物流企业的数据驱动创新

——一个多案例分析

China Business and Market - - ニュース - 3 表 数据飞轮运转的关键要素

黄音

410004) (中南林业科技大学物流与交通学院,湖南长沙

随着“互联网+”时代的到来和大数据技术的发展,物流企业越来越关注数据本身。数据驱动开始逐摘 要:渐替代传统驱动方式,成为中国物流企业发展的新方向。物流企业借助物联网技术采集海量终端数据,依托云计算为企业平台运作提供强大计算能力,提高收集、储存、分析信息和依据信息进行预测的能力,这是企业竞争优势的来源。构建数据战略,通过数据驱动成就商业模式创新是当前企业面临的迫切而现实的问题。采用多案例研究方法,基于五个典型案例对物流企业数据驱动创新模式、特点和规律进行实证检验发现,物流企业中存在数据驱动创新模式,但与电子产品等新兴企业相比,其在发生范围、参与创新主体及创新类型上存在一定差别;数据飞轮及其飞轮效应,包括原点定律、阻力定律、加速定律与惯性定律,在数据驱动型物流企业中的运行、旋转、发展具有自己独特的演化特征;新一代物流企业中数据飞轮在创新演化的源泉、关键、核心、主要工具及驱动决策方面展现出不同的特点。不过,尽管与新兴企业相比物流企业在数据驱动创新方面具有自身独特的演化特征和运行轨迹,但两者在数据驱动的类型、特点、规律及应用范围上的共性仍然很多,物流企业数据驱动创新拥有与新兴企业同样的活力和创造力,其创新潜力同样有待进一步挖掘。关键词:物流企业;数据驱动;数据飞轮;飞轮效应;大数据技术

中图分类号:F259.23 文献标识码:A 文章编号:1007-8266(2018)09-0020-10

一、引言

20

自 世纪末以来,互联网技术的发展促使物流企业开始关注数据本身。借助物联网技术,物流企业采集海量终端数据,云计算为企业平台运作提供强大的计算能力,提高收集、储存、分析信

息和依据信息进行预测的能力,这些正在成为企业竞争优势的来源。“互联网+”时代,企业必须从顶层设计开始,打造推动企业不断发展的数据飞轮。所谓数据飞轮,指能够利用客户数据为第三方开发增值服务,能够持续、免费地为客户提供更多服务,而更多的服务将进一步产生更多的客户

收稿日期:2018-07-26基金项目:湖南省教育厅科学研究优秀青年项目“供给侧改革下物流业客户异质性需求与服务创新模式研究”(16B284);湖南省哲学社会科学基金项目“基于服务主导逻辑的第三方物流企业顾客感知模型研究”(15YBA389);中南林业科技大学校级青年科学基金项目“基于大数据的城市配送网络优化及治理体系研究”(2017QY001)作者简介:黄音(1982—),女,湖南省湘潭县人,中南林业科技大学物流与交通学院教师,博士,主要研究方向为服务创新、

行为数据,利用这些新产生的数据又能为第三方提供新的增值服务,这个正向反馈的循环如同巨大的飞轮,能够产生飞轮效应 [1]。许多物流企业在数据积累过程中逐步尝试业务流程的数据化。传统管理模式围绕的主题一直是“职能驱动转为流程驱动”,而随着“互联网+”时代的到来和大数据技术的发展,数据驱动已经逐渐替代传统驱动方式,成为中国物流企业发展的新方向。因此, “互联网+”时代如何通过数据驱动实现商业模式创新就成为一个极具现实意义的问题。根据数据类型的不同,可将数据驱动创新分为四类:一是价值数据驱动创新,数据主要包括客户反馈数据、新产品/新服务模式研发及改进数据,其主要创新对象为产品或服务;二是关系数据驱动创新,数据主要包括全渠道营销和品牌管理数据,其主要创新对象为渠道;三是平台数据驱动创新,数据主要包括企业生产平台数据、合作伙伴平台数据,其主要创新对象为支持生产的基础设施;四是赢利模式驱动创新,数据主要包括交易方式、付账方式等,其主要创新对象为企业获取收入的来源和方式以及交易付款方式

