李剛

摘?要：文章旨在利用大數(shù)據(jù)分析為改進(jìn)供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別與監(jiān)控提供強(qiáng)有力的技術(shù)支持。將用于供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別的大數(shù)據(jù)分為供應(yīng)鏈內(nèi)部大數(shù)據(jù)和供應(yīng)鏈外部大數(shù)據(jù)，其中，供應(yīng)鏈內(nèi)部大數(shù)據(jù)是指從供應(yīng)鏈合作伙伴處收集的數(shù)據(jù)，供應(yīng)鏈外部大數(shù)據(jù)則是指從公共新聞、社交媒體等收集的數(shù)據(jù)，基于兩類數(shù)據(jù)識(shí)別潛在的供應(yīng)鏈風(fēng)險(xiǎn)。在分析風(fēng)險(xiǎn)識(shí)別的基礎(chǔ)上，依托多階段隨機(jī)優(yōu)化技術(shù)、場景分析方法和云計(jì)算基礎(chǔ)設(shè)施，構(gòu)建了一個(gè)基于大數(shù)據(jù)分析的供應(yīng)鏈風(fēng)險(xiǎn)監(jiān)控框架模型，該框架包括供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)監(jiān)測模塊、供應(yīng)鏈外部風(fēng)險(xiǎn)監(jiān)測模塊、供應(yīng)鏈規(guī)劃模塊三個(gè)主要模塊，利用大數(shù)據(jù)分析方法對供應(yīng)鏈內(nèi)外風(fēng)險(xiǎn)進(jìn)行監(jiān)測，在隨機(jī)環(huán)境下制定應(yīng)對供應(yīng)鏈風(fēng)險(xiǎn)的柔性供應(yīng)鏈計(jì)劃。通過提出基于大數(shù)據(jù)分析的供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別與監(jiān)控流程與方法，為大數(shù)據(jù)在供應(yīng)鏈風(fēng)險(xiǎn)管理中的應(yīng)用提供了理論與實(shí)踐指導(dǎo)。

關(guān)?鍵?詞：供應(yīng)鏈;風(fēng)險(xiǎn)識(shí)別;風(fēng)險(xiǎn)監(jiān)控;大數(shù)據(jù);大數(shù)據(jù)分析

中圖分類號：F274?文獻(xiàn)標(biāo)識(shí)碼：A?文章編號：2096-7934（2020）07-0042-11

一、引言

全球供應(yīng)鏈環(huán)境的復(fù)雜性和相關(guān)信息的缺乏導(dǎo)致過去供應(yīng)鏈的不確定性和風(fēng)險(xiǎn)應(yīng)對的被動(dòng)性。在當(dāng)今大數(shù)據(jù)背景下，越來越多的供應(yīng)鏈數(shù)據(jù)通過整合供應(yīng)鏈參與者和外部數(shù)據(jù)源（如交通數(shù)據(jù)、天氣預(yù)報(bào)）以及采用先進(jìn)技術(shù)（如傳感器、識(shí)別和定位技術(shù)）得以測量。數(shù)字化和大數(shù)據(jù)分析技術(shù)的飛躍發(fā)展，使得企業(yè)在業(yè)務(wù)實(shí)踐中擁有了更大的能力來創(chuàng)建全面而主動(dòng)的供應(yīng)鏈風(fēng)險(xiǎn)管理流程與方法。大數(shù)據(jù)分析和實(shí)時(shí)決策使供應(yīng)鏈企業(yè)能夠?qū)焖僮兓纳虡I(yè)環(huán)境作出反應(yīng)。在大數(shù)據(jù)分析的幫助下，信息被轉(zhuǎn)化為商業(yè)智能，從而更好地理解過去的事件，同時(shí)也預(yù)測未來的事件[1]。一方面，大數(shù)據(jù)分析能夠捕獲許多因素之間的關(guān)系，為風(fēng)險(xiǎn)識(shí)別提供依據(jù);另一方面，通過大數(shù)據(jù)分析，提出相應(yīng)的監(jiān)控措施，能夠避免未來面臨的風(fēng)險(xiǎn)。因此，大數(shù)據(jù)分析能夠?yàn)楣?yīng)鏈企業(yè)進(jìn)行風(fēng)險(xiǎn)識(shí)別和監(jiān)控提供強(qiáng)有力的支持。雖然越來越多的企業(yè)意識(shí)到將大數(shù)據(jù)技術(shù)應(yīng)用到供應(yīng)鏈風(fēng)險(xiǎn)管理中的重要性，但在這一領(lǐng)域的研究還很缺乏[2]。

本文基于多階段隨機(jī)優(yōu)化技術(shù)和云計(jì)算基礎(chǔ)設(shè)施，提出一個(gè)將大數(shù)據(jù)分析集成到供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別和監(jiān)控中的應(yīng)用框架。該框架主要用于處理供應(yīng)鏈運(yùn)營風(fēng)險(xiǎn)和具有低頻高影響特征的供應(yīng)鏈中斷風(fēng)險(xiǎn)。鑒于場景分析方法已成功運(yùn)用于處理供應(yīng)鏈規(guī)劃問題[3]，本文也將其用于決策支持。本文提出的框架便于供應(yīng)鏈在事故發(fā)生時(shí)立即進(jìn)行實(shí)時(shí)監(jiān)測、制定應(yīng)急計(jì)劃和提供決策支持，能夠以較低的供應(yīng)鏈成本應(yīng)對供應(yīng)鏈風(fēng)險(xiǎn)，從而為大數(shù)據(jù)時(shí)代供應(yīng)鏈風(fēng)險(xiǎn)管理提供指導(dǎo)。

二、文獻(xiàn)綜述

（一）大數(shù)據(jù)分析

近十年來大數(shù)據(jù)分析無疑是數(shù)字技術(shù)在供應(yīng)鏈管理中應(yīng)用最為詳盡的領(lǐng)域。大數(shù)據(jù)的特征是“5V”，即規(guī)模性（volume）、多樣性（variety）、高速性（velocity）、真實(shí)性（veracity）和價(jià)值性（value）[4]。大數(shù)據(jù)分析通過從大量數(shù)據(jù)中提取知識(shí)，實(shí)現(xiàn)基于數(shù)據(jù)驅(qū)動(dòng)的決策。這使得企業(yè)做出關(guān)鍵業(yè)務(wù)決策的方式發(fā)生了重大轉(zhuǎn)變，企業(yè)通過利用大數(shù)據(jù)技術(shù)抓取、挖掘、分析海量數(shù)據(jù)并用經(jīng)典模型測算與驗(yàn)證，可快速提升生產(chǎn)、營銷、物流、風(fēng)險(xiǎn)管理等領(lǐng)域的業(yè)務(wù)能力。通過讓數(shù)據(jù)說話，實(shí)現(xiàn)企業(yè)基于量化模型的精細(xì)優(yōu)化決策。隨著越來越多的企業(yè)認(rèn)識(shí)到大數(shù)據(jù)在決策中的優(yōu)勢，大數(shù)據(jù)技術(shù)和分析方法的應(yīng)用將日益廣泛。

