随着网络的普及与电子商务的生长, 商品零售方法也爆发了很大的变革.首先, 由于网络的生长, 突破了消费者购物的时间、所在的局限, 由此带来的是零售额呈几何倍数增长;其次, 由于网络购物必须以高效的物流作为辅助, 因此也倒逼着物流业快速生长.新零售的看法就是在这样的情况下爆发的.新零售是线上线下销售与物流的结合.新零售接纳全渠道规则, 企业不再盲目地生产商品, 而是先借助云盘算、互联网、大数据统计用户的消费需求、消费特征, 利用这些数据设计产品的样式再投入生产, 凭据市场动向推生产品[1].

由于新零售情况消除了消费者消费行为空间和时间的局限, 大型零售商实体店面未结构到的三、四、五线都会的消费能力与市场规模大幅提升, 许多企业为了抓住这部分可观的消费能力, 纷纷将渠道结构到三、四、五线都会, 这就是所谓的“渠道下沉”[2].由此爆发的一定结果就是各家企业纷纷增加自己的货仓结构, 以便实现高效的物流配送.在企业加速电商货仓结构捕获快速生长的消费能力的同时, 也对企业的仓储治理能力提出了新的挑战.为了增强企业物流配送的效率, 许多电商企业开始在建设云仓与结构单仓两种计划中作选择.但由于没有接纳科学精确的决策要领, 许多企业所作的决策并不适应企业自身的状况, 导致最后实施的计划给企业带来了损失.并且企业所面临的销售形势不绝变革, 作决策时的销售形势与计划实施时的销售形势经常大不相同, 这也大大降低了决策的效益.如果能结合动态决策剖析的科学要领, 凭据销售形势的变革调解决策, 将大大提高决策的准确率和效率.本文将详细论述在建设云仓与结构单仓的决策历程中, 如何凭据情况的动态变革增补有价值的信息, 从而提高决策准确度。

1 云仓看法的提出及适用规模

1.1 云仓看法的提出

为了适应新零售的生长趋势, 经销商在增加电商货仓结构的同时, 也应提高仓储治理能力.云仓是在多单仓建设的基础上生长起来的.为了缩短消费者的购置提前期, 缩短配送时间, 许多经销商早已着手进行多个单仓的建设, 即在多个物流节点建设货仓, 提前将库存准备好, 在消费者未下单前先完成商品的干线运输, 等消费者网上下单实现订单结算后再完成支线运输, 这种方法比以往等消费者确认订单后再完成总仓的拣选、干线支线运输的事情方法更节省时间.这种事情方法的缺乏在于, 由于预计禁绝确导致各个单仓缺货与库存状态纷歧, 有的商品在某些地方的单仓是库存状态, 但在其他地方的单仓却是缺货状态, 这就必须再进行二次调配协调各单仓的货物.云仓的泛起能很好地规避这种情况爆发.云仓也属于物流仓储, 有别于古板货仓与电商货仓的地方在于, 货仓内作业的精细化治理以及自动化妆备和先进的信息系统[3].关于云仓的说法有许多种, 本文认为云仓并不是简单地漫衍在多地的多个货仓, 而是货仓与信息治理软件的结合, 通过信息治理软件在对消费者点击输入内容、搜索内容、订单内容等大数据剖析的基础上进行云盘算, 合理调配各地货仓的库存种类和数量, 使各地货仓有机联系起来, 以减少库存杂乱、信息流差池称、货损货差严重、错发漏发、运力缺乏等情况, 提高货仓拣货效率.

1.2 异地易货率看法的提出

目前许多大型企业的销售业务广泛多个区域, 由于所销售产品的特点差别, 销售事情进行中所爆发的异地易货情况的概率也差别.所谓的异地易货率, 就是外地货仓没有消费者所需要的商品, 必须从其他销售区域的货仓调货, 或是消费者购置完商品后需要无条件换货时, 外地货仓没有适合的可供换货的商品种类或型号, 需要从其他销售区域的货仓调货的情况, 占所有销售流水的比例.异地易货会爆发一部分本钱, 这部分本钱包括临时协调库存的治理用度、异地易货的物流用度、送货延迟爆发信誉损失的无形本钱等.在企业的销售事情中, 大部分的异地易货本钱是需要想步伐消除的, 但也有一部分异地易货本钱是必须的, 好比针对一些价值高销售频率低的产品, 企业若在所有货仓中全部安排库存, 将会爆发较高的库存本钱, 这时企业会将这类产品的库存安排在要害的节点货仓, 而不会在所有货仓安排, 用较低的异地易货本钱取代较高的库存本钱.用异地易货率指标来权衡建设云仓的须要性能够提高决策的准确水平.