等 [1]。相关核心数据具体参见表1。数据驱动创新的主要流程参见

1。

根据上述分类,分析国内不同类型物流企业数据驱动的类型和特点,深入探讨数据驱动的规律和应用范围,同时基于多案例研究,运用数据飞轮的原理和规律,对国内不同类型物流企业的创新模式提供指导,分析数据驱动型物流企业创新模式演化与发展趋势。

由于当前由数据驱动的创新模式在实践中比较少见,飞轮效应在企业创新实践中的运行规律尚不清晰,采用统计抽样方法很难获得样本,很难准确描述数据驱动创新的动态演化过程,很难详细描述飞轮效应原理和规律在企业实践中的具体运用,而相比之下案例研究更适 合数据驱动创新的研究对象和研究目的,特别是案例研究中的多案例研究在有效性方面具有比较

[2]。

强的优势

二、文献综述

“互联网+”时代,大数据促使传统企业商业模式发生了重大变革 [3]。《自然》(Nature)和《科学》(Science)两本杂志分别出版专刊,从互联网技术、互联网经济学、超级计算、环境科学、生物医药等多个方面入手讨论大数据处理与应用专题[ 4-5 ]。自此之后,全球范围内掀起了大数据与多种学科交叉融合的浪潮。计国君等[6]基于顾客行为的普遍性和全渠道竞争的现实性,对近年来大数据驱

动下的全渠道供应链服务创新及其关联因素进行了论述,构建了基于大数据驱动下全渠道供应链服务创新的决策框架。周文辉等[7]基于价值共创理论视角,采用案例研究方法系统揭示了“互联网+

”时代基于数据驱动的大规模定制演化的诱因、过程和结果。陈夕[8]指出,现代流通企业应借助互联网大数据平台优势,在流通关键节点与消费者保持全程、零距离接触,为消费者提供多元化创新服务。

三、变量定义

基于以上研究可以发现,当前的数据驱动创新主要以价值数据驱动和关系数据驱动创新为主,主要聚焦于产品研发、设计和渠道营销,对平台数据和赢利模式驱动创新的研究较少,且多以新兴企业为研究对象,对传统企业(如物流行业)缺乏学术关怀。在创新模式方面主要聚焦于产品研发,对服务模式创新的研究尚不多见。接下来,通过如下变量对不同物流企业数据驱动的类型、特点、规律和应用范围进行深入探讨。(一)数据驱动创新大数据时代,互联网思维的本质就是利用数据。“互联网+”技术为海量数据的收集和分析提供了平台,而数据已经成为驱动企业发展和转型的核心力量。一个数据驱动创新型企业会以一种及时的方式获取、处理、使用数据并创造价值,不断迭代改进,持续更新并开发新产品或新服务,并以此驱动各企业的管理和运营。评估一个企业是否为数据驱动创新型企业需要考察以下三个方面:一是企业产生的数据量;二是使用数据的程度和有效性;三是内化数据的过程。其中第二个方面是评估的关键。数据驱动物流服务方案设计创新

2。

的具体流程参见图

2

如图 所示,数据驱动创新在物流企业中表现为一种数据的迭代和更新,并通过这种数据的迭 代和更新生成物流服务创新方案,实现物流服务设计创新,并最终完成数据的更新。

(二)数据飞轮数据飞轮即企业在创新演化的各个环节都有数据的支撑。而判断一个企业是否形成了数据飞轮,主要看其在创新演化进程中是否每个基本模块都有数据的支持。数据飞轮的动力源可能是一个,也可能是几个。企业提高效率、提升价值的关键在于企业内部不断运转的数据循环。利用数据价值来改善客户、产品、基础设施、赢利方式等核心环节,形成独特竞争优势,最终实现整个物流企业乃至供应链的快速运转。

依据数据类型以及数据驱动创新类型,将企业运行的基本模块划分为产品模块(包括生产产品和服务产品)、渠道模块、基础设施模块、赢利模块四个,每个模块都有对应的数据飞轮。在产品模块,物流服务从注重服务质量的改善到注重客户的体验,以实现服务价值的提升,形成价值数据飞轮;在基础设施模块,物流链上的各企业通过资源整合形成平台,企业在平台上进行内部资源的整合优化,承接企业外部资源与业务,形成平台数据飞轮;在渠道模块,物流企业通过全渠道营销和品牌管理,形成关系数据飞轮;在赢利模块,物流企业借助互联网促进赢利方式、交易方式的多样化和去风险化,形成赢利模式飞轮[9]。其中,数据分析与价值发现能力是四个数据飞轮快速运转的核心。