大數(shù)據(jù)分析在供應(yīng)鏈管理中的應(yīng)用被稱為供應(yīng)鏈管理數(shù)據(jù)科學(xué)[5]，其中包括將先進(jìn)定量和定性分析方法應(yīng)用于大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)分析可用于增強(qiáng)市場競爭力，改善數(shù)據(jù)質(zhì)量管理和數(shù)據(jù)使用體驗(yàn)。Raman?et?al.[6]通過實(shí)證研究表明，采用大數(shù)據(jù)技術(shù)可以為企業(yè)創(chuàng)造可觀的增值收益，并將很快成為供應(yīng)鏈行業(yè)的標(biāo)準(zhǔn)，進(jìn)而將大數(shù)據(jù)與供應(yīng)鏈管理相結(jié)合，對供應(yīng)鏈運(yùn)作參考模型進(jìn)行了重新描述。Johnson?et?al.[7]以及Simchi-Levi?et?al.[8]分析了大數(shù)據(jù)分析在零售業(yè)中的應(yīng)用，認(rèn)為零售商必須不斷努力增加收入、利潤和市場份額，其中一種方法是采用價(jià)格優(yōu)化模型，在價(jià)格水平上升或下降時(shí)計(jì)算需求方差，然后將這些信息與相關(guān)的成本和庫存數(shù)據(jù)相結(jié)合，進(jìn)而給出使收入和利潤最大化的推薦價(jià)格。大數(shù)據(jù)分析在供應(yīng)鏈管理中的應(yīng)用也體現(xiàn)在采購流程、制造車間、全渠道模型中的促銷活動(dòng)、路線優(yōu)化、實(shí)時(shí)交通運(yùn)行監(jiān)控和主動(dòng)安全管理中[9-13]。Nguyen?et?al.[12]確定了近期內(nèi)大數(shù)據(jù)分析可應(yīng)用于供應(yīng)鏈管理的一些領(lǐng)域，包括生產(chǎn)過程中的質(zhì)量控制、物流運(yùn)輸中的動(dòng)態(tài)車輛路徑和在途庫存管理、倉儲(chǔ)中的訂單領(lǐng)料和庫存控制系統(tǒng)。陸杉等[14]對國外在需求計(jì)劃、采購、生產(chǎn)、存貨、物流與配送等供應(yīng)鏈全過程的大數(shù)據(jù)分析進(jìn)行了綜述，認(rèn)為大數(shù)據(jù)分析對供應(yīng)鏈具有巨大應(yīng)用價(jià)值。孫新波等[15]研究認(rèn)為，大數(shù)據(jù)能夠驅(qū)動(dòng)供應(yīng)鏈敏捷性的實(shí)現(xiàn)。

（二）供應(yīng)鏈風(fēng)險(xiǎn)分類

在供應(yīng)鏈風(fēng)險(xiǎn)研究文獻(xiàn)中，不同文獻(xiàn)根據(jù)自身的研究范圍和目標(biāo)對供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行了相應(yīng)的分類[16-17]。最常見的有兩種分類方法。一種方法是根據(jù)風(fēng)險(xiǎn)影響或來源的供應(yīng)鏈網(wǎng)絡(luò)層次來對風(fēng)險(xiǎn)進(jìn)行分類[18]，通常分為三個(gè)主要層次：第一層風(fēng)險(xiǎn)是來自供應(yīng)鏈網(wǎng)絡(luò)外部的風(fēng)險(xiǎn)，或者稱為環(huán)境風(fēng)險(xiǎn);第二層風(fēng)險(xiǎn)是指來自供應(yīng)鏈網(wǎng)絡(luò)內(nèi)部但又在成員企業(yè)外部的風(fēng)險(xiǎn)，也稱為網(wǎng)絡(luò)風(fēng)險(xiǎn)或行業(yè)風(fēng)險(xiǎn);第三層包括供應(yīng)鏈成員企業(yè)內(nèi)部的所有風(fēng)險(xiǎn)，稱為組織風(fēng)險(xiǎn)。此外，Rao?and?Goldsby[18]還發(fā)現(xiàn)了與當(dāng)前具體決策問題和個(gè)人決策者特征相關(guān)的兩個(gè)額外層次。另一種方法是基于風(fēng)險(xiǎn)影響或來源的供應(yīng)鏈特定環(huán)節(jié)來對風(fēng)險(xiǎn)進(jìn)行分類[19-21]：第一類風(fēng)險(xiǎn)只與整個(gè)供應(yīng)鏈有關(guān)而與供應(yīng)鏈的任何特定部分無關(guān)，這一類風(fēng)險(xiǎn)對應(yīng)于上述第一層（網(wǎng)絡(luò)外部）風(fēng)險(xiǎn)，稱為環(huán)境風(fēng)險(xiǎn)[19]或宏觀風(fēng)險(xiǎn)[21];第二類是與供應(yīng)方相關(guān)的風(fēng)險(xiǎn)（即供應(yīng)鏈運(yùn)作參考模型中的采購環(huán)節(jié)）;第三類包含所有需求側(cè)風(fēng)險(xiǎn)（即供應(yīng)鏈運(yùn)作參考模型中的配送環(huán)節(jié)）;第四類是生產(chǎn)過程風(fēng)險(xiǎn)[20-21];第五類是與供應(yīng)鏈過程控制有關(guān)的風(fēng)險(xiǎn)，即Ho?et?al.[21]提出的基礎(chǔ)設(shè)施風(fēng)險(xiǎn)。

