随着网络的普及与电子商务的发展, 商品零售方式也发生了很大的变化.首先, 由于网络的发展, 打破了消费者购物的时间、地点的局限, 由此带来的是零售额呈几何倍数增长;其次, 由于网络购物必须以高效的物流作为辅助, 因此也倒逼着物流业快速发展.新零售的概念就是在这样的环境下产生的.新零售是线上线下销售与物流的结合.新零售采用全渠道法则, 企业不再盲目地生产商品, 而是先借助云计算、互联网、大数据统计用户的消费需求、消费特征, 利用这些数据设计产品的样式再投入生产, 根据市场动向推出产品[1].

由于新零售环境消除了消费者消费行为空间和时间的局限, 大型零售商实体店面未布局到的三、四、五线城市的消费能力与市场规模大幅提升, 很多企业为了抓住这部分可观的消费能力, 纷纷将渠道布局到三、四、五线城市, 这就是所谓的“渠道下沉”[2].由此产生的必然结果就是各家企业纷纷增加自己的仓库布局, 以便实现高效的物流配送.在企业加快电商仓库布局捕获快速发展的消费能力的同时, 也对企业的仓储管理能力提出了新的挑战.为了增强企业物流配送的效率, 很多电商企业开始在建设云仓与布局单仓两种方案中作选择.但由于没有采用科学精确的决策方法, 很多企业所作的决策并不适应企业自身的状况, 导致最后实施的方案给企业带来了损失.而且企业所面临的销售形势不断变化, 作决策时的销售形势与方案实施时的销售形势经常大不相同, 这也大大降低了决策的效益.如果能结合动态决策分析的科学方法, 根据销售形势的变化调整决策, 将大大提高决策的准确率和效率.本文将详细阐述在建设云仓与布局单仓的决策过程中, 如何根据环境的动态变化补充有价值的信息, 从而提高决策准确度。

为了适应新零售的发展趋势, 经销商在增加电商仓库布局的同时, 也应提高仓储管理能力.云仓是在多单仓建设的基础上发展起来的.为了缩短消费者的购买提前期, 缩短配送时间, 很多经销商早已着手进行多个单仓的建设, 即在多个物流节点建设仓库, 提前将库存准备好, 在消费者未下单前先完成商品的干线运输, 等消费者网上下单实现订单结算后再完成支线运输, 这种方式比以往等消费者确认订单后再完成总仓的拣选、干线支线运输的工作方式更节省时间.这种工作方式的不足在于, 由于估计不准确导致各个单仓缺货与库存状态不一, 有的商品在某些地方的单仓是库存状态, 但在其他地方的单仓却是缺货状态, 这就必须再进行二次调配协调各单仓的货物.云仓的出现能很好地规避这种情况发生.云仓也属于物流仓储, 有别于传统仓库与电商仓库的地方在于, 仓库内作业的精细化管理以及自动化装备和先进的信息系统[3].关于云仓的说法有很多种, 本文认为云仓并不是简单地分布在多地的多个仓库, 而是仓库与信息管理软件的结合, 通过信息管理软件在对消费者点击输入内容、搜索内容、订单内容等大数据分析的基础上进行云计算, 合理调配各地仓库的库存种类和数量, 使各地仓库有机联系起来, 以减少库存混乱、信息流不对称、货损货差严重、错发漏发、运力不足等情况, 提高仓库拣货效率.

目前很多大型企业的销售业务遍及多个区域, 由于所销售产品的特点不同, 销售工作进行中所产生的异地易货情况的概率也不同.所谓的异地易货率, 就是本地仓库没有消费者所需要的商品, 必须从其他销售区域的仓库调货, 或是消费者购买完商品后需要无条件换货时, 本地仓库没有适合的可供换货的商品种类或型号, 需要从其他销售区域的仓库调货的情况, 占所有销售流水的比例.异地易货会产生一部分成本, 这部分成本包括临时协调库存的管理费用、异地易货的物流费用、送货延迟产生信誉损失的无形成本等.在企业的销售工作中, 大部分的异地易货成本是需要想办法消除的, 但也有一部分异地易货成本是必需的, 比如针对一些价值高销售频率低的产品, 企业若在所有仓库中全部部署库存, 将会产生较高的库存成本, 这时企业会将这类产品的库存部署在关键的节点仓库, 而不会在所有仓库部署, 用较低的异地易货成本取代较高的库存成本.用异地易货率指标来衡量建设云仓的必要性能够提高决策的准确程度.

