基于大數據分析的供應鏈風險識別與監控研究

李剛

摘?要：文章旨在利用大數據分析為改進供應鏈風險識別與監控提供強有力的技術支持。將用于供應鏈風險識別的大數據分為供應鏈內部大數據和供應鏈外部大數據，其中，供應鏈內部大數據是指從供應鏈合作伙伴處收集的數據，供應鏈外部大數據則是指從公共新聞、社交媒體等收集的數據，基于兩類數據識別潛在的供應鏈風險。在分析風險識別的基礎上，依托多階段隨機優化技術、場景分析方法和云計算基礎設施，構建了一個基于大數據分析的供應鏈風險監控框架模型，該框架包括供應鏈內部風險監測模塊、供應鏈外部風險監測模塊、供應鏈規劃模塊三個主要模塊，利用大數據分析方法對供應鏈內外風險進行監測，在隨機環境下制定應對供應鏈風險的柔性供應鏈計劃。通過提出基于大數據分析的供應鏈風險識別與監控流程與方法，為大數據在供應鏈風險管理中的應用提供了理論與實踐指導。

關?鍵?詞：供應鏈;風險識別;風險監控;大數據;大數據分析

中圖分類號：F274?文獻標識碼：A?文章編號：2096-7934（2020）07-0042-11

一、引言

全球供應鏈環境的復雜性和相關信息的缺乏導致過去供應鏈的不確定性和風險應對的被動性。在當今大數據背景下，越來越多的供應鏈數據通過整合供應鏈參與者和外部數據源（如交通數據、天氣預報）以及采用先進技術（如傳感器、識別和定位技術）得以測量。數字化和大數據分析技術的飛躍發展，使得企業在業務實踐中擁有了更大的能力來創建全面而主動的供應鏈風險管理流程與方法。大數據分析和實時決策使供應鏈企業能夠對快速變化的商業環境作出反應。在大數據分析的幫助下，信息被轉化為商業智能，從而更好地理解過去的事件，同時也預測未來的事件[1]。一方面，大數據分析能夠捕獲許多因素之間的關系，為風險識別提供依據;另一方面，通過大數據分析，提出相應的監控措施，能夠避免未來面臨的風險。因此，大數據分析能夠為供應鏈企業進行風險識別和監控提供強有力的支持。雖然越來越多的企業意識到將大數據技術應用到供應鏈風險管理中的重要性，但在這一領域的研究還很缺乏[2]。

本文基于多階段隨機優化技術和云計算基礎設施，提出一個將大數據分析集成到供應鏈風險識別和監控中的應用框架。該框架主要用于處理供應鏈運營風險和具有低頻高影響特征的供應鏈中斷風險。鑒于場景分析方法已成功運用于處理供應鏈規劃問題[3]，本文也將其用于決策支持。本文提出的框架便于供應鏈在事故發生時立即進行實時監測、制定應急計劃和提供決策支持，能夠以較低的供應鏈成本應對供應鏈風險，從而為大數據時代供應鏈風險管理提供指導。

二、文獻綜述

（一）大數據分析

近十年來大數據分析無疑是數字技術在供應鏈管理中應用最為詳盡的領域。大數據的特征是“5V”，即規模性（volume）、多樣性（variety）、高速性（velocity）、真實性（veracity）和價值性（value）[4]。大數據分析通過從大量數據中提取知識，實現基于數據驅動的決策。這使得企業做出關鍵業務決策的方式發生了重大轉變，企業通過利用大數據技術抓取、挖掘、分析海量數據并用經典模型測算與驗證，可快速提升生產、營銷、物流、風險管理等領域的業務能力。通過讓數據說話，實現企業基于量化模型的精細優化決策。隨著越來越多的企業認識到大數據在決策中的優勢，大數據技術和分析方法的應用將日益廣泛。