（三）供應(yīng)鏈風(fēng)險(xiǎn)管理

目前雖然學(xué)界對供應(yīng)鏈風(fēng)險(xiǎn)管理尚沒有普遍接受的定義，但幾乎所有的定義都將供應(yīng)鏈風(fēng)險(xiǎn)管理視為一系列導(dǎo)致預(yù)期結(jié)果的行動(dòng)，同時(shí)也強(qiáng)調(diào)了供應(yīng)鏈合作伙伴之間協(xié)調(diào)合作這一前提[21-24]。供應(yīng)鏈風(fēng)險(xiǎn)管理包括風(fēng)險(xiǎn)識(shí)別[19，25]、風(fēng)險(xiǎn)評估[19，21，26]、風(fēng)險(xiǎn)化解和監(jiān)控[21，27]。宋華等總結(jié)分析了供應(yīng)鏈風(fēng)險(xiǎn)管理中風(fēng)險(xiǎn)識(shí)別、評估、決策、控制、監(jiān)管等各流程的研究現(xiàn)狀，指出供應(yīng)鏈風(fēng)險(xiǎn)管理是與供應(yīng)鏈中的合作伙伴單獨(dú)或者協(xié)作地應(yīng)用風(fēng)險(xiǎn)管理過程工具來處理由供應(yīng)鏈中活動(dòng)或資源引起的風(fēng)險(xiǎn)和不確定性[28]。趙立馬等提出了供應(yīng)鏈風(fēng)險(xiǎn)管理框架與策略[29]。在供應(yīng)鏈風(fēng)險(xiǎn)管理的預(yù)期結(jié)果上，研究者們主要強(qiáng)調(diào)降低風(fēng)險(xiǎn)的負(fù)面影響或增強(qiáng)供應(yīng)鏈的積極作用。前者包括減少脆弱性、損失、概率或風(fēng)險(xiǎn)暴露[19]，后者則包括確保盈利能力和持續(xù)性[30]。綜合以上觀點(diǎn)，本文將供應(yīng)鏈風(fēng)險(xiǎn)管理定義為：供應(yīng)鏈中所有參與方通過協(xié)調(diào)合作，識(shí)別、評估、化解和監(jiān)控風(fēng)險(xiǎn)，以減少供應(yīng)鏈的脆弱性，提高供應(yīng)鏈的穩(wěn)健性和彈性，確保供應(yīng)鏈的盈利能力和可持續(xù)。

關(guān)于大數(shù)據(jù)分析在供應(yīng)鏈風(fēng)險(xiǎn)管理中的應(yīng)用研究，Papadopoulos?et?al.[31]和Ivanov?et?al.[32]指出，大數(shù)據(jù)分析有助于提高供應(yīng)鏈風(fēng)險(xiǎn)管理和抗災(zāi)能力;劉帥等[33]和吳健[34]分析了大數(shù)據(jù)環(huán)境下的供應(yīng)鏈風(fēng)險(xiǎn)管控;吳賾書等[35]提出了基于大數(shù)據(jù)的農(nóng)產(chǎn)品供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警機(jī)制，并構(gòu)建了該類風(fēng)險(xiǎn)預(yù)警平臺(tái)的體系結(jié)構(gòu)。

綜上所述，國內(nèi)外文獻(xiàn)已經(jīng)在大數(shù)據(jù)分析、供應(yīng)鏈風(fēng)險(xiǎn)管理等領(lǐng)域進(jìn)行了大量研究，并已經(jīng)將大數(shù)據(jù)分析應(yīng)用于供應(yīng)鏈管理過程中。在供應(yīng)鏈風(fēng)險(xiǎn)管理中，風(fēng)險(xiǎn)識(shí)別與監(jiān)控是重要環(huán)節(jié)。但目前對大數(shù)據(jù)分析在供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別與監(jiān)控中的應(yīng)用研究還很缺乏，需要建立基于大數(shù)據(jù)分析的供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別方法，并將大數(shù)據(jù)分析納入供應(yīng)鏈風(fēng)險(xiǎn)監(jiān)控框架中，提出基于大數(shù)據(jù)分析的供應(yīng)鏈風(fēng)險(xiǎn)監(jiān)控流程與方法。

三、基于大數(shù)據(jù)的供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別

供應(yīng)鏈風(fēng)險(xiǎn)源于供應(yīng)鏈內(nèi)部和外部的不確定性。供應(yīng)鏈內(nèi)部不確定性預(yù)測主要是基于供應(yīng)鏈內(nèi)部的數(shù)據(jù)。供應(yīng)鏈外部不確定性則源于供應(yīng)鏈外部環(huán)境，如社會(huì)、經(jīng)濟(jì)和自然環(huán)境等。因此，供應(yīng)鏈外部不確定性的預(yù)測需要基于供應(yīng)鏈外部的數(shù)據(jù)。本文將用于支持供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別的數(shù)據(jù)分為兩類：供應(yīng)鏈內(nèi)部數(shù)據(jù)和供應(yīng)鏈外部數(shù)據(jù)?；趦深悢?shù)據(jù)，可以對潛在的供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行識(shí)別。

（一）基于供應(yīng)鏈內(nèi)部大數(shù)據(jù)的風(fēng)險(xiǎn)識(shí)別

供應(yīng)鏈內(nèi)部大數(shù)據(jù)是指從供應(yīng)鏈合作伙伴處收集的數(shù)據(jù)。這些數(shù)據(jù)由于來自諸如銷售終端（POS）、全球定位系統(tǒng)（GPS）和傳感器等不同的組織和不同的數(shù)據(jù)終端，因而是非結(jié)構(gòu)化的。表1列出了基于供應(yīng)鏈內(nèi)部大數(shù)據(jù)的風(fēng)險(xiǎn)識(shí)別示例。通過供應(yīng)鏈內(nèi)部數(shù)據(jù)分析，可以對產(chǎn)品質(zhì)量問題、運(yùn)輸延誤等潛在的供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行事前預(yù)測和事后跟蹤。在表1的“描述”欄中描述了應(yīng)從每個(gè)大數(shù)據(jù)源收集的重要數(shù)據(jù)。供應(yīng)鏈內(nèi)部數(shù)據(jù)的數(shù)量與供應(yīng)鏈的規(guī)模（如供應(yīng)鏈合作伙伴、產(chǎn)品和服務(wù)的數(shù)量）正相關(guān)。供應(yīng)鏈內(nèi)部數(shù)據(jù)增長頻繁，往往需要存儲(chǔ)數(shù)個(gè)周期如數(shù)月，以便跟蹤故障后的原因并預(yù)測風(fēng)險(xiǎn)。因此，與供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別相關(guān)的供應(yīng)鏈內(nèi)部數(shù)據(jù)可能使用不同的結(jié)構(gòu)，并隨著時(shí)間的推移而增加。

