数字经济背景下快递企业创新效率研究

赵佳欣 宋良荣

摘 要：数字经济的发展催生了新的商业模式和增长动力，重塑了传统产业格局。企业的创新水平逐渐成为生存和发展的重要因素。物流业作为流通企业的分支，有效运用创新技术能够改善企业管理效率形成现代化组织。通过运用五力模型详细分析快递行业现状，发现行业竞争激烈，利用先进科技创新技术助力其降本增效，已成为物流企业努力打造的新竞争优势。接着对快递行业相关文献进行梳理，发现关于快递行业的创新效率研究相对较少。引入数字技术应用水平作为投入变量，采用DEA方法探究快递企业创新效率现状，发现行业整体创新效率较低。最后提出快递行业提升创新绩效的措施，为物流企业创新技术和业务模式、建设成为现代物流提供参考。

关键词：数字技术；创新效率；快递企业；五力模型；DEA

中图分类号：F253；F49文献标志码：ADOI：10.13714/j.cnki.1002-3100.2024.10.012

Abstract： The development of the digital economy has given rise to new business models and growth drivers， reshaping the traditional industrial landscape. The innovation level of enterprises has gradually become an important factor for survival and development. Logistics being a branch of the distribution enterprise， the effective use of innovative technology can improve enterprise management efficiency to form a modern organisation. This paper uses Five Forces Model to analyse the current situation of the express delivery industry in detail， and finds that the industry is highly competitive， that using advanced scientific  and technological innovations to help it reduce costs and increase efficiency has become a new competitive advantage that the logistics enterprise strives to create. Then the paper sorts out the relevant literature on the express delivery industry and finds that there are relatively few studies on the innovation efficiency of the express delivery industry. Introducing the level of digital technology application as an input variable， the DEA method is used to explore the current situation of innovation efficiency of express delivery enterprises， and it is found that the overall innovation efficiency of the industry is low. Finally， the measures to improve the innovation performance of express industry are proposed to provide references for logistics enterprises to innovate technology and business model and to become modern logistics.

Key words： digital technology; innovation efficiency; express enterprises; Five Forces  Model; DEA

0    引    言

当前处于数字经济时代，电子商务、人工智能、大数据等先进技术的应用不断推动物流业的数字化转型。2022年5月国务院发布《“十四五”现代物流发展规划》，是现代物流领域首份国家级的五年规划，表明推动物流行业现代化建设具备国家战略意义。流通领域技术创新是流通现代化转型和高质量发展的关键[1]，物流业作为流通企业的一个分支，有效运用创新技术能够改善企业管理效率形成现代化组织。随着我国电子商务的高速发展，快递服务也迎来了高速的发展时期，然而对于大部分物流企业而言，如何充分将创新投入有效转化为创新产出，仍是亟待解决的问题。国内外不少学者采用DEA及其衍生模型对物流企业效率开展测度。史成东等[2]、李晓梅等[3]、采用CCR-DEA评价物流企业的综合绩效；Min等[4]采用DEA对第三方物流企业绩效进行评价。徐广姝等[5]运用DEA-ANP模型，从主观和客观的角度，研究海口市快递企业营业效率[5]。江兵等[6]运用拓展的DEA模型对合肥市物流企业的能源利用效率进行评价。目前大多数物流企业的效率评价集中在综合效率，少数文献研究其服务效率、营业效率和能源利用效率，对物流企业创新效率的评价较少，因此本文结合行业宏观环境对快递企业创新效率进行评价。

本文可能的贡献有：第一，运用五力模型详细分析快递行业现状。第二，结合企业深化数字化转型的背景，引入数字技术应用水平作为投入变量，探究快递企业创新效率的现状。第三，针对性地提出快递行业提升创新绩效的措施，为建设现代物流提供参考。

1    行业分析

1.1    行业发展情况

如图1所示，我国快递行业主要经历了三个发展阶段，首先，2006年随着电子商务的产生，不少民营快递打破EMS的垄断进入市场。2011—2020年处于成长阶段，快递规模不断扩张，业务量不断增加，竞争也更加激烈，不少尾部企业陆续退出。2020年至今，行业集中度持续提升，头部企业竞争加剧。根据招商证券行业研究报告显示，目前中国快递行业正在从集中阶段迈向寡头垄断阶段。

