程晏萍,黃千芷,董慈蔚*
(1.華中師范大學圖書館,武漢 430079;2.中南財經(jīng)政法大學工商管理學院,武漢 430073)
信息化社會,數(shù)據(jù)信息體量不斷增加,社會快速步入大數(shù)據(jù)時代.大數(shù)據(jù)即數(shù)據(jù)集合,具有容量大、種類多、速度快等特征.由于大數(shù)據(jù)能夠?qū)π畔⑦M行收集整理,以較低的成本創(chuàng)造出更高的價值,因此各行各業(yè)對于大數(shù)據(jù)分析技術(shù)和數(shù)據(jù)科學的關(guān)注度都越來越高,并將其作為企業(yè)管理創(chuàng)新和提高生產(chǎn)力的新目標,供應鏈管理也因此迎來了更多的機會[1-2].大數(shù)據(jù)技術(shù)在供應鏈中的應用價值主要在于實現(xiàn)商業(yè)增值、改進生產(chǎn)過程、提高產(chǎn)品質(zhì)量等方面[3].供應鏈柔性化、智能化、可視化是未來發(fā)展的方向,尤其是在這次新冠肺炎疫情防控中,數(shù)字化供應鏈平臺在防疫物資的生產(chǎn)運輸方面發(fā)揮了重要作用[4].通過大數(shù)據(jù)分析可以有效解決供應鏈中由于信息滯后所帶來的“牛鞭效應”,促使供應鏈向精益化、共享化、智慧化發(fā)展[5-6].因此,如何將大數(shù)據(jù)分析應用于供應鏈管理的過程,加快數(shù)字化供應鏈轉(zhuǎn)型的步伐,是目前研究的關(guān)鍵問題.
通過對文獻所包含信息進行研究,有助于學者們?nèi)娴亓私庋芯款I(lǐng)域的熱點與趨勢,尋找新的研究切入點和研究方向,促進學術(shù)發(fā)展[7].現(xiàn)有研究主要通過兩種方式對文獻進行分析:一是直接通過簡單的數(shù)據(jù)統(tǒng)計對文獻進行描述性分析,如Govindan等總結(jié)了關(guān)于大數(shù)據(jù)的屬性以及在供應鏈中實施的有效做法[8],Nguyen等結(jié)合內(nèi)容分析方法分析在供應鏈中應用大數(shù)據(jù)的領(lǐng)域及技術(shù)問題[9];二是通過其他的文獻分析工具展開分析,如Zhang等通過VOSviewer研究討論基于大數(shù)據(jù)的可持續(xù)供應鏈管理方面的文獻[10],Addo-Tenkorang等通過Publish or Peris討論運營與供應鏈管理中的“大數(shù)據(jù)”問題、趨勢和觀點,并提出了“大數(shù)據(jù)II”的框架[11].
與上述研究不同的是,本文運用CiteSpace軟件對現(xiàn)有文獻的知識圖譜進行研究.相比于簡單的描述性分析,知識圖譜能夠通過文獻的各種數(shù)量特征,利用數(shù)學、統(tǒng)計學等方法評價和預測某一研究領(lǐng)域的現(xiàn)狀與發(fā)展趨勢,通過空間形態(tài)來表現(xiàn)信息間的相互關(guān)系,顯示知識發(fā)展歷程與結(jié)構(gòu)關(guān)系[12].此外,Publish or Peris軟件只能對文獻的引用情況、文獻及雜志的影響因子進行簡單的分析,VOSviewer雖然能夠生成與CiteSpace類似的知識圖譜,但卻無法查看節(jié)點信息,且聚類后難以提取關(guān)鍵信息,而CiteSpace能夠提供多種關(guān)系矩陣,展示復雜的數(shù)據(jù)特征關(guān)系,還擁有強大的數(shù)據(jù)透視功能,有助于快速、直觀地把握研究領(lǐng)域的特征和總體趨勢[13-14].
