大数据供应链的发展路径研究

[摘要]分析了供应链发展中遇到的问题，提出了大数据供应链应遵循的发展路径，进而对大数据供应链的内部运行机制进行了分析，在此基础上，对阻碍大数据供应链发展的因素进行剖析，从大数据结构、企业决策方式、新的市场结构等方面详细分析了其阻碍作用的机理，并提出了相应的解决措施以帮助大数据供应链顺利构建。

[关键词]供应链管理；大数据；发展路径；运作模式

1引言

大数据颠覆了企业获取信息资源和实施决策的方式，同样，在供应链管理领域，大数据也掀起了一场革命。以大数据为基础的供应链运营方式成为了企业获取竞争优势、占据市场份额的必要手段。面对复杂的信息资源环境，供应链成员企业如何有效整合数据资源，并从中挖掘出有效的信息是实现大数据的价值所在。

国内外许多学者就“大数据为供应链带来的变革”这一议题进行了深入的探讨。Daniel QE等人提出了“大数据分析如何影响供应链的价值创造”以及“组织层面的大数据分析的关键因素是什么”等问题，然后通过动态能力理论，将大数据分析作为一种独特的信息处理能力回答了上述问题。Nagi，Eric W.T等人提出了由大数据驱动的供应链分析（Supply Chain Analysis，SCA）的概念，建立了功能、基于过程、协同、敏捷的SCA成熟度模型，并强调大数据业务分析（Big Data Business Ana-lytics，BDBA）应作为企业战略性资产，整合各项业务活动，以满足综合业务的需要。Robe～Glenn Richey Jr等人通过研究六个国家的供应链管理人员，从四个维度（音量、速度、品种和真实性）制定了一个行业基础的大数据定义。荆浩从竞争优势提升等方面对大数据环境下的商业行为模式变革进行了探索性分析，提出以“渐进式创新一创造性探索一供应链模式变革”机制来优化供应链运营。李忠顺等人从决策配置权、决策主体、决策文化和决策思维四个角度阐述了大数据对企业决策产生的影响。李文博以100个大数据案例为基础进行话语分析，探索由大数据驱动的企业商业模式创新机理。吉峰等人认为大数据能提升供应链柔性，并构建了供应链互联网化转型的概念模型，要求以数据驱动来促进信息流的创新和组织结构的优化，进而借助数据要素提升供应链柔性以获取竞争优势。

大数据技术日渐成熟，对于大数据与供应链管理关系的探讨循序渐进，供应链在当前形势下的决策将面临着更复杂的考验，那么大数据环境下的供应链价值传递过程要如何展开呢？本文通过对上述文献的研究，提出了大数据供应链应遵循的发展路径，对目前构建大数据供应链时企业面对的信息传递与共享程度、决策机制与新环境下的营销等阻碍问题进行了分析，并提出了相关应对策略。

2大数据供应链的发展路径

从供应链整体角度考虑供应链的构成要素，马士华教授将供应链划分为驱动型和拉动型供应链，这两种供应链的运作流程都是从供应到生产，再到订单交付和销售，信息流在供应链运作过程中逐级传递（如图1），其运作模式可以看作是“一个流”。

大数据丰富了供应链的功能，为供应链提供了一个转型机遇，大数据供应链的发展路径要遵循三步（如图2）。该过程以大数据资源的获取为开端，首先构建起供应链大数据平台，这是供应链成员企业获取决策信息的关键；第二步是对数据资源的有效整合，建立以大数据为导向的决策机制，实现供应链协同决策；最后，根据大数据分析，建立起详细的市场分区，将不同的竞争优势和相应的市场分区匹配，精准配置企业物流能力。这一路径应是构建大数据供应链的必经之路。

大数据供应链的运作流程不同于传统供应链，最显著的区分在于预测机制、信息流传递机制和销售策略（如图3）。

大数据供应链的预测强调的是逐级预测，在制定生产/采购计划、库存/分销计划、销售计划时要分别以大数据预测作为驱动，以了解供应链在未来运作过程中可能出现的不确定性因素和未知事件。逐级预测区别于传统供应链的末端市场需求预测信息向供应链上游传递的过程，而是贯穿從供应链供应端到需求端的始末，供应链运作职能的每次转换作为逐级预测的节点。

