商品仓储信息线上可视化对电商物流效率的影响

China Business and Market - - CHINA BUSINESS MARKET -

doi:10.14089/j.cnki.cn11-3664/f.2017.08.005引用格式:陈思,甘蜜,郭茜.商品仓储信息线上可视化对电商物流效率的影响[J].中国流通经济,2017(8):41-48. 陈 思,甘 蜜,郭 茜

610031) (西南交通大学交通运输与物流学院,四川成都

摘 要:电商物流系统有效运作是电商正常运营的关键,其效率主要受线上物流信息、线下物流网络水平、区域物流技术能力及物流从业人员素质影响。其中,无论是线下物流网络构建、区域物流技术能力,还是物流从业人员素质,均无法以较小的投入在短时间内较为明显地实现物流效率的提高,只有线上前台物流信息改进能以较短的时间和较小的投入带来物流系统效率的显著提升。因此,应在充分利用现有物流信息平台及先进物流与通信技术、完善电商平台同质商品信息关联、培养终端客户物流观念基础上,通过部分物流信息的线上前台显示来实现电商商品仓储信息的线上可视化,促进物流信息在平台与客户间的共享,提高电商物流信息时效性,进而借助区域性同质产品推荐,促进物流系统资源优化配置与区域内资源合理使用,降低物流成本,提高电商物流系统及区域物流服务效率和水平。

关键词:电商物流;物流效率;仓储信息;数据包络分析

中图分类号:F252 文献标识码:A 文章编号:1007-8266(2017)08-0041-08

一、序言

随着电子商务的快速发展,我国网络销售额增速远超传统实体店铺销售额增速。消费者购买范围从城市逐步扩展到全国乃至全球。物流作为网络销售的线下实现环节,不仅保障了电商销售的完整性与可实现性,而且积极推动了电商网络销售与营销形式的发展。随着电商网络的不断铺开,消费群体需求差异化趋势日益明显,部分消费者不仅对电商销售提出了多样化的服务需求,而 且对物流服务水平的要求日益提升,在网络购物时效方面更是如此。据一号店统计,其曾经一度

60%

有 的不愉快购物体验是物流服务差所导致的。[1]物流时效已经成为电商物流服务提升的瓶颈。对某些时间要求较高的消费群体而言,物流时间已经成为其选择产品和电商平台的重要因素。面对物流时效要求的提高,各大电商纷纷开始在物流时效方面采取措施进行升级和改革。例如,苏宁易购提供“半日达”“急速达”“一日三送”服务,京东商城提供“一日四送”与“夜间配”物流

收稿日期:2017-06-14基金项目:教育部人文社会科学研究项目“新城镇化区域产业转移与物流网络构建可持续发展研究”(16XJCZH001);四川

省农村发展研究中心项目“产业结构演变视角下城乡物流网络供需耦合研究”(CR1716)作者简介:陈思(1982—),女,四川省成都市人,博士,西南交通大学交通运输与物流学院教师,主要研究方向为物流系统优化、物流网络设计等;甘蜜(1984—),女,湖南省岳阳市人,博士,西南交通大学交通运输与物流学院副教授,主要研究方向为物流系统构建、供应链设计等;郭茜(1975—),女,河南省南阳市人,博士,西南交通大学交通运输与

物流学院教师,主要研究方向为物流项目运作管理等。

服务,菜鸟物流提出了“当日达”“次日达”等物流配送形式。这些无地域差别的物流产品的实现需要强大的物流基础设施、配送团队以及先进物联网信息系统的支撑,投入高,产出实现时间长,很难在短时间内解决高物流时效需求问题。

此外,随着市场上同质产品的增加,产品功能、质量、价格日趋接近,物流时效将成为客户选择产品的重要依据。在目前的物流设施与物流信息水平下,可在同质产品描述信息中增加产品实际仓储信息及物流推算时间(同城物流时间相较于跨城市物流,其流程更简单,时间控制更准确),通过仓储信息可视化将产品物流信息呈现在电商平台上,作为客户选择产品的重要信息和依据。本文将利用数据包络分析法(DEA)对仓储信息可视化影响下的电商平台物流效率进行研究。

