赵睿

内容摘要：对于商业模式为快速的产品周期迭代上市的传统制造企业而言，内部的ERP或者SCM系统仅仅是用来进行订单支付、货物发运，其应用性与拓展性具有极大局限性，完全无法适应市场定位精准、生产速度高效、产品质量优质的市场需求，已然成为企业供应链发展的瓶颈，因此供应链系统需要新的技术来进行改善与升级。而大数据技术可以为供应链提供更准确、更清晰、更具有洞察力的数据，依靠共享的网络实现更多的供应链智能情景，并且可以从采购、制造、物流、销售提升原供应链的运行效率。但是，大数据作为一项新的互联网技术，应用在供应链系统中将会面临诸如人力、技术以及管理等方面的发展瓶颈。因此，以大数据为基础的智能供应链需要政府与企业二者共同推进。

关键词：大数据 供应链 工业4.0 模式研究

中国社科院通过对中国800家企业的调查研究，总结了中国供应链发展相对落后欧美等经济发达国家的三大制约因素：第一，企业融资渠道狭窄，仍以信用借款为主，其次为担保融资与供应链融资，而通过物流企业或者网络平台等渠道获得资金的比例更是微乎其微；第二，供应链上下游无法实现及时沟通，因生产原料以及零部件断货而无法及时生产销售已经成为供应链管理风险的主要原因；第三，企业管理人员对供应链重视不足，有关供应链组织、人才培养以及资金的投入力度不够。

但是随着中国政府在2015年制定的《中国制造业2025规划》，通过智能化发展改变中国“代加工厂”印象，不仅可以实现中国经济再次腾飞，同样也为中国企业供应链发展提供了全新思路，依靠最新的互联网技术，即将大数据技术应用到企业日常生产以及业务供应链中，采用诸如统计学、数据建模等方式重塑供应链模式，为中国企业供应链发展提供先机。因此，加快探究工业4.0背景下企业智能供应链发展模式将对中国企业的国际竞争力起到举足轻重的作用。

大数据技术对供应链各环节的影响分析

（一）大数据技术对供应链采购环节的影响

采购环节作为企业供应链的开始阶段，其采购环节管理的好坏将直接影响随后供应链环节的质量。对于互联网智能时代而言，企业的采购并不是单纯的购买行为，它是一种可以将供应商与合作商进行紧密链接的重要环节。企业将大数据技术应用到供应链的采购环节中可以更好的做出采购决策，通过数据分析企业不仅可以有效控制成本，还可以优化采购决策层面的各个方面。具体而言：第一，大数据将改善采购环节的订单流程，压缩从下单到完成订单的时间与流程。比如，消费者可以通过互联网进行电子数据交换，将自己需要的产品与要求以电子数据形式提交给企业。电子信息化的数据一方面可以缩短订单的流程，压缩交易时间并节省物流费用；另一方面，电子数据在传输过程中全部是在计算机网络内完成，中间无需企业工作人员管理，消除了人为的错误可能性。第二，大数据技术在采购环节的应用可以实现世界采购一体化，加速标准化体系建立。采购环节的智能化解决了以前由人工服务采购无法实现全天候工作的弊端，并使采购世界一体化成为可能。比如，消费者需要一种商品，他不需要等到该地区的工作时间才可以下单，随时可以通过互联网系统进行产品的订购。并且，既使该地区无货，而标准化的订单可以通过大数据技术查找世界各地拥有该产品的企业，及时满足客户需求。