随着我国电子商务的高速发展，快递服务作为线上交易流程的关键环节，也随之迎来了高速的发展时期，2018—2022年快递业务总量增长较为明显。根据国家邮政局统计的数据，2009年全年我国快递业务总量为15.58亿件，经过十年的发展，2018年度国内快递业务总量已达到507.1亿件，是2009年的约32.5倍。2022年度国内快递业务总量1 105.8亿件，同比增长2.1%，较前一年的增长率有较大幅度的下降。同时，近5年快递业务收入逐年递增，其中2022年快递收入实现10 566.7亿元，同比增长2.3%，占行业总收入的比重为78.2％，比上年下降了3.5个百分点。顺丰、“三通一达”等民营快递公司业务量占我国快递市场总量 90%以上，是我国快递市场的主要企业。

1.2    行业竞争分析

通过波特五力模型对快递行业的竞争情况进行分析。波特五力模型是迈克尔·波特（Michael Porter）于20世纪80年代初提出的。他认为行业中存在着决定竞争规模和程度的五种力量，这五种力量综合起来影响着产业的吸引力以及现有企业的竞争战略决策。

通过对快递行业进行五力竞争分析（见图2）发现，当前行业竞争较为激烈，上游增量需求趋缓、自身成本下行空间有限，头部快递企业的竞争强度提升。物流企业需要利用先进物流技术应用推动客户供应链数字化变革，助力其降本增效，打造新的竞争优势。Arrow提出市场竞争会促进企业的创新[7]。技术进步、资源环境的变化都使得物流企业创新活动日益频繁，那么其创新效率又如何呢？本文为解决这一问题展开研究。

2    文献综述

2.1    物流效率相关研究

国内外不少学者采用DEA及其衍生模型对物流企业效率开展测度。美国著名运筹学家Charnes等1978年首次提出了数据包络分析方法（Data Envelopment Analysis，DEA），这是一种以相对效率为基础，利用线性规划的非参数统计方法，通过一个介于“最坏”（0）和“最好”（1）之间的标量对有可比性决策单元的投入和产出进行评价，最突出的优势就是可以处理多指标投入和多指标产出，同时在计算时非常具有客观性[8]。

关于物流效率的研究主要涉及以下几个方面。使用DEA对物流综合效率进行评价：史成东等[2]、李晓梅等[3]、采用CCR-DEA评价物流企业的绩效；谢文佳运用传统的DEA模型对我国5家快递物流企业的动态效率进行测度，分析其无效的原因并提出对策[9]；王博等采用三阶段DEA对“一带一路”附近地区的物流效率进行评价[10]；国外学者Min 等[4]采用数据包络对第三方物流企业的绩效进行评价。秦雯等运用超效率三阶段DEA模型测度珠江西岸物流产业的效率，并利用随机前沿分析探究其效率影响因素[11]。乐小兵等通过DEA中的CCR模型测量广西省的物流服务效率[12]；徐广姝等[5]运用DEA-ANP模型，集合主观和客观的角度，以海口市快递企业营业部为研究对象，研究其快递营业效率。江兵等[6]运用拓展的DEA模型对合肥市物流企业的能源利用效率进行评价。可知目前大多数关于物流企业的效率评价集中在综合效率，少数文献研究其服务效率、营业效率和能源利用效率，对物流企业创新效率的评价较少。

2.2    创新效率指标选择

创新效率，也被称为创新绩效，被定义为某些经济体（例如企业、产业或者其他部门）开展创新活动的效率、产出的效果和对经济体商业成功的贡献[13]。测量创新效率的方法主要有多指标体系法、随机前沿分析和数据包络分析，数据包络分析（DEA）作为一种非参数的方法，不受参数结构约束、数据量需求小并且结果易于理解，因此不少学者运用DEA及其衍生模型对区域或产业进行创新效率的计量[14]。采用DEA方法最重要的就是要找到恰当的产出指标和投入指标。投入指标一般从人、财、资源等方面考虑，参考已有文献，产出指标根据研究主题尽可能选择已经公认的数据作为指标。如表1所示。

