[摘要]需求不確定性是消費者的能動因素造成的,只能通過技術手段化解.利用大數據技術,可以有效識別消費者需求信息,消除需求不確定,增加潛在消費者.但在采購大數據技術服務的過程中,低效問題普遍存在,這就需要有效的協調機制以確保參與約束與激勵相容的實現.研究通過構建零售商、制造商、大數據服務商三級供應鏈博弈模型,得出以下結論:無論分散決策還是集中決策,采購大數據服務后供應鏈收益高于采購前整體收益.分散決策時供應鏈收益低于集中決策時整體收益.最后引入數量折扣———兩部定價契約以有效解決分散決策問題,協調后供應鏈成員均獲得正收益.

　　[關鍵詞]大數據服務;三級供應鏈;機制設計

　　一、引言

　　大數據技術作為通用技術(GeneralPurposeTechnologies,簡稱GPT),通過在微觀層面緩解信息不對稱,不斷地改變居民生活和企業經營管理方式[1].在供應鏈合作過程中,其廣泛應用于消費者畫像、渠道優化、成本優化、精準營銷等業務,已經成為供應鏈管理的有效技術手段.在諸多應用中,大數據技術最廣泛應用于洞察消費者需求,實際操作過程中往往可以采集消費者的多類數據.利用這些數據,能夠客觀反映消費者的真實狀態,建立個體消費者數據庫.通過完備的消費者數據,消費者離散化的數據之間可以體現出相關關系,利用其價值關聯,供應鏈成員能夠逐步實現對消費者的信息完全.

　　在傳統市場上,供應鏈成員長期面對消費者在購買過程中體現出的隨機性本源行為和不可預期的變化[2].傳統消費者需求不確定性在理性層面不可解,但由于信息技術的變革,通過相關技術(如大數據、人工智能)能夠將其化解[3].大數據技術的使用,使得消費者數據挖掘成為可能,通過海量消費者行為數據、交易數據的挖掘,清晰消費者購買行為的預期結果,逐步消除客體(消費者)的不確定性.大數據技術通過消除消費者需求不確定性為供應鏈成員帶來收益,但現實場景中,數據挖掘、處理、集成、分析、可視化需要供應鏈成員支付成本.是否使大數據服務商參與,是收益與成本權衡的結果.

　　在供應鏈合作過程中數據采集、處理、解釋可以由供應鏈成員完成,但由于供應鏈成員信息處理能力欠缺,往往采取服務外包形式,利用大數據服務商對沉淀在供應鏈合作過程中的數據進行挖掘、處理.由于分散決策的存在,往往形成供應鏈成員決策低效與利益分配不均衡問題,最終導致大數據技術服務商參與失敗.因此需要供應鏈成員通過機制設計保證集中決策與收益再分配,以滿足大數據技術服務商參與后滿足參與約束與激勵相容條件.

　　有關大數據服務商參與供應鏈合作的研究,主要集中于大數據服務商參與后,供應鏈成員獲得的價值研究,即供應鏈成員可以通過對數據的采集、處理、解釋來發現新知識,進行價值創造,繼而有效的降低成本、增加收益[4].大數據的合理應用,有助于提升企業供應鏈的敏捷性[5].對需求創造、業務設計、價值共創等方面起到正向作用[6],繼而提升供應鏈成員的環境感知能力,更好地服務于消費者需求,創造更高的商業價值,提升成員各自的運營效率[7].