（二）大数据技术对供应链制造环节的影响

自20世纪90年代计算机普及以来，制造企业就已经大范围的使用计算机不断对产品的设计、制造等过程进行优化，提升生产效率。但是传统的供应链制造环节对计算机的使用仅仅限于生产方面，在服务与管理方面仍以人力为主，无法实现制造环节的全方位智能生产。而将大数据技术应用到传统供应链中的制造环节，不仅可以再次提升企业生产效率，更可以从企业库存管理、质量管理、劳动力利用率提升企业管理服务方面效率。第一，大数据技术将准确压缩库存，降低成本。如果企业的库存量不足，将减少产品的销售，降低服务质量，而产品库存量增加会增加其管理成本。根据统计与测算，企业的库存成本占据整个产品生产的50%，因此控制好库存量将对企业的制造产生巨大影响。比如，企业可以通过大数据技术将所有的需求商与供给商的数据进行搜集与整理，通过分析得出每个企业所需要的准确商品，从而进行精准生产，将产品的库存压倒最低，减少库存积压所带来的成本。或者采用数字检测系统，实时记录与监测如销售数量、天气情况、销售周期等历史数据，再与当前库存数据进行比对，从而确定最佳库存量；第二，利用大数据监测发现产品生产过程所存在的问题，提升产品质量。生产制造企业可以在生产设备中安装传感器系统，实时搜集产品生产状态数据。比如，沃尔沃玛汽车制造公司，将大数据技术应用到汽车检修当中，每有一辆故障车辆来修理后，技术人员都会将汽车内部的传感器数据搜集，并与相同年限与使用时间相仿的车辆数据进行对比，以便查找出未来可能发生的故障。沃尔沃公司利用这些大数据已经成功的将汽车维修周期由8个月缩短至3周，产品质量与服务得到极大的提升；第三，大数据技术可准确对员工进行调度，实现人力资源的高效运作。企业通过长年累月的制造与销售数据，可以预测产品的需求旺季与淡季，在旺季时节安排更多的员工进行生产，在淡季时缩减生产团队，让生产人员更多的从事营销等方面的工作。

（三）大数据技术对供应链物流环节的影响

大数据技术在供应链物流环节的应用可以通过远程信息处理系统优化产品的仓储模式与运输路线，进而提升对客户的服务质量。第一，当前大多数的运输工具都会装配GPS全球定位系统，这无疑将为物流企业提供足够多的运输工具数据与交通状况数据。比如，物流企业可以根据要运输的產品不同，根据大数据的分析得出最优化运输组合，满足不同客服的运输需求。或者利用大数据技术优化产品的运输路线，根据不同的交通状况与天气情况计算出最佳路线，向运输司机提供避免拥堵的行车路线，并将周围交通状况实时反映给总数据库，形成良性环形流动服务。同时，利用大数据进行运输选择最优运输路线还可以减少能源燃料消耗以及降低运输设备的运输损耗，最大限度的降低运输成本；第二，大数据技术将有助于企业选择合适的仓储地点，降低仓储成本与运输时间。现代物流的仓储地点与配货中心在供应链中的意义重大，它的位置合理选择是货物是否可以按时送达的前提。传统企业一般都会将仓储位置选在生产企业附近，根据不同地区的订单再由仓储中心发散至全国各地，该种物流仓储方式的弊端是运输销售无法考虑到全国范围，并且不同地区的运输时间将随着地域的不同而不同。但是将大数据技术应用到供应链的物流环节中，可以分析出每种产品的各地区总体需求量，并根据地理环境划分不同运输区域，在各区域的中心城市建立大小容量不同的仓储中心。当有产品订单时，可以保证各地区的送货时间基本一致，一方面可以提升服务质量，另一方面可以缩短交通距离，节省物流成本。

（四）大数据技术对供应链销售环节的影响

销售属于供应链的下游环节，同时也是连接消费者与企业的重要环节。消费者的购买行为是推动企业日常活动以及盘活整条供应链的直接影响因素，因此产品销售的好坏将对企业的发展起到举足轻重的作用。大数据技术在销售环节的应用主要是用来搜集与追踪消费者的购买行为与产品的推销，尤其是对消费者的产品组合优化与产品定价。第一，企业会利用大数据技术为客户提供个性化产品与服务。过去，企业只可以通过书面调查的形式，搜集到客户的年龄、职业、收入等基本信息，企业虽然可以通过这些基本信息为客户提供相应的产品，但是却无法预测消费者的购买行为。而大数据技术可以利用互联网搜集到客户的日常浏览与购买信息，通过分析将潜在客户最近浏览的产品进行组合，在网站的主页上显示，为顾客提供更多的选择；第二，大数据技术可以为产品的价格进行优化定价，以提升产品的销售量。大数据的数据分析能力可以为企业提供更多的定价视角，比如大数据技术可以搜集线下与线上不同季节的产品销售量，制定出产品的季节销售曲线，找出该产品的价格灵敏度最低与最高价格，从而对产品进行季节性定价。或者根据以往的销售数据，通过大数据技术分析出不同地区、不同时节的不同产品需求量，科学的在有限货架上安排足量的产品种类，合理分配货架容量，最大程度的提升产品销量。