由于在該領(lǐng)域的相關(guān)研究近幾年才隨著大數(shù)據(jù)的發(fā)展而興起,現(xiàn)有的綜述類研究在研究方法及數(shù)據(jù)選擇方面都存在不足,研究總體缺乏系統(tǒng)性和全面性,鮮有文章對發(fā)展脈絡進行歸納整理,本文采用基于CiteSpace的知識圖譜分析方法,探究大數(shù)據(jù)分析在供應鏈管理中的應用研究現(xiàn)狀,對大數(shù)據(jù)在供應鏈管理中應用的相關(guān)文獻進行了整理和知識圖譜分析,通過總結(jié)相關(guān)文獻的時空分布現(xiàn)狀、學科領(lǐng)域和期刊分布情況以及研究熱點和前沿,發(fā)現(xiàn)相關(guān)研究主要集中在中國、美國、英國三個國家,涉及多學科領(lǐng)域且研究熱點集中在供應鏈預測分析、績效及框架等方面,基于以上結(jié)果,本文在文末對未來研究方向提出相應的建議.
本文的主要數(shù)據(jù)來源于Web of Science(WOS)數(shù)據(jù)庫,以“主題=(Big Data OR Supply Chain Management),時間跨度為所有年份”進行文獻檢索,共檢索得到755條相關(guān)文獻.由于本文重點關(guān)注大數(shù)據(jù)或數(shù)據(jù)驅(qū)動在供應鏈管理中的應用問題,通過篩選刪除了卷首語、書評等不相關(guān)的文獻,得到151篇文獻,下載摘要、作者、關(guān)鍵詞、參考文獻等相關(guān)信息得到分析所需數(shù)據(jù).
首先采用WOS的檢索分析工具對大數(shù)據(jù)分析在供應鏈管理中應用研究的時間分布、空間分布、學科領(lǐng)域分布和文獻期刊分布進行了統(tǒng)計分析;其次,采用CiteSpace的WOS數(shù)據(jù)分析板塊,對樣本文獻的國家(country)、期刊(journal)、關(guān)鍵詞(keywords)、參考文獻(reference)等進行知識圖譜可視化分析,從而分析并總結(jié)出該領(lǐng)域的熱點與前沿研究.
對上述研究熱點與前沿研究的分析主要以中心度(centrality)為衡量指標.在CiteSpace中,中心度以中介中心性為測量指標(between centrality),用來測量節(jié)點在網(wǎng)絡中的重要性(此外還有度中心性、接近中心性等測度節(jié)點重要性的指標).中心度的計算公式如下:
(1)
時間分布可以通過分析相關(guān)文獻發(fā)表數(shù)量的增長和衰減來反映該領(lǐng)域的發(fā)展過程,空間分布可以幫助研究者明確該領(lǐng)域引領(lǐng)研究的國家與地區(qū),通過時空分布統(tǒng)計分析,可以對研究的發(fā)展現(xiàn)狀有較全面的了解.
2.1.1 時間分布 文獻的數(shù)量變化可以直接反映該學科領(lǐng)域的發(fā)展情況,通過對文獻發(fā)表量的增長和衰減情況進行統(tǒng)計分析,有助于了解大數(shù)據(jù)在供應鏈管理中應用的發(fā)展進程.對相關(guān)文獻數(shù)量的發(fā)表時間進行統(tǒng)計,繪制出其時間分布折線圖(如圖1).從圖1可以看出,最早的文獻發(fā)表于2012年,這是一個非常關(guān)鍵的時間點,早在2008年就已經(jīng)出現(xiàn)“大數(shù)據(jù)”的概念,而自2011年麥肯錫(McKinsey)發(fā)布報告“Big data :the next frontier for innovation,competition,and productivity”,并對大數(shù)據(jù)的影響、關(guān)鍵技術(shù)和應用領(lǐng)域等進行分析之后,大數(shù)據(jù)的關(guān)注度迅速提升[15],隨后幾年的發(fā)文量也不斷上升.總體上可以分為兩個階段:2012年-2014年為初步萌芽階段,論文發(fā)表量雖較少,但被引用次數(shù)高,為后續(xù)研究奠定了理論基礎(chǔ);2015年-2019年為迅速發(fā)展階段,論文年發(fā)表量迅速增加,相關(guān)研究成果快速增長,并在2019年達到59篇,且2018與2019年的發(fā)文量占發(fā)表論文總量的71.52%.由此可見,大數(shù)據(jù)在供應鏈管理中的應用越來越受到重視,自提出大數(shù)據(jù)的概念之后,數(shù)據(jù)體量快速增長,單從我國的大數(shù)據(jù)行業(yè)市場規(guī)模來看,2012年大數(shù)據(jù)規(guī)模僅4.7億元,而2015年上半年的市場規(guī)模(25.71億元)已經(jīng)超過2014年全年(23.21億元),大數(shù)據(jù)市場的快速發(fā)展一方面是依靠互聯(lián)網(wǎng)公司在大數(shù)據(jù)應用上不斷推陳出新,另一方面是由于存儲技術(shù)的發(fā)展使得更大體量的數(shù)據(jù)能夠被儲存和計算.大數(shù)據(jù)技術(shù)的更新迭代和不斷發(fā)展也推動了其在供應鏈領(lǐng)域的應用和研究的推進,因此自2015年之后,相關(guān)研究的發(fā)文量也迅速增長.