大数据供应链的信息流采用“一对多”传递机制，供应链成员企业从大数据平台上获取决策所需的信息。该种模式能够降低信息流逐级传递过程的失真，是弱化供应链长鞭效应的有效途径。同时，这样的信息流传递机制能够有效减少供应链各级子系统的时滞，加强供应链信息共享，使供应链的扩张不受级数的约束。

大数据供应链的末端不是广义的销售市场，而是一个个精细的市场分区，这是一个与顾客“平均需求”相对的概念，此时的销售商需要充分理解消费者的个性化需求，通过对消费大数据的处理来驱动供应链的市场分区，当精细的市场分区被划分，销售商要制定出相应的营销策略，用大数据的思想解决“顾客在哪里”的问题。

3构建大数据供应链的阻碍

3.1数据偏向非结构化，难以形成有效信息

大数据的价值在于其信息化的有效转化，有效的信息流传递过程是供应链知识管理的必要手段，而数据通过识别处理才能转化成供应链知识流。供应链大数据来源主要有三部分，企业数据（ERP、CRM数据）、生产过程数据（机器、传感器数据）和社交数据（用户行为），体量巨大和低价值密度是大数据最显著的两个特征，庞杂的数据中仅有有限的数据可以转化为有效的信息，传统的数据处理手段难以抓取大数据中的有效信息，因此大数据的价值无法充分体现。

传统的数据处理倾向于挖掘数据间的因果关系，以实现供应链隐性知识向显性知识的转化，推动供应链创新能力的螺旋式上升，但非结构化大数据是充分碎片化的，对于混合渠道下供应链知识传递过程所要求的前后联系的信息来说，找到数据间的相关关系是实现大数据价值的重要手段，而碎片化的信息不能形成完整的流，因此，大数据资源的整合是实现其价值的难点之一。

3.2大数据使供应链决策机制发生改变，成员企业无法适应

大数据背景下，供应链结构趋向于扁平化，基于大数据的社会化媒体来发掘用户需求的社会化决策不断兴起，更多的决策主体参与到决策权的配置中来，这使供应链面对更高的外部不确定性风险。Meaghter等学者通过研究发现，当企业面临的不确定程度越高，定制化服务规模越大，企业经营权分散程度则越大，决策权更倾向于向组织结构底层分散。

当前环境下的供应链管理中，供应链前端与末端（主要指最终用户）成员参与到核心企业的决策中，使供应链的决策权发生转移，供应链面对更复杂的决策环境，决策冲突的风险增加，若此时依然要实现以数据驱动决策，则要求非核心企业也拥有大数据能力这样的基础性资源，而使供应链各节点企业拥有这样的大数据能力无疑会增加供应链总成本，不管是从大数据技术角度还是人才配置角度来看，多数企业往往会采取投机行为来避免自身成本的增加以保证竞争实力。

3.3大数据模糊了供应链边界，使信息过于开放共享

企业边界是界定企业经营规模和范围的重要概念，使企业自身活动和市场手段的经营动作加以区分，从经典的交易成本经济学观点来看，企业边界定义为企业内交易的边际费用与市场中交易的边际费用相等时的临界点。在大数据时代，数据成本将会成为影响企业运行的主要因素，同时数据处理方式改变了供应链交易模式，从而使企业趋向离散化，使企业横向、纵向和跨界发展。

基于互联网的大数据技术使供应链成员企业获取市场、用户、产品等数据更加便捷，供应链生态系统内外部的数据交流活动更加频繁，信息共享机制更加开放，大数据理论使市场进行融合，传统行业的边界逐渐模糊，供应链成员企业在适应新环境的同时，还面临着更加多元化的竞争与合作方式。

3.4大数据使市场重构，给营销带来新挑战

满足用户需求是供应链的最终目标之一，通过对用户需求进行策略性的分析，实施相应的营销方式是供应链获取利润的有效手段，上文提到的企业边界的开放加速了市场重构的脚步，行业融合使市场需求不断显性化，大数据技术在不同产业之间的转移，打通了不同市场边界沟通的渠道。

在这样的情况下，供应链营销要针对供应链末端行为分析、供应链末端行为预测等方面进行水平的提升，Jerome McCarthy提出的4P’s（产品（product）、价格（price）、成本（price）、渠道（place））营销组合理论和Robert F.Lauterborn针对4P’8理论缺陷所提出的4C’s（用户（customer）、便利性（convince）、促销（promotion）、沟通（communication））营销理论不能完全适应大数据下市场环境的变化，新的营销面对的是不断融合的市场机构和不断细化的市场分区，在保证营销成本和营销效果的同时，如何有针对性的定制营销策略是实施大数据供应链之前要解决的问题。