大數據分析在供應鏈管理中的應用被稱為供應鏈管理數據科學[5]，其中包括將先進定量和定性分析方法應用于大量結構化和非結構化數據。大數據分析可用于增強市場競爭力，改善數據質量管理和數據使用體驗。Raman?et?al.[6]通過實證研究表明，采用大數據技術可以為企業創造可觀的增值收益，并將很快成為供應鏈行業的標準，進而將大數據與供應鏈管理相結合，對供應鏈運作參考模型進行了重新描述。Johnson?et?al.[7]以及Simchi-Levi?et?al.[8]分析了大數據分析在零售業中的應用，認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格優化模型，在價格水平上升或下降時計算需求方差，然后將這些信息與相關的成本和庫存數據相結合，進而給出使收入和利潤最大化的推薦價格。大數據分析在供應鏈管理中的應用也體現在采購流程、制造車間、全渠道模型中的促銷活動、路線優化、實時交通運行監控和主動安全管理中[9-13]。Nguyen?et?al.[12]確定了近期內大數據分析可應用于供應鏈管理的一些領域，包括生產過程中的質量控制、物流運輸中的動態車輛路徑和在途庫存管理、倉儲中的訂單領料和庫存控制系統。陸杉等[14]對國外在需求計劃、采購、生產、存貨、物流與配送等供應鏈全過程的大數據分析進行了綜述，認為大數據分析對供應鏈具有巨大應用價值。孫新波等[15]研究認為，大數據能夠驅動供應鏈敏捷性的實現。

（二）供應鏈風險分類

在供應鏈風險研究文獻中，不同文獻根據自身的研究范圍和目標對供應鏈風險進行了相應的分類[16-17]。最常見的有兩種分類方法。一種方法是根據風險影響或來源的供應鏈網絡層次來對風險進行分類[18]，通常分為三個主要層次：第一層風險是來自供應鏈網絡外部的風險，或者稱為環境風險;第二層風險是指來自供應鏈網絡內部但又在成員企業外部的風險，也稱為網絡風險或行業風險;第三層包括供應鏈成員企業內部的所有風險，稱為組織風險。此外，Rao?and?Goldsby[18]還發現了與當前具體決策問題和個人決策者特征相關的兩個額外層次。另一種方法是基于風險影響或來源的供應鏈特定環節來對風險進行分類[19-21]：第一類風險只與整個供應鏈有關而與供應鏈的任何特定部分無關，這一類風險對應于上述第一層（網絡外部）風險，稱為環境風險[19]或宏觀風險[21];第二類是與供應方相關的風險（即供應鏈運作參考模型中的采購環節）;第三類包含所有需求側風險（即供應鏈運作參考模型中的配送環節）;第四類是生產過程風險[20-21];第五類是與供應鏈過程控制有關的風險，即Ho?et?al.[21]提出的基礎設施風險。

（三）供應鏈風險管理

目前雖然學界對供應鏈風險管理尚沒有普遍接受的定義，但幾乎所有的定義都將供應鏈風險管理視為一系列導致預期結果的行動，同時也強調了供應鏈合作伙伴之間協調合作這一前提[21-24]。供應鏈風險管理包括風險識別[19，25]、風險評估[19，21，26]、風險化解和監控[21，27]。宋華等總結分析了供應鏈風險管理中風險識別、評估、決策、控制、監管等各流程的研究現狀，指出供應鏈風險管理是與供應鏈中的合作伙伴單獨或者協作地應用風險管理過程工具來處理由供應鏈中活動或資源引起的風險和不確定性[28]。趙立馬等提出了供應鏈風險管理框架與策略[29]。在供應鏈風險管理的預期結果上，研究者們主要強調降低風險的負面影響或增強供應鏈的積極作用。前者包括減少脆弱性、損失、概率或風險暴露[19]，后者則包括確保盈利能力和持續性[30]。綜合以上觀點，本文將供應鏈風險管理定義為：供應鏈中所有參與方通過協調合作，識別、評估、化解和監控風險，以減少供應鏈的脆弱性，提高供應鏈的穩健性和彈性，確保供應鏈的盈利能力和可持續。