　　大數據服務商參與后,與供應鏈其他成員的協調機制研究,部分學者建立制造商與零售商兩階段供應鏈模型,當投資成本面臨一定閾值時,零售商或制造商投資大數據信息(BDI)可以增加其收益,但其他供應鏈成員也存在搭便車現象,而收益共享契約可以有效地協調供應鏈[8].在此基礎上研究進一步建立了制造商、零售商、大數據服務商構成的三階段供應鏈模型,實證結果表明廠商是否適合投資BDI受成本改善系數的影響。

　　當收益分享系數在一定范圍內,收益分享契約可以使供應鏈實現協調[9].將供應鏈成員利用大數據進行營銷的情況考慮在內,同樣建立零售商、制造商與大數據服務商三階段供應鏈模型,利用微分博弈理論對零售商支付、聯合支付與合作契約下實現均衡的收益情況進行比較,結果表明合作契約下渠道成員的總利潤、制造商的質量努力水平和大數據服務商的營銷努力水平均為最高,分散決策下聯合支付較零售商支付更優[11].還有學者將大數據服務商設為常量建立了大數據服務商參與的零售商、制造商的二階段供應鏈模型,結果表明集中決策下存在帕累托改進[12].

　　隨后,在其基礎上有學者進一步研究了大數據技術對零售商與制造商的成本優化的影響,通過單一制造商與兩個零售商組成的二階段供應鏈模型,討論了分散決策與集中決策對供應鏈成員利潤的影響,并通過數量折扣契約,實現了從分散決策到集中決策的過程[13].

　　傳統研究普遍認同大數據技術具有成本優化與價值創造的作用,也分別驗證了分散決策下與集中決策下大數據技術對制造商、零售商的影響,但往往將大數據服務商確定為常量,并以分析單個企業的影響為主,鮮有文獻將大數據服務商作為一個獨立的供應鏈成員來研究大數據技術對整體供應鏈運營的影響以及供應鏈動態優化的問題.本研究拓展了大數據服務商的角色,認為大數據服務商可以通過努力水平調節供應鏈收益,供應鏈成員可以通過支付水平影響大數據服務商的努力水平.

　　因此,本研究建立制造商、零售商、大數據服務商三級供應鏈模型,分別考慮分散決策與集中決策下供應鏈及其成員的收益水平,并通過協調機制實現供應鏈成員由分散決策向集中決策轉化,最終通過數值算例分析分散決策、集中決策、機制協調下的收益變化.二、模型構建考慮由一個占主導地位的制造商M與一個下游零售商R構成的生產、出售一般產品的供應鏈模型.制造商是供應鏈的領導者,單位生產成本為c1,并通過投入單位研發費用c2提升產品質量,在供應鏈運營過程中制定產品批發價格w.零售商R作為供應鏈終端成員,根據批發價格w和市場需求情況決定產品采購量q.假設采購量即為市場需求量,且產品運輸過程沒有損耗.零售商為改善消費者購物體驗,付出單位服務費用s.

　　需求量是關于產品價格、質量、服務水平的線性函數形式q=a-b∗p+(η+β)∗v,a為不受價格和其它因素影響的市場基準需求量;零售商以價格p(w

　　制造商M通過大數據服務商對消費者行為數據、交易數據等進行分析,獲得消費者畫像,更精確的了解市場需求,增加產品銷售量,由占主導地位的制造商對大數據服務商B的每單位努力水平t,支付費用m.大數據服務商B參照制造商每單位支付水平選擇服務努力程度t(0≤t≤1),通過對海量數據分析發現消費者需求信息,并提供精準營銷服務挖掘市場潛在消費者,得到制造商支付tm數量的費用,承擔隨努力程度變化的成本1/2gt2,其中g(g>0)是大數據服務商成本系數,體現大數據服務商服務效率;大數據服務將潛在的消費者數量F轉化為市場需求量ln(tF),F是由大數據服務商挖掘的潛在消費者數量,但并不能將其全部轉化市場需求量;記qb是采購大數據服務后的市場需求量,則供應鏈成員采購大數據服務后市場需求變為qb=a-bp+(η+β)v+ln(tF);大數據服務商提供服務需投入固定成本k(0

　　三、分散決策下供應鏈成員采購

　　大數據服務決策首先考察分散決策下,供應鏈成員的合作策略,重點比較供應鏈成員是否采購大數據服務的收益.