在当前数字经济环境下，不少物流企业通过数字化转型提高企业的管理效率，促使企业提升和保持核心竞争力[15]。参考2016年G20峰会关于数字经济的定义，即数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。数字经济贯穿设计、生产、营销和渠道等全过程，不仅指数字产业化，也涉及产业数字化[16]，将新兴技术应用于传统行业中，推动传统企业创造价值优势。组织由于数字技术的持续渗透一定程度上能够促使其他利益相关者深度参与到创新过程中，拓宽组织的创新边界[17]。因此，本文通过引入数字技术应用程度作为衡量企业创新效率的创新投入指标。

暂时还未有广受认可的指标衡量企业的数字技术应用水平，正式文件中某一关键词出现的频率可能与企业对其的重视程度相关，因此对上市公司的年报采用文本分析统计相关词频[18–20]，以衡量某些不可量化的指标[21-22]。陈守明等为了使变量更精确，在统计累计词频的基础上除以年报的总词数消除年报长度差异性的影响[23]。但是通过统计相关数字技术的词频反映数字水平太过于表面，没办法深入了解实际的情况。而且简单地统计词频可能会忽略词语的上下文联系和语义含义，导致误导性的结论。财政部于2023年8月1日印发了《企业数据资源相关会计处理暂行规定》，规范企业数据资源相关会计的处理，虽然未对数据资产给出明确的定义，但也有不少学者展开相关研究。本文关于数字技术应用水平的定义借鉴周洲等[24]、张永珅等[25]、祁怀锦等[16]的做法，以上市公司财务报表附注披露的年末无形资产明细中与数字技术相关部分占企业资产总额的比例作为其代理变量，其中与数字技术相关部分参考赵宸宇构建的企业数字化关键词[26]。 Birch等学者认为大数据时代下，用户数据作为企业资产也可以为企业绩效做出贡献[27]，因此本文将客户关系考虑在内。具体地结合邮政业企业，当无形资产明细项目中包含“软件”“客户关系”等时，认为该明细为“数字经济技术无形资产”，计算多项明细的总和占总无形资产的比例，即为企业数字经济程度的代理变量。

3    快递企业创新效率评价

3.1    模    型

3.1.1    DEA-BCC模型

DEA-BCC模型由美国学者Banker等在1984年提出[28]，BCC模型是对CCR模型的改进，不仅将固定规模报酬的假设放宽为变动规模报酬，而且还可以将CCR所求的效率值进一步分解为纯技术效率和规模效率的乘积，方便找到效率不足的原因[29]。

根据对效率的测量方式不同，DEA模型包含投入导向、产出导向和非导向。投入导向强调在不减少产出的情况下，最小化投入；产出导向关注在不增加投入时，产出最大；非导向模型同时从投入和产出两个方面测量。本文选择投入导向 ，因为投入导向的DEA方法关注的是企业将输入资源转化为产出的能力。在创新效率测算中，用投入导向的DEA方法能够帮助我们评估企业在给定资源投入下的创新产出效率。

其中，为第j个公司DMUj0的效率值，为投入变量，为产出变量，、分别为投入、产出松弛变量，为输入、输出指标值的权系数。

3.1.2    Malmquist指数

Malmquist指数是一种非参数的技术效率变化指标，用于测量单位的技术效率在时间间隔内的改变。该指数基于DEA模型，比较了两个时间点上单位的相对效率，通过比较两个时间点上的单位生产可能集之间的差异来评估单位生产率的变化。

3.2    指标及数据

3.2.1    指    标

通过第二部分文献综述部分，得出本文研究所选的指标（如表2所示）。

3.2.2    数据来源

本文的研究对象是上市邮政业企业，考虑到相关公司的上市时间和数据的可得性，时间跨度为2018—2022年，数据来源主要包含两个部分：用以评价快递行业创新效率的变量主要来自国泰安数据库（CSMAR）和锐思数据库（RESSET），个别缺失指标通过整理年度报告进行补齐，企业当年专利申请专利数通过国家知识产权局收集得到。

