并且还要利用知识储备、盈利能力和各方资源，充分把握其内在机理才能整合改进供应链。

大数据背景下的服务创新。数据及信息技术的发展引发了全球信息革命，也成为全球下一个生产革命的核心竞争高地，哪个国家和地区的信息化水平高，其国际竞争力就相对较强。在当前时代背景下，服务创新应是一种新颖的、能够增加综合竞争力的服务模式，还要求重视顾客需求，运用信息技术、用超网络的宏观角度去探索知识服务价值，并且能够增加更多企业利润。Chen等（2014）提出，可以利用大数据进行服务创新，比如分析顾客行为与偏好、预测顾客消费等。Kim等（2015）认为提高创新能力的方法就是通过构造分析框架来挖掘大数据中隐藏的关于顾客的有价值的信息。由此可以看出，过去研究大多关注单个企业创新，而极少关注顾客体验，也很少去整合创新整个供应链。

服务创新能力。资源要素方面。服务创新需要个体和团队共同作用，其能力也由个体创新能力和团队创新能力构成。个体主要是指员工入职教育、工作中的持续培训、积累的工作经验以及在个体之间、团队之间、个体与团队之间相互交叉的普遍性互动行为。灵活运用存在于个体之中的创新能力和每个个体的思考与技巧，就可以跃迁形成团队创新能力，进一步实现整体服务创新能力的提高。其中有形服务创新相对于无形来说，更为显性、易于编码，在向团队创新能力转变的过程中，遇到的问题相对较小。Hertog等（2010）认为要从六个方面去考察有利于提高服务创新能力的因素：感知需求与技术、培养服务思维、灵活调动服务、联合协作、拓展服务范围和学习能力。

过程方面。服务创新主要分为三个阶段，分别为概念、发展和引入。服务价值实现的第一阶段就是概念阶段。主要是构建概念架构，初步完成此过程中各方面工作内容，比如概念创意、初步开发、分析检验等。第二阶段是发展阶段，主要是论证可行性、运行环节设计、培训等。第三阶段是引入阶段，就是测评估计服务质量，给顾客使用以及意见改进等，这也是最后收尾环节。在三个阶段中，服务创新涉及生产方面的资源投入、生产、管理、营销以及人员方面的员工、顾客六个方面的创新能力整合协作。与此同时，基于服务产业发展和演变过程特征，制定包括四个维度的新路径、新策略，即服务相关的页面交互、信息化、精益化和库存。

投入产出方面。王玉梅等（2012）从投入、产出两个角度测评采用难度较高的信息技术的服务业创新能力。其中创新投入主要涉及创新可用资金、人员数量、与其他企业的合作、外部经济环境、社会文化水平、外部制度环境等方面；创新产出可以用设计带来的利润收入和员工工作带来的创新绩效来度量。而李艳华（2009）从投入、产出、环节、绩效四个角度构建评价指标体系，并对特定地区进行实证分析。但是他们都只是采取用不同指标去衡量服务创新能力，并没有考察在供应链水平上的创新，也没有去研究服务创新能力如何转化成服务产出。

（二）全渠道运营

在理论方面，许多学者还没有统一概念，大家都有自己的观点，但大多数都认同Darrell（2011）创造的全渠道零售概念。在空间上进行分类，Bur-din（2013）构造零售渠道演变路径图，认为全渠道是从多个单渠道联合形成多渠道，再由单、多渠道交叉进化而来的。李飞（2013）则对全渠道零售进行多方面、多维度剖析，包括含义、形成原因、对策以及理论和实际应用。

运营策略。近年来，随着网络的发展，线上支付、购物在顾客消费中占有越来越重要的位置，并对线下实体店造成较大冲击。通过探究该影响，分析顾客线上线下的选择作用机制，从而改进线上线下销售策略，思考怎样改变支付手段或交货方式来吸引客户，提高满意度。

