<strong id="pcf7m"><optgroup id="pcf7m"><noframes id="pcf7m">
<dd id="pcf7m"></dd>
<dd id="pcf7m"><big id="pcf7m"></big></dd>

<button id="pcf7m"><acronym id="pcf7m"></acronym></button>

<dd id="pcf7m"></dd>

  • <em id="pcf7m"></em>
    <li id="pcf7m"><acronym id="pcf7m"></acronym></li><button id="pcf7m"><acronym id="pcf7m"></acronym></button>
    <span id="pcf7m"></span>

    <rp id="pcf7m"></rp>
  • <strong id="pcf7m"></strong>
    <rp id="pcf7m"></rp>
    <rp id="pcf7m"><object id="pcf7m"><input id="pcf7m"></input></object></rp>
  • 供應鏈管理中運用大數據影響因素和績效分析

    隨著供應鏈運營全球化、互聯網化以及信息化的發展,數據已經滲透到每一個行業和業務職能領域,業已成為一個重要的生產因素,并且海量數據可以通過多種方式產生價值,因此,對于大數據的運用,就成為了企業獲得競爭力以及獲得供應鏈長遠發展的戰略。在這一背景下,企業在供應鏈運營過程中如何運用大數據,以及大數據如何幫助企業實現有效的供應鏈決策成為了目前供應鏈實踐以及理論研究的重要趨勢?;诖?文章系統介紹分析了影響大數據在供應鏈運用中的影響因素和具體作用。

    隨著新興信息技術以及應用模式的涌現,全球的數據量也呈爆發增長趨勢。在數據管理中,存在三個維度的挑戰,即數據量大(Volume)、數據類型繁多(Variety)以及數據增長快(Velocity)。另一些學者在3V 的基礎上發展了4V, 但對第4 個V 卻有不同的理解。國際數據公司(International Data Corporation,IDC,2011)認為,大數據應該具有價值性(Value),即指數據價值密度相對較低,這也就意味著如果數據增長但隱藏在數據背后的有用價值卻沒有呈比例增長, 就會增加我們挖掘數據價值的難度。IBM 則認為大數據還具有真實性(Veracity),也就意味著數據分析應建立在準確的數據之上,避免人為篡改或在傳輸中失真。雖然大數據成了近年來實踐和理論研究的熱點話題,但以往對于大數據的研究和預測性分析功能大多聚焦在對消費者數據分析、偏好預測分析等,而“大數據”在供應鏈中應用的研究卻相對缺乏。如今供應鏈變得越來越復雜,企業要想保持自己的競爭優勢,必須重視對于“大數據”的應用,工業研究咨詢機構(Industry ARC)進行的研究指出,2018 年全球供應鏈大數據市場將從2012 年的大約4.3 億美元增長到37 億美元左右,2013 年~2018 年的年度復合增長率約為31.4%。Waller 和Fawcett(2013)也指出,數據科學、預測性分析和大數據將會改變供應鏈的設計和管理方式,從不同的數據庫獲取信息來對供應鏈進行分析能夠幫助供應鏈管理經理提高供應鏈的運營績效,并且大數據還能促進企業間的信息協同,是企業的一種戰略性資源。

    大數據在供應鏈運用中的影響因素

    要在供應鏈運營和決策中有效的運用大數據,首先需要建立良好的大數據庫,具備分析、整合大數據的能力。從研究的主要維度看,有關的研究和探索的問題主要圍繞大數據的數據類型、數據質量、大數據分析技術以及大數據分析的人力資源等幾個方面展開。

    1. 大數據的數據類型。數據類型涉及到大數據的數據形態和獲取的途徑和方法,供應鏈中的大數據主要包括以下四種類型:(1)結構數據;(2)非結構數據;(3)傳感器數據;(4)新類型數據。

    結構數據指那些在電子表格或是關系型數據庫中儲存的數據, 這一類型的數據只占數據總量的5%左右(Cukier,2010),主要包括交易數據和時間段數據?,F在的大數據分析大多以這一類數據為主,其中重要的結構數據包括ERP 數據, 因為ERP 系統中存儲的數據是企業運轉多年的系統積累的大量的行業數據,這些數據對于企業的經營決策和預測來說意義非常重大。

