论文部分内容阅读
【摘 要】 考虑大数据投资中供应链成员的风险规避行为，利用均值方差模型，以需求增量为随机变量，建立四种大数据投资模型，探究供应链成员的大数据投资决策。研究表明：大数据投资模式的选择与消费者的消费偏好有关，当消费者对于产品本身的改变较为敏感时，制造商应当进行大数据投资，当消费者更注重于线下的购物体验时，零售商应当进行大数据投资。制造商或零售商自身风险规避系数越高会使自身效益减少并且对方效益增加，因此，当制造商或零售商的风险规避系数较低时，可以进行大数据投资，但会严重损害风险规避系数较高一方的效益。制造商（零售商）风险规避系数越高，零售商（制造商）进行大数据投资的可能性越大。
【关键词】 供应链; 风险规避; 投资决策; 大数据
一、引言
随着云计算、移动互联网和物联网的快速发展，全球数据总量正在迅速增长。根据咨询机构IDC预测，到2025年全球数据总量将达到175ZB，云和虚拟存储的开发显著降低了大数据的存储成本[1-2]。这些现象表明，大数据发展和应用的机会已经形成，大数据时代已经到来。在大数据时代，数据作为信息经济不可或缺的原材料已渗透到各种行业[3-4]。对于企业而言，从大量数据中提取和获取有价值的信息意义重大。Barton et al.[5]研究表明公司可以通过使用大数据来改变其商业模式，数据驱动战略将很快成为竞争差异化的重要因素。McAfee et al.[6]提出，使用大数据可以帮助公司提高生产率和效益。因此，大多数公司都实施了大数据计划。对于产品供应链来说，消费者的需求数据显得尤为重要，通过对消费者的需求进行分析和归纳进而有针对性地生产和销售产品，不仅可以增加需求量，还能够减少生产成本和销售成本。但当前企业对于数量庞大且非结构化数据的处理和分析需要较高的成本，因此如何合理地对大数据分析进行投资是供应链企业面临的一大难题。
许多学者对大数据环境下的供应链管理进行了研究。定性研究方面，Waller et al.[7]讨论了大数据在供应链管理中的重要性，并建议研究人员关注大数据在供应链中的应用。Bi et al.[8]讨论了大数据对企业信息系统的影响。Hazen et al.[9]研究了供应链中的数据质量问题。Fosso Wamba et al.[10]提出企业应该关注大数据创造的价值观。Janssen et al.[11]研究了在使用大数据做出决策时影响决策质量的因素，包括数据收集、分析过程以及数据传输质量。Gunasekaran et al.[12]通过问卷调查研究了大数据预测分析对供应链和组织绩效的影响。结果表明，大数据预测分析与公司的供应链绩效和组织绩效呈正相关。Wamba et al.[13]研究发现大数据分析能力会影响企业绩效和面向流程的动态能力。Lamba et al.[14]提出了三种新的大数据模型来解决供应链管理过程中的联合采购和设施布局问题。Hofmann[15]研究发现大数据的应用有助于减少供应链中的牛鞭效应。Lamba[16]发现大数据分析方法被广泛应用于供应链的制造、物流和采购过程中。Shen et al.[17]讨论了大数据时代信息共享的障碍和优势。Kache et al.[18]通过实证研究提出了供应链管理中使用大数据带来的挑战和机遇。
定量研究方面，Olama et al.[19]提出了一种集成水平模型来评估公司数据系统的性能。Tambe[20]认为企业管理者应当注意平衡劳动力成本支出与大数据收入之间的关系。HAO et al.[21]探究了大数据环境中隐私信息泄露对供应链成员协调关系的影响。Wu et al.[22]提出了考虑大数据服务提供商的三阶段供应链协调策略。See-To et al.[23]提出了一种基于销售大数据分析的需求分配模型。为了降低有害物質的固有风险，Zhao et al.[24]提出了一种多目标优化方法，该方法采用大数据分析方法得到相关参数，并讨论了三种方案来优化绿色供应链管理。Kaur et al.[25]提出了关于可持续性采购和物流的模型，该模型包含MINLP方法和MILP方法，输入数据来自相关的成本数据、交易数据和排放数据。有关大数据的投资决策方面，Liu et al.[26]在信息对称环境和信息不对称环境中研究了供应链的投资决策和协调问题。考虑到数据公司在供应链中的作用，Liu et al.[27]研究了大数据环境下三级供应链的投资决策和协调问题。
通过上述文献梳理可以发现，目前有关供应链中大数据投资决策的文献较少，并且在已有的文献中，供应链企业被认为是风险中性的，然而在现实生活中，企业在进行大数据投资时必定会考虑其风险，具有风险规避行为，因此，在大数据投资决策中考虑企业的风险规避行为将更具有现实意义。基于此，本文认为供应链成员均为风险厌恶型，探究该种情况下供应链中的大数据投资决策。
二、模型构建
本文构建由一个制造商和一个零售商组成的供应链系统，制造商和零售商均为风险厌恶型，制造商确定产品的批发价格，零售商根据制造商所制定的批发价格决定产品的销售价格，市场中存在消费者的需求信息，即大数据、制造商和零售商均可投入一定的成本获得并处理消费者的需求信息，以减少成本并增加需求量。因此存在四种大数据投资模型：制造商和零售商均不投资（模型N）、制造商投资但零售商不投资（模型M）、零售商投资但制造商不投资（模型R）、制造商和零售商均投资（模型MR）。具体假设与符号如下：