關于大數據分析在供應鏈風險管理中的應用研究，Papadopoulos?et?al.[31]和Ivanov?et?al.[32]指出，大數據分析有助于提高供應鏈風險管理和抗災能力;劉帥等[33]和吳健[34]分析了大數據環境下的供應鏈風險管控;吳賾書等[35]提出了基于大數據的農產品供應鏈風險預警機制，并構建了該類風險預警平臺的體系結構。

綜上所述，國內外文獻已經在大數據分析、供應鏈風險管理等領域進行了大量研究，并已經將大數據分析應用于供應鏈管理過程中。在供應鏈風險管理中，風險識別與監控是重要環節。但目前對大數據分析在供應鏈風險識別與監控中的應用研究還很缺乏，需要建立基于大數據分析的供應鏈風險識別方法，并將大數據分析納入供應鏈風險監控框架中，提出基于大數據分析的供應鏈風險監控流程與方法。

三、基于大數據的供應鏈風險識別

供應鏈風險源于供應鏈內部和外部的不確定性。供應鏈內部不確定性預測主要是基于供應鏈內部的數據。供應鏈外部不確定性則源于供應鏈外部環境，如社會、經濟和自然環境等。因此，供應鏈外部不確定性的預測需要基于供應鏈外部的數據。本文將用于支持供應鏈風險識別的數據分為兩類：供應鏈內部數據和供應鏈外部數據。基于兩類數據，可以對潛在的供應鏈風險進行識別。

（一）基于供應鏈內部大數據的風險識別

供應鏈內部大數據是指從供應鏈合作伙伴處收集的數據。這些數據由于來自諸如銷售終端（POS）、全球定位系統（GPS）和傳感器等不同的組織和不同的數據終端，因而是非結構化的。表1列出了基于供應鏈內部大數據的風險識別示例。通過供應鏈內部數據分析，可以對產品質量問題、運輸延誤等潛在的供應鏈風險進行事前預測和事后跟蹤。在表1的“描述”欄中描述了應從每個大數據源收集的重要數據。供應鏈內部數據的數量與供應鏈的規模（如供應鏈合作伙伴、產品和服務的數量）正相關。供應鏈內部數據增長頻繁，往往需要存儲數個周期如數月，以便跟蹤故障后的原因并預測風險。因此，與供應鏈風險識別相關的供應鏈內部數據可能使用不同的結構，并隨著時間的推移而增加。

（二）基于供應鏈外部大數據的風險識別

供應鏈外部大數據是指從公共新聞、社交媒體等收集的數據。表2描述了基于供應鏈外部大數據的風險識別示例。供應鏈外部數據比供應鏈內部數據更大、更復雜，它揭示了外部環境中潛在的災害和不確定性。例如，匯率變動可以通過Twitter上信息統計的時間序列進行預測[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容上多樣化，而且在語言和可靠性上也多樣化。此外，媒體數據的增長速度快于供應鏈內部數據。這些都給信息識別和分析帶來了沖擊。因此，要盡早從供應鏈外部大數據中發現潛在的風險和即將發生的災難。根據供應鏈外部大數據采集和分析的需要，可以考慮將供應鏈外部大數據處理任務外包給專業的第三方分析公司。

