大數據分析能力如何影響供應鏈績效

朱新球

摘要：近年來，隨著新興技術的不斷涌現，大數據、人工智能等技術對供應鏈管理產生了較大的影響。其中，大數據分析能力作為供應鏈企業應具備的重要能力之一，對供應鏈彈性管理產生的影響尤其顯著。在不同規模的企業，大數據分析能力如何發揮作用、對供應鏈績效產生怎樣的影響、其重要性如何都是值得探究的問題，從風險管理角度，基于供應鏈彈性理論，可分析供應鏈風險管理文化、供應鏈協作等供應鏈彈性要素與大數據分析能力及供應鏈績效的關系，在問卷調查的基礎上量化研究不同規模企業大數據分析能力對供應鏈績效水平的影響。結果表明，大數據分析能力與供應鏈風險管理文化呈現正相關關系，相較于中型企業而言，小型企業在該方面表現更為突出；供應鏈協作與供應鏈績效呈現正相關關系，且供應鏈協作在小型企業中發揮更大的優勢；供應鏈協作在大數據分析能力正向影響供應鏈績效中發揮部分中介作用。大數據分析能力是提升供應鏈企業績效水平和競爭實力的有效途徑，中小型企業應從供應鏈戰略的高度增強大數據分析能力，提高企業協同能力，構建供應鏈協同機制，提高應對供應鏈風險的水平。

關鍵詞：供應鏈彈性管理；大數據分析能力；供應鏈績效；供應鏈風險管理文化；供應鏈協作

中圖分類號：F274文獻標識碼：A文章編號：1007-8266（2021）06-0084-10

基金項目：福建省社會科學基金一般項目“供應鏈彈性測度研究”（FJ2018B033）

改革開放以來，我國物流業經歷了學習、引進、借鑒、自主創新等階段，推動我國從物流弱國向物流大國、物流強國轉變，并正向世界供應鏈創新中心發展，這是我國經濟和社會轉型升級的另一大“風口”[ 1 ]。在此過程中，伴隨著大數據、人工智能等新興技術的發展，供應鏈日常運營管理面臨著巨大挑戰，必須對市場環境的快速變化做出及時響應[ 2 ]。

大數據技術是一種有效的信息管理技術，在企業運營管理中發揮著巨大的作用[ 3 ]。在復雜商業環境中，各種供應鏈風險會造成供應鏈擾動甚至中斷，為應對各種風險，企業會運用大數據分析預測的功能，促使大數據技術在業務分析時起到輔助決策的作用，提升供應鏈績效水平，實現更好的競爭效果[ 4 ]。然而，對于不同規模的企業，大數據分析技術如何起作用，對供應鏈績效產生怎樣的影響，其重要性如何等，這些問題并未得到深入的探討。此外，從風險管理角度看，供應鏈彈性管理涉及供應鏈管理的不同側面，需要研究不同要素如何嵌入大數據技術中發揮作用。為此，本文探究供應鏈風險管理文化和供應鏈協作等供應鏈彈性要素與大數據分析能力（Big Data Analysis Ca？ pabilities，BDAC）及供應鏈績效的關系，并利用問卷調查的方式，量化研究不同規模企業大數據分析能力對績效水平的影響，以期從供應鏈彈性的視角探尋供應鏈持續運營的路徑和方向。

（一）概念界定

本文基于供應鏈彈性的視角，探究大數據分析能力與供應鏈績效的關系，通過對供應鏈彈性、大數據分析和供應鏈績效研究成果的整理和回顧，厘清三個核心要素的內涵。

供應鏈彈性最早源于對彈性的討論，主要指事物快速恢復的能力（適應力）和還原能力（彈力），材料學、生態學、工程學、網絡科學、組織管理學[ 5-10 ]等多學科均對彈性進行了研究。也有學者從供應鏈管理的角度剖析彈性的內涵，但尚未形成一致的定義。在早期研究階段，萊斯（Rice）等[ 11 ]提出加強供應鏈網絡的安全設計，以滿足應對供應鏈網絡中斷風險的彈性要求，使供應鏈快速恢復到原有的運營狀態。謝菲（Sheffi）[ 12 ]認為，供應鏈彈性與企業管理風險的能力密切相關，體現著企業通過相應的彈性管理方式恢復到正常績效水平的能力。最新研究認為，供應鏈彈性是供應鏈具備的一種適應能力，這種能力通過對供應鏈結構和功能的控制來降低突發風險，抑制風險擴散，并通過快速有效的反應性計劃來應對干擾，使供應鏈恢復到穩健的運行狀態，從而保持或提高客戶服務質量、市場份額和財務業績[ 13 ]。本文認為，供應鏈彈性是在供應網絡遇到內外部環境變化時，供應鏈企業采取各種業務活動的模塊化組合或改變特定時間點的供應鏈網絡結構，使供應鏈快速有效恢復到原有或理想狀態的能力。

