吳雨霖，劉美玲，李學(xué)遷

（1.復(fù)旦大學(xué) 管理學(xué)院，上海 200433；2.上海電機(jī)學(xué)院，上海 201306；3.上海理工大學(xué) 管理學(xué)院，上海 200093）

隨著電子商務(wù)市場的快速發(fā)展，網(wǎng)購已成為消費(fèi)者購買商品的主要渠道之一，對(duì)高質(zhì)量快遞物流服務(wù)的需求也與日劇增。近年來，我國快遞物流業(yè)形成了以郵政為主的國有企業(yè)、國際物流公司和民營快遞企業(yè)構(gòu)成的三足鼎立市場競爭態(tài)勢。2006年，全國快遞業(yè)務(wù)量為10.6億件，2011年，全國快遞業(yè)務(wù)量達(dá)到36.5億件，增長了244%。業(yè)務(wù)量迅猛增長推動(dòng)了國內(nèi)快遞業(yè)的繁榮，同時(shí)也帶來了許多問題，如快遞爆倉、暴力分揀、龜速到達(dá)等。電子商務(wù)的迅速發(fā)展給快遞物流提出了巨大挑戰(zhàn)，即在保證盈利的條件下，如何以較低服務(wù)價(jià)格，快速地將電子商務(wù)下巨總量多品種少批量的B2C訂單準(zhǔn)確無誤地送到全國各地的消費(fèi)者手中。顯然，當(dāng)前快遞物流服務(wù)的管理水平還遠(yuǎn)不能滿足現(xiàn)實(shí)需求，這勢必阻礙我國電子商務(wù)的可持續(xù)發(fā)展。

電子商務(wù)環(huán)境下，快遞物流系統(tǒng)同時(shí)具備供應(yīng)鏈和復(fù)雜系統(tǒng)的基本特征?？爝f物流系統(tǒng)包含訂貨、運(yùn)輸、倉儲(chǔ)和配送等環(huán)節(jié)，涉及多個(gè)不同企業(yè)或部門，他們之間保持著既競爭又合作的關(guān)系，這些企業(yè)在快遞物流鏈中的行為模式非常復(fù)雜，調(diào)度系統(tǒng)的協(xié)調(diào)與銜接問題也更加復(fù)雜。這些復(fù)雜特性使得快遞物流系統(tǒng)的風(fēng)險(xiǎn)管理具有顯著的理論和實(shí)踐意義。

1 B2C環(huán)境下快遞物流風(fēng)險(xiǎn)指標(biāo)體系

電子商務(wù)分為B2B、B2C和C2C等模式，其中中國B2C電子商務(wù)物流的問題最為顯著，是網(wǎng)購消費(fèi)者投訴和批評(píng)的重點(diǎn)。風(fēng)險(xiǎn)管理在傳統(tǒng)物流業(yè)已經(jīng)較為成熟，但面向電子商務(wù)物流的風(fēng)險(xiǎn)管理還急需研究。

1.1 我國B2C快遞物流服務(wù)存在的問題

（1）配送延遲。據(jù)中國電子商務(wù)投訴與維權(quán)公共服務(wù)平臺(tái)數(shù)據(jù)統(tǒng)計(jì)，收貨延遲是網(wǎng)購消費(fèi)者投訴最多的問題。關(guān)于時(shí)間延遲的原因，除交通和氣候等不可控因素因素外，物流公司的常備運(yùn)力和網(wǎng)購商品配送量周期難以匹配也是重要因素，特別是遇到節(jié)假日。

（2）貨物丟失、缺件或破損。隨著網(wǎng)購量越來越大，這類問題發(fā)生頻率日益上升。然而，對(duì)網(wǎng)購消費(fèi)者而言，當(dāng)遇到貨物丟失、缺件或破損時(shí)，往往難以得到法律保護(hù)。這極大制約了電子商務(wù)的發(fā)展，特別是高端商品交易平臺(tái)的發(fā)展。

（3）無法驗(yàn)貨。為規(guī)避風(fēng)險(xiǎn)，快遞公司常要求客戶先簽收再驗(yàn)貨，甚至拒絕驗(yàn)貨。

（4）配送人員職業(yè)素養(yǎng)差。由于中國物流人才市場缺口較大，加上降低運(yùn)營成本的需求，快遞物流公司招聘配送人員時(shí)，門檻極低，而且忽視培訓(xùn)。造成配送人員服務(wù)態(tài)度差，嚴(yán)重影響了消費(fèi)者的購物體驗(yàn)。