圖1 2012年-2019年發(fā)文量時間分布圖Fig.1 Time distribution of publication from 2012 to 2019
2.1.2 空間分布 利用CiteSpace對各個國家與地區(qū)發(fā)表的供應鏈管理的論文數(shù)量進行可視化分析,將Time Slicing時間間隔設(shè)置為1年,在“Node Types”面板中選擇“Country”選項運行.結(jié)果如圖2所示,圖中共有30個節(jié)點、46條連線,其中中國的中心度最大,與英國、美國、法國等國家都有著直接或間接的合作關(guān)系,其次是美國和英國.
圖2 國家(地區(qū))分布知識圖譜Fig.2 Knowledge map of country (region) distribution
對可視化分析結(jié)果進一步分析,繪制出論文發(fā)表空間分布圖,如圖3和圖4所示.由圖可以看出,在樣本文獻中,從發(fā)文量角度來看,中國和美國位于前列,其發(fā)文量分別為35篇和30篇,占比分別達到23.84%與19.87%,處于該領(lǐng)域研究相對領(lǐng)先的水平;從關(guān)鍵節(jié)點(中心度>0.1)角度來看,中國和美國同樣位于前2位,分別為0.30和0.29.這與中、美兩國在供應鏈及大數(shù)據(jù)方面的迅速發(fā)展密不可分.在供應鏈領(lǐng)域,美國在2012年簽發(fā)的《全球供應鏈安全國家戰(zhàn)略》和中國實施的“一帶一路”倡議,均是在通過打造一個全球的供應鏈和產(chǎn)業(yè)鏈來推動經(jīng)濟發(fā)展.在大數(shù)據(jù)領(lǐng)域,雖然中國相較于美國仍有較大差距,但自2015年提出“國家大數(shù)據(jù)戰(zhàn)略”以來,中國在大數(shù)據(jù)的存儲、處理及應用等方面突飛猛進,在供應鏈領(lǐng)域的應用尤其是需求預測能力、供需協(xié)同能力及庫存管理能力方面都有所改進.
圖3 發(fā)文量排名前10的國家Fig.3 Top 10 countries in terms of publication volume
圖4 高中心度國家分布圖Fig.4 Distribution of high-centrality countries
學科領(lǐng)域和期刊分布情況可以反映該領(lǐng)域研究內(nèi)容所涉及的相關(guān)學科及側(cè)重點,對其進行統(tǒng)計分析可以明確大數(shù)據(jù)在供應鏈管理中應用涉及的關(guān)鍵學科和核心期刊.
2.2.1 學科領(lǐng)域分布 根據(jù)WOS的檢索分析工具統(tǒng)計繪制出學科領(lǐng)域分布圖,如圖5所示.其中分布在商業(yè)經(jīng)濟學類別的文獻最多;其次是工程學和運籌學.此外,在分布圖中發(fā)表類別較多的學科領(lǐng)域還有計算機科學、科學技術(shù)、生態(tài)環(huán)境科學和運輸學等.由此可見,針對大數(shù)據(jù)在供應鏈管理中的應用不僅是一門管理學科,更是一門基于計算機軟件、信息系統(tǒng)等技術(shù)方法手段的跨學科的綜合性學科.
