原文
E-commerce logistics distribution mode in big-data context: A case analysis of JD.COM
Kangning Zheng , Zuopeng Zhang (Justin) , Bin Song
ABSTRACT
This paper analyzes the existing distribution modes adopted by Chinas e-commerce enterprises. Based on the empirical analysis of the electronic mall at JD.com (Jing-Dong), this paper compares and investigates the different logistics distribution modes faced by e-commerce enterprises embracing the new features, new challenges, and new advantages of big data. The Analytic Hierarchy Process (AHP) method and entropy value are applied to investigate the e-commerce enterprise distribution choice mode and the Technique for Order Preference by Similarity to an Ideal Solution (TOPSIS) method is used to verify the model. Our research analysis and results bear strong managerial insights for e-commerce logistics distribution practitioners.
Keywords: E-commerce Big data Distribution mode AHP Entropy method TOPSIS
- Introduction
Business consumers in the digital age have become increasingly informed, challenging industrial marketing and sales teams to adapt their traditional marketing strategies to fully embrace buyers preferences and expectations. Forrester, in its latest research report, predicts that gt; 20% of companies will begin to apply modern technologies in their industrial marketing platforms in order to optimize the engagement between business buyers and sellers (Robertson et al., 2018). Technologies such as artificial intelligence (AI) and big data analytics have created unprecedented opportunities for companies to exploit their data assets for business-to-business (B2B) market initiatives. For instance, incorporating Lattice Engines predictive analytics into its marketing initiatives, the industrial marketing team at Akamai was able to better segment its customers and to send personalized messages, sextupling its lead-to-opportunity conversion rate (Anderson 2018). In addition, companies including Google, Amazon, Facebook, and Apple have all made great efforts in the field of industrial marketing through collecting and utilizing big data. All of this underlines the importance of big data as a crucial factor in global marketing operations (Miguel amp; Casado 2016). Data also plays a key role in making different decisions about business supply chains and logistics operations that are closely related to the industrial marketing field. Supply chain management deals with creating and maintaining linkages between different entities with specific responsibilities, ranging from raw material procurement to enduser product interactions. Logistics management ensures that relevant work support methods, such as traffic management, warehouse management, inventory management, packaging, and order tracking, are in place. Employing a large and diverse range of data in logistics and supply chain management, companies can understand