(三)飞轮效应考虑行业和企业自身特点,不同的企业在数据驱动创新演化过程中的表现方式、特点、规律及应用范围也不相同,四个数据飞轮在创新演化过程中所发挥作用的特征和影响程度也各不相同。根据飞轮效应的四个基本规律,即原点定律(数据驱动的优势环节和起点,以此为核心展开业务),阻力定律(飞轮运转的主要阻力,包括组织结构阻力、数据采集阻力、模块协调阻力),加速定律(数

据驱动加速度+(企业动力-企业阻力)/非数据化业务规模)和惯性定律(实现企业的数据转型与变革) [1] ,对不同的数据驱动型物流企业创新演化的表现方式、特点、规律及应用范围进行分析。

四、案例介绍

4~10案例研究需要的案例一般以 个为宜,案例的选取要求具有较强的典型性或者能够代表某种极端情形,同时具有独特的研究与现实意义 [10]。当前国内外数据驱动创新的案例多以国外企业(如阿迪达斯、戴尔电脑、亚马逊等)为主,或以电子产品(如小米手机)、网络定制(如红领集团)等新兴企业为研究对象[1] ,对国内传统企业特别是物流企业鲜有涉及。然而,在“互联网+”时代,恰恰是物流企业这类待转型的传统企业才更需要寻求创新突破。在国际上,物流企业被认为是国民经济发展的动脉和基础,其发展水平是衡量一个国家现代化程度与综合国力的重要标志,被喻为促进国民经济发展的加速器。“互联网+”时代,大数据技术也赋予了这一传统企业新的生命力。通过对相关文献进行整理分析,查阅相关企

2中业资料,结合对相关领域专家的访谈,选取表的五个典型案例作为研究对象。案例选择主要基于以下三个标准:一是尽可能广泛地覆盖中国物流企业的各种类型,以提高研究结论的普适性;二是所涉及物流企业尽量涵盖我国比较知名的典型物流企业(如菜鸟网络、日日顺等),以提高研究案例的代表性和典型性;三是尽可能选择当前学术研究鲜有涉及的创新模式进行研究,以提高研究 的创新性,填补物流企业创新及数据驱动创新领域案例研究的不足。根据使用数据的程度和有效性,将数据驱动型物流企业进一步划分为完全数据驱动型和部分数据驱动型。

由于从数据驱动角度研究企业创新的文献尚不多见,已有研究和案例亦缺乏对物流企业数据驱动创新的描述,因此无法从现有文献和访谈中直接获取研究所需要的案例。本文依据文献[2]的案例研究方法,通过资料收集获得零散的物流企业数据驱动创新的片段,然后依据“互联网+”时代的特点以及数据驱动创新的表现方式与规律进行筛选和拼接得到案例。针对每一个拼接得到的案

2),均从两个以上不同的数据来源例(具体参见表(包括学术著作、论文、公司网站、行业资讯等)获取与该案例相关的信息,并在企业调研和实践中亲身体验所选企业的创新产品、服务、平台及赢利模式,以确保案例的真实性,因此案例的质量可以得到保证。研究尽可能多地采集更为典型的物流企业案例,以满足研究所需,只不过当前我国物流企业中数据驱动创新的成功案例仍然较少,当然这种数量上的缺乏恰恰凸显了数据驱动创新研究的重要性。如果说数据驱动是中国物流企业创新的重要源泉,数据驱动创新是中国物流企业的重要创新模式,那么中国物流企业及其他相关传统企业就应当有目的地把数据驱动及其创新模式作为自身的创新引导,从中借鉴经验指导创新实践。

五、中国物流企业数据驱动创新分析

通过对案例进行归纳、整理和分析(具体参见2),发现我国某些物流企业也在相当程度上遵表

循数据驱动创新模式,不过在多个方面均表现出了与已有研究中新兴企业不同的特点。(一)范围、主体与类型物流企业中存在数据驱动创新,但与电子产品等新兴企业相比,其在以下几个方面存在自身特点:

一是发生范围。相较于新兴企业,物流企业数据驱动创新涉及范围更广,主要有两个层面的含义:一层指覆盖的面积广。其典型代表当属菜鸟网络。菜鸟网络通过整合淘宝、企业对企业(B2B)、蚂蚁金服、高德地图等资源,将菜鸟内部仓配网络、菜鸟驿站、快递网络、最后一公里配送等各板块协同起来,实现大数据驱动与社会化协同的统一,其覆盖范围远远大于其他新兴企业。另一层指覆盖的领域广。其典型代表当属九州通。九州通模式下的医药物流运作体系是当前我国最实际也发展最快的物流运营模式之一[11]。九州通的数据驱动创新并不仅仅局限于原有的物流领域,还涵盖电子商务、医疗卫生等多个领域,通过“健康管理—互联网医疗—医疗大数据—医药电子商务—医药物流”一体化数据驱动流程,打造互联网和大数据协同创新中心。

二是参与创新的主体。与新兴企业不同,物流企业数据驱动创新的主体并非仅仅局限于企业本身,而更多的是与合作伙伴一同参与创新。例如,菜鸟网络本身作为一个数据驱动、社会化协同的物流平台,通过接入快递公司、仓配服务商、落

70%的快递包裹、数千家地配公司等,使我国超过国内外物流和仓储公司以及数以万计的物流配送人员都在菜鸟数据平台上运转。这些公司、服务商和配送人员都是菜鸟网络的合作伙伴,不仅是菜鸟网络数据的提供者,更是菜鸟网络物流配送的执行者。而九州通更是与郑州大学第一附属医院、华为技术有限公司、东华软件合作,通过整合一系列数据驱动流程,由物流领域延伸到电子商务和医疗卫生领域,打造新的大数据平台。

三是创新类型。与其他数据驱动企业不同,物流企业的数据驱动创新包括两种:一种以价值数据驱动为主,即根据客户行为数据预测客户行为,利用这些数据为第三方提供新的增值服务。其典型代表就是京东物流。京东凭借所储存的庞大客户数据,利用客户大数据进行需求预测,进行 自动补货、自动调拨、整体库存分析、库存量单位(SKU)备货等,在客户下单之前就将商品送到最近的仓库。基于此,京东物流进一步创建了库存健康系统和供应商罗盘。其中,库存健康系统可利用客户数据模拟产品在未来某个时间点的库存量,并提前进行滞销、降价、退货等处理;供应商罗盘使得京东物流能够与供应商沟通,将京东物流的补货建议、库存建议发给供应商,告诉供应商应当在哪个时间节点降价,配合降价需要针对哪些商品进行补货和促销。另一种以平台数据驱动创新为主。这种数据驱动创新的核心就是合作伙伴或者与合作伙伴共建的网络平台。同样是利用客户行为数据为第三方提供新的增值服务,但与价值数据驱动创新为主的模式相比,其区别在于数据的开放性和共享性。平台数据驱动创新是促进创新主体最大限度对外开放数据资源,并促使各主体乃至所有客户之间能够顺利实现数据共享的关键。其典型代表是沃车港。沃车港以智能车货匹配为基础,运用“互联网+”和大数据技术,大力推动信息共享和运输车辆的互联互通,利用平台积累的物流大数据对承运人数据(运输运力、路线特点、信用等级、运费指标)、货主数据(货源分布、货源属性、行业特征、交易数量)进行分析,发挥数据驱动模式下互联网平台实时、高效、精准的优势,为企业货主、物流公司、配货站、货运站、个体货主、个体车主提供货运行业综合的线上线下(O2O)服务。

(二)数据飞轮与飞轮效应客户、产品(包括生产产品和服务产品)、合作伙伴、赢利模式等都有可能在数据驱动创新中扮演飞轮起点的角色。根据飞轮效应的原点定律,可以价值链中的某一优势模块为中心,统筹其他一个或多个模块。物流企业的创新原点可分为两类:一类以价值链中的客户为中心,如京东物流。庞大的客户数据是京东物流价值链的优势模块,并在此基础上开展一系列业务。基于客户的这种价值数据,可进一步展开平台数据驱动创新,如运用供应商罗盘开展合作伙伴服务及赢利模式驱动创新,在商品付款时加收一定的费用,就能够享受京东物流的上门回收服务了。另一类是基于合作伙伴模块开展平台数据驱动创新,如沃车港基于其所搭建的智能车货匹配平台,演化到客户模块,