目前,物流效率评价方法相当丰富。在物流效率评价方法方面,田宇[2]讨论了物流效率与作业基础成本法、指标树法、层次分析法、数据包络法等四种物流效率评价方法的特点与适用范围,其中数据包络法在使用范围和适应性方面均比较突出;毕小青等[3]从评价对象和评价方法两个方面入手对现有文献进行梳理,并在此基础上系统分析现有研究特点与局限性,指出目前物流企业

DEA效率测度主要集中于 法和随机前沿法(SFA)。在研究对象方面,大部分集中于区域物流效率影响因素研究。例如,王书灵等[4]探究了外部环境对江浙沪地区物流效率的影响,通过构建

DEA

三阶段 模型,基于各阶段结果分析得出了三个地区受外部环境影响的情况;王琴梅等[5]利用DEA Tobit

模型和 回归模型研究西安市市域物流在物流基础设施及物流行业影响下的效率,发现物流资源利用率与市场化程度对西安市物流效率的

DEA影响最为深远;贺玉德等[6]利用 模型对四川省物流发展与经济发展的协调度进行了分析。此外,DEA

模型还可用于具体物流作业环节,如运输

DEA过程的效率分析。董璐等[7]结合 方法与线性规划方程组构建模型,测算交通信息化对道路畅通性的贡献,发现交通信息化投入对道路畅通性的影响具有滞后性,优势作用会逐渐显现。近年来,电子商务的飞速发展引起了众多学者的思考。比如,刘抒聪[8]在介绍国内现有物流配送方式与现状基础上,通过相关企业案例分析,提出了 物流配送方式创新的具体方向,对电商与物流企业发展具有借鉴价值;巨科帅等[9]论述了京东自营物流的优势、劣势,并提出了切实可行的意见;花永剑[ 10 ]在分析电商自建物流原因及京东自建物流思维、方式、成果基础上,指出了电商自建物流与第三方外包物流的优势和劣势,认为第三方物流与自营物流的竞争催生了新的物流方式,促进了物流行业的发展,并给出了电商自建物流应当

DEA

具备的参考条件。在 模型扩展及其在物流方

YuMM DEA-AR面的应用上,于( )等[ 11 ]利用 模型对国家技术发展和区域物流状况进行了测度;刘(Liu L) DEA/PCA

[ 12 ]利用 模型对物流产业发展效率进行了分析;马克维茨-西蒙尼(Markovits-Somo⁃ gyi R)等 DEA-PC

[ 13 ]以 模型为基础对欧洲多国的物流效率进行了分析和比较。上述国内外研究均

DEA

在 模型基础上进行了扩展,并针对不同情况不同地区分析比较其物流发展、物流系统效率、物流网络成效,取得了较好的效果。相较于之前多

SWOT数电商物流效率研究经常采用的 分析法和层次分析法(AHP),在物流系统整体发展态势分析方面,DEA

模型具有较强的客观数据优势。然而,物流效率分析仍然主要局限于对区域物流效率的分析,仅有少数学者研究了个别因素对电商整体物流效率的影响。本文将从电商产品仓储信

DEA

息可视化着眼,利用 方法建立效率影响模型,以期为广大电商进行平台建设及物流系统完善提供理论依据和对策建议。

二、电商物流系统效率影响因素分析

对电商物流系统而言,影响其物流系统效率的主要因素可概括为线上物流信息系统情况、线下物流网络水平、地区物流技术能力、物流从业人员素质等方面。

(一)线上物流信息系统情况对电商物流系统而言,线上物流信息包括后台物流信息系统、前台物流信息展示两大部分。其中,后台物流信息系统是连接电商平台商品订购信息与线下物流网络、实现电商物流系统协调整合的神经系统,其主要作用是为仓库、承运商、供应商等物流作业参与环节及参与者提供实时的产品仓储与在途物流信息,为电商平台提供必要

的物流信息等;而前台物流信息展示主要面向电商平台用户,为用户提供已购商品的物流信息。目前,大部分电商都没有把商品具体仓储所在地作为产品参数显示到产品介绍信息中,用户难以根据产品选择界面有效判断商品可能的物流时间。本文主要研究线上前台仓储信息展示对电商整体物流效率的影响。

