企业大数据业务投资决策及供应链契约协调探讨

本文是管理论文，为解决供应链节点企业投资大数据业务的决策与契约协调问题，以具备线上线下销售渠道的制造商和零售商所构成的双渠道供应链为研究对象，在对大数据与供应链相关研究进行总结梳理的基础之上，在考虑供应链节点企业投资大数据业务可分别实现精准营销和需求预测的前提下，构建两种供应链模型，探讨了企业在不同的模式下，投资大数据业务对供应链整体及自身收益的影响。同时，设计收益共享契约以对供应链进行协调。本文所得到的研究结论如下：最后，进一步探讨投资大数据业务后的供应链契约协调机制设计问题，以求通过协调实现企业及供应链整体绩效的Pareto改进。研究表明：①当单位产品的生产成本满足一定条件时，若投资大数据业务的成本比投资临界值小，企业共同投资大数据业务势必会增加其自身以及供应链整体的收益；②当投资大数据业务的成本分摊系数和收益分配系数满足一定条件时，收益共享契约可降低分散决策下“双重边际效应”的影响，使供应链协调。供应链的运作模式不同，大数据业务作用也将不同，采用分析的理论基础及数学模型也有所不同。在推式供应链中，更多情况下是决策主体将自身生产的产品主动推送给消费者，而大数据作为决策主体精准营销的一种有效手段而被使用，这种情境下市场需求函数采用线性需求函数较为符合。而从拉式供应链的角度出发，消费者对产品的效用往往会影响到产品的生产，决策主体将被动按照消费者需求进行生产，此时大数据的主要作用是预测需求，以确保决策主体对市场需求的预测更加准确，这种情境下采用消费者效用理论进行需求分析更加切合实际。

第一章绪论

近年来，企业和供应链管理实践产生的数据量呈几何式增长，而信息流作为供应链的主要链条之一在当前的企业竞争中起着决定性作用，迫使着所处供应链中的企业纷纷投入资金、人力开展大数据项目以夺取发展的先机。研究人员从生成、捕获、组织和分析数据这几个角度研发新技术，以对获取的最新数据、信息进行剖析，从而为行业提供有价值的见解。将大数据分析引入到企业日常管理、组织与决策中，势必会带来颠覆性的变革。同时大数据分析嵌入供应链当中，不仅可打破供应链条之间的信息壁垒，实现数据共享，提高供应链透明度，还在一定程度上解决了企业之间信息不对称的问题[5]。通过数据获取、分析与共享，企业可掌握自身某些业务的特性，从而改进策略方针，优化决策方案，尽可能减低各项业务的成本，并且能确保企业内部各部门之间的信息流不会“断流”，加强企业内部联系，使企业整体朝着积极方向发展。有预见性的企业都纷纷开始将大数据引入到日常的运营管理中，以抓住企业转型升级的机遇，并将大数据技术全面渗透到供应链管理的各个环节：在产品开发方面，对消费市场进行大数据的采集、分析，精准挖掘潜在市场，设计出个性化产品；在销售环节，收集和分析顾客的行为数据和兴趣爱好，并以此为依据精准推送相关的产品和促销信息给客户，实现精准营销，推动业绩增长；在物流环节，获取第一手的路况信息，根据实际情况优化路线，提高运输效率[6]。如DHL、H&M、ZARA等企业都已经利用大数据技术收集并分析实时的用户行为数据，判断出客户的兴趣爱好和行为习惯，并预测出市场的需求，为顾客提供具有个性化的产品，从而提升自身的竞争力，成为各自领域的佼佼者。Amazon、淘宝、京东、拼多多等电商平台利用大数据技术精准地向客户推送满足其期望产品的相关信息，实现精准营销，从而提升产品的销量。从上述的实际案例中可以看出大数据业务在企业实际应用的有效性，然而，投入大数据技术必然会使企业运营成本有所增加，所以企业投资决策及企业所处供应链的契约协调问题是当下亟需探索的问题。

