大数据背景下企业供应链协同库存管理模型构建研究

70
收稿日期:2019-06-26
*基金项目:该文为2018年上饶师范学院校级自选课题“大数据背景下供应链协同库存管理研究”课题论文,项目批准号:201828,主持 人:陈锦回。

作者简介:陈锦回(1991—),男,江西上饶人,硕士,助教,研究方向:电子商务与大数据;刘琼芳(1988—),女,江西上饶人,硕士,助教,研究方向:经 济统计。

中国互联网数据中心调查的研究报告数据显示,2020年,全球数据信息存储量预计会增至40ZB,数据规模约为2013年的44倍,同时,我国数据产量预计将会增值全球数据总量的25%,但各行业的大数据应用率极低,尤其在供应链的运作中[1]。

现代供应链的一般运作为围绕某一核心企业进行的生产销售一体化流程,而链中各企业之间为了各自利益最大化必然会采取独立状态,这必然会导致供应链的整体利润下降,一个最为突出的表现点就是库存的积压,造成了生产资源浪费,加大了管理成本。

值得注意的是以供应链内感应库存的RFID使用为代表的物联网在2011年的1200万将会增长至2090亿个,加上供应链各企业中ERP数据,若供应链中企业能够结合不同系统中的数据,以协调整条供应链中的库存运作管理,必能够获取更多的价值。

1 供应链协同库存管理概述
供应链最早在1980年末提出,以史迪文斯提出的最具有代表性:通过增值过程的分销渠道控制从供应商到用户的用户商品流动的过程就是供应链,它始于供应链的源头,终于消费的终点[2]。

现在供应链中扩大了起点和终点的概念,认为消费的终点也是供应链的起点,突出的是另一种逆向供应链思维,以产品使用后的剩余价值为核心,将消费者手中的剩余通过回收的方式重新回到供应链中,强调供应链整体的协调统一。

协同管理于1965年提出,其经济学中的含义为企业合并后实现超过原企业的经营表现之和,简单而言就是实现1+1>2的管理组织模式[3]。

现代协同管理理论则在此基础上强调不同的组织或者社会团体为完成一项长期的活动,则需要站在整体的角度对系统进行整体调度,实现团体、组织的高度协调统一。

供应链协同库存管理是在供应链管理和协同管理的基础上进一步对供应链管理的细化管理理论,通过事实研究发现,影响供应链整体利润的最为重要的原因就是库存积压,库存量的高低直接制约着整条供应链的运作机制。

供应链协同库存管理是基于RFID使用产生的数据、供应链各企业中ERP数据以及电子商务客户的等相关数据综合分析预测,统筹规划,建立协同管理机制,动态调节整体供应链运作流程和机制以控制供应链各节点的库存,提升系统整体竞争力的目的。

2 大数据背景下供应链协同库存管理模型构建
2.1 模型构建目标
供应链中的大数据主要源自四个方面,一为供应链生产运作过程中产生的相关数据例如:生产设备质量数据、计划采购数据、产品数据等,另一方面是源自于供应链中各个企业ERP数据,第三是来自客户的电子商务数据,最后一个是来自外部数据或者手动输入数据。

将数据接入数据服务库中,通过对其分析和挖掘,对供应链运作过程中的库存进行预测和控制,最终实现整体供应链协同库存零库存目标,整体的一般流程如图1所示。

2.2 模型构建的内容
大数据背景下供应链协同库存管理模型主要参与者为供应链中的各企业,构建该管理模型的前提有:需要以协议为基础的各企业信息开放、提供大数据的基础设置保证以及有关人才的保障机制。

如图1所示,供应链运作过程中的大数据来源于供应链中各企业的采购数据、计划数据、销售数据、产品数据、生产设备质量数据以及物流仓储数据,并在此基础上构成了服务于整条供应链的协同数据服务中心,包含数据预处理、数据存储和数据分析/挖掘三个部分,构成大数据模型库,数据分析后对供应链库存管理提取库存周转控制模块,最终实现同库存控制管理有关的应用系统,该模型中对协同控制中心给出的管理应用数据同实际发生的数据进行反馈比对,进一步提升库存管理周转控制模块的准确度,提供更加精确得服务供各节点企业参考,以降低供应链中多余的库存。

2.3 模型实施可能存在的问题
2.3.1 大数据协同控制库存管理中心建设归属困难
平台的建立从供应链运作数据的收集到数据的处理、分析再到具体的协同库存管理应用,需要几方面的建设投入:首先,供应链运作过程中对已有的ERP数据进行系统改进,需要投入硬件设备同时完善产成品、成品的动态库存信息,其次是建立数据处理分析中心,处理中心需要相关场地、高性能超级计算机以及与之相匹配的相关硬件设备,最后还需要大数据相关人才、供应链相关人才等等,这几部分的投入往往占据了大数据建设的大部分投资建设成本。

投入成本建立大数据供应链协同库存管理平台短期内会增加供应链管理的成本。

如若将整体成本均衡的分散给供应链中的各企业,
大数据背景下企业
供应链协同库存管理模型构建研究*
陈锦回 刘琼芳
(上饶师范学院数学与计算机科学学院,江西上饶 334001)
摘要:大数据时代已经到来,将大数据与供应链库存管理的融合,深化大数据在行业中的应用,增强供应链整体韧性,有效提升整体供应链运作效率和利润。