PC以移动互联网为平台打造基于 端、手机端、微信端的物流网络平台,使客户更加多元化,涵盖企业、配货站、货运站、车主、货主等多种客户群体。

阻力定律被用来分析物流企业中飞轮运转的阻碍因素。物流企业属于传统企业,信息化是其变革的关键所在。数据驱动决策将逐步替代组织层级决策,促使企业内部决策权发生根本性变革,既会威胁到部分管理者的地位,也会使企业部分员工的工作性质发生改变。这种变革将促使以运输、仓储为主的传统物流实体企业向以互联网技术为支撑的网络物流平台转换,如菜鸟网络和沃车港均为基于互联网技术的网络物流平台,而这种网络物流平台大数据的采集和兼容又构成了物流企业数据驱动的主要障碍。一方面,由于物流企业的数据包括结构化数据、半结构化数据、非结构化数据三种类型,其中结构化数据的采集和分析一般比较简单,而半结构化数据和非结构化数据则需要借助大数据技术进行转换,这无疑给企业飞轮运转带来了阻力;另一方面,由于数据驱动型物流企业大多由物流企业与其合作伙伴共同搭建而成,多家企业的数据存在一定的兼容问题,这也成为网络物流平台大数据分析和挖掘的主要障碍。

根据飞轮效应的加速定律,将物流企业的动力分为外部动力和内部动力两个方面。其中,外部动力主要来自需求,一是市场需求,二是社会需求。这里的社会需求是数据驱动型物流企业与其他数据驱动型新兴企业在数据飞轮运行过程中主要的区别之一。菜鸟网络、沃车港、日日顺在解决物流市场需求问题的同时,也打造了社会化物流网络平台。菜鸟网络对快递企业的整合、沃车港对社会车辆的整合、日日顺对农村和偏远山区送货问题的解决方案等均在一定程度上整合了社会资源,满足了特定的社会需求,实现了某种程度的社会协同。内部动力主要来自企业内部的推动力,主要源于企业效率和效益的提高。企业效率和效益的提高包括物流企业及其合作伙伴效率和效益的提高,这也是数据驱动型物流企业与其他数据驱动型新兴企业在数据飞轮运行过程中的另一主要区别。许多数据驱动型新兴企业效率和效益的提高往往局限于自身的提高,而物流企业依托其网络物流平台,其自身效率和效益的提高也 会影响其合作伙伴的最终收益。例如,菜鸟网络的合作伙伴包括多家快递企业,它利用大数据技术帮助合作伙伴提升物流效率和企业效益,为最后一公里提供包括大数据智能路由分单、快递员APP

组件、菜鸟驿站、绿色包裹计划、新能源物流车等在内的多层次解决方案。

惯性定律被用来分析数据驱动型物流企业的发展过程。在这个过程中,可以看到数据飞轮是如何一圈接着一圈运转的,是如何通过数据驱动决策来提高物流企业竞争力的。其典型代表就是日日顺。日日顺本是海尔集团旗下的一个品牌,其发展先后经历了从企业物流、物流企业到平台企业的三个转型阶段,从原本归属于海尔集团的一个物流部门,随着物流技术的不断发展,最终转变为独立的第三方物流企业,致力于为其他行业提供全程物流服务。此时的日日顺已经凭借海尔集团的客户资源形成了价值数据飞轮,能够为全球四十多家跨国公司提供物流服务。日日顺在不断拓展第三方物流业务时,开始涉足第四方服务咨询业务,并先后开始为制造业、航空业等提供物流增值服务。价值数据飞轮在这个过程中飞速运转,形成平台数据飞轮,促使日日顺逐渐形成了四网(即仓储网、配送网、服务网、信息网)融合的物流综合性平台。依托四网融合平台,日日顺颠覆了传统的物流车单一配送模式,将物流车改造成了送装一体化用户服务云终端,建立了面向用户资源需求的人车合一经营模式,这种模式使九万辆车变成了九万个车小微。车小微通过后台的大数据系统,对所积累的用户消费数据进行大数据分析和订单预测,为每辆车提供智能决策支持。同时,吸引用户变身车主,自己创造效益,在提升效率的同时降低了日日顺自身的运营成本,实现了四网融合平台价值的最大化,以轻足迹模式使九万辆车变成了九万个百货公司,实现了从平台数据飞轮向关系数据飞轮及赢利数据飞轮的转变。这从另外一个侧面反映了数据驱动型物流企业数据飞轮产生、发展、演变的过程,也反映了中国物流企业数据驱动创新的演化过程。在这个过程中,日日顺借助大数据自动巡航体系,在数据飞轮运行的各个阶段以及供应链管理的各个环节设置数据探头,感知企业内外部数据变化情况,通过实时探知企业内外部动力和阻力,对企业生产/服