(二)线下物流网络水平除电商物流信息系统的支撑和影响外,物流网络的完备性和协调性也是影响电商物流系统效率的重要因素。仓库、物流中心、配送中心等物流节点的合理设置有利于减少长距离跨区域运输,缩短物流配送时间。同时,优良的配送团队以及多种运输方式的协同运作,可在物流运作层面有效提高物流系统协同度与运作效率。物流网络水平在很大程度上取决于物流基础设施建设水平,其中不仅包括仓库等物流节点的铺设,而且包括运输设施、通信设备、仓储机械等。物流基础设施资本投入相对较高,协同运作效果呈现时间相对较长。

(三)地区物流技术能力对跨区域的物流系统而言,不同的区域其物流基础条件、社会可利用物流资源分布状况差异较大。对不同地区的物流网络而言,地区物流技术能力的提升不仅需要物流供应企业、物流需求企业的共同努力,而且需要地区政府从道路交通、政策扶持、区域环境、技术提升等方面提供支持,以及建立国家级或者区域级物流中心。物流技术能力完备的地区能够有效支持区域内物流网络的构建与运作,而企业对基础设施建设的控制相对较弱,面对提升物流效率的迫切要求,难以在短时间内达到预期目标。

(四)物流从业人员素质具备专业物流素养的物流作业人员能够在不同的物流作业环节正确理解系统意图,有效降低 错误几率,节约物流劳动成本,有效提升物流系统作业效率。电商物流系统从业人员素质除可通过招聘经过专业培训的人员提高外,还可通过在岗专业培训实现。而有经验有知识的物流从业人员的培养,需要较高的培养成本和较长的时间,不可能一蹴而就。

通过对电商物流系统效率影响因素的分析可以发现,线下物流网络的构建和优化是一项耗资巨大、耗时长久的基础工程;地区物流技术水平与能力的提升涉及区域社会物流网络发展的各个层面,需要区域物流及其他单位配合实现;物流从业人员培养需要的时间更长,需要以实践经验为基础。总之,上述因素很难在短时间内通过较少的投入比较明显地提高物流效率。在电商现有物流环境和条件下,可通过部分物流信息的线上前台显示,在相对较短的时间内实现物流效率的提高。本文将分析线上仓储信息前台显示对电商物流效率的影响,以期为电商平台等提供决策支持。

三、电商商品仓储信息线上可视化

(一)仓储信息可视化内涵传统的仓储信息可视化是企业利用智能仓储可视化信息系统降低人力消耗、货物损坏率,对仓库货物种类、数量、出入库进行实时监控的过程。本文讨论的仓储信息可视化指电商平台面向消费者提供仓储信息共享服务,使网络消费者在浏览网页查看商品详情时,可在网页上看到该商品的库存数量、库存位置、预计到货时间等具体信息,并根据消费者所在位置在页面下方提供就近同质商品信息,为那些对物流时间要求较高的消费者提供选择商品的重要依据。传统仓储信息可视化

1。与本文仓储信息可视化的区别具体可参见表(二)仓储信息可视化技术可行性分析电商仓储信息可视化的实现有赖于先进、健

全的物流系统以及成熟的网络运营系统。随着电子商务的不断发展,智能仓储系统的大面积覆盖基本实现了对商品库存的实时监控,电商物流系统与物流网络运营更加成熟和多元化,物流信息的准确性与实时性不断提高。与此同时,智能物流与大数据应用的发展使得充分调动城市同质商品、进一步缩短物流时间成为可能。

目前,对消费者而言,基本只有在下单后才能知道货物具体的发货位置和所需要的物流时间,难以满足对物流时间要求较高顾客的需求;对物流企业和电商平台而言,需要相互协调,影响物流效率,降低顾客满意度;对整个社会而言,同质商品对流运输,资源分配不合理,社会物流成本居高不下。物流信息共享不仅应在电商平台与物流服务供应商之间实现,还应在平台与客户之间实现,只有通过区域性同质产品推荐,才能实现物流系统资源优化配置与区域资源合理利用,降低物流成本,提高电商物流系统及区域城市物流服务效率与水平。