本文对有关概念进行概述,探讨了大数据背景下企业供应链协同库存管理模型的构建,并给出了模型应用过程中可能存在的问题以及相应的对策。

关键词:大数据；供应链库存管理；协同管理中图分类号:F726文献标识码:A 文章编号:1007-9416(2019)08-0070-02
应用研究
DOI:10.19695/12-1369.2019.08.35
2019年第 08 期
因企业势力不同必然会导致承担成本的不均衡,构建协同库存管理系统必定举步维艰。

如若建设成本由供应链核心企业承担,严重增加了核心企业的成本,必定会打消核心企业对大数据供应链协同库存管理平台的建设缺乏积极性,从另一方面影响了整体供应链的效益。

2.3.2 协同的意识较浅,大数据应用深度不够
构建大数据供应链协同库存管理模型,采取的无论是成本均摊还是核心企业承担,均要求供应链各节点具有协同意识,整体供应链数据实现信息对称,管理理念要站在系统整体协同的角度,而目前供应链中各节点企业依然通过原有、游离系统之外的方式进行沟通。

根据2018年中国大数据高峰论坛的数据,预计我国大数据市场年复合增长率将达到17.3%,但是应用领域主要集中在金融、政务两个领域,多数行业领域仅存在数据采集和标准化,大数据在供应链中的应用几乎为零,基本的数据采集都显得困难。

2.3.3 模型中协同库存管理反馈机制实施困难
协同库存管理中重要的因素在于数据的获取和反馈,反馈则是对数据预测最好的监测方式,在大数据背景下,现代的供应链管理机制虽然有着与之相匹配的配套服务,但是仍然处于初级探索阶段,并且反馈机制的动力多归属于政策引导和鼓励——逆向物流带来的逆向供应链数据,逆向供应链系统远没有达到大数据供应链协同库存管理的要求。

2.3.4 供应链管理、大数据复合型人才严重缺乏
构建并应用这样的平台所需的人才不仅仅对供应链管理、电子商务具有一定的研究,更需要对大数据有深入研究的人才,实现深度挖掘供应链运作过程中产生的大量数据,找出有价值的信息,为整体供应链协同库存管理乃至整体的供应链运作提供决策支持。

而从我国大数据平台的建立至今仅有不到十年的时间,近两年来高校才着手培养大数据相关人才,复合型人才更是需要时间进行培养,加上全球大数据相关岗位的入职率不足30%,使得人才问题更为突出。

3 应用大数据背景下供应链协同库存管理对策建议
供应链韧性管理也是一个管理的核心点,大数据背景下韧性管理更显的尤为重要,库存则影响整体供应链韧性的重要因素。

随着经济环境的快速变化,供应链整体对大环境的感知和反应成为当下供应链韧性的重要组成部分,供应链核心企业应当在大数据大环境下充分利用大数据整合供应链资源,增强整体供应链核心竞争力。

3.1 加强政府引导,深化大数据供应链库存管理应用
2017年大数据行业市场规模1000亿,基础平台100亿,通用技术200亿,而行业应用达到了700亿,其中金融、政务市场规模为200亿,其他行业的应用领域集中在电信、医疗。

由此可以见,我国大数据行业应用渗透极不均衡,大数据对供应链协同库存管理的应用需要加强,而反馈机制中因成本逆向供应链成本问题,更需要政府进行政策引导和规范,为供应链协同库存管理提供良好的发展环境。

3.2 积极推动第一方数据服务,提高协同联动效果
供应链运作库存大数据系统改造要与数据服务协调发展,首先要在战略目标上一致,只有双方协同配合才能最大程度得实现大数据在供应链库存管理中的收益最大化。

其次,对于数据服务提供商而言,以是否具有数据源可以分为第一、第三数据服务商,应当积极推动通用技术舒服商转变为专业的行业应用领域的第一或第三数据服务商,切入到行业应用中,成为提供专业数据服务的第一放数据服务平台,实现供应链协同库存管理系统信息化对接。

同时注意培养和引进专业人才挖掘信息系统中运营书转化为应用实践。

参考文献
[1] 马士华,林勇.供应链管理[M].北京.高等教育出版社,2010.
[2] 孙波,陈宝林.电子商务与供应链管理[J].信息技术,2004(10):93-95.
[3] 陈锦回.基于系统动力学啤酒行业供应链协同库存管理研究[D].江西理工大学,2016.
图1 大数据背景下供应链协同库存管理模型构建示意图
Research on the Construction of Enterprise Supply Chain Collaborative Inventory Management Model Under the Background of Big Data
CHEN Jin-hui,LIU Qiong-fang
(School of Mathematics and Computer Science, Shangrao Normal University, Shangrao Jiangxi 334001)
Abstract:The era of big data has arrived. The integration of big data and supply chain inventory management will deepen the application of big data in the industry, enhance the overall toughness of the supply chain, and effectively improve the efficiency and profit of the overall supply chain. This paper summarizes the related concepts, discusses the construction of enterprise supply chain collaborative inventory management model under the background of large data, and gives the possible problems in the application process of the model and corresponding countermeasures.
Key words:Big data; supply chain inventory management; collaborative management
陈锦回 刘琼芳:大数据背景下企业供应链协同库存管理模型构建研究
71。