大数据智能供应链体系（SAM）构建

大数据技术虽然可以依靠其强大的分析预测能力为企业领导者提供预测与建议，但是企业各环节过多的数据预测与搜集必将影响其日常工作效率并提升其运行成本。因此，要想发挥大数据在供应链环节的作用，企业应当集中统筹按照SAM（分区、联合、测量）路线协调各环节的发展，将彼此孤立的供应链环节进行整合，协调发挥四环节在供应链中的作用与地位。具体步骤如图1所示，首先，通过大数据技术对供应链每个环节进行分析，找出每一环节的发展竞争优势；其次，企业通过数据分析得出的竞争优势进行管理抉择，将确定的信息在供应链之间进行相互传递，使整个供应链通过共同信息达到供应链横向连接的目的；最后，对供应链中每个环节的可测量关键指标进行评估，以帮助企业进行最优的发展策略。

（一）供应链体系构建阶段1：分区

供应链体系建立的第一步是利用大数据技术将搜集到的数据进行分析，并按照消费者的偏好如消费习惯、购物方式等方面对每个环节进行分区划分并对其进行优化，找出各环节的竞争优势。比如，在低边际收益的产品中重点控制成本，而对于高边际收益的产品则将重心集中在客户服务。这样针对不同产品与不同客户，企业可以产生不同的分区划分方式，帮助企业调整供应链模式，以恰当的资产组合满足不同分区的消费者需求。当一个企业经过分析得出了生产成本较低为其竞争优势，那么企业管理人员就不应该将发展重点放在确立品牌形象、培养客户忠诚度等方面，而是应当将重点放在产品价格，保持低价的竞争优势，占取市场份额。此外，企业的分区划分还可以更好的发挥互联网的优势，与当前火爆的社交网络相融合，利用社交网络的传递效应，对不同需求的潜在用户投入不同的定向广告，以扩大企业的影响力。

（二）供应链构建体系阶段2：联合

联合阶段是整合供应链各环节的重要举措，最大限度的发挥企业分区后的竞争优势，实现供应链系统中供应商、生产商、物流商、消费者之间的信息共享。供应链体系的联合阶段利用大数据技术可以实现企业与消费之间的供需匹配，帮助企业做出最优的生产与供给策略。比如，企业可以利用大数据技术搜集与分析市场需求数据，按照市场需求量阶段性进行产品的生产与供给，并且通过供应链之间的联合可以达到需求信息的共享，降低每一环节的囤积风险。这样企业可以更多的将精力花费在提升服务方面，而不是像过去一味的将产品投入到供应链中。此外，供应链系统的联合还可以降低供应链系统中企业的预测成本。以往大部分企业对市场的预测都是通过人工进行，该方法不仅浪费时间更浪费大量资金，并且如果供应链系统中的企业之间预测不一致引起分歧，还会造成决策错误。而大数据的自动化与统计化预测，不再是为管理人员提供直接的推断行为，它将整合多方资源为管理人员提供多种可能与选择，最终结合实际市场选择一个最优决策，从而提升企业的市场竞争力。