务型决策进行适时调整,确保数据飞轮稳定、可持续运转。日日顺物流发展的数据驱动过程可参见

3。

六、数据驱动型物流企业创新模式演化与发展趋势

新一代物流企业中数据飞轮的形成及其表现出的与其他新兴企业不同的特征,预示着其创新模式演化趋势的不同。可从以下五个方面分析数据驱动型物流企业创新模式的演化和发展趋势。(一)新兴市场的开发是创新演化的源泉物流服务是一种依赖有形产品流动的无形服务,它不同于一般生产企业的产品,其服务产品具有较大的模仿性和趋同性,因此创造个性化、差异化服务一直都是困扰物流企业的难题。数据飞轮型物流企业创新模式主要借助于新兴市场的开发和市场开发后服务能力的提升,如菜鸟网络对快递企业的整合、沃车港对社会货运资源的整合、日日顺对农村物流市场的开发等。这些新兴市场的开发成为其创新演化的源泉,而数据飞轮又能促使物流企业在新兴市场开发之后进一步提高服务能力,并接着将这种服务能力转化为推动物流企业创新的动力,从而促进了数据飞轮的不断旋转、运行和发展,推动了数据驱动创新模式的不断发展。

(二)客户数据分析与价值发现能力是创新演化的关键

物流服务是无形的产品,客户数据反馈是物流服务产品价值提升的基础。互联网的高速发展使物流企业获得大量客户行为数据变得更加容易。通过数据分析不仅能够实现物流服务与客户 需求的精准匹配,改善客户体验,而且能够极大地降低以客户为中心的成本,使之变得更容易实行。对于产品就是无形服务的物流企业而言,客户价值与企业价值是共生的,客户能够为企业带来价值的前提是企业同样能够为客户提供高附加值的服务产品。要通过大数据精准发掘客户个性化需求,创造高度细化的物流服务市场,并调整物流服务以满足客户个性化需求,在提升物流服务价值的同时提升客户参与的服务价值。

“互联网+”时代,物流企业客户的概念并不仅仅局限于最终消费者,也包括供应链上的同盟和伙伴,他们的评价和参与行为深刻影响着物流服务的设计。与此同时,供应链上的成员也有可能发展成为企业潜在的客户群体。日日顺车小微项目的车主就是被发掘出来的潜在客户群体,后来又演变为合作伙伴。“互联网+”时代,互联网拉近了物流企业与客户之间的距离,彻底实现了企业无边界、供应链无尺度的平台生态圈。在这样的平台生态圈中,传统的线性价值链向环形价值链转变,由环环相扣的价值链转变为以客户为核心的价值环。从客户行为数据采集,客户偏好、兴趣及潜在需求分析,到根据客户评价与反馈改进服务设计的过程形成了一个以客户为核心的数据循环,即价值环。借助大数据技术,在价值环中进行客户圈定、客户关联性分析、个性化定制、客户参与服务设计,实现客户与物流企业服务价值的共生,增强客户黏性,使客户能够真正感受到自身价值并与物流企业形成强有力的合作关系,共同参与市场竞争,促进企业竞争型决策的产生。于是,客户数据分析与价值发现能力逐渐发展成平台生态圈的核心能力,也成为数据驱动型物流企业创新演化的关键能力。