1.3 云仓的适用情况

建设云仓, 有了信息剖析软件对客户信息进行大数据剖析, 商品库存的结构将会越发合理, 各家外地仓的商品种类和数量能够与客户的需求完美贴合[4], 在缩短消费者购置提前期的同时, 也大幅度节省了各家货仓间调配库存的用度[5].这种方法能很好地实现完美的客户购物体验, 很洪流平上拓展了企业的销售市场.从上文对云仓的讨论内容中可以看出, 云仓的保存比较适合于异地易货率较高的企业.这个比例越高, 说明企业在异地易货方面事情的本钱越高, 越需要通过建设云仓有效降低这部分本钱, 同时提高事情效率.虽然, 如果企业的异地易货率较低, 说明企业在销售事情中的异地易货本钱较低, 也就没有须要高本钱建设云仓.

2 建设云仓与结构单仓动态决策剖析

2.1 决策思路

建设云仓照旧在各地结构单仓, 差别的企业应该凭据自身差别的情况特点和自身特点进行决策.而决策事情的进行需要建立在对大宗数据信息进行剖析的基础上, 为了包管决策所需信息的准确性和正当性, 这些信息可以在企业日常的经营事情中进行搜集.目前的云仓实际上是从多单仓生长起来的, 为了包管决策的准确水平和投资收益率, 并且由于异地易货率指标是决定是否建设云仓的要害因素, 因此企业可以把异地易货率当成一个离散型函数进行研究.通过视察日常经营中的状况剖析企业的异地易货率是否抵达了建设云仓的条件, 而异地易货率要抵达多高的标准才有建设云仓的须要, 就需要通过科学的动态决策要领进行研究.由于决策事情中所需要的信息量较大, 为了包管决策的准确水平, 需要接纳贝叶斯决策要领.

(1) 异地易货率的似然剖析.关于θ的似然函数指的是给定参数θ后变量X的概率[6].企业可以对经营情况进行跟踪, 在经营历程中抽取若干次间隔期相等的数据对异地易货率进行视察.企业所面临的异地易货情况爆发的概率近似地听从二项漫衍, 这种情况下的似然函数[6]可以通过下式盘算:

式中, d0体现在40次的抽验中, 爆发异地易货率的次数为0的情况.

(2) 盘算差别异地易货率情况下的联合概率与后验概率.从贝叶斯公式 (2) [6]中可以看出, 联合概率是盘算后验概率的须要条件,

联合概率指的是先验概率与似然度的乘积, 即P (θj) P (d0/θj) .该乘积与联合概率之和的比就是新爆发的后验概率.由于后验概率是在原有视察数据的基础上, 结合了异地易货率的概率漫衍函数进行剖析, 因此准确水平更高.

2.2 决策历程

决策的准确水平和所掌握的信息密切相关.为了收集决策所需要的信息, 应该在日常经营历程中多次提取经营数据, 视察企业的异地易货率, 运用科学要领对所抽验的异地易货信息数据进行处理, 将处理提取出来的信息作为决策依据, 以此提高决策的准确度.

在是否建设云仓的决策历程中, 异地易货率要抵达多高的水平企业才有建设云仓的须要性是决策事情的一个要害问题.企业建设云仓的最终目的是, 要用较少的云仓建设维护本钱取代较高的异地易货本钱, 同时提高配送效率.在决策历程中, 可以用完全信息价值的要领来判断适合建设云仓的异地易货率.

从上文的剖析中可以看出, 云仓适用于异地易货率较高的销售区域, 但在实际事情中, 各销售区域差别时段的异地易货率泛起不规则波动的情况, 给决策带来了难度.因此在实际操作中, 应该针对差别的异地易货率展开动态剖析.下面以驰远公司的仓储事情为例, 具体剖析云仓建设贝叶斯决策的历程.

为了全面评估云仓建设的须要性, 驰远公司选择了一个销售区域作为云仓试验区.在6个月的云仓试验经营中, 利用经营数据盘算出了企业各销售区域的6种异地易货率及相应概率, 并提取了15次的经营数据对异地易货率进行视察.

(1) 剖析差别异地易货率状态下差别计划的损益值.企业应通过经营数据发明在经营历程中经常泛起的几种异地易货率及泛起的概率.建设云仓和结构单仓的损益值可通过企业销售产品的异地易货率、云仓试验区中云仓的建设、维护用度与收益、单仓区域的本钱与收益等信息盘算得出.每种异地易货率爆发的先验概率, 则是在较长一段时间的经营历程中, 统计出异地易货爆发情况占所有销售流水的比例.由于篇幅所限, 不再赘述剖析历程.差别异地易货率状态下云仓与单仓的收益情况见表1.