the needs and preferences of their customers. Electronic commerce (e-commerce) giants such as Amazon, Flipkart, and Snapdeal have been collecting and exploring data from customers, orders, inventory, and other information (Meena, 2017). The success of e-commerce companies now depends largely upon how efficiently they capture, store, and use data. The advent of the big-data era has further strengthened the relationship between logistics distribution and e-commerce, and this presents new opportunities, such as the expansion of enterprise information, the sharing of distribution channels, and the integration of data resources. Particularly, e-commerce enterprises can accurately predict the future needs of customers and can fulfill personalized services to customers. In addition, they can organize and coordinate the distribution activities beforehand in a well-planned way, allowing for better selection and innovation of distribution modes. Now, companies can reduce the cost of logistics delivery, improve the efficiency of logistics delivery, and meet the diversified and high-quality delivery needs of customers. Recent years have witnessed the emergence of successful e-commerce enterprises in China. A large market share, dominated by JD.com (Jing Dong), Tmall.com, SuNing.com, dangdang.com, and other ecommerce giants, shows the fierce competition in the e-commerce market. E-commerce enterprises are continuously seeking innovative ways to improve their relationships with customers, so as to enhance their competitive advantage. As an e-commerce enterprises logistics ability has become an important indicator of its competitiveness, the choice of a logistics distribution mode directly affects the enterprises quality and costs of distribution as well as its supply chain coordination. There are three primary logistics distribution modes for an e-commerce enterprise. These include self-built logistics, third-party logistics, and the joint (hybrid) distribution mode. In order to meet the development requirements of e-commerce and to improve customer satisfaction, it is imperative that e-commerce enterprises thoroughly understand and investigate the advantages and disadvantages of all kinds of logistics distribution modes and select the most appropriate one, so as to improve their users experience and to promote the sustainable and healthy development of e-commerce enterprises. For instance, Meituan, the largest online meal ordering platform in China, built a scientific distribution system with both professional logistics and crowd-sourced distribution in order to avoid the cost pressure brought about by selfestablished logistics. Meituan believes that a reasonable choice of distribution mode is an important way to effectively save its costs (Borak, 2018). In China, the information utilization rate of logistics distribution centers is low, and nearly half of logistics enterpri