(三)平台数据飞轮是创新演化的核心基于以上分析,平台数据飞轮在数据驱动型物流企业创新模式演化和发展中发挥着举足轻重的作用。平台数据飞轮既要承接内部的资源和业务,又要连接外部的合作伙伴及其他利益相关者,是数据驱动型物流企业运营的基础设施之一。平台是资源快速配置的基础,物流企业平台化就是要根据物流服务市场的需求,以物流企业为中心,通过与相关企业平台资源整合,建立开放、共享的物流基础设施平台和物流信息网络平台,在平台上实现各方资源的优化和共享。从数据驱动创新的角度可将之分为起点和转折点两种。以平台数据飞轮为起点的物流企业没有实体企业,主要通过互联网技术搭建物流网络平台,其性质以整合市场/社会物流资源为主。菜鸟网络和沃车港都是典型的以平台数据飞轮为起点的物流企业,它们以此为起点,统筹发展其他数据飞轮。以平台数据飞轮为转折点的物流企业通过转型从实体物流企业过渡到物流平台企业,它们既拥有互联网平台资源,又拥有物流资源(车辆、仓库等),如日日顺。这种企业依托资源优势,其创新模式更加多元化,覆盖范围也更加广泛。日日顺除依托互联网平台提供网络创新服务外,还在现有物流和网络资源基础上提供物流实体创新服务,如车小微项目。互联网+实体经济使其拥有强大的物流纵深能力和开放的资源整合能力,这无疑拓宽了日日顺的服务范围。目前,日日顺物流已经建立了辐射全国的三级物流网络布局,实现了全国物流网络的无盲区覆盖。由此可见,平台数据飞轮既是数据驱动型物流企业数据的重要来源,又是其数据驱动型物流企业运营的重要基础设施。平台数据飞轮为驱动型物流企业提供了企业最初的判断型决策,为之后数据飞轮的运行、发展以及企业的进一步拓展提供了重要支持。因此,平台数据飞轮的产生和发展也预示着新环境下物流企业与合作伙伴之间合作方式的一种变革,这种变革使得物流企业内外部之间以及物流企业与合作伙伴之间的边界变得模糊,并促使其供应链转变为一种无边界的生态圈。平台数据飞轮凭借数据的力量,让数据在企业内部形成循环的飞轮驱动,并使之成为企业转型的本质和灵魂。数据驱动物流企业转型,参与物流活动各企业资源的整合,形成物 流生态圈,因此平台数据飞轮在驱动物流企业发展的同时,也驱动物流生态圈的发展,并促使物流生态圈成为物流相关企业资源整合、优化、共享的平台。

(四)大数据技术是创新演化的主要工具从资源分配的角度看,客户行为数据是物流企业创新模式的重要资源,而物流网络平台为这类数据的使用、评估乃至共享提供了重要支撑。

2

如表 所示,在数据驱动型物流企业创新过程中,大数据技术为客户行为数据分析与挖掘、物流网络平台和大数据自动巡航体系建设提供了技术支持。大数据既是企业资源整合的关键技术要素,也是企业的核心资源,驾驭大数据的能力已经成为企业的核心能力。大数据技术促进了企业商业模式的蜕变,其分析和预测技术成为企业腾飞的动力系统,决定了企业运行的速度和高度。大数据技术是不同资源间互联互通的桥梁,需要通过大数据技术来整合所有资源,并构建信息化物流体系。抽象而言,大数据时代数据驱动型物流企业的创新可大体划分为七个顺序相连的阶段,分别为新兴市场的发现、潜在客户/客户潜在需求挖掘、创意提出、大数据技术“/互联网+”技术研发、网络物流平台构建、大数据自动巡航、数据驱动创新。在这个过程中,大数据技术是商业模式创新的主要工具。而根据大数据技术在创新演化过程中所扮演角色的不同,可将数据驱动型物流企业划分为两类。第一类是基于数据和技术的企业。这类企业既拥有大量的客户行为数据,也拥有与之相适应的分析技术,其典型代表是京东物流。在这类数据驱动型物流企业中,大数据技术主要用于客户行为数据的分析与挖掘。第二类是基于创意和技术的企业。这类企业既善于发现新兴市场,也善于挖掘潜在客户/客户潜在需求,同时还拥有与该新兴市场相适应的新技术,如日日顺。在这类数据驱动型物流企业中,大数据技术主要用来构建大数据自动巡航体系,在数据飞轮运行的各个阶段以及供应链管理的各个环节设置数据探头,在感知企业内外部数据变化的同时,对企业生产/服务型决策进行适时调整。