定价。如何定价是多渠道供应链最为核心的问题，也是影响顾客消费需求的主要因素和学者们的研究重点。首先，在双渠道供应链中，各企业主要采用两种类型定价策略。第一种是一致定价，即所有渠道价格是一样的；第二种是差异定价，即不同渠道价格不同。虽然第一种方式的渠道冲突较少，但仍有1/3的企业采用差异定价，且一般线上价格比传统渠道价格便宜。其次，定价策略有很多影响因素：第一，产品价格，即顾客对来自不同渠道的同一产品的估价。经调查可知，顾客一般对线上估价较低，对线下估价较高，因为线下可以接触实物，通过不同感官去了解产品成分，试用感受产品性能，因此可以较为客观的判断产品价值，并且更有购物体验。而线上只能依赖图片、文字等产品介绍，往往对产品的心理预期过高，对产品价值无法做出客观判断；第二，消费者年龄阶层和线上渠道普及程度。对于年龄较大、更注重购物体验的消费者来说，传统渠道更具有优势；而对价格敏感的年轻消费者来说，线上渠道产品价格更为低廉，而且他们对于智能终端更为熟悉，所以会更倾向于线上购物；第三，对风险的敏感程度，具有风险中性特点的产品定价要高于规避型；第四，传统渠道的价格、服务和顾客对其依赖程度也具有较大干扰；第五，需求也是一个不可忽视的因素，因为在根据以上四点定价时，发现销售量仍会围绕顾客接受度和市场变化而发生明显的上下波动。

渠道供应链服务水平。渠道供应链服务水平通常用销售人员业绩、顾客服务以及创新程度来衡量。在对服务水平的衡量过程中，对价格相同、渠道不同的同一产品进行需求分析，研究服务决策和价格之间的关系可以发现，在诸多因素中销售人员努力程度作用是最大的。但在实际情况中，销售人员工作业绩情况很难进行评测分析，对零售商的销售努力程度也难以监管。王虹和周晶（2009）研究发现，存在零售商和制造商在特定区域通过投放广告抢夺市场份额的情况，因此将广告投入作为替代因素。通过对同一地区投放广告的零售商进行比对，发现多渠道价格一致时出现销售量少、销售单价高的情况；而差异定价时广告投入最多，且与不投放广告相比，投放广告能够缓解供应链中各渠道利益冲突并提高企业利润。

综上所述，在电子购物潮流的驱使下，企业为了获取更高利润、占据更多市场份额，会把更多精力投入在服务水平提高和创新上。在过去的传统单渠道环境中，线下交互可以通过销售方提供良好的购物体验及其他增值服务提高对客户的吸引力，但在如今双渠道模式中，价格已经不再是唯一的竞争要素，服务水平也被列入零售商考虑范围内。分析不同市场情况下的均衡定价策略，发现一般情况下服务不被作为决策的影响原因来考虑。而厂家直销的销售方式可以促进企业提高服务，进行服务创新。在顾客效用理论基础上进一步分析可得，当把零售商和制造商服务水平进行比较时，前者可以增加制造商、全渠道中各环节及供应链整体利润，是缓解渠道各企业矛盾的有效手段，并且渠道竞争对其提高服务水平十分有利。但就目前研究情况而言，很少有学者涉及全渠道供应链服务创新及水平问题。

大数据驱动下全渠道供应链服务创新决策架构

虽然在当今时代，大数据的利用价值十分巨大，但是对数据仍然不能做到及时、有效的利用分析，导致很多处理技术不能发挥作用，只能呈现出分散、意义不大的信息，可以供管理者参考的价值信息很少。因此，针对全渠道供应链的特征，以及针对顾客需求对服务水平和服务创新的要求，构造一个可以连接多个数据流并能够针对指定问题进行分析的数据分析流程图非常有必要，有助于在庞大数据流中挖掘真正有价值的信息。

通过挖掘现有数据，以提高服务商竞争能力为目的，本文构造科学可行的分析架构，具有以下特点：首先，要具有一定预测性，能够在一定程度上满足现有产品、服务的未来扩张需求；其次，要能够结合大数据信息，将需求转为各个子过程中可以利用的信息；最后，通过该流程和供应链运作，能够持续评估服务水平并做出改进。