剩余内容已隐藏，支付完成后下载完整资料
译文
大数据背景下的电子商务物流配送模式——以京东为例
Kangning Zheng , Zuopeng Zhang (Justin) , Bin Song
摘要
本文分析了我国电子商务企业现有的配送模式。本文通过对京东电子商城的实证分析，对大数据新特征、新挑战、新优势下电子商务企业所面临的不同物流配送模式进行了比较和调查。运用层次分析法和熵值法对电子商务企业配送选择模式进行了研究，并运用TOPSIS方法对模型进行了验证。我们的研究分析和结果为电子商务物流配送从业者提供了强有力的管理见解。
关键词:电子商务；大数据分布模式；AHP；熵值法；TOPSIS
- 引言
数字时代的企业消费者已经变得越来越见多识广，这对行业营销和销售团队提出了挑战，要求他们调整传统的营销策略，以充分满足买家的偏好和期望。Forrester在其最新的研究报告中预测，20%的公司将开始在其行业营销平台上应用现代技术，以优化企业买家和卖家之间的互动(Robertson等人，2018)。人工智能(AI)和大数据分析等技术为企业利用其数据资产开展B2B市场活动创造了前所未有的机遇。例如，将Lattice Engine的预测分析应用到营销活动中，Akamai的行业营销团队就能够更好地细分客户，发送个性化信息，将机会导向转化率提高了六倍(Anderson 2018)。此外，谷歌、亚马逊、Facebook、苹果等公司都通过收集和利用大数据在行业营销领域做出了巨大的努力。所有这些都强调了大数据作为全球营销运营的关键因素的重要性(Miguel amp; Casado 2016)。数据在与工业营销领域密切相关的企业供应链和物流运营的不同决策中也扮演着关键角色。供应链管理涉及建立和维护不同实体之间的联系，包括从原材料采购到最终用户产品交互。物流管理确保相关的工作支持方法，如交通管理，仓库管理，库存管理，包装，订单跟踪、到位。通过在物流和供应链管理中使用大量多样的数据，企业可以了解客户的需求和偏好。电子商务巨头，如亚马逊，Flipkart和Snapdeal一直在收集和探索数据，从客户，订单，库存和其他信息(Meena, 2017)。如今。电子商务公司的成功很大程度上取决于它们捕获、存储和使用数据的效率。大数据时代的到来，进一步强化了物流配送与电子商务的关系，带来了企业信息化扩张、配送渠道共享、数据资源整合等新机遇。特别是电子商务企业能够准确预测客户未来的需求，为客户提供个性化的服务。此外，他们可以提前组织和协调配送活动，更好的选择和创新配送模式。现在，企业可以降低物流配送成本，提高物流配送效率，满足客户多样化、高品质的配送需求。近年来，中国出现了一批成功的电子商务企业。京东、天猫、苏宁易购、当当网等电商巨头占据了相当大的市场份额，显示了电商市场的激烈竞争。电子商务企业不断寻求创新的方式来改善与客户的关系，从而增强其竞争优势。电子商务企业的物流能力已经成为其竞争力的重要指标，物流配送模式的选择直接影响到企业的配送质量和成本以及供应链的协调。电子商务企业有三种主要的物流配送模式。这包括自建物流、第三方物流和联合(混合)配送模式。为了满足电子商务的发展需求,提高客户满意度,电子商务企业必须充分了解和研究各种物流配送模式的优缺点,选择最合适的一个,以提高用户体验,促进电子商务企业的持续健康发展。例如，中国最大的网上订餐平台美团，为了避免自建物流带来的成本压力，建立了专业物流与众包配送相结合的科学配送体系。美团认为合理选择配送模式是有效节约成本的重要途径(Borak, 2018)。在我国，物流配送中心的信息利用率较低，近一半的物流企业缺乏信息系统的支持。物流配送计划通常是由工作人员通过市场调研或经验制定的，不能满足大数据时代的需求。由于缺乏对物流配送线路的科学合理规划和分析，导致我国现代物流业的成本过高，其货物的配送效率较低，造成了大量配送资源的浪费。尽管最近的研究已经调查了帮助企业识别合适的物流供应商的各种因素，例如（Bai amp; Sarkis 2018;Vaidyanathan 2005;Vijayvargiya amp; Dey 2010;Wang, Pauleen， amp; Chan 2013)，之前很少有研究使用大数据背景下的真实案例，系统地分析了现有的物流配送模式。我们的研究试图解决这一差距。在大数据为电子商务企业带来新机遇的背景下，本文通过对现真实子商务企业配送模式的研究做出了贡献。特别是京东作为我们的分析对象被确定为电子商务企业。京东是中国最大的在线零售商，2018年年活跃客户3.2亿，净收入672亿美元(京东，2019)。然后，运用层次分析法(AHP)和相似理想方案排序技术(TOPSIS)研究京东对京东销售门店物的流配送模式选择。具体来说，首先利用层次分析法确定各方案的主观权重。然后，采用易读性值法计算各方案的目标权重。最后，应用TOPSIS方法，验证所构建的层次结构模型是否合理，为电子商务企业配送模式的选择提供依据。本文的其余部分如下。下一节回顾了与我们的研究相关的文献，主要集中在以下两个方面:(1)不同场景下大数据的收集和使用；(2)物流配送模式的选择。第3节概述了本研究的方法。第4节通过展示案例和AHP和TOPSIS方法的结果来详细分析。最后一部分对全文进行了总结，并给出了一些管理启示。
- 文献综述
本节回顾了以往的文献，重点介绍了大数据的挑战和应用，以及物流配送模式的选择。此外，我们的研究与以往研究的差异被强调，以表明我们的工作如何对现有的文献作出贡献。
-
- 收集和使用大数据
大数据由于其独特的特性，给组织带来了许多新的挑战。关注大数据及其分析方法的特点,McAfee,布林达文波特,帕蒂尔,和巴顿(2012)指出,这种特征是来源于不同的量,速度,和类型的数据,因为现在生成的数据通过互联网每秒大于20年前,和所有的数据都存储在互联网上。从大数据挖掘的角度来看，Fan和Bifet(2013)指出，由于大数据的数量、可变性和速度，需要探索新技术;事实上，对企业来说，大数据挑战是最令人兴奋的机遇之一。Sagiroglu和Sinanc(2013)通过阐述大数据在为公司或组织提供有用信息方面的重要作用，介绍了大数据的特征。此外，他们概述了大数据的内容、范围、实例、方法、优势和挑战。Weinberg, Davis, a和Berger(2013)编纂了大数据的定义，并发现大数据可以被视为来自各种渠道的、具有多个结构或形式和位置的、代表特定时期的截止日期、流程和数据。Jin, Wah, Cheng, 和 Wang(2015)从数据、计算和系统复杂性三个方面总结了大数据倡议的挑战。Vassakis, Petrakis和Kopanakis(2018)认为，在组织中收集和分析大数据的主要挑战大多与管理和文化有关，包括领导力、人才管理、决策过程和质量、数据驱动的文化、新技术的利用和数据隐私。