（二）基于供應(yīng)鏈外部大數(shù)據(jù)的風(fēng)險(xiǎn)識(shí)別

供應(yīng)鏈外部大數(shù)據(jù)是指從公共新聞、社交媒體等收集的數(shù)據(jù)。表2描述了基于供應(yīng)鏈外部大數(shù)據(jù)的風(fēng)險(xiǎn)識(shí)別示例。供應(yīng)鏈外部數(shù)據(jù)比供應(yīng)鏈內(nèi)部數(shù)據(jù)更大、更復(fù)雜，它揭示了外部環(huán)境中潛在的災(zāi)害和不確定性。例如，匯率變動(dòng)可以通過Twitter上信息統(tǒng)計(jì)的時(shí)間序列進(jìn)行預(yù)測[36]。Twitter信息還可以用于地震的快速檢測和定性評估[37]。來自媒體的信息不僅在格式和內(nèi)容上多樣化，而且在語言和可靠性上也多樣化。此外，媒體數(shù)據(jù)的增長速度快于供應(yīng)鏈內(nèi)部數(shù)據(jù)。這些都給信息識(shí)別和分析帶來了沖擊。因此，要盡早從供應(yīng)鏈外部大數(shù)據(jù)中發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)和即將發(fā)生的災(zāi)難。根據(jù)供應(yīng)鏈外部大數(shù)據(jù)采集和分析的需要，可以考慮將供應(yīng)鏈外部大數(shù)據(jù)處理任務(wù)外包給專業(yè)的第三方分析公司。

四、供應(yīng)鏈風(fēng)險(xiǎn)的大數(shù)據(jù)分析方法

供應(yīng)鏈風(fēng)險(xiǎn)源于供應(yīng)鏈內(nèi)部和外部的不確定性，隨著全球供應(yīng)鏈復(fù)雜性越來越高，外部不確定性顯得尤為復(fù)雜多變，因此需要先進(jìn)的分析方法和決策支持系統(tǒng)。作為新一代的技術(shù)和體系結(jié)構(gòu)，大數(shù)據(jù)技術(shù)和分析方法主要用于從大量的各種各樣的數(shù)據(jù)中提取有用信息，它們支持進(jìn)行高速和實(shí)時(shí)的捕獲、發(fā)現(xiàn)、處理和分析[38]。此外，大數(shù)據(jù)技術(shù)和分析方法的一個(gè)重要方面還在于為決策支持提供面向用戶的數(shù)據(jù)和結(jié)果的展示與可視化。因此，大數(shù)據(jù)分析方法成為供應(yīng)鏈風(fēng)險(xiǎn)管控的重要技術(shù)工具。在大數(shù)據(jù)分析方法下，用來描述低頻高影響事件的不可預(yù)測的“黑天鵝”[39]的數(shù)量越來越少。這主要是由于基于大數(shù)據(jù)分析能夠在事件發(fā)生之前進(jìn)行有效預(yù)測。比如，電商企業(yè)京東充分利用大數(shù)據(jù)技術(shù)對商品的銷量進(jìn)行精準(zhǔn)預(yù)測。通過多年積累的數(shù)據(jù)，京東利用多達(dá)15種的預(yù)測模型，建立了多種業(yè)務(wù)預(yù)測系統(tǒng)架構(gòu)，提升系統(tǒng)計(jì)算性能，可以預(yù)測未來28天內(nèi)的每一天，京東每一個(gè)倉庫應(yīng)該讓供應(yīng)商儲(chǔ)備多少商品。甚至可以在用戶尚未下單之前預(yù)測具體區(qū)域的銷量，將商品運(yùn)到離他最近的倉庫。通過提前四周預(yù)測需求，公司保持了較低的庫存水平和較短的交貨提前期[40]。

場景分析是供應(yīng)鏈決策支持的分析方法之一。場景分析是指假定各種情景發(fā)生的概率，研究各種因素綜合作用可能產(chǎn)生的影響[41]。它是處理隨機(jī)問題的一種常用方法，供應(yīng)鏈隨機(jī)場景由一組場景指標(biāo)表示，例如可能的受害者位置（供應(yīng)鏈節(jié)點(diǎn)或運(yùn)輸鏈路）及其可能性、風(fēng)險(xiǎn)事件后的重建時(shí)間、事件后采用替代規(guī)劃的額外時(shí)間和額外成本等[42]。場景分析的首要任務(wù)是場景設(shè)計(jì)。根據(jù)文獻(xiàn)[43]中的“冰山”隱喻，場景設(shè)計(jì)過程中需要考慮一系列因素，包括資源、文化、信息、技術(shù)、政策、規(guī)則、人口學(xué)、立法、生態(tài)、社會(huì)和地域。由于包含了大量的非結(jié)構(gòu)化和實(shí)時(shí)變化的數(shù)據(jù)，場景設(shè)計(jì)過程就成為一個(gè)大數(shù)據(jù)分析過程。這些過程必須得到適當(dāng)?shù)拇髷?shù)據(jù)基礎(chǔ)設(shè)施和分析方法的支持?；谠频幕A(chǔ)設(shè)施可用于在需要時(shí)經(jīng)濟(jì)地部署可擴(kuò)展計(jì)算集群，從而實(shí)現(xiàn)對大規(guī)模問題的實(shí)時(shí)計(jì)算以及為供應(yīng)鏈規(guī)劃人員和決策者提供決策支持的按需應(yīng)用程序。

大數(shù)據(jù)技術(shù)和分析高度依賴于便利的信息通信技術(shù)基礎(chǔ)設(shè)施。近年來，云計(jì)算作為一種信息通信技術(shù)基礎(chǔ)設(shè)施的使用和按需服務(wù)模式變得流行起來。云服務(wù)分為三類：基礎(chǔ)設(shè)施服務(wù)（infrastructure?as?a?service，IaaS）、平臺(tái)服務(wù)（platform?as?a?service，PaaS）和軟件服務(wù)（software?as?a?service，SaaS）[44]。在供應(yīng)鏈規(guī)劃和重新規(guī)劃過程中，計(jì)算資源可以自動(dòng)用于滿足分析任務(wù)的需要，并被釋放以降低成本。此外，云服務(wù)的可訪問性和標(biāo)準(zhǔn)化接口允許供應(yīng)鏈參與者之間更好地協(xié)作和信息共享。因此，云計(jì)算是支持供應(yīng)鏈領(lǐng)域大數(shù)據(jù)分析系統(tǒng)的一種出色的解決方案。

