基于DEA方法的智慧物流公司绩效评价研究

文/陆益明

引言。

智慧物流是以信息化为主要依托，得益于物联网等技术的不断进步，在物流价值链上的六项基本环节实现实时系统感知和数据收集的智能型物流系统。目前经济全球化进程加快，电子商务飞速发展，新业态、新模式不断涌现，社会生产生活对物流行业提出了更高的发展要求，物流业正面临亘古未有的机遇和挑战，行业急需利用数字化、智能化实现物流产业智能化发展。2018年国家发改委在《国家物流枢纽布局和建设规划》中强调“要求顺应现代物流业发展新趋势，加强现代信息技术和智能化、绿色化装备应用，打造绿色智慧型国家物流枢纽”。随着物流产业结构的变化、贸易结构变化和供需双方结构的变化，以信息技术为基础的智慧物流正在以惊人的速度发展。智慧物流公司的发展是智慧物流行业发展的重要组成部分，随着智慧物流产业市场规模逐步扩大，物流领域企业纷纷布局智慧物流行业。在此智慧物流的公司绩效衡量问题成为智慧物流行业发展体系下的重要研究问题，能够激励智慧物流公司可持续快速发展，并为提高智慧物流行业的发展水平提供经验。目前，关于智慧物流公司的绩效研究较少。本文在梳理已有文献的基础上，收集了2016年至2020年十个上市智慧物流企业年报中关于智慧物流的资金投入和经营情况数据，构建智慧物流公司绩效的评价指标，运用效率评价方法中的数学包络分析方法（DEA），从综合效率、纯技术效率、规模效率和规模收益四个角度探讨智慧物流的布局对企业绩效的影响，并在已有研究的基础上，为智慧物流企业的智慧化升级提供建议。

一、文献综述。

智慧物流是在传统物流的基础上利用大数据技术、智慧系统对物流各流程数据进行实时收集并处理，实现可视化智能监控、优化、管理，从而降低经营成本、提高生产效率、推动服务增值的先进物流管理模式，本质是一种人与物之间的信息交互，是数字经济与物流业的融合，是一种高层次的物流形态[1]。与传统模式不同的是，通过数据的获取、传输、存储、运用等交互步骤，智慧物流朝着网格化、全面化、数字化和精细化方向发展，并逐渐与多种业态融合，产生新的模式和业态[2]。随着政策环境的改善和以大数据为核心的科技技术的运用与普及，物流管理数字化体系加速建设，物流物联网逐渐形成，以“大数据+物流”为中心的智慧物流发展日渐成熟，经历了初期融合阶段和逐渐渗透阶段，进入广泛应用阶段[3]。智慧物流市场规模逐步扩大，产业链逐渐完整，成为物流业供给侧改革的重要抓手，为行业转型。在智能制造和电商快速发展的大环境下，智慧物流对促进经济发展具有关键性作用，能够推动物流行业的高质量转型升级[1]。同时，智慧物流能够提升物流效益，缓解成本压力、完善物流服务、增强用户体验，是传统物流企业转型升级的重要方向和发展优势[4]。在此背景下，物流企业尤其是大型企业纷纷布局智慧物流产业链，试图抢占智慧物流的风口，共同推动物流产业的转型升级，然而智慧物流公司的企业绩效的评价研究依然有待深入研究。目前国内外学者主要使用定性研究，将目光主要聚焦于智慧物流的发展态势、发展模式、发展问题和对策研究，智慧物流对产业发展的作用的研究也相对丰富，然而对智慧物流在企业绩效中的作用的定量研究较少，仅有的少量研究也主要利用问卷调研、文本挖掘的方式收集数据探讨智慧物流的运用对物流绩效的影响。杨代君，钱慧敏等从基础设施、管理能力、智慧化水平等多个指标构建评价指标体系，运用结构方程的方法指出智慧物流实现物流的可视化管理，提高运营绩效和管理绩效，能够有效节省企业经营成本，对指导物流企业发展规模经济具有重要的现实价值[3]。王剑思等基于扎根理论构建了智慧物流企业的发展战略模型，认为智慧物流发展应注重相关政策完善、体系标准化，指标统一化、核心技术研究开发等七项策略[5]。孙磊等研究内外部因素对物流企业绩效及智慧化升级的作用，他们认为物流企业内部驱动因素水平越高，感知外部驱动因素的强度越高，就越能够促进企业智慧化升级，提高企业绩效[6]。数据包络分析（Data Envelopment Analysis，简称DEA）是以“相对效率”概念为基础，根据多指标投入和多指标产出对相同类型的单位进行相对有效性或效益评价的一种新的系统评价方法。目前，尚未有研究运用DEA方法探讨智慧物流建设对企业绩效的影响，本文利用2016年至2020年十个上市智慧物流企业年报中关于智慧物流的资金投入和经营情况数据，探讨智慧物流的布局对企业绩效的影响，并在已有研究的基础上，为智慧物流企业的智慧化升级提供建议。