建设云仓, 有了信息分析软件对客户信息进行大数据分析, 商品库存的布局将会更加合理, 各家本地仓的商品种类和数量能够与客户的需求完美贴合[4], 在缩短消费者购买提前期的同时, 也大幅度节省了各家仓库间调配库存的费用[5].这种方式能很好地实现完美的客户购物体验, 很大程度上拓展了企业的销售市场.从上文对云仓的讨论内容中可以看出, 云仓的存在比较适合于异地易货率较高的企业.这个比例越高, 说明企业在异地易货方面工作的成本越高, 越需要通过建设云仓有效降低这部分成本, 同时提高工作效率.当然, 如果企业的异地易货率较低, 说明企业在销售工作中的异地易货成本较低, 也就没有必要高成本建设云仓.

建设云仓还是在各地布局单仓, 不同的企业应该根据自身不同的环境特点和自身特点进行决策.而决策工作的进行需要建立在对大量数据信息进行分析的基础上, 为了保证决策所需信息的准确性和合法性, 这些信息可以在企业日常的经营工作中进行搜集.目前的云仓实际上是从多单仓发展起来的, 为了保证决策的准确程度和投资收益率, 而且由于异地易货率指标是决定是否建设云仓的关键因素, 因此企业可以把异地易货率当成一个离散型函数进行研究.通过观察日常经营中的状况分析企业的异地易货率是否达到了建设云仓的条件, 而异地易货率要达到多高的标准才有建设云仓的必要, 就需要通过科学的动态决策方法进行研究.由于决策工作中所需要的信息量较大, 为了保证决策的准确程度, 需要采用贝叶斯决策方法.

(1) 异地易货率的似然分析.关于θ的似然函数指的是给定参数θ后变量X的概率[6].企业可以对经营情况进行跟踪, 在经营过程中抽取若干次间隔期相等的数据对异地易货率进行观测.企业所面临的异地易货情况发生的概率近似地服从二项分布, 这种情况下的似然函数[6]可以通过下式计算:

式中, d0表示在40次的抽验中, 发生异地易货率的次数为0的情况.

(2) 计算不同异地易货率情况下的联合概率与后验概率.从贝叶斯公式 (2) [6]中可以看出, 联合概率是计算后验概率的必要条件,

联合概率指的是先验概率与似然度的乘积, 即P (θj) P (d0/θj) .该乘积与联合概率之和的比就是新产生的后验概率.由于后验概率是在原有观测数据的基础上, 结合了异地易货率的概率分布函数进行分析, 因此准确程度更高.

决策的准确程度和所掌握的信息密切相关.为了收集决策所需要的信息, 应该在日常经营过程中多次提取经营数据, 观测企业的异地易货率, 运用科学方法对所抽验的异地易货信息数据进行处理, 将处理提取出来的信息作为决策依据, 以此提高决策的准确度.

在是否建设云仓的决策过程中, 异地易货率要达到多高的水平企业才有建设云仓的必要性是决策工作的一个关键问题.企业建设云仓的最终目的是, 要用较少的云仓建设维护成本取代较高的异地易货成本, 同时提高配送效率.在决策过程中, 可以用完全信息价值的方法来判断适合建设云仓的异地易货率.

从上文的分析中可以看出, 云仓适用于异地易货率较高的销售区域, 但在实际工作中, 各销售区域不同时段的异地易货率呈现不规则波动的情况, 给决策带来了难度.因此在实际操作中, 应该针对不同的异地易货率展开动态分析.下面以驰远公司的仓储工作为例, 具体分析云仓建设贝叶斯决策的过程.

为了全面评估云仓建设的必要性, 驰远公司选择了一个销售区域作为云仓试验区.在6个月的云仓试验经营中, 利用经营数据计算出了企业各销售区域的6种异地易货率及相应概率, 并提取了15次的经营数据对异地易货率进行观察.

(1) 分析不同异地易货率状态下不同方案的损益值.企业应通过经营数据发现在经营过程中经常出现的几种异地易货率及出现的概率.建设云仓和布局单仓的损益值可通过企业销售产品的异地易货率、云仓试验区中云仓的建设、维护费用与收益、单仓区域的成本与收益等信息计算得出.每种异地易货率发生的先验概率, 则是在较长一段时间的经营过程中, 统计出异地易货发生情况占所有销售流水的比例.由于篇幅所限, 不再赘述分析过程.不同异地易货率状态下云仓与单仓的收益情况见表1.