五、基于大數(shù)據(jù)分析的供應(yīng)鏈風(fēng)險(xiǎn)監(jiān)控

在風(fēng)險(xiǎn)識(shí)別的基礎(chǔ)上，本文構(gòu)建了一個(gè)基于大數(shù)據(jù)分析的供應(yīng)鏈風(fēng)險(xiǎn)監(jiān)控框架模型，如圖1所示。該框架的核心是在隨機(jī)環(huán)境下制定一個(gè)穩(wěn)健的供應(yīng)鏈計(jì)劃，監(jiān)測和計(jì)劃是該框架的兩個(gè)重要組成部分。風(fēng)險(xiǎn)監(jiān)測與分析為供應(yīng)鏈規(guī)劃過程提供了隨機(jī)參數(shù)。該框架包括三個(gè)主要模塊：供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)監(jiān)測模塊、供應(yīng)鏈外部風(fēng)險(xiǎn)監(jiān)測模塊、供應(yīng)鏈規(guī)劃模塊。一旦內(nèi)部或外部風(fēng)險(xiǎn)監(jiān)測模塊監(jiān)測到新出現(xiàn)的風(fēng)險(xiǎn)，將基于風(fēng)險(xiǎn)分析生成新的風(fēng)險(xiǎn)報(bào)告，并發(fā)送到供應(yīng)鏈規(guī)劃模塊。此時(shí)，供應(yīng)鏈規(guī)劃模塊將被激活，并根據(jù)新的風(fēng)險(xiǎn)報(bào)告生成新的供應(yīng)鏈計(jì)劃。整個(gè)過程循環(huán)往復(fù)，以保持供應(yīng)鏈在隨機(jī)環(huán)境下的靈活性。下面將具體說明每一模塊的功能。

（一）基于大數(shù)據(jù)分析的供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)監(jiān)測

供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)是指基于供應(yīng)鏈內(nèi)部大數(shù)據(jù)分析的可預(yù)見風(fēng)險(xiǎn)（如表1所示）。供應(yīng)鏈內(nèi)部大數(shù)據(jù)包括采購、生產(chǎn)、運(yùn)輸、終端需求等各環(huán)節(jié)的數(shù)據(jù)。通過對供應(yīng)鏈內(nèi)部數(shù)據(jù)的分析，可以對供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)進(jìn)行預(yù)測。例如，智能維護(hù)系統(tǒng)（Intelligent?Maintenance?System，IMS）能夠通過分析從機(jī)器收集的數(shù)據(jù)來預(yù)測和預(yù)防機(jī)器的潛在故障。供應(yīng)鏈監(jiān)測則用于察覺新出現(xiàn)的風(fēng)險(xiǎn)，一旦發(fā)現(xiàn)隨機(jī)事件，立即采取相應(yīng)的應(yīng)急預(yù)案。如果隨機(jī)事件不是短期事件，則更新供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)報(bào)告并對供應(yīng)鏈進(jìn)行重新規(guī)劃。圖2描述了基于大數(shù)據(jù)分析的供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)監(jiān)測模塊。

在供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)監(jiān)測模塊，具體流程包括以下幾點(diǎn)。首先，進(jìn)行大數(shù)據(jù)分析。大數(shù)據(jù)分析為供應(yīng)鏈監(jiān)測過程提供了風(fēng)險(xiǎn)報(bào)告和供應(yīng)鏈參數(shù)基準(zhǔn)。在這個(gè)階段可以采用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等數(shù)據(jù)分析方法。其次，實(shí)施供應(yīng)鏈監(jiān)測。供應(yīng)鏈實(shí)時(shí)監(jiān)測用于感知供應(yīng)鏈變化和預(yù)測供應(yīng)鏈風(fēng)險(xiǎn)。監(jiān)測有助于供應(yīng)鏈管理者盡早發(fā)現(xiàn)突發(fā)事件，對供應(yīng)鏈風(fēng)險(xiǎn)作出預(yù)測。再次，采取應(yīng)急預(yù)案。一旦監(jiān)測到突發(fā)事件或潛在的不確定性，則啟動(dòng)相應(yīng)的供應(yīng)鏈應(yīng)急計(jì)劃，以獲得更多的可用時(shí)間。對于短期中斷事件，供應(yīng)鏈在短期中斷期后恢復(fù)原供應(yīng)鏈計(jì)劃。又次，更新內(nèi)部風(fēng)險(xiǎn)報(bào)告。對于長期影響事件，將修改供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)報(bào)告，以激活供應(yīng)鏈重新規(guī)劃模塊。內(nèi)部風(fēng)險(xiǎn)報(bào)告應(yīng)至少包含每個(gè)供應(yīng)鏈合作伙伴的概率和不確定性描述、影響、持續(xù)時(shí)間和每個(gè)不確定事件的成本。最后，發(fā)出供應(yīng)鏈重新規(guī)劃請求。更新內(nèi)部風(fēng)險(xiǎn)報(bào)告后，供應(yīng)鏈重新規(guī)劃模塊即被激活，一個(gè)新的供應(yīng)鏈計(jì)劃將生成并隨后啟動(dòng)。

（二）基于大數(shù)據(jù)分析的供應(yīng)鏈外部風(fēng)險(xiǎn)監(jiān)測

供應(yīng)鏈外部大數(shù)據(jù)大多是非結(jié)構(gòu)化的且增長迅速，因?yàn)樗鼇碜愿鞣N渠道，如公共媒體、社交網(wǎng)絡(luò)和專業(yè)數(shù)據(jù)庫等（如表2所示）。大數(shù)據(jù)處理和形成外部風(fēng)險(xiǎn)報(bào)告需要專業(yè)的基礎(chǔ)設(shè)施和人員。因此，供應(yīng)鏈外部風(fēng)險(xiǎn)分析（如圖3所示）可外包給專業(yè)的第三方公司，由它們根據(jù)數(shù)據(jù)挖掘和數(shù)據(jù)分析對環(huán)境進(jìn)行監(jiān)測。