通過分解供應鏈彈性的內涵，結合已有研究成果與供應鏈管理實踐，可以確定影響供應鏈彈性變化的因素，進一步理解供應鏈彈性的整體性。具體而言，影響供應鏈彈性的因素包括人力資源管理、靈活性、組織協調、可視化、適應能力、冗余、供應鏈網絡設計、應急計劃、知識管理和社會資本[ 14-17 ]等。本文將供應鏈彈性的影響因素、數據可視化能力、供應鏈風險管理、供應鏈協作等整合在圖1所示的研究框架中。

數據可視化是指基于大數據分析技術，融合現代商務理念，應用到供應鏈業務實踐過程中的一種能力。大數據技術作為管理和分析數據相關維度（數據種類、數量、速度、準確性和價值）的整體處理方式，可以提供持續價值，衡量績效和構建競爭優勢，在支持組織管理目標和供應鏈實踐活動中具有十分明顯的作用[ 18 ]。而系統質量（即系統可靠性、可訪問性、適應性、集成性、響應時間和隱私性）和信息質量（即完整性、準確性、格式和通用性）是在大數據環境中提高業務價值和企業績效的關鍵[ 19 ]。在當前經濟發展階段，大數據在流量、流速、種類等方面具有不同特征，企業難以使用傳統商業分析方法管理和利用大數據。而大數據本身具備的過程性又使數據挖掘、數據可視化的商業價值凸顯，便于商務決策[ 20 ]。大數據分析能力指組織基于信息和技術手段，用數據驅動業務活動，并將數據本身的信息可視化，使決策更直觀透明的一種能力[ 21 ]。供應鏈領域中的大數據分析主要側重供需的不確定性預測，找出業務活動的規律，支持有關商務活動[ 22 ]。

供應鏈風險管理（Supply Chain Risk Manage？ ment，SCRM）是風險管理在供應鏈中的具體體現，是近二十年來供應鏈管理的重要內容。供應鏈風險管理的主要任務是識別潛在風險來源、探究風險緩解方式[ 23 ]，提高供應鏈績效水平，將制造商、分銷商、零售商、物流商、客戶等不同主體整合在一起，形成目標一致的利益相關者，最大程度減少供應鏈脆弱性對供應鏈整體目標的影響[ 22 ]。而供應鏈風險管理文化（Supply Chain Risk Management Culture，SCRMC）是實現供應鏈彈性管理的重要前提，可以有效識別和緩解風險對供應鏈的影響，提高供應鏈抗風險的能力，增強其環境適應性[ 23 ]。然而，供應鏈風險管理并非個體組織的事情，必須從供應鏈角度考察供應鏈風險的影響，構建風險管理團隊和領導機制，將風險決策納入供應鏈業務活動中，提高供應鏈彈性管理的整體水平。

協作是指在目標實施過程中，部門與部門之間、個人與個人之間的協調與配合[ 24 ]。將協作擴展到企業與企業之間時，即形成了供應鏈協作（Sup？ ply Chain Cooperation，SCC），在供應鏈受到擾動甚或中斷時，節點企業尤其是核心企業，為了供應鏈的持續運營，企業間開展業務合作，最大限度挖掘信息價值，削減業務成本，提升供應鏈效率[ 25 ]。

現有研究大多僅考察大數據分析的技術條件對競爭優勢的影響，鮮有從供應鏈彈性的視角考察大數據分析能力和相關變量之間的關系。本文基于供應鏈彈性的概念剖析，將大數據分析能力、供應鏈風險管理文化、供應鏈協作和供應鏈績效納入同一分析框架，提出相應的研究假設，探究不同要素之間的關系（參見圖2）。

（二）大數據分析能力與供應鏈風險管理文化

尤特納（Jüttner）等[ 26 ]指出，供應鏈可視化是一種理想的組織能力，可以降低供應鏈中斷產生的風險。文卡泰什（Venkatesh）等[ 27 ]通過對制造商供應鏈的實證研究發現，預測和解決供應鏈中社會問題所帶來的風險對企業可持續經營至關重要。通過大數據分析，可以有效識別、預測、緩解多重社會問題所帶來的供應鏈風險。而且，使用大數據分析技術可以幫助供應鏈企業的管理者構建完善的供應鏈風險管理理念，形成企業文化，在風險發生時較好地應對供應鏈風險變化帶來的影響。因此，提出如下假設：