四、供應鏈風險的大數據分析方法

供應鏈風險源于供應鏈內部和外部的不確定性，隨著全球供應鏈復雜性越來越高，外部不確定性顯得尤為復雜多變，因此需要先進的分析方法和決策支持系統。作為新一代的技術和體系結構，大數據技術和分析方法主要用于從大量的各種各樣的數據中提取有用信息，它們支持進行高速和實時的捕獲、發現、處理和分析[38]。此外，大數據技術和分析方法的一個重要方面還在于為決策支持提供面向用戶的數據和結果的展示與可視化。因此，大數據分析方法成為供應鏈風險管控的重要技術工具。在大數據分析方法下，用來描述低頻高影響事件的不可預測的“黑天鵝”[39]的數量越來越少。這主要是由于基于大數據分析能夠在事件發生之前進行有效預測。比如，電商企業京東充分利用大數據技術對商品的銷量進行精準預測。通過多年積累的數據，京東利用多達15種的預測模型，建立了多種業務預測系統架構，提升系統計算性能，可以預測未來28天內的每一天，京東每一個倉庫應該讓供應商儲備多少商品。甚至可以在用戶尚未下單之前預測具體區域的銷量，將商品運到離他最近的倉庫。通過提前四周預測需求，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生的概率，研究各種因素綜合作用可能產生的影響[41]。它是處理隨機問題的一種常用方法，供應鏈隨機場景由一組場景指標表示，例如可能的受害者位置（供應鏈節點或運輸鏈路）及其可能性、風險事件后的重建時間、事件后采用替代規劃的額外時間和額外成本等[42]。場景分析的首要任務是場景設計。根據文獻[43]中的“冰山”隱喻，場景設計過程中需要考慮一系列因素，包括資源、文化、信息、技術、政策、規則、人口學、立法、生態、社會和地域。由于包含了大量的非結構化和實時變化的數據，場景設計過程就成為一個大數據分析過程。這些過程必須得到適當的大數據基礎設施和分析方法的支持。基于云的基礎設施可用于在需要時經濟地部署可擴展計算集群，從而實現對大規模問題的實時計算以及為供應鏈規劃人員和決策者提供決策支持的按需應用程序。

大數據技術和分析高度依賴于便利的信息通信技術基礎設施。近年來，云計算作為一種信息通信技術基礎設施的使用和按需服務模式變得流行起來。云服務分為三類：基礎設施服務（infrastructure?as?a?service，IaaS）、平臺服務（platform?as?a?service，PaaS）和軟件服務（software?as?a?service，SaaS）[44]。在供應鏈規劃和重新規劃過程中，計算資源可以自動用于滿足分析任務的需要，并被釋放以降低成本。此外，云服務的可訪問性和標準化接口允許供應鏈參與者之間更好地協作和信息共享。因此，云計算是支持供應鏈領域大數據分析系統的一種出色的解決方案。

五、基于大數據分析的供應鏈風險監控

在風險識別的基礎上，本文構建了一個基于大數據分析的供應鏈風險監控框架模型，如圖1所示。該框架的核心是在隨機環境下制定一個穩健的供應鏈計劃，監測和計劃是該框架的兩個重要組成部分。風險監測與分析為供應鏈規劃過程提供了隨機參數。該框架包括三個主要模塊：供應鏈內部風險監測模塊、供應鏈外部風險監測模塊、供應鏈規劃模塊。一旦內部或外部風險監測模塊監測到新出現的風險，將基于風險分析生成新的風險報告，并發送到供應鏈規劃模塊。此時，供應鏈規劃模塊將被激活，并根據新的風險報告生成新的供應鏈計劃。整個過程循環往復，以保持供應鏈在隨機環境下的靈活性。下面將具體說明每一模塊的功能。

（一）基于大數據分析的供應鏈內部風險監測

供應鏈內部風險是指基于供應鏈內部大數據分析的可預見風險（如表1所示）。供應鏈內部大數據包括采購、生產、運輸、終端需求等各環節的數據。通過對供應鏈內部數據的分析，可以對供應鏈內部風險進行預測。例如，智能維護系統（Intelligent?Maintenance?System，IMS）能夠通過分析從機器收集的數據來預測和預防機器的潛在故障。供應鏈監測則用于察覺新出現的風險，一旦發現隨機事件，立即采取相應的應急預案。如果隨機事件不是短期事件，則更新供應鏈內部風險報告并對供應鏈進行重新規劃。圖2描述了基于大數據分析的供應鏈內部風險監測模塊。