基于大數(shù)據(jù)分析的供應(yīng)鏈外部風(fēng)險(xiǎn)監(jiān)測具體流程包括以下幾點(diǎn)。首先，定義/更新監(jiān)視域。為了有效地提取有價(jià)值的數(shù)據(jù)，需要定義一個(gè)外部環(huán)境域，只分析對供應(yīng)鏈有明確影響的數(shù)據(jù)。第三方公司可根據(jù)客戶的背景來界定外部環(huán)境領(lǐng)域。其次，進(jìn)行數(shù)據(jù)收集和風(fēng)險(xiǎn)分析。外部環(huán)境數(shù)據(jù)的特點(diǎn)是大容量、非結(jié)構(gòu)化和隨時(shí)間而增長。因此，數(shù)據(jù)收集技術(shù)如網(wǎng)絡(luò)爬蟲和文本挖掘技術(shù)可用于從網(wǎng)站和網(wǎng)頁服務(wù)中提取信息，先進(jìn)的數(shù)據(jù)分析技術(shù)則用來進(jìn)行供應(yīng)鏈外部大數(shù)據(jù)分析。外部風(fēng)險(xiǎn)分析的目的是找出外部威脅和每個(gè)威脅的參數(shù)。外部威脅包括惡劣天氣、政策變化、經(jīng)濟(jì)變化、社會(huì)變化、恐怖襲擊等。每種威脅的參數(shù)可以是其地理區(qū)域、可能性和嚴(yán)重程度等。第三方公司在外部數(shù)據(jù)收集和風(fēng)險(xiǎn)分析的基礎(chǔ)上形成供應(yīng)鏈外部風(fēng)險(xiǎn)報(bào)告并提供給客戶。再次，監(jiān)測和感知。第三方公司需要實(shí)時(shí)監(jiān)測和感知外部數(shù)據(jù)，以發(fā)現(xiàn)外部環(huán)境中新出現(xiàn)的風(fēng)險(xiǎn)。如果捕捉到新出現(xiàn)的風(fēng)險(xiǎn)，就會(huì)觸發(fā)風(fēng)險(xiǎn)分析任務(wù)，再次進(jìn)行風(fēng)險(xiǎn)分析。又次，重新進(jìn)行風(fēng)險(xiǎn)分析，為第三方公司的客戶形成新的風(fēng)險(xiǎn)報(bào)告。外部風(fēng)險(xiǎn)報(bào)告應(yīng)至少包括供應(yīng)鏈合作伙伴所在地和產(chǎn)品運(yùn)輸期間的不確定性信息。這些信息包括概率、持續(xù)時(shí)間、不確定事件影響的參數(shù)。每個(gè)不確定事件的成本應(yīng)由供應(yīng)鏈自行設(shè)計(jì)和計(jì)算，因?yàn)檫@取決于應(yīng)急計(jì)劃，而應(yīng)急計(jì)劃由供應(yīng)鏈企業(yè)決定。最后，向客戶發(fā)送報(bào)告。風(fēng)險(xiǎn)報(bào)告更新后即發(fā)送給客戶，一旦供應(yīng)鏈規(guī)劃模塊收到更新的外部風(fēng)險(xiǎn)報(bào)告后，就會(huì)觸發(fā)供應(yīng)鏈規(guī)劃模塊生成新的供應(yīng)鏈計(jì)劃。

（三）應(yīng)對供應(yīng)鏈風(fēng)險(xiǎn)的柔性供應(yīng)鏈計(jì)劃制定

為了設(shè)計(jì)一個(gè)在隨機(jī)環(huán)境下能確保平穩(wěn)供應(yīng)的柔性供應(yīng)鏈計(jì)劃，應(yīng)在供應(yīng)鏈規(guī)劃階段考慮供應(yīng)鏈風(fēng)險(xiǎn)。在運(yùn)用大數(shù)據(jù)分析對供應(yīng)鏈內(nèi)部和外部風(fēng)險(xiǎn)進(jìn)行監(jiān)測的基礎(chǔ)上，根據(jù)供應(yīng)鏈內(nèi)部和外部風(fēng)險(xiǎn)報(bào)告設(shè)計(jì)出代表供應(yīng)鏈不確定性的場景，在此基礎(chǔ)上，建立一個(gè)隨機(jī)模型。通過在模型中加入供應(yīng)鏈參數(shù)后，采用解析法對模型進(jìn)行求解，據(jù)此即可擬定供應(yīng)鏈計(jì)劃。供應(yīng)鏈規(guī)劃/重新規(guī)劃模塊如圖4所示。

在圖4中，應(yīng)對供應(yīng)鏈風(fēng)險(xiǎn)的柔性供應(yīng)鏈計(jì)劃制定具體過程包括以下幾點(diǎn)。首先，根據(jù)風(fēng)險(xiǎn)監(jiān)測結(jié)果生成供應(yīng)鏈內(nèi)部和外部風(fēng)險(xiǎn)報(bào)告。供應(yīng)鏈內(nèi)部風(fēng)險(xiǎn)報(bào)告應(yīng)由供應(yīng)鏈企業(yè)基于內(nèi)部數(shù)據(jù)提供;供應(yīng)鏈外部風(fēng)險(xiǎn)報(bào)告由于外部數(shù)據(jù)處理工作的復(fù)雜性，可由第三方分析公司提供。其次，進(jìn)行場景設(shè)計(jì)。主要根據(jù)供應(yīng)鏈內(nèi)部和外部風(fēng)險(xiǎn)報(bào)告來進(jìn)行場景設(shè)計(jì)。每個(gè)場景代表供應(yīng)中斷后的一種具體后果。概率和成本是每個(gè)場景的兩個(gè)基本特征。成本取決于一系列因素，包括場景涉及的地理位置、場景持續(xù)時(shí)間、實(shí)現(xiàn)每個(gè)場景的額外成本等。為了計(jì)算成本，每個(gè)場景都要考慮應(yīng)急計(jì)劃。再次，建模。基于提出的場景及其特征，建立兩階段多場景模型。第一階段是指供應(yīng)鏈安全期，在此階段供應(yīng)鏈沒有任何中斷或?yàn)?zāi)難;第二階段是指供應(yīng)鏈可能遭受任何所提出的場景影響的不確定期。場景參數(shù)和其他供應(yīng)鏈參數(shù)的值是模型的輸入。又次，求解?？梢赃x擇優(yōu)化、模擬、啟發(fā)式和元啟發(fā)式等分析方法來求解模型。由于多場景模型的復(fù)雜性，在本文提出的框架中，采用元啟發(fā)式算法相對較好。對于具有簡單供應(yīng)鏈結(jié)構(gòu)和少量場景的模型，可在較短的時(shí)間內(nèi)生成解決方案。對于具有大量隨機(jī)場景的復(fù)雜供應(yīng)鏈結(jié)構(gòu)，作為底層計(jì)算基礎(chǔ)設(shè)施的云平臺(tái)可以靈活地應(yīng)用于求解器的計(jì)算需求。SaaS解決方案提供了一個(gè)接口，用于為不同的受眾設(shè)置模型并以不同的視圖顯示結(jié)果[44]。云服務(wù)的這種可訪問性和標(biāo)準(zhǔn)化接口便于供應(yīng)鏈參與者之間更好地協(xié)作和信息共享，最終將為兩階段模型生成一組兩階段解決方案：第一階段解決方案是指安全期的供應(yīng)鏈計(jì)劃，第二階段解決方案是指與場景實(shí)現(xiàn)有關(guān)的應(yīng)急預(yù)案。最后，基于多場景模型的求解，生成兩階段供應(yīng)鏈計(jì)劃，包括安全期計(jì)劃和不確定期的應(yīng)急計(jì)劃。