圖5 學科領(lǐng)域分布Fig.5 Distribution of subject
2.2.2 文獻期刊分布 通過對151篇文獻的發(fā)文期刊進行統(tǒng)計分析,可以發(fā)現(xiàn)該領(lǐng)域來源期刊的水平以及研究主題的主要分布領(lǐng)域.其中《計算機工業(yè)工程》(Computers Industrial Engineering)所刊載的相關(guān)文獻數(shù)量最多,除此之外,《國際物流管理雜志》(International Journal of Logistics Management)、《運籌學年刊》(Annals of Operations Research)、《清潔生產(chǎn)雜志》(Journal of Cleaner Production)等刊物都十分關(guān)注工業(yè)工程及管理科學最前沿的主題內(nèi)容(見表1).
表1 主要發(fā)文期刊Tab.1 Main published journals
此外,中心度還反映了期刊在該研究領(lǐng)域的地位,期刊權(quán)威性越高,其中心度和共被引頻次也越高.因此,利用CiteSpace對樣本文獻共引期刊進行可視化分析,運行得到文獻期刊分布可視化網(wǎng)絡圖譜(如圖6),其中包括96個節(jié)點,172條連線.
圖6 期刊共引網(wǎng)絡分布圖Fig.6 Distribution of journal co-citation network
由圖6總結(jié)出中心度排序前10的期刊于表2中.由表2可見,運籌學與管理科學范疇的學術(shù)期刊中心度均較高,如《國際運營與生產(chǎn)管理雜志》(International Journal of Operations &Production Management)、《國際物流管理雜志》(International Journal of Physical Distribution Logistics Management)、《運營管理》(Journal of Operations Management)等.同時,由于對大數(shù)據(jù)在供應鏈管理中的應用研究涉及多門交叉學科,《美國計算機學會通訊》(Communications of the ACM)、《信息科學》(Inform Sciences)等都是與計算機科學、工業(yè)工程、信息系統(tǒng)等相關(guān)的學科,且都是大數(shù)據(jù)在供應鏈管理應用過程中所需要涉及到的關(guān)鍵學科.由此可見,大數(shù)據(jù)在供應鏈管理的應用受到各學科的高度關(guān)注,具有較高的理論應用研究價值.
表2 中心度排序前10的期刊Tab.2 Ranking the top 10 journals by centrality
關(guān)鍵詞是文章主題內(nèi)容的高度概括,分析關(guān)鍵詞可以把握該研究領(lǐng)域的熱點.運用CiteSpace對關(guān)鍵詞進行分析,得到88個節(jié)點、152條連線(如圖7).
圖7 高頻關(guān)鍵詞知識圖譜Fig.7 Knowledge map of high-frequency keywords
關(guān)鍵詞的頻次反映了學者對該節(jié)點的關(guān)注程度,關(guān)鍵詞的中心度衡量該節(jié)點在研究領(lǐng)域內(nèi)的樞紐作用,對知識圖譜中的關(guān)鍵詞頻次和中心度進行排序匯總(見表3).
表3 高頻關(guān)鍵詞及其頻次和中心度Tab.3 High-frequency keywords, their frequency and centrality
對表3和圖7進行梳理,綜合考慮關(guān)鍵詞的頻次和中心度的大小,以及關(guān)鍵詞的屬性特點,選擇頻數(shù)和中心度均較高的關(guān)鍵詞,可以得出目前大數(shù)據(jù)在供應鏈管理領(lǐng)域應用研究的主要熱點.
1) 對供應鏈預測分析(predictive analytics)的研究.這個關(guān)鍵詞的頻數(shù)為40,中心度最高,達到了0.30.大數(shù)據(jù)和預測分析在分析中占據(jù)高頻詞匯反映出在供應鏈管理中應用大數(shù)據(jù)的主要目的是進行預測分析,從而對供應鏈進行有效管理,如 Waller等早在2013年就針對大數(shù)據(jù)和預測分析(big data and predictive analytics,BDPA)將會對供應鏈設(shè)計和管理帶來的變革進行了詳細分析[16],Jeble等研究了BDPA對供應鏈可持續(xù)性(包括碳排放、社會可持續(xù)性、經(jīng)濟可持續(xù)性)具有積極的調(diào)節(jié)作用,并對Waller等提出的部分問題進行了相應解答[17].Sodero等運用扎根理論,通過對15個零售供應鏈高級經(jīng)理的訪談進行理論構(gòu)建,揭示了用戶參與如何塑造BDPA以適應組織結(jié)構(gòu)[18].