表1 两种计划在差别异地易货率状态下的损益值Table 1 Profit and loss value of two schemes under different barter rates  下载原图

(2) 建设云仓与结构单仓的先验决策剖析.先验决策剖析指的是直接凭据企业日常事情中收集的经营数据进行决策剖析.凭据企业在日常事情中所收集的异地易货率、种种异地易货率对应的爆发概率、种种异地易货率对应的损益值等进行危害型决策的盘算, 得出决策结果.危害型决策是凭据种种备选计划的期望值来剖析的.盘算出建设云仓与结构单仓的期望值, 接纳期望值较高的备选计划.

为了检验先验决策所选择的计划与完美状态的差别, 在作出先验决策的基础上, 将选择的计划在种种状态下的损益值与最优损益值比较, 得出完全信息价值;完全信息价值与对应的先验概率的乘积之和即为完全信息价值的期望值.完全信息价值的期望值越高, 说明所选择的计划离最优结果的差别越大, 决策革新的空间也越大.

以在15次抽验中爆发0次异地易货的情况为例, 先验决策历程如下:

比较先验剖析中建设云仓与结构单仓的损益值, 先验决策所选择的计划为建设云仓.

在决策历程中, 如果事先掌握所有信息, 则能作出种种状态下的最优决策, 此时所选择的计划能抵达最高的损益值, 此时的决策也可以叫作完美决策, 这是一种决策中的理想状态, 虽然不可实现, 但可以用来权衡先验决策与后验决策的优劣水平.在种种状态下的最高损益值与结构单仓后在种种状态下的损益值的差即为结构单仓的完全信息价值.将种种状态下的完全信息价值与对应概率的乘积进行累加得出先验完全信息价值的期望值, 该期望值的巨细可以说明决策结果与完美决策的差别, 完全信息价值的期望值越大, 说明所作决策与完美决策的差别越大, 所作决策的结果越不睬想.

先验完全信息价值的期望值=475×0.07+375×0.12+140×0.18+0×0.23+0×0.21+0×0.19=103.45.具体盘算结果见表2.

表2 异地易货率显著提高次数为0的先验决策剖析Table 2 Prior decision analysis on the increase of barter rate in different places by 0time  下载原图

(3) 建设云仓与结构单仓的后验剖析.表1中种种异地易货率爆发概率的数据是凭据企业日常经营数据盘算得出的, 但企业将来的经营数据还会随着情况的变革而爆发种种改变, 为了使决策能够随着经营情况的改变而实时进行调解, 应该结合异地易货爆发概率的漫衍函数进行深入剖析.因此企业应在表1的基础上, 结合概率漫衍函数盘算出似然度、联合概率, 进而盘算出后验概率, 以提高剖析的准确水平.企业日常事情中的异地易货率函数近似为二项漫衍函数, 可通过式 (1) 盘算出种种异地易货率情况下的似然度:

异地易货率为0.16情况下的似然度=C015×0.160×0.8415=0.073 146,

异地易货率为0.25情况下的似然度=C015×0.250×0.7515=0.013 363,

异地易货率为0.29情况下的似然度=C015×0.290×0.7115=0.005 873,

异地易货率为0.33情况下的似然度=C015×0.330×0.6715=0.002 461,

异地易货率为0.42情况下的似然度=C015×0.420×0.5815=0.000 283,

异地易货率为0.59情况下的似然度=C015×0.590×0.4115=0.000 002.

联合概率为先验概率与对应的似然度的乘积, 是求解后验决策的须要因素.种种异地易货率情况下的联合概率如下:

异地易货率为0.16情况下的联合概率=0.07×0.073 146=0.005 120,

异地易货率为0.25情况下的联合概率=0.12×0.013 363=0.001 604,

异地易货率为0.29情况下的联合概率=0.18×0.005 873=0.001 057,

异地易货率为0.33情况下的联合概率=0.23×0.002 461=0.000 566,

异地易货率为0.42情况下的联合概率=0.21×0.000 283=0.000 059,

异地易货率为0.59情况下的联合概率=0.19×0.000 002=0.000 000 3.

后验概率为种种异地易货率状态下的联合概率与联合概率之和的比.最后的盘算结果见表3.

表3 试验中爆发异地易货次数为0时的后验概率剖析Table 3 Posteriori probability analysis of barter times in different places when the number of barter is 0  下载原图

将盘算出的后验概率运用到危害型决策中, 可以作出云仓建设与单仓结构的后验决策.盘算结果见表4.

建设云仓期望值 (后验剖析) =50×0.609 061+90×0.190 754+180×0.125 754+280×0.067 332+475×0.007 063+540×0.000 035=92.48,

结构单仓期望值 (后验剖析) =525×0.609 061+465×0.190 754+320×0.125 754+240×0.067 332+80×0.007 063+60×0.000 035=465.43.

