大数据驱动生鲜农产品供应链模式创新与运作优化

刘阳阳

（山东管理学院 山东济南 250357）

大数据有助于企业进行市场预测和快速响应，其加深了供应链与合作伙伴之间的关系，并满足了客户期望。大数据在金融、政务、互联网领域成熟度最高，而在我国农业体系中应用较少。我国正处于农业转型关键时期，大数据等技术运用将为生鲜农产品供应链创新带来新的契机。

传统生鲜农产品供应链模式存在的问题

我国生鲜农产品供应链涉及的流通环节众多，其存在“产全国销全国”的市场特点。但是，我国冷链物流尚不完善，流通环节损耗率高。另外，多级供应链使得市场信息不畅，从而导致了农产品出现一边滞销、一边紧俏的不平衡现象。本文根据中间环节的侧重点和组织主体的不同，分析了传统生鲜农产品供应链模式及存在的问题，具体如图1所示。

批发市场模式。根据全国城市农贸中心联合会调查显示，我国农产品通过批发市场流通的比率超过70%。同时，我国批发市场中的批发商多以个体存在，其仅依靠自身的收购能力和议价能力进行采购与销售。这一模式下，批发商信息数据统计落后，其对于市场信息掌握不全面，从而存在机会主义风险，即农户与市场脱节严重。

连锁商超模式。随着城镇化的进程，以社区为单位的连锁超市经营方式越来越受到市场青睐。实力雄厚的连锁企业利用自身优势，形成了统一采购、稳定销售的供应链模式。这种模式风险聚焦在采购批量与库存控制，虽然有POS系统的销售量作为参考依据，但连锁商超模式的采购周期与采购批量还是依靠人为决策，因此其误差较大。

电商、微商以及直播平台模式。电商、微商、直播平台的崛起，省略了中间批发环节，从而使商品流通更加顺畅，商品价格更加透明，其有利于农户实现自产自销。但是，这一模式的主要风险在于电商平台商家自身，对消费者而言，电商宣传的商品信息真假难辨，同时商品的质量也参差不齐，同时其物流服务也不稳定，这导致了该模式流通成本过高。

社区团购。几年来随着微信朋友圈影响力的不断扩大，先预定再采摘的社区团购模式得到了迅猛发展。此种模式是当天下单当天配送，一般微商负责营销与配送，其平台产品的价格处于中上游。这种模式的风险在于团购品种过于单一，且质量监控无法保证，同时物流服务也不稳定。

大数据驱动下生鲜农产品运作模式创新

（一）模式创新

在大数据支持下，供应链类型的企业利用物联网等技术搭建信息共享平台，能够快速组织商品从生产到销售的全过程，从而有利于其他企业完成采购、销售、物流、金融等一系列作业，这有效的降低了生鲜农产品供应链存在的风险，进而促进其了效率的提升与成本的降低。大数据驱动核心企业以供应链平台为基础，具体如图2所示，其通过对接零售商和供给商的集合体，帮助其挖掘客户需求，并利用平台协同物流运作，从而完成对客户的定制化服务。此种模式的创新点在于，整个供应链呈网状形态，可以更好的解决速度、服务质量和成本效益之间的矛盾，同时其实现了供应链运作的低成本和快反应，并满足了客户多样化的需求。

大数据下生鲜农产品供应链模式主要特点表现为：第一，拥有供应链云平台，能够对接B2B、B2C、C2C多种商业模式，从而实现了资源整合、物流追溯、品质管控、产销对接；第二，融合了“新零售+供应链”，其通过“线上平台+线下店面”的建设，实现了线下线上双向引流，进而打造商业模式→供应链策略→供应链配置→供应链运营的优化模式；第三，打造了供应链金融圈，该模式以核心企业合作机制为基础，通过抓住生产和销售两个环节的资金流通，利用大数据平台打造资金流全封闭的农产品供应链金融，从而实现各环节的利益共享。

（二）生鲜农产品供应链创新案例

大数据技术驱动生鲜农产品供应链创新的核心价值在于：第一，渠道销售业务数字化管理；第二，全渠道协同零售；第三，全程业务处理数字化、规范化、自动化、智能化。基于供应链平台支撑，大数据技术可以辐射更多的小平台并为更多的生产商与零售商提供创业机会。例如，京东发展新零售，其沉淀出了百万便利店；网红盒马，其背后有原材料直供、物流运作等一整套供应链服务。近年来，以生鲜农产品为核心的供应链企业越来越多，其都独具自身特色，具体如表1所示。

大数据驱动生鲜农产品供应链运作优化

生鲜农产品供应链平台构建的关键在于基于生产、销售、运输、仓储、装卸搬运、包装及流通加工等基础环节的技术运用，只有挖掘更多海量的信息，才能帮助决策者调整资源配置来优化战略决策，从而才能达到降低成本和提高时效的目的。大数据下生鲜农产品供应链平台的运作流程如图3所示。

（一）末端需求

在传统的供应链模式中，各企业之间缺乏战略合作和信息共享的意识，这就增加了供应链中需求预测的不稳定性。大数据在诞生初期，其主要用以分析业务数据以获取业务洞察，而网络经济经过不断的发展，其产生了海量的用户行为数据，此时大数据能够更好的协同线上线下，挖掘用户需求，了解用户的习惯、喜好、需求意愿，从而有利于企业实现精准营销。