（三）供应链构建体系阶段3：测量

测量起着对供应链系统经过分区与联合过后的成果的评估作用，通过对各环节的关键指标数据的结果评估，找出供应链存在的不足，从而形成一个可以持续优化并且不断完善的供应链系统。对于供应链系统而言，如何找出关键指标进行测量极为关键。正确的可测量指标不仅可以确定当前企业的战略选择是否正确，更可以帮助企业了解未来的发展方向。供应链体系的测量数据要保证其精简性，避免过去企业将所有可验证数据集中在一起，过多的数据不仅会造成人为的思维混乱降低工作效率，更提升了管理人员找出问题的难度。企业可以根据自身的期望或者希望未来企业在哪方面进行提升来寻找测量数据，再进行改进。对于数据的挑选标准可以参考以下原则：第一，可以为企业指引发展方向；第二，可以协助企业做出决策；第三，可以帮助企业提升业绩；第四，数据可以精准测量并且可以不断完善。

可以预见，大数据供应链系统的建立是一项十分复杂繁琐的过程，过多的数据分析以及过高的计算机技术都是阻碍企业建立系统的障碍。因此，大数据供应链系统的建立需要多方企业合作，在系统建立初期应当从小型、具有针对性的项目开始实验，通过与专业的互联网技术企业、物流企业、销售企业的合作，在不断循环完善的过程中建立大数据供应链系统。

大数据供应链系统发展障碍

（一）大数据供应链发展的人力障碍

第一，中国大部分企业对大数据供应链系统发展所带来的价值认识不足，即使有的企业使用大数据技术进行分析也只停留在数据，并没有将大数据技术作为竞争优势。根据统计，中国有超过72%的企业没有设立供应链管理部门，而对于采购环节也一直是独立运行。缺乏供应链统一管理的采购行为导致企业的资金周转不灵、库存囤积量高、成本高等问题迟迟得不到解决。并且在“中国零售与快速消费品行业工商关系协作”的调查中显示：在零售商与供货商之间的互相评分中，只有在操作层面上的合作得分较高，而对于企业可持续发展的供应链合作的评分最低。由此可见，企业缺乏对供应链的重视已经成为阻碍大数据供应链系统发展的障碍之一；第二，企业对供应链人才的需求与供给严重不匹配。从现阶段的发展来看，中国在有关供应链人才的培养在质量和数量上严重不足，严重滞后于市场需求。这既有高校培养问题，也有企业对供应链人才规划问题。具体而言，教育体系落后，培养目标不明确。即使有部分大学开设了供应链课程，但是课程设置不合理，只注重理论学习与研究，缺乏足夠的社会实践课程，使得人才培养受到限制。

（二）大数据供应链发展的技术障碍

第一，企业管理的硬件设施严重落后，无法适应互联网时代大数据技术对计算机硬件的要求。目前，企业大部分的电子操作系统都是十几年前安装的，企业的资料与主要信息都是按照旧系统的格式与标准存储，如果随便更换新系统或硬件将产生许多与旧系统无法相融合或者协调的孤岛信息，甚至丢失原有重要资料与信息。因此，企业无法提升计算机的计算能力并利用大数据技术进行数据的搜集与分析。此外，如果因更新系统或者硬件而产生的孤岛信息将无法与现有数据信息进行整合，造成系统数据的冗长进而降低企业的运行效率；第二，企业在采用全新的技术进行变革后将面临全新的技术风险与挑战。大数据作为互联网时代的前沿技术，其成熟度与安全性仍待考量，因为新技术即使是一个小的问题，如不能及时解决仍可能导致无法正常开展后续工作。比如，几年前的射频识别系统，最初是用来追查货物行踪，但是由于该技术的精准度难以保证，需要大量的人工进行后期修正，使得该技术不仅没有预期的工作效率，更是增加了企业产品成本。