    非結構數據主要包括庫存數據、社會化數據、渠道數據以及客戶服務數據。盡管現在有大量的研究和報告在探討數據和分析能力對供應鏈管理的重要性,但對于非結構數據,例如社會化數據對供應鏈的影響和作用的研究卻相對缺乏。Natoli 在2013 年進行的行業調查中發現,盡管物流供應商、生產者以及零售商們都在借力于傳統的供應鏈數據進行供應鏈的管理,但是參與調查的企業中,只有1%的企業參考了社交媒體數據。然而,社會媒體數據對于供應鏈運營管理的作用是十分重要的,如何利用社交媒體數據來指導企業進行供應鏈活動的規劃(包括新產品的開發、利益相關者的參與、供應鏈風險管理以及市場探查等)以及社交媒體數據對供應鏈績效產生影響的具體機制是我們下一步需要深入探討的。而要想從內容豐富的非結構化數據中挖掘出商業智慧,就需要使用不同的研究方法和度量方式,包括描述性分析、內容分析以及網絡分析等。除了上述兩種主要的大數據類型外,還有傳感器數據和新類型數據。傳感數據主要包括RFID 數據、溫度數據、QR 碼以及位置數據,這類數據增長很快,并能為供應鏈金融帶來巨大商機;新類型數據主要有地圖數據、視頻數據、影像數據以及聲音數據等, 這類數據多用于可視化領域,并能夠幫助提高數據質量,使數據的實時性更強、提高了數據分析的精準度。

    2. 供應鏈大數據的質量。Dey 和Kumar(2010)指出企業在進行大數據分析時,需要考慮數據的質量問題。低質量的數據不僅會影響企業的決策,甚至還可能導致企業產生損失。事實上,數據的有用性取決于數據質量,隨著大數據重要性的躍升,對高質量數據的需求也增加了。雖然現在對于數據質量評價還沒有統一標準,但是大家一致贊同數據質量評價應包含多個維度指標。Lee 等(2002)指出數據質量的評價應包括數據內在(Intrinsic)要求和情境(Contextual)要求。內在要求指數據本身所具有的客觀屬性,包括數據的準確性、及時性、一致性和完整性。情境指數據的質量依賴于數據被觀察和使用的情境,包括關聯性(Relevancy)、價值增值性(Value-added)、總量(Quantity)、可信度(Believability)、可及性(Accessibility)、數據聲譽(Reputation of the Data)。

    3. 供應鏈中的大數據分析技術。

    (1)分析學。分析學是大數據分析的基礎,它能幫助企業更好的基于事實做出決策,Davenport 和Harris(2007)就指出,定量技術、預測模型等能提高企業的盈利能力。另外,大數據分析不僅能幫助我們獲得新的見解,還有助于提高我們預測的準確性,但上述益處都是建立在數據挖掘和統計分析基礎上。甚至可以說,大數據如果沒有分析學對數據進行解析,數據也就僅是一堆“數據”,毫無價值。大數據需要分析學,但是要想讓分析學嶄露頭角,擁有數據卻是不夠的,還得借助于分析工具。當然,分析學如果沒有大數據作為研究對象,其也只是數學和統計的工具和應用方法罷了,無法發揮其對于企業的價值。

    (2)供應鏈分析。大數據分析技術也是目前供應鏈管理的研究熱點, 德勤2014 年的工業研究報告認為供應鏈分析首先需要從廣泛的內部和外部來源獲取數據,并借助相關的分析工具和技術進行數據剖析,以通過數據獲得見解,從而幫助供應鏈降低成本和風險,并提高運營敏捷性和服務質量。盡管有很多企業已經利用了大數據分析技術來優化企業的運營決策、輔助進行商業營銷決策,但是大數據在供應鏈中的運用研究相對貧乏,并且就算有關大數據分析與供應鏈管理的實踐文章和咨詢報告開始增加,但是內容大多是重復的, 并且缺乏嚴謹的科學調查(Waller& Fawcett,2013)。另一方面,即使一些企業已經開始采用大數據分析方法,但是運用方式不僅混亂,還無法觸及分析實質。

    除此之外,也有的學者認為大數據分析技術與企業的業務和運作流程相關,Wu 等(2013)從創新擴散理論和信息加工視角分析了供應鏈情境下云計算技術的應用,實證研究表明當企業的業務流程很復雜或是供應鏈中各個組織的信息系統已經良好兼容時,云計算對于供應鏈價值就大打折扣;相反,對于那些創業型企業或是信息系統具備特殊功能性時,云計算對企業則更具價值。由此可見,企業文化、業務流程和特性等會影響企業對大數據分析技術的應用。

    4. 大數據分析能力和人力資源因素。供應鏈大數據運用的能力是企業利用分析學進行供應鏈決策的關鍵驅動因素。Schoenherr 和Speier-Pero(2015)對企業使用大數據分析的困難進行了問卷調查,發現促使企業放棄大數據分析技術的一個重要原因是企業缺乏相關人才。Waller 和Fawcett(2013)認為大數據不但會改變供應鏈的設計和管理方式,于此同時也會給物流企業和供應鏈管理帶來了新的挑戰,首當其沖就是缺乏擁有大數據分析能力和供應鏈管理相關專業知識復合型人才。麥肯錫也早在2011 年就預測,“到2018 年, 具有資深分析能力的人才空缺數將達到140 000 到190 000 人”。