二、研究设计。

1.指标体系构建。科学合理的指标体系是DEA分析的基础与前提。根据科学性、可获得性、可操作性、量化性、全面性、简约性等原则[7]，本文从投入和产出两个角度构建指标体系。投入指标选取无形资产中软件购买与自主研发的投入、专利技术等与智慧物流投入相关的指标和开发支出。软件是智慧物流公司办公和运转的基础设施。智慧物流公司的专利技术主要为在智慧物流领域的新兴技术，代表智慧物流的技术水平。开发支出表中细致的列出了智慧物流的相关技术与设备投入，例如自动化生产线研发、自动化仓储与物流研发等。产出指标体系主要从整体运营情况、偿债能力、盈利能力、发展能力等多个角度出发，选择了营业总收入、每股净资产、资产负债比率、总资产周转率和毛利率为产出二级指标。2.数据来源。为了数据的可获得性，本文选取智慧物流概念股中的上市公司进行研究，从智慧物流概念股中进行样本选择可以保证专利投入和软件投入主要在智慧物流领域。DEA方法不能处理小于0的数，并且部分公司开始智慧物流业务的时间较短，只存在近两年的数据，数据不完整，且不能排除智慧物流对企业绩效的影响存在滞后效应。为了保证数据的完整和研究的有效，本文选取了十个数据可获得的智慧物流上市公司为本文研究样本，搜集了十家上市公司2016年至2020年的指标数据。研究数据主要从上市公司的年报和巨潮网中获取。

三、实证结果及分析。

本文在智慧物流绩效评价体系的基础上对10家上市智慧物流企业相关数据进行收集与整理。运用DEA_2.1软件，将投入和产出数据带入模型中，得到上市智慧物流企业综合效率、纯技术效率和规模效率，结果如表2所示。