为了应对大数据带来的挑战，有效发挥大数据的优势，研究者们一直在研究如何有效构建和利用大数据应用。例如，Singh和Reddy(2015)通过研究不同大数据硬件平台中软件框架的详细描述和IT任务支持，讨论了不同的大数据分析应用程序。Hu, Wen, Chua, Li(2014)通过对大数据分析平台系统的文献回顾，将大数据以系统框架的四个顺序模块分解的方式呈现给非专业读者，为他们提供了一个完整的图景;四个模块分别是数据生成、数据采集、数据存储和数据分析。Trifunovic, Milutinovic, 萨洛姆, 和 Kos(2015)解决了大数据应用问题，以及相关计算模式和编程模型的转换。Raguseo, Pigni和Piccoli(2018)开发了一个数字数据流(DDS)准备指数，以表明企业如何准备好从实时流大数据中获得价值。最近，物流和供应链管理方面的研究重点也转向了大数据。例如，AddoTenkorang和Helo(2016)研究了大数据及其在运营和供应链管理中的应用，探讨了大数据在这些领域的主要问题，并提出了通过物联网和增值服务集成的扩展框架。Wang, Gunasekaran, Ngai, 和 Papadopoulos(2016)通过对相关文献的回顾和分类，强调了大数据在供应链和物流管理中的作用，总结了大数据技术和应用，提出了供应链分析的框架。在类似的研究中，Tiwari, Wee, 和 Daryanto(2018)回顾了大数据对供应链管理的影响，并展示了如何收集、处理和分析供应链中的大数据。Choi, Wallace, 和 Wang(2018)总结了可应用于库存管理、运输管理和供应链管理的大数据方法，并探讨了可以克服这些领域挑战的大数据策略。虽然大数据已经成为物流和供应链管理的热门话题，但以往的研究主要强调了大数据在该领域的作用。很少有研究对现实世界的大数据应用进行过调查。我们的研究通过在一个真实的电子商务企业中应用大数据来研究当前的物流配送问题。特别是，我们的研究通是通过京东的大数据平台与大数据背景相关联，我们的研究数据是通过筛选京东商城中符合我们标准的店铺来收集的。2018年，京东商城注册账户数量达到3亿，使用京东金融平台和企业研究平台的用户数量达到1亿(JD.com, 2018)。京东基于庞大的门店和用户数量，开发了大数据平台作为收集、计算和处理海量数据的载体。虽然收集到的原始数据不能直接获取，但大数据平台为用户提供了获取经过处理的数据及其相关信息的机会。本研究利用京东的大数据平台，对入住京东三年以上，经营业绩稳定的商家进行调查。
-
- 物流配送模式的选择
电子商务企业的配送管理选择可以分为两部分(Hertz amp; Alfredsson, 2003)。有的企业通过建立自己的物流配送网站来满足自身的配送需求，而有的企业则选择与配送公司等第三方企业合作来完成电子商务企业的物流配送。自营配送模式有几个优点:时间控制好,专业的物流配送,增强用户体验和顾客忠诚度,连续购买力的产品,有效的监控产品质量,合理配置资源,提高商品存货周转速度,加速企业资本的流动(Chen amp;华,2013)。然而，电子商务企业在建立自己的物流配送网站时也遇到了一些问题。第一，电子商务企业不善于管理物流配送的相关活动。由于缺乏管理经验和相关专业管理人员，电子商务企业自建物流配送部门可能不合适(Vendrell-Herrero, Bustinza, Parry， amp; georgtzis, 2017)。自营物流将迫使企业致力于处理陌生的领域，这可能危及其核心业务优势。第二，自建物流配送成本高，压力大，甚至需要资金周转(Yu, Wang, Zhong， amp; Huang, 2017)。对固定资产、仓储设备、运输设备、物流人员的投资需求日益增加，会占用企业的大部分资金，会减少其他重要部门可用的投资金额，最终会导致企业的竞争优势减弱。第三，自建物流配送管理缺乏专业部门，可能会对一个部门的经营和发展目标造成巨大的阻力(Xiao, Liu， amp; Zhang, 2012)。第三方配送模式是基于第三方物流供应商的使用，第三方物流供应商通常专门从事库存、仓库和运输管理的整合服务——这些服务可以根据客户及其产品的特定需求进行定制。第三方物流供应商提供增值服务，在他们和客户之间创造互惠互利(Shi, Zhang, Arthanari, Liu， amp; Cheng, 2016)。技术的进步进一步使第三方物流供应商能够提高生产力和降低物流成本，以促进供应链的增长(Vaidyanathan, 2005)。最近的研究表明，维持第三方物流供应商与其客户之间的合作关系有助于降低风险(Govindan amp; Chaudhuri, 2016)，并平衡创新与资源配置之间的权衡(Sinkovics, Kuivalainen， amp; Roath, 2018)。质量控制、运营灵活性和地理服务覆盖等因素都会影响第三方物流供应商的绩效(戈文丹和乔杜里，2016)。一个包含所有这些因素的三维(活动、决策和参与者)框架可以全面衡量第三方物流供应商的绩效(Domingues, Reis， amp; Macaacute;rio, 2015)。此外，与不确定性、订单频率和交易量相关的标准可以用来评估第三方物流供应商的价值和收益(Shi et al.， 2016)。一些电子商务企业选择与第三方物流公司合作发展物流业务(Aguezzoul, 2014),由于等优势的专业化程度越高,丰富的经验,和广泛的配送渠道,这可以有效地帮助企业节省物流投资成本和减少潜在的风险(Marasco, 2008)。与第三方物流公司合作也可能导致一些潜在的物流配送问题。首先，必要的配送管理信息系统可能并不总是可用来帮助客户跟踪他们的订单的实时信息(Rushton, Croucher， amp; Baker, 2014)。例如，中国的一些第三方配送企业还没有建立自己的物流管理信息系统，无法完成物流信息管理的全过程。第二，可能缺乏一个成熟和完整的物流配送系统(Goetschalckx, Vidal， amp; Dogan, 2002)。与大量企业的协作将使电子商务活动管理、企业形象、服务水平难以保持一致。为了避免过于依赖一个承运人，同一家电子商务企业可以使用多个不同的快递公司在同一区域提供物流配送服务。co-distribution模式,与多个企业建立战略联盟,以迅速应对市场变化频繁,要有效地协调供给和需求的波动,协同发展,降低企业的风险,已成为近年来受企业欢迎的配送模式(莱特纳,或玉米粉、Prochazka amp; Sihn, 2011)。但是，这种
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[407094]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