在供應鏈內部風險監測模塊，具體流程包括以下幾點。首先，進行大數據分析。大數據分析為供應鏈監測過程提供了風險報告和供應鏈參數基準。在這個階段可以采用數據挖掘和機器學習等數據分析方法。其次，實施供應鏈監測。供應鏈實時監測用于感知供應鏈變化和預測供應鏈風險。監測有助于供應鏈管理者盡早發現突發事件，對供應鏈風險作出預測。再次，采取應急預案。一旦監測到突發事件或潛在的不確定性，則啟動相應的供應鏈應急計劃，以獲得更多的可用時間。對于短期中斷事件，供應鏈在短期中斷期后恢復原供應鏈計劃。又次，更新內部風險報告。對于長期影響事件，將修改供應鏈內部風險報告，以激活供應鏈重新規劃模塊。內部風險報告應至少包含每個供應鏈合作伙伴的概率和不確定性描述、影響、持續時間和每個不確定事件的成本。最后，發出供應鏈重新規劃請求。更新內部風險報告后，供應鏈重新規劃模塊即被激活，一個新的供應鏈計劃將生成并隨后啟動。

（二）基于大數據分析的供應鏈外部風險監測

供應鏈外部大數據大多是非結構化的且增長迅速，因為它來自各種渠道，如公共媒體、社交網絡和專業數據庫等（如表2所示）。大數據處理和形成外部風險報告需要專業的基礎設施和人員。因此，供應鏈外部風險分析（如圖3所示）可外包給專業的第三方公司，由它們根據數據挖掘和數據分析對環境進行監測。

基于大數據分析的供應鏈外部風險監測具體流程包括以下幾點。首先，定義/更新監視域。為了有效地提取有價值的數據，需要定義一個外部環境域，只分析對供應鏈有明確影響的數據。第三方公司可根據客戶的背景來界定外部環境領域。其次，進行數據收集和風險分析。外部環境數據的特點是大容量、非結構化和隨時間而增長。因此，數據收集技術如網絡爬蟲和文本挖掘技術可用于從網站和網頁服務中提取信息，先進的數據分析技術則用來進行供應鏈外部大數據分析。外部風險分析的目的是找出外部威脅和每個威脅的參數。外部威脅包括惡劣天氣、政策變化、經濟變化、社會變化、恐怖襲擊等。每種威脅的參數可以是其地理區域、可能性和嚴重程度等。第三方公司在外部數據收集和風險分析的基礎上形成供應鏈外部風險報告并提供給客戶。再次，監測和感知。第三方公司需要實時監測和感知外部數據，以發現外部環境中新出現的風險。如果捕捉到新出現的風險，就會觸發風險分析任務，再次進行風險分析。又次，重新進行風險分析，為第三方公司的客戶形成新的風險報告。外部風險報告應至少包括供應鏈合作伙伴所在地和產品運輸期間的不確定性信息。這些信息包括概率、持續時間、不確定事件影響的參數。每個不確定事件的成本應由供應鏈自行設計和計算，因為這取決于應急計劃，而應急計劃由供應鏈企業決定。最后，向客戶發送報告。風險報告更新后即發送給客戶，一旦供應鏈規劃模塊收到更新的外部風險報告后，就會觸發供應鏈規劃模塊生成新的供應鏈計劃。

（三）應對供應鏈風險的柔性供應鏈計劃制定

為了設計一個在隨機環境下能確保平穩供應的柔性供應鏈計劃，應在供應鏈規劃階段考慮供應鏈風險。在運用大數據分析對供應鏈內部和外部風險進行監測的基礎上，根據供應鏈內部和外部風險報告設計出代表供應鏈不確定性的場景，在此基礎上，建立一個隨機模型。通過在模型中加入供應鏈參數后，采用解析法對模型進行求解，據此即可擬定供應鏈計劃。供應鏈規劃/重新規劃模塊如圖4所示。