（5）除上述4個(gè)因素外，物流費(fèi)用高、物流市場混亂也是業(yè)界關(guān)注的重點(diǎn)問題。

1.2 我國B2C快遞物流服務(wù)評(píng)價(jià)指標(biāo)體系

物流是典型的服務(wù)業(yè)，Perreault和Russ于1974年最早結(jié)合物流特性和服務(wù)質(zhì)量，提出以時(shí)間、地點(diǎn)效用為基礎(chǔ)的7Rs理論。評(píng)價(jià)維度包括：價(jià)格、商品信息的準(zhǔn)確度、送貨準(zhǔn)時(shí)率、時(shí)間性、貨物正確率、貨物完好率等。1999年，Mentzer,Flint和Kent又增加了人員溝通因素。黃斐和王佳研究了中國網(wǎng)購活動(dòng)中物流服務(wù)質(zhì)量的相關(guān)量表維度的表現(xiàn)，發(fā)現(xiàn)：包裝、溝通質(zhì)量以及誤差處理對(duì)電子商務(wù)物流服務(wù)質(zhì)量的影響顯著。在前人研究的基礎(chǔ)上，本文分5個(gè)維度構(gòu)建如下指標(biāo)體系（如表1所示）：

2 基于數(shù)據(jù)挖掘的快遞物流風(fēng)險(xiǎn)評(píng)價(jià)

2.1 基于粗糙集的支持向量機(jī)評(píng)價(jià)模型

表1 B2C快遞物流服務(wù)評(píng)價(jià)指標(biāo)體系

大數(shù)據(jù)時(shí)代已經(jīng)到來，巨量數(shù)據(jù)成為許多物流企業(yè)幸福的煩惱。數(shù)據(jù)挖掘方法有助于物流企業(yè)發(fā)現(xiàn)企業(yè)的風(fēng)險(xiǎn)所在，幫助制定風(fēng)險(xiǎn)規(guī)避策略。支持向量機(jī)方法最初是針對(duì)兩類分類問題而提出的，文獻(xiàn)[7]運(yùn)用支持向量機(jī)方法研究了企業(yè)創(chuàng)新績效的問題，文獻(xiàn)[8]則將支持向量機(jī)方法運(yùn)用于供應(yīng)鏈金融風(fēng)險(xiǎn)的評(píng)價(jià)問題。然而，在實(shí)際的應(yīng)用中，我們經(jīng)常遇到多值分類問題。多值分類問題有很多解決的方法，如決策樹方法。它是一種與二叉樹結(jié)合構(gòu)造多類識(shí)別器的方法。二叉樹方法是通過將數(shù)據(jù)集分成兩類，再將兩類各自分成兩類（也可能只將其中一類再分成兩類），依次下去，每次各自形成支持向量集，以確定各自的判決函數(shù)，而各個(gè)判決函數(shù)組合成多類分類的判決函數(shù)，當(dāng)一個(gè)待決的樣本向量進(jìn)入這個(gè)網(wǎng)絡(luò)，將逐級(jí)地用各個(gè)判決函數(shù)進(jìn)行判定，最終得到結(jié)果。根據(jù)風(fēng)險(xiǎn)識(shí)別的特征，采用多類分類決策樹法，按每類別中樣本數(shù)量的遞增順序?qū)︼L(fēng)險(xiǎn)等級(jí)進(jìn)行排序，并依次編號(hào)為風(fēng)險(xiǎn)等級(jí)1、等級(jí)2和等級(jí)3，如此共需兩個(gè)分類器，構(gòu)建好的決策樹如圖1。

