中图分类号：F274 文献标识码：A 文章编号：2096-7934(2020)07-0042-11 全球供应链环境的复杂性和相关信息的缺乏导致过去供应链的不确定性和风险应对的被动性。在当今大数据背景下，越来越多的供应链数据通过整合供应链参与者和外部数据源(如交通数据、天气预报)以及采用先进技术(如传感器、识别和定位技术)得以测量。数字化和大数据分析技术的飞跃发展，使得企业在业务实践中拥有了更大的能力来创建全面而主动的供应链风险管理流程与方法。大数据分析和实时决策使供应链企业能够对快速变化的商业环境做出反应。在大数据分析的帮助下，信息被转化为商业智能，从而更好地理解过去的事件，同时也预测未来的事件[1]。一方面，大数据分析能够捕获许多因素之间的关系，为风险识别提供依据；另一方面，通过大数据分析，提出相应的监控措施，能够避免未来面临的风险。因此，大数据分析能够为供应链企业进行风险识别和监控提供强有力的支持。虽然越来越多的企业意识到将大数据技术应用到供应链风险管理中的重要性，但在这一领域的研究还很缺乏[2]。 本文基于多阶段随机优化技术和云计算基础设施，提出一个将大数据分析集成到供应链风险识别和监控中的应用框架。该框架主要用于处理供应链运营风险和具有低频高影响特征的供应链中断风险。鉴于场景分析方法已成功运用于处理供应链规划问题[3]，本文也将其用于决策支持。本文提出的框架便于供应链在事故发生时立即进行实时监测、制定应急计划和提供决策支持，能够以较低的供应链成本应对供应链风险，从而为大数据时代供应链风险管理提供指导。 二、文献综述 (一)大数据分析 近十年来大数据分析无疑是数字技术在供应链管理中应用最为详尽的领域。大数据的特征是“5V”，即规模性(volume)、多样性(variety)、高速性(velocity)、真实性(veracity)和价值性(value)[4]。大数据分析通过从大量数据中提取知识，实现基于数据驱动的决策。这使得企业做出关键业务决策的方式发生了重大转变，企业通过利用大数据技术抓取、挖掘、分析海量数据并用经典模型测算与验证，可快速提升生产、营销、物流、风险管理等领域的业务能力。通过让数据说话，实现企业基于量化模型的精细优化决策。随着越来越多的企业认识到大数据在决策中的优势，大数据技术和分析方法的应用将日益广泛。 大数据分析在供应链管理中的应用被称为供应链管理数据科学[5]，其中包括将先进定量和定性分析方法应用于大量结构化和非结构化数据。大数据分析可用于增强市场竞争力，改善数据质量管理和数据使用体验。Raman et al.[6]通过实证研究表明，采用大数据技术可以为企业创造可观的增值收益，并将很快成为供应链行业的标准，进而将大数据与供应链管理相结合，对供应链运作参考模型进行了重新描述。Johnson et al.[7]以及Simchi-Levi et al.[8]分析了大数据分析在零售业中的应用，认为零售商必须不断努力增加收入、利润和市场份额，其中一种方法是采用价格优化模型，在价格水平上升或下降时计算需求方差，然后将这些信息与相关的成本和库存数据相结合，进而给出使收入和利润最大化的推荐价格。大数据分析在供应链管理中的应用也体现在采购流程、制造车间、全渠道模型中的促销活动、路线优化、实时交通运行监控和主动安全管理中[9-13]。Nguyen et al.[12]确定了近期内大数据分析可应用于供应链管理的一些领域，包括生产过程中的质量控制、物流运输中的动态车辆路径和在途库存管理、仓储中的订单领料和库存控制系统。陆杉等[14]对国外在需求计划、采购、生产、存货、物流与配送等供应链全过程的大数据分析进行了综述，认为大数据分析对供应链具有巨大应用价值。孙新波等[15]研究认为，大数据能够驱动供应链敏捷性的实现。 (二)供应链风险分类 在供应链风险研究文献中，不同文献根据自身的研究范围和目标对供应链风险进行了相应的分类[16-17]。最常见的有两种分类方法。一种方法是根据风险影响或来源的供应链网络层次来对风险进行分类[18]，通常分为三个主要层次：第一层风险是来自供应链网络外部的风险，或者称为环境风险；第二层风险是指来自供应链网络内部但又在成员企业外部的风险，也称为网络风险或行业风险；第三层包括供应链成员企业内部的所有风险，称为组织风险。此外，Rao and Goldsby[18]还发现了与当前具体决策问题和个人决策者特征相关的两个额外层次。另一种方法是基于风险影响或来源的供应链特定环节来对风险进行分类[19-21]：第一类风险只与整个供应链有关而与供应链的任何特定部分无关，这一类风险对应于上述第一层(网络外部)风险，称为环境风险[19]或宏观风险[21]；第二类是与供应方相关的风险(即供应链运作参考模型中的采购环节)；第三类包含所有需求侧风险(即供应链运作参考模型中的配送环节)；第四类是生产过程风险[20-21]；第五类是与供应链过程控制有关的风险，即Ho et al.[21]提出的基础设施风险。 (三)供应链风险管理 目前虽然学界对供应链风险管理尚没有普遍接受的定义，但几乎所有的定义都将供应链风险管理视为一系列导致预期结果的行动，同时也强调了供应链合作伙伴之间协调合作这一前提[21-24]。供应链风险管理包括风险识别[19，25]、风险评估[19，21，26]、风险化解和监控[21，27]。宋华等总结分析了供应链风险管理中风险识别、评估、决策、控制、监管等各流程的研究现状，指出供应链风险管理是与供应链中的合作伙伴单独或者协作地应用风险管理过程工具来处理由供应链中活动或资源引起的风险和不确定性[28]。赵立马等提出了供应链风险管理框架与策略[29]。在供应链风险管理的预期结果上，研究者们主要强调降低风险的负面影响或增强供应链的积极作用。前者包括减少脆弱性、损失、概率或风险暴露[19]，后者则包括确保盈利能力和持续性[30]。综合以上观点，本文将供应链风险管理定义为：供应链中所有参与方通过协调合作，识别、评估、化解和监控风险，以减少供应链的脆弱性，提高供应链的稳健性和弹性，确保供应链的盈利能力和可持续。 关于大数据分析在供应链风险管理中的应用研究，Papadopoulos et al.[31]和Ivanov et al.[32]指出，大数据分析有助于提高供应链风险管理和抗灾能力；刘帅等[33]和吴健[34]分析了大数据环境下的供应链风险管控；吴赜书等[35]提出了基于大数据的农产品供应链风险预警机制，并构建了该类风险预警平台的体系结构。