    對于數據分析家應當具備的技能,Schoenherr 和Speier-Pero(2015)指出預測(定量和定性的)、運籌、統計學(估算和抽樣的方法)以及經濟學(決定機會成本)都對大數據分析非常重要,此外,數據操作以及溝通與人際交往的能力也對大數據分析運用不可或缺,因為數據操作的技能不僅要求數據科學家能從數據庫和資料庫中提取交易信息,還需要從社交網站上獲取顧客相關信息并與企業內部的數據進行整合,也就是需要數據科學家能夠對結構性數據和非結構性數據進行整合分析。當然,數據科學家不僅需要高效處理數據, 還需要將分析的間見解準確傳達。此外,大數據分析在供應鏈管理中的運用還要求數據分析家具備供應鏈管理相關知識??偟膩砜?,數據分析家需要具備企業業務流程和決策制定、數據管理以及分析和建模工具等相關技能。

    供應鏈管理中大數據運用的績效

    大數據之所以在供應鏈管理中具有舉足輕重的作用,不僅在于其能夠增強決策的預見性,還有助于提高供應鏈運營績效和競爭力??偟膩砜?,大數據不僅能夠提高供應鏈運營效率、促進供應鏈創新與發展,還能幫助企業進行供應鏈風險管理。

    1. 大數據對供應鏈運營效率的影響。Schoenherr 和Speier-Pero(2015)的研究發現,企業認為大數據能夠提高他們的決策制定能力、需求計劃能力,還增強了供應鏈運營效率、供應鏈的可視性,并同時降低了供應鏈運營成本。在決策制定方面,大數據能提高企業決策的有效性、準確性和科學性,例如葉斌等(2014)指出,在物流決策中,大數據技術可以應用于競爭環境的分析與決策、物流供給與需求匹配、物流資源優化與配置等;在提高供應鏈效率方面,通過數據分析能夠促進供應鏈高效、合理分配資源,同時提高整個供應鏈的協同能力,例如閆?。?013)速遞行業進行了研究,其發現通過大數據與物流倉儲進行結合,并通過智能化以及海量的數據分析,能最大化的整合平臺物流的信息和客戶信息, 有助于物流和貨物信息的最佳匹配,便于企業協調企業內外的各種資源而最大化的提高速遞行業物流資源的利用率;在增強需求計劃能力方面,數據分析使企業將不同數據進行整合, 并結合客戶的實在需求,能更加合理的安排業務活動,使企業不但能夠根據顧客要求進行業務創新,還能提高企業應對顧客需求變化所帶來的挑戰,例如,相婷婷(2013)指出,供應鏈金融引入大數據技術,金融機構可以將相關各方經營活動中產生的物流、商流、資金流和信息流歸結并進行整合,針對不同供應鏈的特色提供不同的在線融資、結算以及投資理財等綜合的金融和增值服務;在降低供應鏈運營成本方面,大數據能促進了各企業在優化路徑、調控資源和降低成本等方面進行信息的挖掘分析, 進一步提高了企業的經濟效益,例如,薛錦輝(2014)認為金融機構可以依托平臺會員在平臺上的大量交易數據并依托交易背后的物流信息數據給平臺會員進行融資,這改變了通過供應鏈中核心企業以給上下游企業授信的融資模式,并而通過物流信息平臺的實時信息反饋和監督,還能降低金融機構的監督成本,從而進一步降低了供應鏈金融的運營成本。

    2. 大數據與供應鏈創新發展。大數據對供應鏈的影響不僅僅在于提高供應鏈運營效率, 還有助于供應鏈創新。大數據代表著一種新的生活方式、提供了一種新的資源和新的能力、是一種新的技術,還帶來了一種新的思維方式,由此更容易孕育顛覆性創新。曹凌(2013)指出,大數據具有催生社會創新、變革的力量。具體來看,在企業業務方面,韓蕊(2013)指出,大數據技術為分析現有業務難題和潛在機會帶來了創新的方法,并且這種全新的資源和分析技術也能通過全新的方式來改善企業的運作;在技術方面,李逸群、龍劍(2013)指出,大數據有助于降低知識轉化的成本并加快知識轉化的速度,而知識在轉化的過程中則有利于技術的創新。

    3. 大數據與供應鏈風險管理。Schlegel(2014)指出,企業可以利用大數據和預測性分析技術來減緩和管理供應鏈風險。宋華(2015)也指出,供應鏈風險管理有賴于高度的信息化管理,并且這種信息化不但包括企業經營管理系統的信息化,還需要強調企業內部和企業與企業之間的信息化溝通以及供應鏈運營管理的信息化。而信息化的管理有助于打通供應鏈節點的信息瓶頸,不僅提高可供應鏈的可視化,還能夠進一步積累數據。