圖1 分類器結(jié)構(gòu)概念圖

對(duì)快遞物流服務(wù)的評(píng)價(jià)可以從不同角度進(jìn)行，由于要選擇的準(zhǔn)則和指標(biāo)較多，難免出現(xiàn)指標(biāo)冗余和指標(biāo)權(quán)重問題，給實(shí)際評(píng)價(jià)工作帶來了許多困難，為了提高工作效率，而又不影響原始信息，采用知識(shí)約簡方法對(duì)原始信息進(jìn)行挖掘，提取最具代表性的一系列指標(biāo)，隱藏冗余信息。而粗糙集理論不需要提供除問題所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)信息，對(duì)問題的不確定性的描述和處理相對(duì)客觀。以下針對(duì)多屬性的大樣本數(shù)據(jù)的分類，結(jié)合粗糙集的屬性約簡和支持向量機(jī)的分類機(jī)理，提出基于粗糙集的支持向量機(jī)算法，即利用粗糙集理論減少支持向量機(jī)（SVM）數(shù)據(jù)維數(shù)和降低系統(tǒng)結(jié)構(gòu)的復(fù)雜性，將預(yù)處理后的數(shù)據(jù)作為樣本數(shù)據(jù)，對(duì)SVM進(jìn)行訓(xùn)練，從而構(gòu)造出具有更好地抑制噪聲干擾和良好泛化能力的模式分類器。綜合兩種算法的特點(diǎn)，可獲得更好的模型算法，模型結(jié)構(gòu)如圖2所示：

圖2 基于粗糙集的支持向量機(jī)分類模型

2.2 算例分析與算法比較

快遞物流服務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系是風(fēng)險(xiǎn)評(píng)價(jià)模型的輸入要素。為了方便清晰運(yùn)用模型，首先對(duì)指標(biāo)進(jìn)行統(tǒng)一標(biāo)識(shí)。F1：無法按預(yù)定時(shí)間送達(dá)貨物；F2：貨物送達(dá)時(shí)有破損；F3：配送方式單一；F4：退換貨服務(wù)不受理；F5：網(wǎng)點(diǎn)不足，收發(fā)貨不方便；F6：從下單到送達(dá)時(shí)間過長；F7：緊急訂單處理速度慢；F8：工作人員服務(wù)態(tài)度差；F9：對(duì)投訴反應(yīng)速度慢；F10：信息不全，且更新慢；F11：信息錯(cuò)誤，且不及時(shí)反饋給客戶；F12：物流服務(wù)價(jià)格高。

采用專家打分法確定各評(píng)價(jià)指標(biāo)值，再將分值劃分為5個(gè)等級(jí)，即 ｛0.1,0.3,0.5,0.7,1.0｝；決策屬性為快遞物流風(fēng)險(xiǎn)等級(jí)，評(píng)價(jià)集合為G=｛風(fēng)險(xiǎn)水平高（數(shù)量化為1），風(fēng)險(xiǎn)水平一般（數(shù)量化為0），風(fēng)險(xiǎn)水平低（數(shù)量化為-1）｝。再選取15個(gè)B2C快遞物流企業(yè)案例，經(jīng)過規(guī)范化處理后得到?jīng)Q策表2。將表2的樣本數(shù)據(jù)導(dǎo)入后，采用Rosetta遺傳算法對(duì)樣本數(shù)據(jù)進(jìn)行約簡，得到包 含4個(gè) 屬 性 的 有4個(gè) ，分 別 是 ｛F1,F2,F6,F12 ｝, ｛F1,F2,F9,F12 ｝, ｛F4,F6,F9,F11 ｝, ｛F4,F6,F11,F12 ｝，其 中 第 一 個(gè)｛F1,F2,F6,F12｝和Johnson算法求得的約簡相同，且沒有產(chǎn)生規(guī)則沖突，所以可選取該約簡。約簡后的決策表見表3。

表2 快遞物流服務(wù)商風(fēng)險(xiǎn)原始數(shù)據(jù)表

表3 屬性約簡后的決策表

在構(gòu)造SVM分類器的過程中，以出現(xiàn)概率最低的為一大類，其余的作為第二大類，經(jīng)學(xué)習(xí)得分類器1，然后在剩下的樣本中繼續(xù)按前述方法分類，求得分類器2。使用決策二叉樹對(duì)數(shù)據(jù)進(jìn)行分類識(shí)別時(shí)，由樹根開始將對(duì)象的屬性代入分類器1逐漸測試，當(dāng)測試值為1時(shí)，即到達(dá)葉節(jié)點(diǎn)，表明該項(xiàng)目風(fēng)險(xiǎn)水平低；當(dāng)測試值為-1時(shí)，順著分支往下走，直到到達(dá)葉節(jié)點(diǎn)。通過Matlab編程構(gòu)建SVM分類模塊，將前10個(gè)作為學(xué)習(xí)樣本，后5個(gè)作為性能評(píng)價(jià)樣本。再分別使用BP和SVM進(jìn)行同樣的學(xué)習(xí)訓(xùn)練。表4給出了三種算法的結(jié)果和對(duì)比情況。