H1：大數據分析能力正向影響供應鏈風險管理文化。

（三）供應鏈風險管理文化與供應鏈績效

供應鏈風險管理的前提是對潛在風險源的識別。基戈齊（Kigozi）[ 28 ]通過對農業和工業供應鏈風險認知的探索，驗證并指出供應鏈風險管理與供應鏈績效之間存在著明顯的正相關關系，認為風險管理需要有效識別、評估和減輕潛在風險源。由此可知，建立供應鏈風險管理文化、提高供應鏈風險的管理意識有助于提升供應鏈績效水平。因此，提出如下假設：

H2：供應鏈風險管理文化正向影響供應鏈績效水平。

（四）供應鏈協作與供應鏈績效

供應鏈協作是組織間相互依賴的戰略性響應，有效的溝通協調機制可以提高組織間的溝通和協調效率，提升供應鏈的績效水平[ 29 ]。程（Cheng）等[ 30 ]通過對第三方物流服務平臺的實證研究發現，供應鏈成員之間高水平的業務協作行為和活動，可以強化供應鏈合作，在第三方物流服務中取得較高的供應鏈績效水平。田（Tian）[ 31 ]從知識管理角度深入分析了供應鏈合作關系與績效之間的內在機制，指出供應鏈合作關系對績效有明顯的正向影響。因此，提出如下假設：

H3：供應鏈協作正向影響供應鏈績效水平。

（五）大數據分析能力與供應鏈協作

隨著商業環境的日益變化，供應鏈的復雜度日益提升。供應鏈中的數據運轉速度越來越快，數據種類迅速增多，大數據分析技術在供應鏈中的應用逐步解決了數據分析的難題。高質量的數據是大數據分析技術的前提，也是供應鏈管理的核心問題之一。然而，供應鏈中大數據分析技術考慮的關鍵問題是如何提高供應鏈組織內部之間和內部與外部之間關系的密切程度。古納塞卡蘭（Gunasekaran）等[ 32 ]將物聯網與供應鏈管理相結合，使供應鏈上下游企業實現無縫對接和信息的共享，提升了供應鏈抵御風險的能力，強化了供應鏈協同能力。沈（Shen）等[ 33 ]認為，共享信息有助于供應鏈各方更好地實現供需匹配，有助于企業收集更準確的預測信息，并將其轉化為業務模式，促進商業模式的轉變。由此可見，強化供應鏈大數據分析能力對供應鏈協作有著十分重要的作用。因此，提出如下假設：

H4：大數據分析能力正向影響供應鏈協作水平。

（六）大數據分析能力與供應鏈績效

隨著“互聯網+”的快速發展，線上線下的商業數據呈現幾何級數增長，企業業務活動分析的難度也迅速提高。大數據分析技術可以有效提升業務活動的針對性，凸顯供應鏈對市場趨勢、客戶購買模式和產品維護周期等方面的決策優勢，降低供應鏈協調成本，提升供應鏈決策的效益。沈等[ 33 ]認為，共享信息有助于提高供應鏈績效，抓住商業機會。王（Wang）等[ 34 ]認為，大數據技術與預測分析方法已廣泛應用在供應鏈運營活動中，有利于提高商業組織的整體供應鏈績效水平。因此，提出如下假設：

H5：大數據分析能力提升供應鏈績效水平。

（七）供應鏈協作在大數據分析能力影響供應鏈績效中的中介效應

供應鏈協作管理旨在尋求供應鏈主體間的合作機制，以協同技術為支撐，以數據共享為基礎，從系統角度促進供應鏈主體之間的協同發展，提升供應鏈整體競爭實力。通過供應鏈主體的協作，大數據分析技術提高了供應鏈績效水平。因此，提出如下假設：

H6：供應鏈協作在大數據分析能力影響供應鏈績效中起到中介作用。

（一）變量測量

基于已有研究文獻，本研究采用結構化問卷的測量方式，結合相應的理論設計調研問卷；使用李克特7點量表的測度方式，設定1至7分，從非常不同意到非常同意逐步提升滿意程度。

有關變量表的設計，主要參照已有研究的成果。大數據分析能力主要參照阿克特（Akter）等[ 35 ]和斯里尼瓦桑（Srinivasan）等[ 36 ]的研究成果，供應鏈績效和供應鏈風險管理文化主要參照喬杜里（Chowdhury）等[ 37 ]的研究成果，供應鏈協作主要參照曼達爾（Mandal）等[ 38 ]的研究成果。具體題項如表1所示。