接下来，从大数据中寻找影响全渠道供应链服务创新的各个要素，通过分析这些要素可以提高分析精准程度，加大企业在服务创新的成功可能性，进而获取更高利润。贝叶斯网络就是可以通过解释各变量之间相互作用的关系来有效判断消费者偏好的方法，本文借助此方法将各类数据流联结在一起，建立决策分析框架，去预测市场服务需求，分析框架如图1所示。

为了便于企业理解和操作，本文借鉴Li等（1999）的推理网络分析技术构造相似框架。该框架将决策过程分为四个阶段：第一阶段是获取所需要的大数据；第二阶段是根据大数据信息，运用一定的信息技术预测产品需求；第三阶段是将第二阶段的需求细化到各个过程，让各渠道进行针对性优化；第四阶段是对全渠道供应链的产品、服务进行循环，不断寻找问题并进行创新改进。

（一）预测服务需求

目前预测方式主要有线性回归、时间序列等，但这些方式都是用以前的数据进行预测，而当下服务需求受很多因素影响，并不局限于过去的趋势，比如营销、售后、政策等，而这些正是现在主流预测方式所缺少的考量维度。但是可以做出改进，通过从大数据中挖掘信息来提高市场需求预测精度，提高零售商竞争能力，帮助制定适应市场发展变化的营销策略、改进售后服务以及购物体验使其能让顾客满意等。本文挖掘数据的方法是把数据挖掘和贝叶斯网络相结合，即先通过数据挖掘获取有效数据，再用贝叶斯算法提取精炼数据。具体流程如下：

首先，收集数据，即获取与服务需求相关的数据信息，包括顾客购买产品记录、前期消费者对相关商品搜索的信息以及使用后对商品的评价等一些能够反映消费者偏好的数据。即在被观察的供应链总体中根据以往经验和专家建议选择合适样本，对其影响因素进行识别后成为贝叶斯网络节点，并对每个节点进行赋值。

其次，对样本数据进行预处理，便于下一步对其进行数据分析。为了易于算法建模，要用聚类分析、分层分析等统计方法对原始数据进行处理，使其赋值不连续。

再次，设计构造一个贝叶斯网络，即信度网络，一个由各环节和有向边组成的闭环图。由随机变量组成每一个节点，且用父节点指向子节点的连接方向表示变量之间的相互关系。并用条件概率表示联系强度，用无父节点的先验概率表示信息之间的关系。而相关变量的不确定性由P(X|π(X))表示，其中π(X)表示父节点X。因此，在满足贝叶斯网络的相关假设下可以表述为联合概率分布，如下所示：

一个完整的贝叶斯网络包括两个部分，即识别网络和条件概率，常见主流算法如表1所示。根据贝叶斯网络双向推理的特点，可以根据各个赋值情况计算概率，预测供应链中制造方、零售方的产品、服务需求。

最后，进行灵敏度分析。这是用来确定影响消费者偏好的要素，是衡量变量间相互关系以及决策的基石。可以通过已知的其中一个变量信息，来降低另一个变量的随机性。两个变量之间的交互信息表述为：

其中，P(A，B)表示联合概率分布，P(A)表示A的概率分布函数，P(B)表示B的概率分布函数，T(A，B)表示两个变量间的相互关系，其值越大表示联系越紧密，因此还可以通过T(A，B)的值判断变量影响程度以及对变量的关注程度。此外，贝叶斯网络中供应链各环节可以及时探测市场需求变化，并对服务创新做出反映和改进。

图1 基于大数据的全渠道服务创新分析框架

表1 贝叶斯网络的推理算法

（二）细分需求

接下来，借助推理模型对需求进行细分处理。其中需要集合各公司资源能力，并整合不同公司需求，将其细化到各个环节中，让产品在供应链内整个流程都能根据需求做出调整，还可以用可视化进行最优调节。

