探究基于物流大数据的服装服饰供应链运营模式.docVIP

探究基于物流大数据的服装服饰供应链运营模式 　　为了使企业紧跟市场变化、精准满足消费者需求，国外服装服饰业开始运用大数据为企业服务， 如采用顾客调查问卷加上自身开发的内部分析系统预测顾客需求，线下线上系统观测消费者行为强化资料分析等。国内则有企业借助于大数据技术进行服装物流配送，如作为ZARA 的物流提供商的百事云康，通过O2O模式全程用数据进行精准控制，其服装货品配送与消费者线上订货连接在一起，消费者能够及时、不间断的享受到专属服务。受此启发和借鉴，中国的服装服饰业一方面在消费市场上可通过大数据挖掘用户需求，精确锁定目标客户群，并在设计上提高产品关联性，定位精细化;另一方面在大数据的支持下企业可在供应链内和供应链间实施纵向和横向协作，以“订货+ 快速补货”的方式提高流转、降低库存，提升产业竞争力。目前，大数据作为继云计算、物联网之后的又一次颠覆性的技术变革，对现代企业的运作管理理念、组织业务流程、市场营销决策等产生了巨大影响，使得企业的经营管理决策可依赖于数据分析而非经验甚至直觉。近两年来，国内外知名企业(如淘宝、Amazon等)相继推出相应的大数据产品和平台，开展了多种深度商务分析和应用，如通过分析结构化和非结构化数据促进其业务创新和利润增长;基于大数据技术管理和优化其库存与供应链等。随后，有文献开始研究物流领域的大数据应用，如Hsinchun Chen 等认为物流行业大数据的应用呈现出供应链特征，这个“数据供应链”存在着数据收集、数据处理、数据分析、数据价值提取、数据价值消费等多个环节;戴定一[8]提出基于物流业产生大量的数据，可实现在线的分析优化控制，找出规律和依据，从而提升各项作业成本控制的价值;姚尧[9]提出物流行业产生海量数据，通过大数据技术可推动“智慧物流”发展。但是这些研究目前仍局限在宏观层面，能够与某一行业及微观层面进行“接地气”的研究与应用亟需深入开展;此外，现有的大数据研究大多立足于信息科学，侧重于大数据的获取、存储、处理、挖掘等技术层面，鲜有从管理学的角度探讨大数据对于现代企业运营管理和商务决策等方面。为此，本文以服装服饰业为背景，考虑到物流大数据的可获得性，分析服装服饰业物流大数据的特点，从供应链的角度研究大数据下服装服饰企业间的协作方式和策略。 　　1 服装服饰产业集群中的物流大数据 　　服装服饰业一般以产业集群的形式，通过形成集群式供应链参与市场竞争。[10]服装服饰供应链一般以成衣为最终产品，包括从纤维生产开始，经过服装设计、制作、包装等服装生产环节、辅料等配件生产环节和最终的销售环节。[11]这个链条中，涉及到的业态种类繁多、节点众多、资源分散，因此服装服饰业数据源分布极为广泛。此外，各种信息平台、信息系统造成数量庞杂但具有千丝万缕联系的海量数据，使得对服装服饰业大数据难以全面获取和精准分析。为此，考虑到服装服饰业在采购、生产及配送中产生了大量的物流活动，这些物流活动大多采用第三方物流的方式，所产生的大量物流数据集中保存在第三方物流企业的信息平台上，极为方便进行获取和分析。而通过对物流大数据的分析，同样可以用来反映服装服饰业供应链运营状况。在这一思路下，将服装服饰业的物流大数据分为三类： 　　(1)采购物流大数据。涉及到化纤、绢纺、毛纺、棉纺、皮革、羽绒、麻纺等服装服饰原料以及面料、辅料、纱丝线、胚布等服装原料的采购物流数据，具体包括这些原料的数量、类型、价位、需求时间、供应商分布、客户流向等大数据。 　　(2)生产物流大数据。依据企业的物流信息系统或ERP，获取原料和半成品在配送中心(仓库)的库存量、库存时间、库存消耗速度、周转率、货损货差、盘点频次等大数据，以及原料和半成品在生产中心(车间)的使用量、使用频率、使用比重、生产时间、生产工序等大数据。(3)配送物流大数据。根据物流配送企业(或快递业)的信息平台，获取产成品在制造企业的库存时间、发往各地分销商的数量、型号、时间、频率等批发大数据分销商的构成、地域分布、各分销商的销售量、销售额、库存量、新品上市时间、下架时间等零售大数据;个人消费者的构成、偏好、地域分布、年龄特征等客户大数据。 　　2 物流大数据与服装服饰供应链模式 　　2.1 物流大数据的供应链特征 　　根据Hsinchun Chen 等的观点，物流大数据同样具有供应链特征。与此同时，企业可以借助于大数据技术进行运营决策分析以提升自身的竞争优势。就服装服饰业而言，在这个数据供应链中，可以承担多重角色：既可以是原始数据(主要是内部数据、结构化数据)供应者，也可以是数据产业投资者、数据价值消费者，具有优秀的数据供应链整合能力的企业将会赢得较大竞争优势。 　　2.2 物流大数据下的服装服饰供应链模式