（二）生产供应

基于大数据技术，数据能够作为新的资源要素进入生鲜农产品供应链系统，经过供应链平台的处理与挖掘，其能够帮助生产者优化生产计划，并指导农户“以销定产”。大数据技术科根据不同市场的需求，选取合适的时间、合适的区域，指导农产品生产的精细化运作，其通过采集生态环境、种植数据、生产数据，对接客户需求实现精准供给。大数据技术可以为精准生产合理配置劳动、资本、土地等生产要素，其优化了投入产出实现供需匹配，在产品监控上，通过数据积累和分析能够实现局部气象预报、病虫害预测、土壤监测等功能，这保证了农业的安全生产。

图1 传统生鲜农产品供应链模式

图2 大数据下生鲜农产品供应链模式

表1 农产品平台

图3 大数据下生鲜农产品供应链平台的运作流程

（三）物流协同

据统计，全国生鲜农产品在物流过程中的损耗超过10%，像贵州等山区较多的地方其物流损耗率达了55%。物流运作贯穿于整个供应链，其环节多、重复作业多、管理复杂，通过大数据等技术的监测与信息反馈，可以很好的控制物流运作中产生的风险。

智能运输是利用车载设备、RFID 射频识别、手机终端、汽车物联网等技术，对接GPS 、GIS、智能交通系统，自动采集和传输运输数据，对货主、司机和任务进行精准画像，从而实现精确运输计划、智能化定价、快速结算、车货匹配、避免空驶、质量安全监控等运输作业的智能管控。

大数据技术让配送系统管控更加合理和精确，其通过用感知节点即时捕捉交通条件、地理环境、客户数量、客户分布、客户订单、资金收支、营销管理、计价方案、配送员等各环节的数据信息，从而能够不断优化配送方案，实施动态配送。

智能仓储是根据销售计划、生产计划和采购计划的相关数据而进行的库存控制，其能够运用自动分拣系统和智能化信息技术，自动采集和传输出入库物流信息，安排出入库流程，实时监控库内存货情况并进行自动盘点。同时，智能仓储可以挖掘商品关联度，其运用先进算法安排全品类商品布局。在入库作业中，大数据算法能够根据上架商品的销售情况和物理属性，自动推荐最合适的存储货位。同时，大数据算法可根据商品的历史出库数据和储位数据情况，将区域相近订单集中在一起，在规划最优拣货路径同时还能平衡拣选区和仓储区的库存。在出库时，大数据算法能够找出最合适的被拣选的货位和库存数量，从而调度最合适的“人/机器人”进行搬运，这就提高了仓库效率。

智能包装与加工是人、品牌和对象之间的对话，其应用增强了消费者对产品的体验。智能包装与加工可以利用物联网等技术建立与RFID（射频识别）、NFC（近场通信）、蓝牙和智能标签等传感器的动态交互，其根据货物属性、客户要求、包装成本、环保要求等因素自动选择包装容器、包装材料和包装技术，从而提高了包装效率和效能。在智能包装过程中，企业可以嵌入传感器跟踪整个供应链的环境条件，其可以结合大数据技术监管供应链中生鲜农产品的质量问题，同时也可以实现智能分拣与配货。通过智能贴签、智慧包装技术可建立产品信息化档案，这就实现了防伪溯源、防窜货、智能配装、扫码营销等诸多功能，进而提升物流流通效率。

生鲜农产品的参与者多为中小企业与个体户，过小的企业规模很容易存在信任危机、贷款融资困难、收付账款风险等问题。供应链金融的核心是风控，而风控管理的核心是数据。利用大数据技术，金融机构可通过图像识别、语音识别、语义理解等技术实现外部高价值数据收集，其包括政府公开数据、企业官网数据、社交数据等，金融机构通过获取的客户动态数据能够更加深入地了解客户，从而能够实现数据的“穿透式”管理，这有效推进了金融业务的运作，并防止了金融风险的产生。

（四）数据处理

大数据技术对于企业发展的意义不在于掌握庞大的数据信息，而在于提高对数据的“加工”，即实现数据的“增值”。大数据处理的流程主要有四步，即采集、预处理、处理和分析、数据可视化。首先，就数据采集而言，大数据采集是通过多个数据库接收发自客户端（Web、App或者传感器形式等）的数据，其包括需求端（电商等客户端）、供给端（农产品产地追溯）、物流端（车辆、仓储、包装等设施设备）、金融结算端等多个端口，其中供应链平台集合了所有数据，用户可通过这些数据库来进行简单的查询和处理工作；其次，就预处理而言，大数据技术通过将来自前端的数据导入大型分布式的数据库或分布式的存储集群，对数据进行清洗、审核、筛选、排序等工作；再次，就数据处理与分析而言，大数据技术利用算法建立起数据的维度，从而通过挖掘数据关联性，根据大数据应用情境与决策需求，选择合适的数据分析技术；最后，就数据可视化而言，其指的是将大数据分析与预测结果以计算机图形或图像的直观方式进行显示，这一过程可与用户进行交互式处理，其能够帮助用户挖掘数据中隐含的规律性信息。