数据内含有0、负数及数据量纲差距过大的情形，所以先进行数据标准化处理，数据标准化的方法为Min-Max标准化法，即：0.9*+0.1。

3.3    静态效率评价

3.3.1    快递行业整体角度

如表3所示，2018—2022年我国5家快递公司的综合效率均值小于1，并在整体上呈现下降的趋势。具体的，2020年和2022年5家快递公司均没有实现综合效率为1，说明邮政业行业整体创新效率均处于非有效水平，行业整体的技术创新水平低，可能原因是创新资源利用不合理，规模效应没有得到充分发挥，快递企业在创新效率方面存在较大的改进空间。具体见表4。

2018—2022年度，邮政业企业技术效率均值呈现下降的趋势，探究其深层次原因，纯技术效率和规模效率都下降，但是规模效率是技术效率下降的主要原因。纯技术效率反映公司技术水平达到该行业技术水平的程度。当纯技术效率小于1时，说明公司处于技术非有效状态，该公司的技术水平没有达到行业平均水平。规模效率的值降低趋势明显，说明若增加投入变量，产出变量增加将低于投入变量，规模不经济。因此，快递企业应该根据规模报酬状态适当减少研发投入，提高技术水平和管理能力，提升创新效率。

3.3.2    个别公司角度

如表5所示，2018年，申通和圆通快递实现了DEA有效；2019年，韵达和圆通快递实现DEA有效；2021年，只有德邦速递实现DEA有效；说明这些公司的人力和资金投资得到了良性的匹配，实现了投入要素最大转化，创新水平相对较高。

通过比较5家快递公司近五年创新综合效率的均值发现，圆通和德邦的表现相对较好。

综上所述，近五年来，邮政业整体创新综合效率水平不佳，在创新效率方面存在很大的改进空间，可以从提升纯技术效率和规模效率方面改进。从具体公司角度看，圆通和德邦的创新效率相对有效，但是仍然存在优化空间，可以进一步改进管理或加大研发投入。

3.4    动态效率评价

DEA-BCC模型只能获得静态创新效率，无法获得其变化趋势，因此为了了解邮政业创新效率的变化趋势，利用DEA-Malmquist指数计算2018—2022年5家快递公司科技创新的全生产要素变化，并对其进行分解。具体见表6。

从表7的结果可以看出，5家快递公司创新的全要素生产率除了圆通都呈现出了递增的趋势，韵达的增幅最大。主要的原因是韵达有较明显的技术进步。圆通的全要素生产率下降了3.2%，主要是受技术进步的制约。这5家快递公司的技术效率相对稳定，韵达、顺丰、申通的技术效率略有上升，规模效率和技术效率对其产生影响。

对于圆通和德邦来说，分析其2018—2022年度的全要素生产率指数分解指数，可以看出来这5年间圆通快递和德邦速递技术效率始终为1，即分解后的纯技术效率变化指数以及纯规模效率变化指数均为1，因此全要素生产率主要受技术进步指数制约，技术进步成为圆通和德邦的创新科技效率变化不大的主要原因，这进一步说明科技创新资源的配置效率低下以及科技发展的水平不足不利于德邦和圆通的科技创新[30]。

4    结论及建议

通过对快递企业创新效率的静态和动态测算可以发现，行业创新效率较低，有很大的提升空间。相比其他公司，圆通和德邦的静态创新效率有一定优势，但是从时间维度上看，圆通速递的全要素生产率却是减少的，可能的原因是企业在管理层面存在问题，导致资源分配不合理、生产过程效率低下等阻碍了技术进步的推进。

结合行业现状，提出提升快递行业创新效率的建议。

1）设立专门的研发部门：快递企业可以设立专门的研发部门或实验室，专注于物流技术、信息系统和配送网络的创新研发工作，这样可以集中资源和专业技术人员，加强对新技术、新设备和新工艺的研究和开发，以提高企业的创新能力和效率。