第二章理论基础及相关文献述评

2.1理论基础

供应链存在的宗旨是实现消费者最终需求，获得顾客满意。而B2C、O2O等新兴商务交易模式的崛起，使企业的销售方式发生质变，提高了企业对产品质量的重视性，使企业更注重个性化需求的服务[16]。而且企业应该具备一定的弹性以适应消费市场的复杂变化，通过调节策略部署来积极适应市场变化的不同情况并迅速对变化作出响应，构建与消费者之间交流的信息渠道和新兴商业模式来实现供应链转型升级是必然的发展趋势。推动式供应链产品的生产建立在需求预测基础上，它以制造商为中心，产品生产先于消费者购买行为，然后逐级向消费者推进[17,18]。其优点在于能够以平均成本最低的产出满足目标需求量，同时能够用实时提供的货品抓住来之不易的商机以创造无限的利润，但是库存积压等风险将会为企业的收益带来负面影响。而拉动式供应链以消费端的客户需求为核心，其生产与销售主要由需求所驱使的，这是根据实际的顾客需求进行协调的，并非根据预测需求[19,20]。按实际的订单生产、组装、配置，整个供应链具有较高的集成度和高效的信息交互能力，能够给消费者提供定制化的服务[21]。但是需求不确定性仍旧是其需要克服的主要难点。当供应链运作为推动模式时，可以应用大数据促使企业提高自身的生产效率，以提升自身的市场占有率和竞争力，进一步渗透到市场中充分展现企业的规模优势，减少企业生产成本及运作成本，进而优化企业绩效[22]。当供应链为拉式供应链时，大数据的应用能够帮助企业获取较精准的市场信息和消费者需求信息，促使企业对顾客的订单和个性化需求时刻保持着敏锐的触觉。

供应链的不同含义

2.2相关文献梳理与述评

整理上述文献可以发现，目前通过定性研究方法从企业的商业模式、战略规划、供应链运营管理等多个维度探讨投资大数据对企业及供应链影响的研究成果已十分丰富，然而对大数据与供应链的综合性研究采用定量研究方法的文献较少，需要对已有的研究进行补充，以此为基点可展开更加丰富的研究如下所示。（1）现有文献仅从投资大数据业务可以降低企业内部运营成本这一角度进行思考，并没有综合考虑大数据的其他作用（精准营销、挖掘潜在消费者等），在这方面的文献较少，也是文章进一步的研究重点。本文将在第三章中从推式供应链的角度出发，在综合考虑企业通过利用大数据技术可精准将产品信息推送给目标客户，以降低企业运营成本和提升产品销售量的前提下，研究企业的大数据业务投资决策问题。（2）目前研究大数据与供应链的文献大部分以推动式供应链为基础，而基于拉式供应链的研究较少，即探讨大数据对应着拉式供应链的拉动作用的研究较为匮乏。本文将在第四章中，从拉动供应链的角度出发，在考虑大数据业务的拉动作用即企业通过投资大数据业务可获得即时、精准的消费信息以及挖掘消费者偏好和需求，以实现产品个性化生产的情况下，探讨企业的大数据业务投资决策问题以及明确投资的临界条件。

第三章企业精准营销业务投资决策及供应链协调机制探究.......................................15

3.1问题描述及模型假设...................................................................................................15

3.2不同投资模式下的供应链收益模型和投资决策分析...............................................18

3.3企业共同投资精准营销业务下供应链协调机制探究...............................................35

3.4算例分析.......................................................................................................................40

3.5总结...............................................................................................................................46
第四章企业需求预测业务投资决策及供应链协调机制探究.......................................49

4.1问题描述及模型假设...................................................................................................49

4.2不同投资模式下的供应链收益模型和投资决策分析...............................................51

第五章结论与展望...........................................................................................................67

5.1结论...............................................................................................................................67
5.2展望...............................................................................................................................68