六、結(jié)語

本文對供應(yīng)鏈風(fēng)險(xiǎn)大數(shù)據(jù)進(jìn)行了分析，將其分為供應(yīng)鏈內(nèi)部大數(shù)據(jù)和供應(yīng)鏈外部大數(shù)據(jù)。基于供應(yīng)鏈大數(shù)據(jù)分類，提出了將大數(shù)據(jù)分析方法融入供應(yīng)鏈風(fēng)險(xiǎn)管理系統(tǒng)的框架。當(dāng)前大數(shù)據(jù)在供應(yīng)鏈風(fēng)險(xiǎn)管理中的應(yīng)用研究還很缺乏，本文為利用大數(shù)據(jù)改進(jìn)供應(yīng)鏈風(fēng)險(xiǎn)管理提供了指導(dǎo)。大數(shù)據(jù)技術(shù)為識(shí)別和監(jiān)控潛在的供應(yīng)鏈風(fēng)險(xiǎn)提供了可能，使供應(yīng)鏈變得更加可視化和柔性。為了將本文提出的框架模型付諸實(shí)踐，還需要做進(jìn)一步的研究，如采用能夠有效、準(zhǔn)確地從大數(shù)據(jù)資源中提取有價(jià)值信息的技術(shù)和方法，利用所提出的框架來實(shí)施和評估一個(gè)為供應(yīng)鏈風(fēng)險(xiǎn)管理提供決策支持的原型等。

參考文獻(xiàn)：

[1]SANDERS?N?R.?Big?data?driven?supply?chain?management：?a?framework?for?implementing?analytics?and?turning?information?into?intelligence?[M].?NJ：?Pearson?Education，?2014.

[2]SCHLTER?F，?HETTERSCHEID?E，?HENKE?M.?A?simulation-based?evaluation?approach?for?digitalization?scenarios?in?smart?supply?chain?risk?management?[J].?Journal?of?industrial?engineering?and?management?science，?2017，?1：?179-206.

[3]WOODRUFF?D?L，?VO?S.?Planning?for?a?big?bang?in?a?supply?chain：?fast?hedging?for?production?indicators[C]//Proceedings?of?the?39th?Annual?Hawaii?International?Conference?on?System?Sciences?（HICSS?2006），?2006：?40-46.

[4]WAMBA?S?F，?NGAI?E?W?T，?RIGGINS?F，?et?al.?Transforming?operations?and?production?management?using?big?data?and?business?analytics：?future?research?directions?[J].?International?journal?of?operations?&?production?management，?2017，?37（1）：?2-9.

[5]WALLER?M?A，?FAWCETT?S?E.?Click?here?for?a?data?scientist：?big?data，?predictive?analytics，?and?theory?development?in?the?era?of?a?maker?movement?supply?chain?[J].?Journal?of?business?logistics，?2013，?34?（4）：?249-252.

[6]RAMAN?S，?PATWA?N，?NIRANJAN?I，?et?al.?Impact?of?big?data?on?supply?chain?management?[J].?International?journal?of?logistics?research?and?applications，?2018，?21（6）：?579-596.

[7]JOHNSON?K，?LEE?A?B?H，?SIMCHI-LEVI?D.?Analytics?for?an?online?retailer：?demand?forecasting?and?price?optimization?[J].?Manufacturing?and?service?operations?management，?2016，?18?（1）：?69-88.

[8]SIMCHI-LEVI?D，?WU?M?X.?Powering?retailers?digitization?through?analytics?and?automation?[J].?International?journal?of?production?research，?2018，?56?（1/2）：?809-816.

[9]ADDO-TENKORANG?R，?HELO?P?T.?Big?data?applications?in?operations/supply?chain?management：?a?literature?review?[J].?Computers?&?industrial?engineering，?2016，?101：?528-543.

[10]GUNASEKARAN?A，?TIWARI?M?K，?DUBEY?R，?et?al.?Big?data?and?predictive?analytics?applications?in?supply?chain?management?[J].?Computers?and?industrial?engineering，?2016，?101：?525-527.

[11]GUNASEKARAN?A，?PAPADOPOULOS?T，?DUBEY?R，?et?al.?Big?data?and?predictive?analytics?for?supply?chain?and?organizational?performance?[J].?Journal?of?business?research，?2017，?70：?308-317.

[12]NGUYEN?T，?ZHOU?L，?SPIEGLER?V，?et?al.?Big?data?analytics?in?supply?chain?management：?a?state-of-the-art?literature?review?[J].?Computers?&?operations?research，?2018，?98：?254-264.

[13]ZHONG?R?Y，?XU?C，?CHEN?C，?et?al.?Big?data?analytics?for?physical?internet-based?intelligent?manufacturing?shop?floors?[J].?International?journal?of?production?research，?2017，?55?（9）：?2610-2621.

[14]陸杉，陳宇斌.?供應(yīng)鏈中大數(shù)據(jù)分析應(yīng)用研究綜述?[J].?商業(yè)經(jīng)濟(jì)與管理，2018（9）：27-35.

[15]孫新波，錢雨，張明超，等.?大數(shù)據(jù)驅(qū)動(dòng)企業(yè)供應(yīng)鏈敏捷性的實(shí)現(xiàn)機(jī)理研究?[J].?管理世界，2019，35（9）：133-151，200.

[16]RANGEL?D?A，?DE?OLIVEIRA?T?K，?ALEXANDRE?LEITE?M?S.?Supply?chain?risk?classification：?discussion?and?proposal?[J].?International?journal?of?production?research，?2015，?53?（22）：?6868-6887.