1.综合效率。综合效率是指投入相对产出的有效利用程度，综合效率值为1说明该企业在智慧物流上的资金投入在企业运营中能够得到有效利用，达到了最优的配置效果，对企业绩效起到了积极作用，或者在同等水平的绩效表现下，智慧物流的资源投入最小。综合效率越高，投入效率利用率表现越加优异。而综合效率较低则说明资源利用程度低，智慧物流投入存在浪费现象或者对企业绩效表现作用不明显。整体来看，综合效率平均值为0.432，表明只有43.2%的智慧物流投资得到了充分利用，大部分资源并未得到充分的利用。整体来说，资源利用率偏低，说明智慧物流仍处于探索与发展阶段，仍有很多问题和挑战需要解决，将智慧物流运用于生产运营的效率仍然具有较大的进步空间。综合效率最高值为1，最低值为0.08，最大最小值之间差距过大，表明在智慧物流领域中，各企业之间的资源利用效率差距明显。2.纯技术效率分析。纯技术效率就是不考虑规模报酬对综合技术效率的影响，只考虑最佳规模时生产要素的使用效率，受管理水平和技术水平等内部外因素的共同作用。如果纯技术效率高，则表明企业效率能够发挥现有技术水准的应用水平，利用现有技术有效的将投入转化为产出。如果效率低，则表明企业在相应的技术水平下存在发展落后的现象。整体来看，纯技术效率均值为0.885，说明十家上市公司的整体水平较高，在当下的技术水平下，智慧物流领域公司能够充分利用智慧物流技术的优势。纯技术利用效率最高值为1，最低值为0.057，最大最小值之间差距过大。十家上市公司中，除机器人和浙大网新外八家公司DEA分析有效，即纯技术效率为1，说明大部分公司注重智慧物流技术的运用，尤其是智慧物流中的大数据技术。大数据技术能够快速的获取、存储、处理海量物流数据，提高周转速度和运营效率。随着互联网、物联网、云计算等技术的推广与使用常态化，大数据技术正在改变着物质生产方式，为智慧物流的发展奠定了技术基础与物质支撑，并以惊人的力量推动了智慧物流的精细化、智能化、科学化和网络化。3.规模效率分析。规模效率是综合效率和纯技术效率的比，表明当生产规模增大或者减小时，规模收益的变化。当规模效率为1时，表明规模收益不变，智慧物流企业已经达到了最优的规模状态，当规模效率小于1时，物流企业中存在资源冗余和资源投入比例不当的现象。整体来看，规模效率平均值为0.447，表明十家智慧物流企业总体规模效率水平一般。最高值为1，最低值为0.11，企业间规模效益表现差异大。从上表中可以观察出综合效率DEA有效的三个上市公司规模效率皆为1，DEA分析仍然有效，规模达到了最优的状态，与综合效率分析结果一致。这主要与其注重技术创新与研发，管理水平逐步提高，资源配置效率高有关。其他七家公司规模效率值小于1，在扩大规模时，收益递减，运营效率降低，这表明在生产过程中智慧物流投入的比例不合理，生产分工不合理，生产关系不协调，存在盲目或过少投资、规模扩张过快或者投资规模与企业发展不适配的情况。企业需要进一步寻找最优的投资比例，调整投资规模，减少或扩大投资以适应企业的生产经营活动和发展态势，并且聚焦于管理水平的提高，注重多元化人才的培养，使管理制度改革能够与智慧物流发展同步。4.规模收益分析。规模报酬即当生产要素成比例增加时产量的产出情况。规模报酬不变即投入与产出的关系成比例不变，产出的增长趋势与投入的量无显著相关性。规模报酬递增即当投入增加时产出与投入的比例增大，规模报酬递减即当投入增加时产出与投入的比例减少。在十家企业中规模报酬不变有3家，规模报酬递减包括顺丰、厦门象屿2家上市公司，规模报酬递增包括机器人等5家公司，占比50%。规模效益递增主要是由于智慧物流仍然处于发展阶段，在进入智慧物流行业初期，企业快速成长，投入的增加将会导致产量的快速增长。而规模报酬递减主要是由于投入要素过多，生产效率与生产投入难以协调，生产效率降低，从而导致规模报酬递减的情况。提高智慧物流资源利用率是智慧物流领域提升规模报酬的重要举措，注重新兴技术的开发与利用，引进高水平技术人才，减少。5.综合效率、纯技术效率与规模效率分析。据表1，中集集团、新宁现代物流和荣联科技三家智慧物流领域的领军公司表现优异，纯技术效率、综合效率和规模效率都是DEA有效。综合考虑三个评价指标可以看出其余企业的综合效率较低主要是规模效率低导致，顺丰、机器人、天奇股份、浙大网新、远望谷、厦门象屿的规模效率均低于平均值0.447。因此，导致资源利用率低的主要诱导因素为现有投资规模与企业发展之间的矛盾。

表1绩效评价结果

四、结语。

智慧物流概念股中的上市公司的发展水平一定程度上反映出智慧物流产业发展的现状和问题。本文选择十家具有代表性的上市物流公司，并搜集上市公司2016年至2020年的相关数据运用DEA2.1软件进行DEA分析。结果表明：在现有技术下，智慧物流公司能够很好的利用大数据技术等基础技术为智慧物流发展服务，但是综合技术效率平均水平一般，资源投入的比例需要进行调整，投入产出的效率主要受投资规模的影响。本文的研究为未来的学术探究提供参考。未来的研究可以扩充样本，选择更多智慧物流公司进行研究。并且，智慧物流作为前沿领域，大部分公司布局时间短，因此本次研究只选择2016年至2020年的数据，随着智慧物流行业的发展，未来的研究可以搜集时间跨度更长的样本进行研究，以避免滞后效应对企业绩效的影响。