表1 两种方案在不同异地易货率状态下的损益值Table 1 Profit and loss value of two schemes under different barter rates   

(2) 建设云仓与布局单仓的先验决策分析.先验决策分析指的是直接根据企业日常工作中收集的经营数据进行决策分析.根据企业在日常工作中所收集的异地易货率、各种异地易货率对应的发生概率、各种异地易货率对应的损益值等进行风险型决策的计算, 得出决策结果.风险型决策是根据各种备选方案的期望值来分析的.计算出建设云仓与布局单仓的期望值, 采用期望值较高的备选方案.

为了检验先验决策所选择的方案与完美状态的差距, 在作出先验决策的基础上, 将选择的方案在各种状态下的损益值与最优损益值比较, 得出完全信息价值;完全信息价值与对应的先验概率的乘积之和即为完全信息价值的期望值.完全信息价值的期望值越高, 说明所选择的方案离最优结果的差距越大, 决策改进的空间也越大.

以在15次抽验中发生0次异地易货的情况为例, 先验决策过程如下:

比较先验分析中建设云仓与布局单仓的损益值, 先验决策所选择的方案为建设云仓.

在决策过程中, 如果事先掌握所有信息, 则能作出各种状态下的最优决策, 此时所选择的方案能达到最高的损益值, 此时的决策也可以叫作完美决策, 这是一种决策中的理想状态, 虽然不能实现, 但可以用来衡量先验决策与后验决策的优劣程度.在各种状态下的最高损益值与布局单仓后在各种状态下的损益值的差即为布局单仓的完全信息价值.将各种状态下的完全信息价值与对应概率的乘积进行累加得出先验完全信息价值的期望值, 该期望值的大小可以说明决策结果与完美决策的差距, 完全信息价值的期望值越大, 说明所作决策与完美决策的差距越大, 所作决策的结果越不理想.

先验完全信息价值的期望值=475×0.07+375×0.12+140×0.18+0×0.23+0×0.21+0×0.19=103.45.具体计算结果见表2.

表2 异地易货率显著提高次数为0的先验决策分析Table 2 Prior decision analysis on the increase of barter rate in different places by 0time    

(3) 建设云仓与布局单仓的后验分析.表1中各种异地易货率发生概率的数据是根据企业日常经营数据计算得出的, 但企业将来的经营数据还会随着环境的变化而发生各种改变, 为了使决策能够随着经营情况的改变而及时进行调整, 应该结合异地易货发生概率的分布函数进行深入分析.因此企业应在表1的基础上, 结合概率分布函数计算出似然度、联合概率, 进而计算出后验概率, 以提高分析的准确程度.企业日常工作中的异地易货率函数近似为二项分布函数, 可通过式 (1) 计算出各种异地易货率情况下的似然度:

异地易货率为0.16情况下的似然度=C015×0.160×0.8415=0.073 146,

异地易货率为0.25情况下的似然度=C015×0.250×0.7515=0.013 363,

异地易货率为0.29情况下的似然度=C015×0.290×0.7115=0.005 873,

异地易货率为0.33情况下的似然度=C015×0.330×0.6715=0.002 461,

异地易货率为0.42情况下的似然度=C015×0.420×0.5815=0.000 283,

异地易货率为0.59情况下的似然度=C015×0.590×0.4115=0.000 002.

联合概率为先验概率与对应的似然度的乘积, 是求解后验决策的必要因素.各种异地易货率情况下的联合概率如下:

异地易货率为0.16情况下的联合概率=0.07×0.073 146=0.005 120,

异地易货率为0.25情况下的联合概率=0.12×0.013 363=0.001 604,

异地易货率为0.29情况下的联合概率=0.18×0.005 873=0.001 057,

异地易货率为0.33情况下的联合概率=0.23×0.002 461=0.000 566,

异地易货率为0.42情况下的联合概率=0.21×0.000 283=0.000 059,

异地易货率为0.59情况下的联合概率=0.19×0.000 002=0.000 000 3.

后验概率为各种异地易货率状态下的联合概率与联合概率之和的比.最后的计算结果见表3.

表3 试验中发生异地易货次数为0时的后验概率分析Table 3 Posteriori probability analysis of barter times in different places when the number of barter is 0    

将计算出的后验概率运用到风险型决策中, 可以作出云仓建设与单仓布局的后验决策.计算结果见表4.

建设云仓期望值 (后验分析) =50×0.609 061+90×0.190 754+180×0.125 754+280×0.067 332+475×0.007 063+540×0.000 035=92.48,

布局单仓期望值 (后验分析) =525×0.609 061+465×0.190 754+320×0.125 754+240×0.067 332+80×0.007 063+60×0.000 035=465.43.