4构建大数据供应链的对策

4.1打通数据交流与共享渠道，建立数据化业务流程

大数据推动了供应链一体化的进程，促进了渠道数据的跨界整合，当数据流转化为信息流后，加强的信息流传递效率是使大数据供应链平稳运行的必然选择。建立起标准的数据化业务流程，基于“位置”进行服务信息处理，通过捕捉供应链末端用户需求数据、供应链上游生产制造数据进行产品协同设计；通过对供应链内外部多态、异构数据的整合，依靠供应商、订单、生产、需求数据的实时处理实现协同生产决策；通过整合供应链交易信息、生产信息实现协同库存与物流。以上大数据供应链的协同运作需在充分标准化的业务流程与畅通的信息流通渠道中完成。

4.2依靠供应链非技术创新，带动大数据决策文化的形成

非技术创新理论是创新经济学发展初期不断形成的企业经营理念，美国著名管理学家德鲁克在其著作《创新与企业家精神》（1955）中认为企业的竞争优势正是来源于“不是实实在在的东西”，深刻阐明了组织制度、管理模式等创新是驱动企业发展的重要因素。

供应链的运作是一个价值传递与不断增值的过程，其非技术创新过程受到客户行为、供应商开发等众多因素制约。供应链的非技术创新路径依赖技术水平、市场环境、知识储备三方面，供应链在选择不同决策机制（如考虑政府奖惩、社会责任、顾客偏好等决策机制）时，将以上三个影响因素进行数据化描述，将其看作供应链的企业数据、生产过程数据和社交数据，并在这三个方向上进行协同创新决策，在非技术创新上实现大数据驱动的供应链决策机制。

4.3改善供应链信息流传递机制，完善供应链合作信任体系

大数据使供应链成员企业的交流更密切，增加了企业对整体供应网络的依赖性，因此，在大数据背景下，供应链网络呈现愈加紧密的趋势。成员企业在信息交流的同时不断建立信任机制，通过大数据分析，企业的运行状况暴露在整个供应网络，企业行为更加透明化，通过广泛的数据来源，供应链成员间的评价体系更加科学，因此，大数据加快了供应链成员企业建立信任机制的过程。

通过供应链大数据平台，完善信息流传递机制，消除信息在企业间流转的不透明，也打破了企业之间、部门之间的壁垒，最终促进完善的供应链信任体系的形成。

4.4利用大数据整合营销系统，精准配置企业物流能力

供应链物流是花费一定时间、克服一定空间障碍使产品发生地理位置的改变，从而实现产品或者服务的价值，这会消耗供应链大量的人力、物力资源，因此供应链物流能力对供应链竞争水平起着决定性的影响。当前供应链所面临的大数据竞争环境市场分区严重，从精准营销理论来看，供应链成员企业应通过大数据对不同的市场分区进行深入分析与挖掘，并建立相应需求信息系统。供应链在顾客真实需求的基础上，对潜在需求进行发掘，从而预测需求变动趋势，提前配置企业物流资源并制定物流配送方案。

大数据环境下供应链物流能力的配置要從仓储、运输、物流信息系统等环节进行全方位的布局，以满足当前复杂的营销策略。

5结语

供应链管理是一个系统且复杂的议题，大数据思想作为一种新兴的管理手段，在供应链管理中的应用仍有待探索，只有深刻的认识到大数据为供应链管理领域带来的变革，抓住这一趋势，才能有效的改善大数据这一战略资源在供应链管理中的利用率，进而提高供应链的决策能力。本文在研究中主要得出以下结论：

（1）提出大数据供应链“平台构建一预测一分区”的发展路径。大数据供应链的发展是一个循序渐进的过程，各节点企业在试图构建大数据供应链时要按部就班，不可急功近利，以免供应链在未来的运作过程中出现新的问题。

（2）分析构建大数据供应链时的阻碍问题，从数据结构、企业边界、企业决策和市场结构的角度找到问题形成的原因，详细的剖析了这些问题阻碍大数据供应链发展的机制。

（3）针对上述问题，提出发展大数据供应链时应遵循的策略，其核心是强调大数据资源的有效利用，以大数据能力对供应链运作的各个环节进行优化。