2) 對供應鏈績效(performance)的研究.在2016年以前,大部分研究都是分析大數(shù)據(jù)對供應鏈管理的重要性,沒有研究大數(shù)據(jù)的應用是如何對供應鏈的能力和績效產(chǎn)生影響的.因此,Gunasekaran等基于資源基礎(chǔ)觀點(resource-based view,RBV),發(fā)現(xiàn)BDPA對供應鏈績效和組織績效具有正向的影響,且若高層管理人員能夠獲得外部資源并創(chuàng)造更好的BDPA能力,可以得到更好的供應鏈績效和組織績效[19].Yu等發(fā)現(xiàn)數(shù)據(jù)驅(qū)動供應鏈(data-driven supply chain,DDSC)對供應鏈能力(supply chain capability,SCC)的四個維度(信息交換、協(xié)調(diào)、企業(yè)間活動整合和供應鏈響應)都有顯著的正向影響,而其中協(xié)調(diào)和供應鏈響應能夠提高財務績效,闡明了DDSC對財務績效的重要性[20].
3) 對供應鏈框架(framework)和設(shè)計(design)的研究.Singh等運用大數(shù)據(jù)解決了冷鏈位置分配設(shè)計的問題[21],Jiao等基于數(shù)據(jù)驅(qū)動框架研究了可持續(xù)閉環(huán)供應鏈(closed loop supply chains,CLSC)的設(shè)計問題[22].然而,如何將大數(shù)據(jù)應用于供應鏈網(wǎng)絡也是企業(yè)的一大挑戰(zhàn).因此,Long建立了一個六層四視點的框架,系統(tǒng)地提出了供應鏈網(wǎng)絡中數(shù)據(jù)驅(qū)動的計算實驗應用于組織決策支持的技術(shù)解決方案[23].
此外,對關(guān)鍵詞的中心度進行分析則可以獲得該節(jié)點在研究領(lǐng)域內(nèi)的作用,高中心度的節(jié)點是連接不同知識的橋梁,在整個知識網(wǎng)絡中起到關(guān)鍵樞紐的作用.根據(jù)關(guān)鍵詞中心分布情況,大數(shù)據(jù)在供應鏈管理中應用研究的關(guān)鍵詞分布的頻次和中心度排序較為一致.部分詞匯同時具有較高的頻次與中心度,例如預測分析(predictive analytics)、績效(performance)、框架(framework)等頻次較高,且中心度也較為集中,說明這些研究內(nèi)容是該研究領(lǐng)域的熱點和基本理論支持.同時,部分詞匯頻次較高但中心度不強,如大數(shù)據(jù)(big data)、數(shù)據(jù)科學(data science)、管理(management)、物流(logistics)等詞匯,還有些關(guān)鍵詞出現(xiàn)的頻次不高,但中心度較強,比如商業(yè)分析(business analytics)、技術(shù)(technology)、決策(decision making)等.
對文獻之間進行共引分析可以了解研究的演化規(guī)律及研究的前沿領(lǐng)域.運用CiteSpace軟件,將Time Slicing時間間隔設(shè)置為一年,在“Node Types”面板中選擇“Reference”選項運行,獲得該研究領(lǐng)域的文獻共引可視化圖譜(如圖8).圖中共有104個節(jié)點,140條連線,每個節(jié)點半徑的大小說明該文章被引用的頻次,關(guān)鍵節(jié)點的文獻在一定程度上代表著該研究領(lǐng)域的前沿.
圖8 文獻共引知識圖譜Fig.8 Knowledge map of literature co-citation
通過對關(guān)鍵節(jié)點文獻的分析,可以發(fā)現(xiàn)Waller等在2013年發(fā)表的兩篇關(guān)于大數(shù)據(jù)在供應鏈預測分析引用頻次較高,這與上述高頻關(guān)鍵詞知識圖譜分析結(jié)果相同,說明Waller等的論文為該領(lǐng)域的研究奠定了基礎(chǔ)[13,24].在2016年,Wang等發(fā)表的論文《Big data analytics in logistics and supply chain management:certain investigations for research and applications》被多次引用,且中心度達到了0.60,該研究通過構(gòu)建四個能力層級(功能、流程、協(xié)作、敏捷及可持續(xù)),以評估大數(shù)據(jù)分析在物流與供應鏈管理中的應用程度[25].對于關(guān)鍵節(jié)點文獻,相關(guān)信息整理見表4.