    對于供應鏈風險的管理,主要包括事前、事中以及事后的管理,而大數據在這三方面都能發揮巨大作用。首先,大數據技術能使事前風險預判結果更加準確,因為大數據來源不僅包括企業本身產生的數據,還包括企業互聯網或是移動平臺獲取的各種外部數據,而不同數據結合進行綜合分析,結果更加可靠。其次,大數據技術能使企業的事中控制更加動態高效,因為大數據分析對于各類數據的整合有助于企業更好地掌握自身的行為模式,還便于其發現運營狀態的變化規律,從而按照規律設置風險控制點以實現事中風險的動態管理。另一方面,大數據分析還能幫助企業識別異常情況,因為對于實時數據反復的迭代分析能夠對于數據的模式產生一定的預期,而一旦某些數據出現異常,就能很快識別并采取一定應對措施。最后,大數據技術能為事后風險處置決策提供更好的支持,即使單個事件的發生具有偶然性,大數據有助于企業找出偶然性背后的必然性,由此企業便掌握了主動權,能夠制定更加客觀的風險處置決策。

    結論

    本文對供應鏈管理中大數據的運用進行了梳理,認為如今學術界對于大數據在供應鏈中的應用研究相對稀少,落后于實踐的發展, 對于大數據對于供應鏈管理影響的具體機制以及大數據于供應鏈能力之間的交互作用缺乏深入理解。另外,目前的研究大多是描述性的,并且缺乏理論的支撐。本文認為未來對于大數據與供應鏈的研究應該沿著大數據運用的影響因素、大數據對供應鏈運營以及發展的影響這一研究路徑繼續。另外,實踐問題應該和管理理論進行結合以深度挖掘問題中存在的本質,因此,未來的研究也需要強調與管理理論結合進行分析,將資源基礎觀、交易成本管、系統論等理論引入對大數據供應鏈的分析中,這定能幫助加深對大數據在供應鏈管理中的價值的理解。

    參考文獻:

    [1]Schoenherr T, Speier-Pero Cheri.Data Science,Predictive Analytics, and Big Datain Supply Chain Management: Current Stateand Future Potential[J].Journal of BusinessLogistics,2015,36(1):120-132.

    [2]Wu Y,Cegielski C G, Hazen B T, et al.Cloud Computing in Support of Supply ChainInformation System Infrastructure: UnderstandingWhen to go to the Cloud [J].Journalof Supply Chain Management,2013,49(3):25-41.

    [3]葉斌,黃文富,余真翰.大數據在物流企業中的應用研究[J].物流技術,2014,(8):22-24.

    [4]閆俊.大數據對速遞行業發展的影響研究[J].物流技術:裝備版,2013,(12):104-108.

    [5]相婷婷.電子供應鏈金融的技術支撐[J].電子測試,2013,(14):245-246.

    [6]薛錦輝.供應鏈金融應該如何運用大數據[J].中國外匯,2014,(18):36-37.

    [7]曹凌.大數據創新:歐盟開放數據戰略研究[J].情報理論與實踐,2013,36(4):118-122.

    [8]韓蕊.淘金大數據業務創新才能贏[J].互聯網周刊,2013,(21):18-19.

    [9]李逸群,龍劍.大數據時代下戰略性新興產業的創新路徑研究[J].消費電子,2013,(14):173-174.

    [10]宋華.中國供應鏈[M].北京:中國人民大學出版社,2015.

    [11]Schlegel G L.Utilizing big data and predictiveanalytics to manage supply chainrisk [J].The Journal of Business Forecasting,2014,33(4):11-33.

    作者簡介:成棟(1968-),男,漢族,陜西省西安市人,中國人民大學商學院教授、博士生導師,研究方向為物流管理和供應鏈管理、電子商務;陳思潔(1989-),女,漢族,重慶市人,中國人民大學商學院博士生,研究方向為供應鏈管理。

    【聲明】本文由 思謀科普組 發布,所涉及言論僅代表作者觀點,若有侵權或違規信息,請聯系我們處理。除非另有說明,可自由分享(轉載)本文內容,但必須保持署名、涉及商業用途應獲得原作者授權。
    網址引用: 思謀科普組. 供應鏈管理中運用大數據影響因素和績效分析. 思謀網. http://www.ahznzs.com/view/2496.
    (0)
    思謀科普組的頭像思謀科普組網站團隊
    上一篇2017年7月19日 01:39
    下一篇 2017年7月28日

    相關閱讀

    發表回復

    登錄后才能評論
    国产3p视频在线观看,国产又大又粗又硬又色,国产视频网站在线免费观看,亚洲AV无码VS国产AV