[17]HUDNURKAR?M，?DESHPANDE?S，?RATHOD?U，?et?al.?Supply?chain?risk?classification?schemes：?a?literature?review?[J].?Operations?and?supply?chain?management：?an?international?journal，?2017，?10?（4）：?182-199.

[18]RAO?S，?GOLDSBY?T?J.?Supply?chain?risks：?a?review?and?typology?[J].?The?international?journal?of?logistics?management，?2009，?20?（1）：?97-123.

[19]MANUJ?I，?MENTZER?J?T.?Global?supply?chain?risk?management?strategies?[J].?International?journal?of?physical?distribution?and?logistics?management，?2008，?38?（3）：?192-223.

[20]TANG?O，?NURMAYA?MUSA?S.?Identifying?risk?issues?and?research?advancements?in?supply?chain?risk?management?[J].?International?journal?of?production?economics，?2011，133?（1）：?25-34.

[21]HO?W，?ZHENG?T，?YILDIZ?H，?et?al.?Supply?chain?risk?management：?a?literature?review?[J].?International?journal?of?production?research，?2015，?53?（16）：?5031-5069.

[22]HECKMANN?I，?COMES?T，?NICKEL?S.?A?critical?review?on?supply?chain?risk?-?definition，?measure?and?modeling?[J].?Omega，?2015，?52：?119-132.

[23]ABOLGHASEMI?M，?KHODAKARAMI?V，?TEHRANIFARD?H.?A?new?approach?for?supply?chain?risk?management：?mapping?SCOR?into?Bayesian?network?[J].?Journal?of?industrial?engineering?and?management，?2015，?8?（1）：?280-302.

[24]BEHZADI?G，?OsULLIVAN?M?J，?OLSEN?T?L，?et?al.?Agribusiness?supply?chain?risk?management：?a?review?of?quantitative?decision?models?[J].?Omega，?2018，?79：?21-42.

[25]徐緒松，曾學(xué)工，鄭小京.?供應(yīng)鏈風(fēng)險(xiǎn)管理研究綜述——風(fēng)險(xiǎn)識(shí)別?[J].?技術(shù)經(jīng)濟(jì)，2013，32（5）：78-86，120.

[26]鄭小京，鄭湛，徐緒松.?供應(yīng)鏈風(fēng)險(xiǎn)管理研究綜述——風(fēng)險(xiǎn)評估[J].?技術(shù)經(jīng)濟(jì)，2013，32（7）：123-130.

[27]鄭小京，鄭湛，徐緒松.?供應(yīng)鏈風(fēng)險(xiǎn)管理研究綜述——風(fēng)險(xiǎn)控制[J].?技術(shù)經(jīng)濟(jì)，2013，32（8）：118-124.

[28]?宋華，楊曉葉.?供應(yīng)鏈風(fēng)險(xiǎn)管理文獻(xiàn)綜述[J].?供應(yīng)鏈管理，2020，1（3）：33-45.

[29]?趙立馬，阿德·哈澤梅爾.?淺析供應(yīng)鏈風(fēng)險(xiǎn)管理框架與策略分類[J].?供應(yīng)鏈管理，2020，1（1）：70-81.

[30]TANG?C?S.?Perspectives?in?supply?chain?risk?management?[J].?International?journal?of?production?economics，?2006，?103?（2）：?451-488.

[31]PAPADOPOULOS?T，?GUNASEKARAN?A，?DUBEY?R，?et?al.?The?role?of?big?data?in?explaining?disaster?resilience?in?supply?chains?for?sustainability?[J].?Journal?of?cleaner?production，?2017，?142?（2）：?1108-1118.

[32]IVANOV?D，?DOLGUI?A，?SOKOLOV?B.?The?impact?of?digital?technology?and?Industry?4.0?on?the?ripple?effect?and?supply?chain?risk?analytics?[J].?International?journal?of?production?research，?2019，?57（3）：?829-846.

[33]劉帥，王紅春，趙亞星.?大數(shù)據(jù)環(huán)境下的供應(yīng)鏈風(fēng)險(xiǎn)管控[J].?物流科技，2017，40（10）：129-131.

[34]吳健.?大數(shù)據(jù)環(huán)境下的供應(yīng)鏈風(fēng)險(xiǎn)管控[J].?中國物流與采購，2019（20）：60.

[35]吳賾書，魯艷霞，張益民.?基于大數(shù)據(jù)和物聯(lián)網(wǎng)的農(nóng)產(chǎn)品供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警平臺(tái)研究[J].通訊世界，2018（7）：47-48.

[36]JANETZKO?D.?Predictive?modeling?in?turbulent?times?-?what?Twitter?reveals?about?the?EUR/USD?exchange?rate?[J].?Netnomics，?2014，?15（2）：?69-106.

[37]EARLE?P?S，?BOWDEN?D?C，?GUY?M.?Twitter?earthquake?detection：?earthquake?monitoring?in?a?social?world?[J].?Annals?of?geophysics，?2012，?54（6）：?708-715.

[38]?GANTZ?J，?REINSEL?D.?The?digital?universe?in?2020：?big?data，?bigger?digital?shadows，?and?biggest?growth?in?the?Far?East?[R].?IDC?iView：?IDC?Analyze?Future，?2012：1-16.

[39]?TALEB?N?N.?The?black?swan：?the?impact?of?the?highly?improbable?fragility?[M].?2nd?ed.?New?York?：?Random?House，?2010.

[40]于永利.大數(shù)據(jù)驅(qū)動(dòng)的智慧零售[EB/OL].（2017-04-27）[2020-5-20].?https：//www.sohu.?com/a/136765553_114778.

[41]GODET?M.?The?art?of?scenarios?and?strategic?planning：?tools?and?pitfalls?[J].?Technological?forecasting?and?social?change，?2000，?65（1）：?3-22.

[42]FAN?Y，?SCHWARTZ?F，?VoB?S.?Flexible?supply?chain?design?under?stochastic?catastrophic?risks?[M]//KERSTEN，?W，?BLECKER?T，?RINGLE?C.?Next?generation?supply?chains.Berlin：?Epubli，?2014：?379-406.

[43]CHERMACK?T?J，?LYNHAM?S?A，?RUONA?W?E.?A?review?of?scenario?planning?literature?＼[J＼].?Futures?research?quarterly，?2001，?17（2）：7-31.

[44]MARSTON?S，?LI?Z，?BANDYOPADHYAY?S，?et?al.?Cloud?computing?-?the?business?perspective?[J].?Decision?support?system，?2011，?51（1）：?176-189.