四、研究方法及模型构建 (一)数据包络分析法

1978年,查恩斯(Charnes A)等 DEA

[ 14 ]提出了分析法,CCR

为其相应模型,推动了生产函数的应用,为生产效率的计算开辟了新的路径。鉴于CCR

模型并未考虑规模效率可变的影响,为弥补CCR模型的不足,1984年班克(Banker R D)等

[ 15 ] BCC提出了规模报酬可变的 模型。

CCR BCC DEA

模型和 模型是 方法的两大传统模型。其中,BCC

模型的优势是基于规模报酬可变的前提,把综合效率分解为纯技术效率和规模效率,侧重于纯技术效率分析;CCR

模型不考虑规模报酬可变的影响,侧重运用数学规划方法评价多投入多产出单元效率,更适合测算某单一投入变量对产出变量的影响。因此,本文选择投入导

CCR模型。DEA

向型的 方法的本质是线性规划问题,设决策单元(DMU)数量为

n,每个决策单元有m个输入变量,s个输出变量,则DMUj0的效率值可

CCR模型计算。具体参见公式(1):

通过max hj0 =

μTY0

- ≤0 μT Y ωT Xj j

=1

s.t. T (1) ω X

0

=1 2 ... j , , ,n

≥0 ≥0 ω ,μ

式中,x代表投入指标,y代表产出指标,μT 和ωT 分别代表输出变量和输入变量的权重,决策单元j的产出与投入比可用效率评价指数h表示,具体见公式(2):

μT Y hj = (2)

j

T ω Xj

修改公式(1),引入松弛变量

S,得到新的对偶线性规划模型,具体如公式(3)所示。θ、λ

、S-、S+的解可以更加清楚地反映投入变量的不足、冗余及产出效益变化情况。min =θ

V

nD

∑λj

Xj + S- = θX

0

=1 j

∑λjYj 3

n () s.t. -

S+ =Y

0

=-1≥0 ≥0 ≥0 j

S ,S + ,λ

j

=1 ,2,...,n j

求解公式(3),得到最优解θ*、λ*、S*-

、S* ,有

+如下结论:

(1)若θ*=1,则DMUj0 DEA

为弱 有效;

(2)若θ* =1,且 S*-=0,S* +=0,则 DMUj0 DEA

为有效。

CCR

线性规划模型存在最优解,根据模型计算过程,可得DMUj0对应的(X j0 ,Yj0)相对于n个决策

ˉj0 ˉj0单元有效的生产前沿面上的投影( X ,Y ):

ˉ =

Xj0 θX - S(4)

j

0

ˉj0

=Y + S+ (5) Y

j0

Xˉj ,Yˉ

( )为DMUj0调整后的参数值,带入模

j

0 0

=1,决策单元由DEA

型,满足θ 无效调整为有效。

(二)电商仓储信息可视化对物流系统效率的影响模型

设决策单元j0的仓储信息可视化投入量为X 1 ,其权重系数为ω ,物流时间的倒数用Y j1表示,

j

0 0

其对应的权重系数为 μ ,用投入产出比表示仓储

信息可视化对物流时间缩短的贡献率,具体如公式(6)所示:

ωX1j0 = × 100% 6 TI ()

1j μY

0平均贡献率计算公式为: 1∑ωX1ij0

n (7) -

= × 100% TI

1ij0 n μY =1 i综合考虑电商物流和模型的特点,在选取投入产出指标时应符合以下要求:一是合理性,指标与电商物流效率密切相关;二是决策单元个数大于等于投入、产出指标数量之和的两倍;三是突出仓储信息可视化的作用,保留重要影响因素,省略较小的影响因素。[ 16 ]投入产出指标具体可以参见

2。

一是物流时间的倒数( Y1 )。物流滞后于资金流是目前电商发展面临的最大难题,物流时间长短是电商物流效率最直观的体现,具有容易量化和统计的优点。物流时间会随着物流相关因素投入的增加而缩短,为保证投入产出变量变化的一致性,选择物流时间的倒数作为物流效率的产出指标。