2）加强技术人才培养：快递企业可以招聘和培养具有物流和信息技术背景的人才。这些人才可以带来新的思路和技能，推动企业技术创新和效率提升。此外，企业还可以与高校、科研机构等建立合作关系，共同培养和引进相关领域的人才。可以建立激励机制，鼓励员工提出创新想法和方案，并给予相应的奖励和认可，激发员工的主动性和创造力，促进创新活动的开展。

3）关注市场需求与反馈：一方面，快递企业应密切关注市场需求和客户反馈，及时调整产品和服务的创新方向。通过深入了解客户需求和行业趋势，企业可以更加精准地进行技术创新，提高创新的针对性和有效性。另一方面，可以与电商平台、供应链企业等相关行业进行合作，共享资源和信息。通过整合各方的优势，提高配送效率和客户体验，进一步拓展市场。

综上所述，快递企业可以通过设立研发部门、加强人才培养、建立创新激励机制、开展技术合作与共享，以及关注市场需求与反馈等措施来提升创新效率。同时，政府和行业协会等也可以提供技术支持和数据共享平台，促进企业之间的合作和合理竞争，共同推进行业创新和效率提升。

参考文献：

[1] 肖瑶．流通高质量发展内涵、存在的问题及实现途径[J]．商业经济研究，2022（3）： 16-19．

[2] 史成东，陈菊红，张雅琪．物流公司绩效的DEA交叉评价[J]．系统工程，2010，28（1）： 47-52．

[3] 李晓梅，白雪飞．基于超效率CCR-DEA的国有物流企业绩效实证分析——基于16家上市物流企业的样本数据[J/OL]． 中国流通经济，2016，30（4）： 26-32.[2023-09-28].https：//doi.org/10.14089/j.cnki.cn11-3664/f.2016.04.004．

[4] MIN H，JOO S J．Benchmarking the operational efficiency of third party logistics providers using data envelopment analysis[J/OL]．Supply  Chain Management： An International Journal，2006，11（3）： 259-265.[2023-09-30].https：//doi.org/10.1108/13598540610662167.

[5] 徐广姝，张学文，张海芳．基于DEA-ANP的快递企业绩效评价研究[J]．数学的实践与认识，2017，47（10）： 89-98．

[6] 江兵，付丹阳，梁昌勇．基于扩展DEA的物流业能源效率评价研究[J]．中国管理科学，2015，23（S1）： 518-524．

[7] ARROW K J．Economic Welfare and the allocation of resources for invention[C]//ROWLEY C K．Readings in Industrial Economics．  London：Palgrave，1972：219-236．

[8] CHARNES A，COOPER W W，RHODES E．Measuring the efficiency of decision making units[J/OL]．European Journal of Operational    Research，1978，2（6）： 429-444．[2023-10-10]．https：//doi.org/10.1016/0377-2217（78）90138-8．

[9] 谢文佳．我国快递物流企业动态效率测度及其改进研究——基于跨区域典型快递物流上市企业的经验分析[J]．商业经济研究，  2019（19）： 103-106．

[10]王博，祝宏辉，刘林．我国“一带一路”沿线区域物流效率综合评价——基于三阶段DEA模型[J/OL]．华东经济管理，2019，33（5）：  76-82.[2023-10-15].https：//doi.org/10.19629/j.cnki.34-1014/f.180523017．

[1 1]   秦雯，倪容.科技创新对珠江西岸物流产业效率的影响——基于超效率三阶段数据包络分析模型[J].科技管理研究，2022，42（20）： 89-95.