第四章企业需求预测业务投资决策及供应链协调机制探究

4.1问题描述及模型假设

本文以具备线上线下销售渠道的制造商和零售商所构成的双渠道供应链系统为研究对象，其不同投资模式下的供应链结构图如图4.1所示。产品既可通过传统零售渠道进行销售，也可通过制造商自身的直销渠道进行销售。其中，供应链的Stackberg博弈领导者是供应链上游的制造商。随着信息技术的飞速发展和全球经济水平的不断改善，消费者不再处于市场的被动地位，其对产品的需求已不再局限于企业的规范化生产，而是追求产品和服务的个性化，为此许多数企业开始大规模进行“个性化”生产[68]。个性化消费时代给企业带来机遇和挑战不同以往，对于是否投资大数据业务生产定制化产品来满足消费者个性化需求，企业往往难以决策。近些年，互联网、移动互联网以及物联网技术的逐渐发展和广泛应用，为企业建立了能够有效搜集和获取产品和客户数据的渠道[69]。通过利用大数据技术搜集、分析用户和产品的各类数据信息，企业就能够对客户的兴趣爱好、行为习惯、消费水平进行精准分析，并预测出市场的需求，为顾客提供具有个性化的产品，从而提升自身的竞争力[70]。本章从拉式供应链的角度出发，在考虑制造商、零售商可以通过投资大数据业务精准预测消费者需求的前提下，以具备线上线下销售渠道的制造商和零售商所构成的双渠道供应链为研究对象，分析了两种投资大数据业务模式下的企业利润模型，探讨在不同模式下，企业投资大数据业务对供应链及其自身收益的影响，并在制造商和零售商共同投资大数据业务的基础上，设计了协调机制来降低分散决策下“双重边际效应”的影响。

4.2不同投资模式下的供应链收益模型和投资决策分析

联合支付是企业在投资时常用于分担成本和风险的有效手段，在实际中关于企业联合支付进行投资的案例也较为常见，如宝洁公司与沃尔玛进行合作共同承担大数据分析的成本，降低了企业的运营成本，提升了企业的营业额，达到双赢。鉴于此，为了简化研究，本章参考已有的研究[37]，构建制造商和零售商都不投资（N）以及基于联合支付契约二者共同投资（A）大数据业务模式下的企业以及供应链整体的利润模型，进而探究投资大数据业务前后企业及供应链整体的收益变化情况并推算出两个厂商共同（A）投资大数据业务模式下的投资成本临界条件。在接收到相关的需求信息后，制造商可生产出具有针对性的产品，这样既可提高企业对顾客的服务水平，又能节约供应链系统的运营成本。因此，文章将从上述两种不同的供应链运作方式出发，探究投资大数据业务这一行为对企业及供应链运营管理的影响。因此，本文在国内外学者的研究基础上，分别从推动式供应链和拉动式供应链这两个角度出发，同时，考虑企业投资大数据业务对企业内部成本和潜在市场需求的影响，探讨企业投资大数据业务决策问题和契约协调问题。

大数据的特征

第五章结论与展望

伴随信息时代的到来，云计算、物联网等新一代信息技术与传统行业进行融合，使得企业逐渐向智能化转型。目前许多行业已经使用大数据来提高运营效率，且大多企业都会将具体的业务和大数据技术结合，发挥出大数据的价值，进而增强企业的核心竞争力，让企业取得良好的竞争优势。第三章、第四章的研究虽考虑角度不同，但是二者最终的研究成果都能反映出：在企业投资大数据业务后，且投资成本比投资临界值小时，企业的绩效将得到优化，企业及供应链整体的收益都会有显著的提升。同时在收益共享契约的协调作用下，有效解决供应链分散决策下“双重边际效应”的负面影响，实现供应链协调。在大数据背景下，数据作为信息、经济社会必不可少的资源已经渗透到各个行业，影响着每个行业的发展。对于企业来说，从大量的数据中获取有价值的信息对其转型升级起着重要作用。对于供应链来说，大数据技术是实现供应链信息可视化、数字化的关键因素，且大数据与供应链相结合是供应链管理的未来发展方向。因此，对企业的大数据投资决策行为进行相关调研，以帮助企业优化运营成本，进一步提高企业收益，在理论及实际应用上都有较为重要的意义。但由于文章篇幅及精力有限，未能在已有的研究成果上展开更深层次的研究，未来可以从以下方面进行：（1）在考虑随机条件的基础上对企业大数据业务投资决策进行研究。随着当今交易市场不断复杂化，必定会对企业的交易模式及供应链运作带来破坏性的打击，纵使投入大数据业务进行精准预测也不能保证分析结果的完全准确性，以此为契机，在考虑随机条件下，对企业的投资业务进行定量分析，探究市场模式的变化规律将会更加符合实际情况

参考文献（略）