比较后验分析中建设云仓与布局单仓的损益值, 后验决策所选择的方案为布局单仓.

后验完全信息价值的期望值=0×0.609 061+0×0.190 754+0×0.125 754+40×0.067 332+395×0.007 063+480×0.000 035=5.50.

从先验分析和后验分析的结果比较中可以看出, 先验完全信息价值的期望值大于后验完全信息价值的期望值, 这说明后验分析的结果比先验分析的结果更接近完美决策的结果.这主要是由于在后验分析中结合了似然度、联合概率等补充信息, 先验完全信息价值的期望值与后验完全信息价值的期望值的差, 就是补充信息的价值.

补充信息价值=先验完全信息价值的期望值-后验完全信息价值的期望值=103.45-5.50=97.95.

表4 试验中异地易货率显著提高次数为0的后验决策分析Table 4 Posteriori decision analysis when the rate of barter in different places is increased significantly by 0time     

从以上先验和后验的分析结果可以看出, 当在15次检验中发生异地易货的次数为0时, 先验决策所选择的方案为建设云仓, 后验决策所选择的方案为布局单仓.两种决策方法最后的结果不一致, 主要是由于在后验概率的分析过程中结合了在先验分析过程中所没有的似然度、条件概率、联合概率等信息, 因此, 通过后验概率分析得出的结果会比通过先验概率分析得出的结果更加可靠.从最后对完全信息价值的分析来看, 先验决策完全信息价值的期望值为103.45, 大于后验决策完全信息价值的期望值5.50, 说明先验决策所得的结果距离最优结果的距离比后验决策所得的结果距离最优结果的距离更大, 因此后验决策更为准确, 应选择布局单仓.表4中的“补充信息价值”一栏表示的是先验决策完全信息价值与后验决策完全信息价值的差, 该值表示的是增加了补充信息后提高了决策的准确程度所带来的经济效益.补充信息价值越高, 说明后验决策比先验决策在经济效益方面的提升效果越好, 也就更有作后验分析的必要.

以上是在15次试验中发生异地易货的次数为0时的决策过程.企业为了进一步研究通过试验查找出建设云仓的必要条件, 应该对所有试验的各种可能结果进行分析.以下列举出15次试验中发生异地易货的次数与所作决策之间的关系.

在15次试验中, 发生异地易货次数为1时的先验决策结果与发生次数为0时的先验决策结果一样, 但由于似然度的变化引起了后验概率的变化, 因此后验决策的结果也发生了变化.具体决策结果见表5和表6.

表5 试验中发生异地易货次数为1时的后验概率分析Table 5 Posteriori probability analysis of barter times in different places when the number of barter is 1    

表6 试验中异地易货率显著提高次数为1的后验决策分析Table 6 Posteriori decision analysis when the rate of barter in different places is increased significantly by 1time   

表7中列举了所有试验结果的可能性, 可以对整个试验进行全面分析, 从而提高决策的准确程度.从表7中可以看出, 当异地易货次数在4次以下时, 后验决策选择的方案是布局单仓;当异地易货次数在5次 (含) 以上时, 后验决策所选择的方案是建设云仓.从补充信息价值来看, 为了进行后验决策所补充的各种信息的价值呈现先降后升的情况, 当异地易货次数为5时补充信息价值降到了最低, 随后又随着异地易货次数的增加而逐渐增加.从这个指标可以看出, 当异地易货次数从0到5时, 先验决策与后验决策各自选择的方案在效益方面的差异逐渐缩小;但当异地易货次数从6到15时, 先验决策与后验决策各自选择的方案在效益方面的差距逐渐拉大, 说明随着异地易货次数的增加, 后验分析所带来的效益越大, 也就越有进行后验分析的必要, 这也和前文所述的建设云仓的适用条件是企业的异地易货次数足够高的结论是一致的.

表7 各种异地易货次数发生情况下的完全信息价值分析Table 7 Analysis of complete information value under the occurrence of barter number in different places     

通过此次后验分析也可以看出, 在15次的抽验中, 异地易货次数在达到5次以上时才有建设云仓的必要, 也就是针对目前该企业的情况, 异地易货次数在33%以上时, 企业才有投资云仓建设的必要.

后验决策分析可以在大型项目的可行性研究方面广泛运用, 后验决策可以更全面地对决策问题进行分析, 同时可以根据完全信息价值判断进一步搜集决策所需信息的经济合理性, 在提高决策准确度、经济效益方面起到相当大的作用.