表4 風(fēng)險(xiǎn)評(píng)價(jià)性能對(duì)比表

結(jié)果顯示，三種方法評(píng)價(jià)精度都能滿足實(shí)際需要。與BP相比，SVM評(píng)價(jià)的精度要高些，因?yàn)镾VM避免了BP中經(jīng)常使用的啟發(fā)式結(jié)構(gòu)，它不依賴于設(shè)計(jì)者的經(jīng)驗(yàn)知識(shí)；而且SVM的理論基礎(chǔ)決定了它最終求得的是全局最優(yōu)而不是局部極值，也保證了它對(duì)于未知樣本的良好泛化能力而不會(huì)出現(xiàn)過學(xué)習(xí)現(xiàn)象。但在評(píng)價(jià)效率上，SVM稍微不如BP。而RSSVM比BP和SVM都要高許多，同時(shí)評(píng)價(jià)結(jié)果與專家評(píng)價(jià)一致。這是因?yàn)镽SSVM的輸入已經(jīng)過處理，避免了大量冗余信息。

3 總結(jié)

將粗糙集和支持向量機(jī)結(jié)合并應(yīng)用于B2C快遞物流風(fēng)險(xiǎn)評(píng)價(jià)，得到了良好的效果。結(jié)論表明，利用粗糙集對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，可以在保證支持向量機(jī)分類識(shí)別精度的情況下，縮短評(píng)價(jià)時(shí)間?？爝f物流風(fēng)險(xiǎn)評(píng)價(jià)是一個(gè)非常復(fù)雜的系統(tǒng)評(píng)價(jià)問題，無論何種評(píng)價(jià)方法都有其本身的優(yōu)點(diǎn)和不足。本文著力于提出一種分析和解決問題的思路和框架。未來還有許多方面需要進(jìn)一步研究，包括：評(píng)價(jià)指標(biāo)體系的科學(xué)改進(jìn)；指標(biāo)規(guī)范化處理技術(shù)；屬性約簡的準(zhǔn)確性和有效性判別。這些都有必要在理論研究和實(shí)踐中不斷探索和總結(jié)。

[1]RE.Spekman,EW.Davis.Risky business:expanding the discussion on risk and the extended enterprise[J].International Journal of Physical Distribution&Logistics Management,2004,34(5):414-433.

[2]KK.Lai,L.Yu,LG.Zhou,SY.Wang.Credit Risk Evaluation with Least Square Support Vector Machine[M].Heidelberg:Springer Berlin,2006.

[3]M.Y.Cheng,Y.W.Wu,C.F.Wu.Project Success prediction using an evolutionary support vector machine inference model[J].Automation in Construction,2010,19(3):302-307.

[4]黃斐，王佳.中國網(wǎng)購中物流服務(wù)質(zhì)量評(píng)價(jià)的實(shí)證研究[J].技術(shù)經(jīng)濟(jì)與管理研究，2011(10):54-58.

[5]Mentzer John T,Daniel J.Flint,John L.Kent.Developing a Logistics Service Quality Scale[J].Journal of Business Logistics,1999,20(1):37-45.

[6]Perrault William D,Frederick Russ.Physical Distribution Service:A Neglected Aspect of Marketing Management[J].MSU Business Topics,1974,22(2):37-45.

[7]王露琰，劉瑞霞，吳瓊,等.支持向量機(jī)在企業(yè)技術(shù)創(chuàng)新績效評(píng)估中的應(yīng)用[J].科技進(jìn)步與對(duì)策，2007,24(9):72-73.

[8]胡海青，張瑯，張道宏,等.基于支持向量機(jī)的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估研究[J].軟科學(xué)，2011,25(5):26-30.

[9]趙達(dá)薇，劉喬，劉靜.農(nóng)產(chǎn)品冷鏈物流服務(wù)能力評(píng)價(jià)研究[J].管理現(xiàn)代化，2011(1):46-48.