（三）大数据供应链发展的管理障碍

第一，企业对供应链管理的理念仍未明确，缺乏明确的供应链系统管理指标。相同供应链中的不同企业使用各行其道，都以本企业为中心，设立的标准以及运行方式都以自己为利益目标，因此导致供应链管理的整体效率低下。并且中国某些行业政策具有地区差异性，同样难以建立统一的行业标准。比如，经营物流的企业，不同的省份与城市要求的经营许可证不同，以及对企业的税费也不同，需要适应多种管理模式，这也是导致供应链发展迟缓的原因之一；第二，大数据供应链系统建立需要企业之间高度的协作，但是实际市场中的企业往往缺乏合作与协调性。因为一个完整的大数据供应链是由采购、制造、物流、销售组成，而这四个环节属于不同的行业。如果供应链中的企业只按照自身方式发展，根据自己所搜集的数据进行决策，那么往往会造成其它行业的决策偏差，无法实现供应链跨企业、跨行业的进行，阻碍供应链系统的进一步发展；第三，大数据供应链的建立将迫使企业转型，而该种转型有可能威胁到企业与员工的现状，因此企业缺乏转型动力。大数据技术的应用将改变企业现有的组织形式、生产方式以及员工素质，因此只有这三方面的统一转型才可以保证大数据供应链系统的成功建立，如果只是其中的一两项因素发生转变，而其它因素仍保持不变，显然不利于供应链的建立与发展。

大数据智能供应链发展对策与建议

（一）政府推进大数据智能供应链具体做法

第一，以国务院或者有关部委的名义颁发有关发展“大数据智能供应链”的指导意见，将大数据供应链的发展列入到供给侧改革的重要措施之中，提升其国家经济发展战略意义。努力发展第三方供应链物流企业，并且分为利用第三方供应链物流企业开展业务、利用第三方供应链物流企业整合资源、利用第三方供应链物流企业改善供应链流程三部分融入大数据智能供应链系统。同时，成立专门的国家供应链发展委员会，提出与国家经济发展相符的供应链发展框架结构、区域布局、推进速度等任务；第二，提出明确的大数据供应链发展战略，重点推进工业、农业的大数据供应链系统发展，有计划与层次的培育新兴产业、优势产业的大数据供应链系统，发展成具有“微笑曲线”的实体经济。同时，加大对供应链系统的资金支持，尽快突破诸如：物联网技术、供应链模型、供应链风险控制、逆向供应链等技术瓶颈；第三，加快大数据智能供应链系统试点应用，打造具有影响力的“供应链系统集群”试验区。建议试验区先从具有沿海贸易等地区开展，将大数据智能供应链系统首先应用到国际贸易中，从实践中找出供应链系统存在的问题再加以解决，进而再向周边区域推广供应链系统；第四，提升各区域重点企业的管理人员对供应链系统的意识，通过以点带面的形式，提升大数据供应链系统的应用覆盖率。

（二）企业推进大数据智能供应链具体做法

第一，加强企业大数据、供应链等技术人才的培养与管理，增加与互联网企业、供应链企业或者物流企业等专业性企业合作，得到符合企业发展的技术与人才。比如，分析技术并不是所有企业的专长，如果要使用大数据技术进行高效的分析，那么企业必须建立与之匹配的外包策略。明确在一个完整的供应链中哪些工作企业可以自己完成，哪些需要与其它企业合作。尤其是企业将内部业务外包以后，除了会有核心信息泄露风险以外，还可能导致企业会过度的依赖外部供应商，对其正常业务以及营业收入造成影响；第二，加强企业文化宣导，让员工明白技术改革是未来发展的重要机遇。定期的组织员工对新技术的学习，消除因技术变革带来的恐惧感，为企业的变革做好充足准备。同时，加大对员工的激励程度，通过技术培训方式调动员工工作积极性。比如，在生产旺季时员工可以进行生产工作，而在淡季时某些生产员工还可以从事其它工作，那么企业应当增加对该种复合型人才的激励，以提升其忠诚度。

参考文献：

1.谢莉娟.互联网时代的流通组织重构——供应链逆向整合视角[J].中国工业经济，2015（4）

2.杜永红.农产品智能供应链体系构建研究[J].经济纵横，2015（6）

3.秦荪涛，李承娟.基于多智能体的供应链协同机制研究[J].科学管理研究，2004（6）

4.李文莲，夏健明.基于“大数据”的商业模式創新[J].中国工业经济，2013（5）