表4 關(guān)鍵節(jié)點文獻信息綜合Tab.4 Literature information synthesis of key nodes
本文運用CiteSpace軟件,對WOS數(shù)據(jù)庫中2012年-2019年有關(guān)大數(shù)據(jù)在供應鏈管理中應用的文獻及相關(guān)數(shù)據(jù)進行了不同層次的分析和可視化研究,并得出下述的結(jié)論.
1) 從時間分布來看,關(guān)于大數(shù)據(jù)在供應鏈管理中應用的相關(guān)文獻最早始于2012年,再到2019年僅8年時間,由于相關(guān)技術(shù)尚未成熟、缺乏相關(guān)技術(shù)人員以及供應鏈管理協(xié)調(diào)困難等原因,該研究仍處于發(fā)展階段,并沒有達到成熟狀態(tài),還存在很大的發(fā)展空間.
2) 從大數(shù)據(jù)在供應鏈管理中應用的研究前沿國家和地區(qū)分布來看,中國目前在該領(lǐng)域的發(fā)文量為世界第一,且發(fā)表文獻具有較高的影響力.此外,大部分西方國家在這一領(lǐng)域的研究也處于相對領(lǐng)先的地位,其中美國和英國的發(fā)文量僅次于中國,三者的核心研究機構(gòu)之間也進行了較多的合作.
3) 從學科領(lǐng)域及期刊分布來看,現(xiàn)階段大數(shù)據(jù)在供應鏈管理中應用研究的核心刊物包含管理學、運籌學和計算機科學等領(lǐng)域,研究內(nèi)容趨向于多學科性,研究對象也趨向于多樣化.
4) 通過對大數(shù)據(jù)在供應鏈管理中應用研究的可視化分析發(fā)現(xiàn),該研究領(lǐng)域的熱點主要包括供應鏈預測分析、績效以及框架,即如何通過大數(shù)據(jù)對供應鏈管理進行預測分析,從而提高供應鏈整體的績效和效率.
總之,通過該項研究可以促進供應鏈整體運營能力的提升,提高供應鏈管理效率,并推動社會經(jīng)濟的健康快速發(fā)展.
隨著科技的進步,對于大數(shù)據(jù)在供應鏈管理中的應用也受到越來越多的學者的關(guān)注,通過全文分析,該領(lǐng)域的研究雖然已進入快速發(fā)展階段,但仍存在一些熱點問題有待進一步探究.
1) 應進一步探索在不同供應鏈中大數(shù)據(jù)的運用.基于現(xiàn)有大數(shù)據(jù)應用于供應鏈管理的案例,通過大數(shù)據(jù)與物流倉儲相結(jié)合、大數(shù)據(jù)與金融交易的物流信息相結(jié)合等方式,擴大大數(shù)據(jù)應用的供應鏈范圍.
2) 提高供應鏈的風險管理能力.供應鏈的風險管理包括事前、事中及事后管理,通過將大數(shù)據(jù)應用到供應鏈管理的每一個環(huán)節(jié),可以增強企業(yè)內(nèi)部或者企業(yè)之間的信息流通,從而加強供應鏈的事前風險預測能力,也能對事后發(fā)現(xiàn)的風險及時進行處理,從而引導企業(yè)做好風險決策,采取相應規(guī)避風險的措施.尤其是在供應鏈金融風險的管理中,通過大數(shù)據(jù)的應用可以優(yōu)化供應鏈信息共享模式,保證數(shù)據(jù)的真實性,從而增強風險管理效果.
3) 進一步探索新技術(shù)發(fā)展應用.隨著5G技術(shù)的突破以及區(qū)塊鏈等技術(shù)的應用,供應鏈的模式也相應發(fā)生改變,因此如何利用大數(shù)據(jù)等技術(shù)加強供應鏈中上、下游企業(yè)的關(guān)系,增強供應鏈的透明度和可視性,促進企業(yè)之前的信息交流,也是未來的研究趨勢.