(五)数据飞轮为创新演化过程提供数据驱动决策

“互联网+”时代,数据驱动型物流企业的转型

和发展宛如一辆正在行驶的汽车,而本研究所描述的四种数据飞轮如同汽车的四个轮子,促使企业不断改进企业策略,加快企业的更新迭代[1 9]。

,当前的数据驱动型物流企业仍以部分数据驱动型物流企业为主。在大数据时代,企业要真正形成互联网思维,就要懂得借助数据的力量,通过让数据在企业内形成循环的飞轮驱动来实现物流企业的真正革新与蜕变,促使传统环境中的组织层级决策完全转型为数据驱动决策。在这个过程中,

3。数据飞轮运转的关键要素可参见表

在这个过程中,四种数据飞轮扮演着不同的角色,提供四种不同类型的驱动决策。四种飞轮所提供的四种数据驱动决策的产生和发展过程可

4。

参见图

七、研究结论

基于前述案例分析,可得到如下主要结论:第一,物流企业中存在数据驱动创新,但与电子产品等新兴企业相比,其发生范围、参与创新的主体以及创新类型均存在一定差别,其覆盖的面积和领域更大,参与创新的主体更广泛,其创新类型以价值数据驱动型和平台数据驱动型为主。

第二,数据飞轮及其飞轮效应,包括原点定律、阻力定律、加速定律、惯性定律,在数据驱动型物流企业中运行、旋转,发展自己独特的演化特征。数据驱动型物流企业的创新原点包括客户和合作伙伴,它们以此为原点,统筹其他一种或多种创新模式。网络物流平台大数据的采集和兼容构

成了物流企业数据驱动的主要障碍。物流企业的动力来自外部和内部两个方面,来自外部的社会需求以及来自内部的依托网络物流平台的物流企业和合作伙伴效益的共同提高是数据驱动型物流企业的主要特点。大数据自动巡航体系在物流企业、数据飞轮运行各个阶段以及供应链管理各个环节的设置,是确保数据飞轮稳定、可持续运转的关键。

第三,对新一代物流企业而言,数据飞轮在数据驱动型物流企业创新模式演化和发展中体现出了不同的特点:新兴市场开发是创新演化的源泉,客户数据分析与价值发现能力是创新演化的关键,平台数据飞轮是创新演化的核心,大数据技术是创新演化的主要工具,四种不同的数据飞轮为创新演化过程提供四种不同的决策支持,即竞争型决策、生产/服务型决策(包括生产产品或服务产品的决策)、判断型决策、开拓型决策。

参考文献: [1]吕本富,刘颖.飞轮效应:数据驱动的企业[M].北京:电子

工业出版社,2015:55-62. [2]李天柱,马佳,冯薇.信息产业的接力创新:一个多案例研

究[J].科学学研究,2014,32(3):447-453. [3]荆浩,刘垭,祁宁“.互联网+”时代数据驱动商业模式案例

分析[J].商业经济研究,2016(11):38-40.

[4]FRANKEL F,REID R.Big data:distilling meaning from data

[J].Nature,2008,455(7 209):30.

[5]STAFF S.Challenges and opportunities[J].Science,2011,

331(5):364.

[6]计国君,余木红,TAN K H.大数据驱动下的全渠道供应

链服务创新决策框架[J].商业研究,2016,62(8):152-162. [7]周文辉,王鹏程,陈晓红.价值共创视角下的互联网+大规模定制演化——基于尚品宅配的纵向案例研究[J].管理案例研究与评论,2016,9(4):313-329. [8]陈夕.大数据驱动全渠道供应链服务模式创新探讨[J].商

业经济研究,2017(11):61-63.

[9]王文京“.数据飞轮”驱动“企业互联网化”[J].中国经济周

刊,2015(22):78-79. [10]刘丽华,杨乃定.针对案例研究局限性的案例研究方法

操作过程设计[J].科学管理研究,2005,23(6):118-121. [11]宋远方,宋华.医药物流与医药供应链管理[M].北京:北京大学出版社,2004:98.

责任编辑:陈诗静

The Data-based Innovation of Logistics Enterprises

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.