　　四、集中決策下供應鏈成員采購

　　大數據服務決策本章考察集中決策下,供應鏈成員的合作策略,重點比較供應鏈成員是否采購大數據服務的收益比較,以及分散決策與集中決策下供應鏈成員的收益比較.

　　五、分散決策下供應鏈成員采購大數據服務的協調機制

　　集中決策且采購大數據服務對于供應鏈、制造商和零售商都存在利益,分散決策下,由于制造商與零售商都以實現個人利益最大化為目標,最終導致分散決策的零售價高于集中決策的零售價,分散決策下的市場需求量低于集中決策下的市場需求量,即表現出“雙重邊際化效應”.為了提升供應鏈整體利潤水平,使供應鏈成員達到集中決策下的收益水平,本研究在制造商主導的情形中引入數量折扣———兩部定價契約(wc,T)對供應鏈進行協調,其中wc=w-λ∗qc,是批發價格的最高值,λ(0<λ<1)是線性折扣系數,qc是零售商R的最終采購數量;制造商根據零售商的采購數量對批發價格給予線性折扣,使分散決策下的采購量等于集中決策下的采購量.

　　六、結論

　　隨著信息技術的應用,消費者需求不確定性增強,消費者個性化需求趨勢明顯.本研究構建大數據服務商參與的三級供應鏈模型,經研究得出如下結論:

　　1.無論分散決策還是集中決策,采購大數據服務后供應鏈整體收益高于采購前供應鏈整體收益,說明大數據服務商參與后可以準確獲知消費者畫像,增加供應鏈成員的銷量.采購大數據服務后,消費者對質量和購物體驗敏感度越高,供應鏈整體利潤越大.即大數據服務商單位支付費用越高,大數據服務商會通過提高努力水平以增加利潤;同時,能否將成本系數控制在合理范圍內是大數據服務商利潤多少的關鍵,因此在制造商支付的單位費用一定時,要努力優化成本系數,以增加收益.

　　2.無論是否采購大數據,分散決策時供應鏈整體收益低于集中決策時供應鏈整體利潤.分散決策下存在明顯的雙重邊際化效應.供應鏈協調的關鍵在于找到可行的契約空間,實現分散決策下的供應鏈優化,通過引入數量折扣———兩部定價契約,可以有效解決分散決策問題,協調后制造商和零售商均獲得正收益,滿足參與約束與激勵相容條件.本研究描述了供應鏈成員分散決策和集中決策下是否采購大數據服務的各自利潤,結果表明采購大數據服務對供應鏈及其成員收益具有顯著影響.集中決策有利于實現大數據技術參與的收益最大化,通過協調機制的設計實現了從分散決策到集中決策的過程.上述模型描述的是一個制造商主導的單渠道供應鏈情形,現實中存在部分零售商主導多渠道供應鏈情形.今后的研究過程中,將繼續探索多渠道情形下,零售商主導的供應鏈成員動態合作策略及其比較.

　　[參考文獻]

　　[1]史蒂文

　　[2]奧利弗.E.威廉姆森.治理機制[M].北京:機械工業出版社,2016

　　[3]姜奇平.重讀奈特«風險、不確定性與利潤»[J].互聯網周刊,2019

　　[4]AralSinan,WalkerDylan.Creatingsocialcontagionthroughviralproductdesign:Arandomizedtrialofpeerinfluenceinnetworks[J].ManagementScience,2011,57(09):1623G1639.

　　[5]孫新波,錢雨,張明超,李金柱.大數據驅動企業供應鏈敏捷性的實現機理研究[J].管理世界,2019,35(09).

　　[6]劉建基,李倩.基于大數據的組織敏捷性提升機理研究[J].對外經貿,2016(02).

　　[7]陳劍,黃朔,劉運輝.從賦能到使能———數字化環境下的企業運營管理[J].管理世界,2020,36(02).

　　作者：韓朝亮1田立1高志勇2