[12] 乐小兵，王瑛．基于DEA模型的广西物流服务效率评价研究[J]．科技管理研究，2014，34（5）： 54-57．

[13] 高建，汪剑飞，魏平．企业技术创新绩效指标：现状、问题和新概念模型[J/OL]．科研管理，2004（S1）： 14-22．[2023-10-15]．    https：//doi.org/10.19571/j.cnki.1000-2995.2004.s1.004．

[14] 陈鸣，孙红军，杨颖梅．包含零值数据的企业创新绩效测度[J/OL]．统计与决策，2021，37（20）： 166-170．[2023-10-15]．   https：//doi.org/10.13546/j.cnki.tjyjc.2021.20.036．

[15] 张倩，任保平．数字经济驱动产业链现代化的机制、目标与路径[J]．郑州大学学报（哲学社会科学版）：2023，56（5）：36-45，128.

[16] 祁怀锦，曹修琴，刘艳霞．数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角[J]．改革，2020（4）： 50-64.

[17] NAMBISAN S，WRIGHT M，FELDMAN M．The digital transformation of innovation and entrepreneurship： Progress，challenges  and key themes[J/OL]．Research Policy，2019，48（8）： 103773.[2023-10-15].https：//doi.org/10.1016/j.respol.2019.03.018．

[18] 陈庆江，万茂丰，王彦萌．数字技术应用对企业双元创新的影响——基于组织生命周期的实证检验[J/OL].软科学，2021，35（11）： 92-98.[2023-10-15].https：//doi.org/10.13956/j.ss.1001-8409.2021.11.15．

[19] 梁玲玲，李烨，陈松．数字技术驱动下的企业开放式创新路径研究——基于fsQCA方法的组态效应分析[J]．科技管理研究， 2022，42（17）： 142-150．

[20] 吴非，胡慧芷，林慧妍，等．企业数字化转型与资本市场表现——来自股票流动性的经验证据[J/OL]．管理世界，2021，37（7）：  130-144，10.[2023-10-15].https：//doi.org/10.19744/j.cnki.11-1235/f.2021.0097．

[21] D' SVENI R A，MACMILLAN I C．Crisis and the content of managerial communications： A study of the focus of attention of top managers in    surviving and failing firms[J/OL]．Administrative Science Quarterly，1990，35（4）： 634-657.[2023-10-22].https：//doi.org/10.2307/2393512．

[22] CHEN Shouming，BU Miao，WU Sibin，et al．How does TMT attention to innovation of Chinese firms influence firm innovation activities？   A study on the moderating role of corporate governance[J/OL]．Journal of Business Research，2015，68： 1127-1135.[2023-10-25].https：//api.  semanticscholar.org/CorpusID：153992668．

[23] 陈守明，戴燚，盛超．我国企业对国家自主创新战略的反应：形式还是实质？[J/OL]．科学学研究，2016，34（2）： 268-278．[2023-10-25].    https：//doi.org/10.16192/j.cnki.1003-2053.2016.02.015．

[24] 周洲，吴馨童．数字技术应用对企业产品成本优势的影响[J]．管理学报，2022，19（6）： 910-918，937．

[25] 张永珅，李小波，邢铭强．企业数字化转型与审计定价[J]．审计研究，2021（3）： 62-71．

[26] 赵宸宇．数字化发展与服务化转型——来自制造业上市公司的经验证据[J]．南开管理评论，2021，24（2）： 149-163．

[27] BIRCH K，COCHRANE D，WARD C．Data as asset？ The measurement，governance，and valuation of digital personal data by  Big Tech [J/OL].Big Data & Society，2021，8（1）.[2023-11-03].https：//doi.org/10.1177/20539517211017308．

[28] BANKER R D，CHARNES A，COOPER W W．Some models for estimating technical and scale inefficiencies in data envelopment analysis [J/OL].   Management Science，1984，30（9）：1031-1142.[2023-11-03]．https：//www.onacademic.com/detail/journal_1000035914352510_92e7.html.

[29] 焦国华，江飞涛，陈舸．中国钢铁企业的相对效率与规模效率[J/OL]．中国工业经济，2007（10）： 37-44．[2023-11-05]. https：//doi.org/10.19581/j.cnki.ciejournal.2007.10.005．

[30] 兰海，吴悦，王丹．基于DEA和Malmquist指数的青海省科技创新效率研究[J]．科技管理研究，2021，41（17）： 40-46．