（三）构建产品/服务创新决策过程

采集管理数据。各类信息感知设备随着时代的进步不断更新迭代，比如摄像头、GPS、二维码、声波等。这些设备分布在周围环境中，且分布范围越来越广，收集到的数据规模也随之变得越来越大。这部分信息获取成本很高，然而内部蕴含的大部分价值都被忽视。所以为了降低获取信息的成本以及提高工作效率，管理者需要了解全渠道供应链真正重要的需要获取的信息。因此在数据实验管理初级阶段，如何制定大量数据集的存储要求和科学计算的条件至关重要。

清理、整合数据。在一般的数据分析过程中，需要处理的数据规模往往过于庞大，而且数据源非常复杂，存在数据库信息严重不一致、数据缺失和噪声不平稳的现象。因此，在分析数据前，必须要对事先收集的数据进行预处理，可以选择的方法有数据清洗、集成、转换、还原和其他能解决数据不平稳或不一致的技术。通过对数据挖掘相关技术的运用，寻找对决策者有帮助的信息，比如帮助企业发现产品、服务需求中的单一或复合技能。也可以用可视化技术去获取更多想要的信息，比如其他公司的资源能力整合以及各企业所面对的顾客需求。这些片段信息对于下一阶段分析模型的开发十分重要。

数据分析。在经过第二阶段预处理的数据比较适合用于分析。本文通过与其他企业能力集相结合的网络优化推理模型来展示产品、服务创新拓展过程。比如E、TR、SK、I分别代表待解决的问题、解决问题需要的能力集、得到解决方案的能力集和中介技能，则中介技能I是可以用来协助管理者从能力集中获取真正需要的部分。这一方法建立在推理网络图SK的基础上，用整数规划寻找开始节点经过中介技能到结束节点的最优解过程。而且E、TR、SK、I及相关技能和数据都可以从第二阶段中对数据的处理中得到，把获取的信息输入推理图，进行一系列逻辑推理过程，在大数据和全渠道供应链服务创新行为演进理论的背景下构建解决某一特定问题的模型。再通过Matlab等编程软件将推理网络的拓展过程可视化，帮助决策者得到最优解。

解释数据并做出决策。先收集数据并对其预处理，再运用推理网络进行数据分析，构建一个能不断改进的能力集合，并通过求取最优解的方式来获取全渠道管理者想要的最佳解决方案。将这个过程中获取的网络关系进行梳理，进而应用到整个全渠道供应链服务过程中，然后分析得到最佳决策。总之，以上流程可以充分细化分类产品、服务需求，构建具体分析流程，改进协调全渠道供应链，帮助制造商、零售商在产品、服务方面持续改进创新。

展望

（一）从全渠道供应链的角度怎样评估顾客购买行为？

现下流行的线上渠道主要通过文字、图片描述把产品展现给顾客，而线下渠道主要通过接触实物以及享受销售人员服务，从而给顾客带来更好的购物体验。两者相比，线上渠道的可信度远低于线下渠道，并且顾客体验更少，对于产品的匹配度更低。在大数据背景下，如何结合时代特点和电子商务发展潮流，如何运用数据中隐藏的有价值的信息，如何帮助企业在线上销售产品、服务时能够制定出最适合目标客户的营销方案，如何找到最适合的销售策略并对产品、服务做出改进，让顾客能够得到更好体验，获取更多利润是需要持续研究的。

（二）如何评估全渠道供应链创新行为？

在产品其他方面相同时，渠道服务水平对消费行为起到决定作用。此时，与缺乏变通的低服务创新相比，高服务创新会自行根据顾客需求不断优化改进，显现出更能适应顾客的需求变化以及外部资源、政策环境变化的优势。因此，可以根据创新程度将创新行为分为三个阶段，即差异化、定制化和捆绑化。

（三）如何去衡量创新能力以及构建最优决策机制？

在全渠道供应链运营模式中，每一个渠道、每一个环节的数据都是可以进行分析的。不同渠道之间、不同企业之间、不同环节之间的数据共享是不可避免的趋势。如何在数据中寻找有价值的信息，寻找其内在联系，探索顾客潜在需求，并有针对性的开展创新十分重要。其中顾客需求是最核心的信息，是全渠道供应链服务创新的来源和触发机关。