比较后验剖析中建设云仓与结构单仓的损益值, 后验决策所选择的计划为结构单仓.

后验完全信息价值的期望值=0×0.609 061+0×0.190 754+0×0.125 754+40×0.067 332+395×0.007 063+480×0.000 035=5.50.

从先验剖析和后验剖析的结果比较中可以看出, 先验完全信息价值的期望值大于后验完全信息价值的期望值, 这说明后验剖析的结果比先验剖析的结果更接近完美决策的结果.这主要是由于在后验剖析中结合了似然度、联合概率等增补信息, 先验完全信息价值的期望值与后验完全信息价值的期望值的差, 就是增补信息的价值.

增补信息价值=先验完全信息价值的期望值-后验完全信息价值的期望值=103.45-5.50=97.95.

表4 试验中异地易货率显著提高次数为0的后验决策剖析Table 4 Posteriori decision analysis when the rate of barter in different places is increased significantly by 0time  下载原图

从以上先验和后验的剖析结果可以看出, 当在15次检验中爆发异地易货的次数为0时, 先验决策所选择的计划为建设云仓, 后验决策所选择的计划为结构单仓.两种决策要领最后的结果纷歧致, 主要是由于在后验概率的剖析历程中结合了在先验剖析历程中所没有的似然度、条件概率、联合概率等信息, 因此, 通事后验概率剖析得出的结果会比通过先验概率剖析得出的结果越发可靠.从最后对完全信息价值的剖析来看, 先验决策完全信息价值的期望值为103.45, 大于后验决策完全信息价值的期望值5.50, 说明先验决策所得的结果距离最优结果的距离比后验决策所得的结果距离最优结果的距离更大, 因今后验决策更为准确, 应选择结构单仓.表4中的“增补信息价值”一栏体现的是先验决策完全信息价值与后验决策完全信息价值的差, 该值体现的是增加了增补信息后提高了决策的准确水平所带来的经济效益.增补信息价值越高, 说明后验决策比先验决策在经济效益方面的提升效果越好, 也就更有作后验剖析的须要.

以上是在15次试验中爆发异地易货的次数为0时的决策历程.企业为了进一步研究通过试验查找出建设云仓的须要条件, 应该对所有试验的种种可能结果进行剖析.以下列举出15次试验中爆发异地易货的次数与所作决策之间的关系.

在15次试验中, 爆发异地易货次数为1时的先验决策结果与爆发次数为0时的先验决策结果一样, 但由于似然度的变革引起了后验概率的变革, 因今后验决策的结果也爆发了变革.具体决策结果见表5和表6.

表5 试验中爆发异地易货次数为1时的后验概率剖析Table 5 Posteriori probability analysis of barter times in different places when the number of barter is 1  下载原图

表6 试验中异地易货率显著提高次数为1的后验决策剖析Table 6 Posteriori decision analysis when the rate of barter in different places is increased significantly by 1time  下载原图

表7中列举了所有试验结果的可能性, 可以对整个试验进行全面剖析, 从而提高决策的准确水平.从表7中可以看出, 当异地易货次数在4次以下时, 后验决策选择的计划是结构单仓;当异地易货次数在5次 (含) 以上时, 后验决策所选择的计划是建设云仓.从增补信息价值来看, 为了进行后验决策所增补的种种信息的价值泛起先降后升的情况, 当异地易货次数为5时增补信息价值降到了最低, 随后又随着异地易货次数的增加而逐渐增加.从这个指标可以看出, 当异地易货次数从0到5时, 先验决策与后验决策各自选择的计划在效益方面的差别逐渐缩小;但当异地易货次数从6到15时, 先验决策与后验决策各自选择的计划在效益方面的差别逐渐拉大, 说明随着异地易货次数的增加, 后验剖析所带来的效益越大, 也就越有进行后验剖析的须要, 这也和前文所述的建设云仓的适用条件是企业的异地易货次数足够高的结论是一致的.

表7 种种异地易货次数爆发情况下的完全信息价值剖析Table 7 Analysis of complete information value under the occurrence of barter number in different places  下载原图

通过此次后验剖析也可以看出, 在15次的抽验中, 异地易货次数在抵达5次以上时才有建设云仓的须要, 也就是针对目前该企业的情况, 异地易货次数在33%以上时, 企业才有投资云仓建设的须要.

3 小结

后验决策剖析可以在大型项目的可行性研究方面广泛运用, 后验决策可以更全面地对决策问题进行剖析, 同时可以凭据完全信息价值判断进一步搜集决策所需信息的经济合理性, 在提高决策准确度、经济效益方面起到相当大的作用.