X1二是仓储信息可视化投资额( )。仓储信息可视化投资主要包括对仓储智能系统的投资以及对网页运营、大数据应用的投资。

三是固定资产投资额(X2)。指电商物流系统对物流中心、大型仓库、仓储设施和配送站、自提点等固定资产进行的投资,固定资产投资额大是物流行业的显著特点。

四是员工薪酬(X3)。物流是一个劳动密集型产业,员工薪酬代表人力资源投入,物流规模的扩大伴随着物流劳动成本的增加。

五、实证分析

京东商城是最具代表性的电商之一,是国内

2007电商自营物流的先驱。京东从 年开始自建物流,迄今十年了,其物流系统日趋成熟,电商平台稳步发展。[ 17 ]京东以京东商城电商平台为基础,在

7 2 658全国铺设了 大物流中心,覆盖了 个区县,物流网络逐步完善。同时,其自营物流服务与电子商务发展紧密联系,是研究电商线上运营组织对 物流效率影响的理想对象。因此,本文以京东商城为例,基于数据包络模型,实证研究线上仓储信息可视化对电商物流效率的影响。数据主要来自中国电子商务研究中心、亿邦动力网、京东物流、国泰安数据服务中心及国家统计局网站。2009— 2016 3。年京东物流投入产出数据参见表

DEAP2.1 2009—2016

在 软件环境下,计算 年

4所示,2009京东物流的相对效率,具体如表 年和2016

年处于效率前沿面,其余年份均出现了投入冗余现象。在初始投入年份,糟糕的物流状况得到有效改善,投入产出效率相对较高,后续年份继

2

表 投入产出指标

续追加投入,物流效率提高缓慢,以投入冗余的形

2016

式呈现。至 年,前期投入形成累加效应,物流效率显著提高,使其综合效率值表现为有效。

DEA

在调整 无效决策单元投入变量时,参考2009 2016

年和 年数据,建立线性规划方程,确定松弛变量等参数值。2016 2009

年参考次数多于

2016 h=1年,因此选择 年数据构建新的方程组,当

的值。方程组具体参见公式(8)、时,求出λ与 μ

公式(9):

=2μ (8) Max 2.0λ1 + 1.14λ2 + 0.675λ3 - 0.250μ ≥0 3.3λ1 + 4.37λ2 + 0.833λ3 - 0.286μ ≥0 4.8λ1 + 14.23λ2 + 1.200λ3 - 0.333μ ≥0 6.2λ1 + 20.61λ2 + 3.520λ3 - 0.400μ ≥0 7.3λ1 + 30.09λ2 + 4.760λ3 - 0.500μ ≥0 (9) 8.9λ1 + 42.24λ2 + 6.374λ3 - 0.667μ ≥0 11.2λ1 + 50.32λ2 + 7.021λ3 - 1.000μ ≥0 14.34λ1 + 67.49λ2 + 8.420λ3 - 2.000μ ≥0 14.34λ1 + 67.49λ2 + 8.420λ =1

3 WINQSB Max=1在 软件环境下,当 时,投入变X1 =

λ1量仓储信息可视化投资额( )权重系数0.036,产出变量物流时间倒数(Y)权重系数 =

μ 0.280 6,代入公式(6),求出2009—2016

年各年度仓储信息可视化对缩短物流时间的贡献值。具体

5。

可参见表

5和公式(7),可以得到2009—2016根据表 年-

=仓储信息可视化对物流效率的平均贡献率,即TI 0.154。

2009—2016

年,京东仓储信息线上可视化投

2009 10.3%逐步上入对物流效率的贡献率由 年的

升,2012 19.9%的顶峰。自2007

年达到了 年起,京东商城开始建设自有物流体系,在仓储物流等信息数据的获取上由第三方供给逐步转化为自供,同时保证了物流、仓储信息的完整性与实时更新。在这个阶段,京东商城依靠基础物流网络的铺设,为物流相关信息奠定了良好基础,在该阶段实现了物流网络效率的快速提升。2012