（2）产品的批发价格为ω，制造商的单位生产成本为cm，零售商的单位销售成本为cr。
（3）单位大数据投资成本为c0。
（4）θi（i=（m，r），0
【关键词】 供应链; 风险规避; 投资决策; 大数据
一、引言
随着云计算、移动互联网和物联网的快速发展，全球数据总量正在迅速增长。根据咨询机构IDC预测，到2025年全球数据总量将达到175ZB，云和虚拟存储的开发显著降低了大数据的存储成本[1-2]。这些现象表明，大数据发展和应用的机会已经形成，大数据时代已经到来。在大数据时代，数据作为信息经济不可或缺的原材料已渗透到各种行业[3-4]。对于企业而言，从大量数据中提取和获取有价值的信息意义重大。Barton et al.[5]研究表明公司可以通过使用大数据来改变其商业模式，数据驱动战略将很快成为竞争差异化的重要因素。McAfee et al.[6]提出，使用大数据可以帮助公司提高生产率和效益。因此，大多数公司都实施了大数据计划。对于产品供应链来说，消费者的需求数据显得尤为重要，通过对消费者的需求进行分析和归纳进而有针对性地生产和销售产品，不仅可以增加需求量，还能够减少生产成本和销售成本。但当前企业对于数量庞大且非结构化数据的处理和分析需要较高的成本，因此如何合理地对大数据分析进行投资是供应链企业面临的一大难题。
许多学者对大数据环境下的供应链管理进行了研究。定性研究方面，Waller et al.[7]讨论了大数据在供应链管理中的重要性，并建议研究人员关注大数据在供应链中的应用。Bi et al.[8]讨论了大数据对企业信息系统的影响。Hazen et al.[9]研究了供应链中的数据质量问题。Fosso Wamba et al.[10]提出企业应该关注大数据创造的价值观。Janssen et al.[11]研究了在使用大数据做出决策时影响决策质量的因素，包括数据收集、分析过程以及数据传输质量。Gunasekaran et al.[12]通过问卷调查研究了大数据预测分析对供应链和组织绩效的影响。结果表明，大数据预测分析与公司的供应链绩效和组织绩效呈正相关。Wamba et al.[13]研究发现大数据分析能力会影响企业绩效和面向流程的动态能力。Lamba et al.[14]提出了三种新的大数据模型来解决供应链管理过程中的联合采购和设施布局问题。Hofmann[15]研究发现大数据的应用有助于减少供应链中的牛鞭效应。Lamba[16]发现大数据分析方法被广泛应用于供应链的制造、物流和采购过程中。Shen et al.[17]讨论了大数据时代信息共享的障碍和优势。Kache et al.[18]通过实证研究提出了供应链管理中使用大数据带来的挑战和机遇。
定量研究方面，Olama et al.[19]提出了一种集成水平模型来评估公司数据系统的性能。Tambe[20]认为企业管理者应当注意平衡劳动力成本支出与大数据收入之间的关系。HAO et al.[21]探究了大数据环境中隐私信息泄露对供应链成员协调关系的影响。Wu et al.[22]提出了考虑大数据服务提供商的三阶段供应链协调策略。See-To et al.[23]提出了一种基于销售大数据分析的需求分配模型。为了降低有害物質的固有风险，Zhao et al.[24]提出了一种多目标优化方法，该方法采用大数据分析方法得到相关参数，并讨论了三种方案来优化绿色供应链管理。Kaur et al.[25]提出了关于可持续性采购和物流的模型，该模型包含MINLP方法和MILP方法，输入数据来自相关的成本数据、交易数据和排放数据。有关大数据的投资决策方面，Liu et al.[26]在信息对称环境和信息不对称环境中研究了供应链的投资决策和协调问题。考虑到数据公司在供应链中的作用，Liu et al.[27]研究了大数据环境下三级供应链的投资决策和协调问题。
通过上述文献梳理可以发现，目前有关供应链中大数据投资决策的文献较少，并且在已有的文献中，供应链企业被认为是风险中性的，然而在现实生活中，企业在进行大数据投资时必定会考虑其风险，具有风险规避行为，因此，在大数据投资决策中考虑企业的风险规避行为将更具有现实意义。基于此，本文认为供应链成员均为风险厌恶型，探究该种情况下供应链中的大数据投资决策。
二、模型构建
本文构建由一个制造商和一个零售商组成的供应链系统，制造商和零售商均为风险厌恶型，制造商确定产品的批发价格，零售商根据制造商所制定的批发价格决定产品的销售价格，市场中存在消费者的需求信息，即大数据、制造商和零售商均可投入一定的成本获得并处理消费者的需求信息，以减少成本并增加需求量。因此存在四种大数据投资模型：制造商和零售商均不投资（模型N）、制造商投资但零售商不投资（模型M）、零售商投资但制造商不投资（模型R）、制造商和零售商均投资（模型MR）。具体假设与符号如下：
（2）产品的批发价格为ω，制造商的单位生产成本为cm，零售商的单位销售成本为cr。
（3）单位大数据投资成本为c0。
（4）θi（i=（m，r），0