在圖4中，應對供應鏈風險的柔性供應鏈計劃制定具體過程包括以下幾點。首先，根據風險監測結果生成供應鏈內部和外部風險報告。供應鏈內部風險報告應由供應鏈企業基于內部數據提供;供應鏈外部風險報告由于外部數據處理工作的復雜性，可由第三方分析公司提供。其次，進行場景設計。主要根據供應鏈內部和外部風險報告來進行場景設計。每個場景代表供應中斷后的一種具體后果。概率和成本是每個場景的兩個基本特征。成本取決于一系列因素，包括場景涉及的地理位置、場景持續時間、實現每個場景的額外成本等。為了計算成本，每個場景都要考慮應急計劃。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。第一階段是指供應鏈安全期，在此階段供應鏈沒有任何中斷或災難;第二階段是指供應鏈可能遭受任何所提出的場景影響的不確定期。場景參數和其他供應鏈參數的值是模型的輸入。又次，求解。可以選擇優化、模擬、啟發式和元啟發式等分析方法來求解模型。由于多場景模型的復雜性，在本文提出的框架中，采用元啟發式算法相對較好。對于具有簡單供應鏈結構和少量場景的模型，可在較短的時間內生成解決方案。對于具有大量隨機場景的復雜供應鏈結構，作為底層計算基礎設施的云平臺可以靈活地應用于求解器的計算需求。SaaS解決方案提供了一個接口，用于為不同的受眾設置模型并以不同的視圖顯示結果[44]。云服務的這種可訪問性和標準化接口便于供應鏈參與者之間更好地協作和信息共享，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鏈計劃，第二階段解決方案是指與場景實現有關的應急預案。最后，基于多場景模型的求解，生成兩階段供應鏈計劃，包括安全期計劃和不確定期的應急計劃。

六、結語

本文對供應鏈風險大數據進行了分析，將其分為供應鏈內部大數據和供應鏈外部大數據。基于供應鏈大數據分類，提出了將大數據分析方法融入供應鏈風險管理系統的框架。當前大數據在供應鏈風險管理中的應用研究還很缺乏，本文為利用大數據改進供應鏈風險管理提供了指導。大數據技術為識別和監控潛在的供應鏈風險提供了可能，使供應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踐，還需要做進一步的研究，如采用能夠有效、準確地從大數據資源中提取有價值信息的技術和方法，利用所提出的框架來實施和評估一個為供應鏈風險管理提供決策支持的原型等。

參考文獻：

[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.?供應鏈中大數據分析應用研究綜述?[J].?商業經濟與管理，2018（9）：27-35.

[15]孫新波，錢雨，張明超，等.?大數據驅動企業供應鏈敏捷性的實現機理研究?[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，曾學工，鄭小京.?供應鏈風險管理研究綜述——風險識別?[J].?技術經濟，2013，32（5）：78-86，120.

[26]鄭小京，鄭湛，徐緒松.?供應鏈風險管理研究綜述——風險評估[J].?技術經濟，2013，32（7）：123-130.

[27]鄭小京，鄭湛，徐緒松.?供應鏈風險管理研究綜述——風險控制[J].?技術經濟，2013，32（8）：118-124.

[28]?宋華，楊曉葉.?供應鏈風險管理文獻綜述[J].?供應鏈管理，2020，1（3）：33-45.

[29]?趙立馬，阿德·哈澤梅爾.?淺析供應鏈風險管理框架與策略分類[J].?供應鏈管理，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.?大數據環境下的供應鏈風險管控[J].?物流科技，2017，40（10）：129-131.

[34]吳健.?大數據環境下的供應鏈風險管控[J].?中國物流與采購，2019（20）：60.

[35]吳賾書，魯艷霞，張益民.?基于大數據和物聯網的農產品供應鏈風險預警平臺研究[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.大數據驅動的智慧零售[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.