年,京东商城物流基础网络基本形成,其后期在物流上的投入主要集中于物流配送强化、供应商关系培育、国际渠道扩展等方面。在这个阶段,京东商城对商品仓储信息的显示仅仅出现在产品结算阶段,其主要用途是展示与所购买商品相关的物流信息。这样的仓储信息线上可视化形式无法为客户选择货物提供参考,难以有效促进物流效率的提高。通过改进仓储信息展示方式,使之成为客户选择同质商品时一个主要的影响因素,可全面有效提升物流系统效率。从总体趋势来看,京东商城仓储信息可视化投资占京东物流总投资额的比

5%,对京东商城物流效率的贡献却平均达重不到

15.4%。线上仓储信息的前台显示有效缩短到了了物流时间,提升了京东物流网络的整体效率。

目前,我国电商平台企业经营存在较强的周期性,且电商经营最繁忙阶段(如“双十一”及春节前夕)的物流压力远大于平时,仓库信息展示可以有效分流部分客户的物流需求,从而有效降低跨区域同类型商品的对流运输,提升全物流网络效率,促进本地产品的销售,提升客户物流满意度。由于类似的物流运作组织办法以本地仓库拥有可替代相似产品为前提,以客户能较好理解企业本地物流效率为背景,以对时效性的要求高于对产品品牌、厂商等其他因素的要求为条件,因此对客户理解能力具有较高的要求。对客户理解能力与电商平台企业意图的匹配可通过两个途径实现:一是简化仓储信息本地化的含义(如给出预计的产品物流时间,并把物流时间作为筛选产品的重要因素);二是给予客户一段适应时间并配以有效的指导信息(制作指导动画、简介、广告等),提升客户对仓储物流信息的敏感度,从而通过有效的物流信息展示实现物流网络运营的高效率。

通过对电商物流作业过程进行投入产出模型构建,并基于京东电商数据进行实证分析,证明了

仓储信息可视化投资能够有效提高电商物流效率。同时,在全社会物流信息共享不断深化的背景下,仓储信息可视化将成为有效提升物流系统效率的重要手段。针对同质商品、高物流时效需求客户、生鲜类产品等,一方面产品仓储信息可视化可有效增加同城物流流转量,减少同质商品物流对流,节约社会物流成本;另一方面可促使消费者就近选择符合需求的产品,缩短物流时间,降低物流规模扩张成本,提升物流服务水平。

六、仓储信息线上可视化实现途径

仓储信息线上可视化可在短时间内有效提升电子商务企业物流效率,配合电子商务平台各种营销活动,其物流组织方式也要适应多样化的发展趋势。在原有单一、固定组织形式基础上,灵活运用新兴物流和通信技术手段实现电子商务企业物流效率的全面提升。实现仓储信息线上可视化的途径主要有以下几条: (一)充分利用物流信息平台资源仓储信息线上可视化的前提是拥有全面物流信息数据的支撑,因此仓储信息系统、运输系统、企业信息系统中的物流相关部分以及社会公共交通与物流信息平台等均是电商平台物流信息的有效来源,多物流信息及数据的整合是实现仓储信息线上可视化的基础。(二)全面利用先进的物流与通信技术仓储信息线上可视化的实现不仅是对物流信息和数据数量上的应用与整合,而且包括对物流信息数据的时间要求,要求线上仓储信息与仓库信息数据能够实时同步更新。这不仅在很大程度上需要全球定位系统(GPS)、地理信息系统(GIS)、射频识别(RFID)等先进物流技术的支撑,而且需要移动通信技术的普及与应用。(三)培养电商平台终端客户的物流理念仓储信息可视化的真正实现及其对电商整体物流效率的提升,落脚点在于电商平台终端客户对同城物流、物流时间、同质商品等相关理念的理解。因此,培养电商平台终端客户相关理念,将成为仓储信息可视化短时快速影响物流效率的关键。配合电商平台营销活动开展相关仓储信息可视化功能介绍以及实现效果展示等宣传普及活 动,是培养电商平台终端客户物流新理念的重要途径。

(四)提高电商物流信息的时效性电商平台物流信息来源于仓库、运输、配送等众多环节,在以往技术环境下很难做到实时更新。随着物联网、移动通信、计算机网络技术的不断普及和升级,物流信息时效性的提升成为可能,而技术可能性向实际效用的转化,不仅需要平台间数据传递技术和安全方面的保障,而且需要企业制定合理而有效的信息组织与传递方面的规则和方法。电商物流信息时效性的真正提升是电商平台线上网络与线下网络有效结合的结果,是仓储信息可视化提升电商物流整体效率的有效保证。

(五)完善电商平台同质商品信息的关联在线上信息网络与线下物联网、物流网络有效实时结合的前提下,仓储信息可视化组织的真正实现还需要对电商平台本地仓库所拥有的同质商品信息进行关联设置、匹配及自动推送。完善电商平台同质商品的自动推送与关联匹配,不仅有助于终端客户了解本地仓库同质商品,提升本地同质商品被选中的几率,而且有利于节约终端客户比选时间,提高客户满意度。

以仓储信息可视化较小的投入获得相对较高的物流效率产出,可基于现有物流设施和网络,在相对较短的时间内有效提升电商物流系统运作效率,提高物流服务水平。不过,本文并没有考虑社会环境及随机干扰因素的影响,也没有排除这些因素对仓储信息可视化投资这一投入变量的影响。比如,社会科技水平、居民人均可支配收入对仓储信息可视化投资效果的促进作用。其中,科技水平的提高有助于仓储信息可视化更好的实现,能够降低仓储信息可视化成本,提高仓储信息可视化效率;人均可支配收入的增加即经济生活水平的提高,既可促进消费,也可促进仓储信息视化的应用,从而提高仓储信息可视化投资的效率。此外,客户对物流时间要求的紧迫程度可能会对仓储信息可视化投资效率产生消极作用,随着客户需求的增加,需要增加投入以满足客户需求,从而会在一定程度上降低效率,未来可围绕这些方面开展相关研究。

参考文献:

[1] [EB/OL].一号店案例:集成化供应链仓储物流管理

(2012- 08- 24)[2017- 03- 06].http://www.ebrun.com/20120

824/54703_2.shtml. [2]田宇.物流效率评价方法研究[J].物流科技,2000(2):1519. [3]毕小青,李欣.物流效率评价现状研究[J].价格月刊,2013

(9):40-43.

[4]王书灵,袁汝华.基于三阶段 DEA

的江浙沪地区物流产业效率研究[J].铁道运输与经济,2016,38(10):1-7. [5]王琴梅,谭翠娥.对西安市物流效率及其影响因素的实证

DEA Tobit 回归模型的分析[J].软研究——基于 模型和

科学,2013(5):70-74.

[6]贺玉德,马祖军.基于CRITIC-DEA

的区域物流与区域经济协同发展模型及评价——以四川省为例[J].软科学, 2015(3):102-106.

[7]董璐,云俊,李明伟.基于DEA

模型测算交通信息化对道路畅通性改善的贡献研究[J].数学的实践与认识,2016 (16):133-140.

[8]刘抒聪.B2C电商企业物流配送模式创新研究[J].前沿,

2013(15):100-101. [9]巨科帅,王海元.基于电商京东自建物流研究[J].河南科

技,2015(21):223-224. [10]花永剑.电商自建物流现象的竞争关系分析——以京东

为例[J].物流商论,2014(6):181-184. [11]YU M M,HSIAO B.Measuring the technology gap and lo⁃ gistics performance of individual countries by using a ME⁃ TA- DEA- AR model[J].Maritime policy & management, 2016,43(1):98-120.

[12]LIU L.Performance evaluation based on DEA/PCA model of logistics industry in Shandong Province[C].Proceedings of the 2015 international conference on education,manage⁃ ment,information and medicine,2015.

[13]MARKOVITS- SOMOGYI R,BOKOR Z.Assessing the lo⁃ gistics efficiency of european countries by using the DEAPC methodology[J].Transport,2014,29(2):137-145. [14]CHARNES A,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research,1978,2(6):429-444.

[15]BANKER R D,CHARNES A,COOPER W W.Some mod⁃ els for estimating technological and scale inefficiency in data envelopment analysis[J].Management science,1984 (9):1078-1092.

[16]李梦琦,胡树华,王利军.基于DEA

模型的长江中游城市群创新效率研究[J].软科学,2016(4):17-21. [17]柯文.京东配送,不只是速度[N].人民日报,2016-05-20

(13).

责任编辑:陈诗静

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.