（二）樣本與數據來源

主要以國內中小型企業中基層管理者為調查對象，依據《關于印發中小企業劃型標準規定的通知》確定調查對象所在企業的規模，通過委托調研的方式（委托第三方“問卷調研工作室”調研，涉及調研平臺包括問卷星、問卷網等，調研時間為2020年5月15日至2020年7月31日），獲取有效問卷150份，主要涉及快消品、餐飲等不同行業的企業（具體信息參見表2）。

（一）信效度分析

首先對問卷的效度進行檢驗。應用SPSS軟件對問卷的KMO值和Bartlett值進行檢驗，其中KMO數值為0.890，大于0.7，因子顯著性水平小于0.001，說明適合做因子分析。因子分析結果顯示，因子載荷均大于0.7，且累計解釋度大于80%，說明各變量因子分析有效。收斂效度的開方值均大于各變量相關性系數，說明問卷有較好的區別效度。其次，對問卷的信度進行檢驗。一般認為Cron？ bach’sα值應大于0.7，0.7～0.8說明具有相當信度，0.8以上說明信度較好。計算結果顯示，各變量Cronbach’sα值均大于0.9，說明量表符合信度的檢驗要求（參見表3）。

（二）擬合優度檢驗

在模型擬合過程中，對擬合優度的數值進行整體統計如表4所示。其中，χ2/df=1.557<2，顯示模型的擬合度較好；RMSEA=0.043<0.05，說明模型擬合效果比較理想；CFI和NNFI均超出建議值0.9，其他指標與建議值差異較小。綜合模型的總體檢驗結果，模型擬合滿足研究的基本要求。

（三）概念模型的檢驗與修正

1.假設路徑檢驗

本文使用結構方程分析中的AMOS軟件對模型進行數值驗證。初始路徑擬合結果參見圖3，其中假設H2路徑系數T檢驗結果未滿足在顯著性水平小于0.05條件下的檢驗值，表明供應鏈風險管理文化與供應鏈績效沒有直接關系。

2.概念模型修正分析

對模型初步分析可知，初始模型不成立，需對已有模型進行修正，得到圖4所示的修正路徑。從適配指標角度看，與初步模型相比，擬合參數有一定程度的提升，詳細結果參見表5。對修正模型進行T檢驗分析（參見圖5），可以發現修正后模型假設均成立。

（四）基于中小型企業的路徑對比分析

依據問卷中的中型企業和小型企業，對本文構建的結構方程模型進行分組模型分析，結果如表6所示。將小型企業設定為分組模型1，將中型企業設定為分組模型2。可以發現，供應鏈協作在分組模型2中路徑不成立，但在整體模型和分組模型1中顯著成立，說明中型和小型企業對供應鏈協作的認知態度不同；其次，大數據分析能力在兩種類型企業的認知水平存在差異，即從表6可以看出，雖然三種模型中的大數據分析能力正向影響供應鏈績效均成立，但顯著性水平不同，分組模型1未呈現出分組模型2的顯著性水平，反映兩者對待大數據分析能力的態度不同。

（五）供應鏈協作的中介作用分析

參照溫忠麟等[ 39 ]對中介效應的檢驗方式，這里分析不同層次供應鏈協作的中介效應，主要結果參見表7。

首先，檢驗自變量BDAC與因變量SCP的回歸系數是否顯著。依據分析結果，整體模型中大數據分析能力與供應鏈績效的回歸系數為0.521，且在0.05水平下顯著，說明大數據分析能力對供應鏈績效有顯著影響。

其次，分別檢驗自變量BDAC與中介變量SCC、中介變量SCC與因變量SCP的回歸系數。結果顯示，大數據分析能力與供應鏈協作的回歸系數為0.048，且在0.05水平下顯著；供應鏈協作與供應鏈績效的回歸系數為0.227，且在0.05水平下顯著。

再次，檢驗自變量BDAC和中介變量SCC對因變量SCP做分層回歸后檢驗回歸系數是否顯著。結果顯示，回歸系數為0.412，在0.05水平下顯著。

最后，檢驗中介效應。結果顯示，加入中介效應檢驗后的回歸系數在顯著性水平為0.05時顯著，因此判斷供應鏈協作在大數據分析能力與供應鏈績效間起到部分中介作用。

同理，可以判斷小型企業的供應鏈協作在大數據分析能力影響供應鏈績效中起部分中介作用；中型企業的供應鏈協作在大數據分析能力影響供應鏈績效中無中介作用。

（一）大數據分析能力與供應鏈風險管理文化

從圖5可以看出，H1的研究假設成立。H1研究路徑說明，大數據分析能力在供應鏈企業風險管理中提供相應的技術支持有助于企業風險管理文化的形成。大數據分析技術是數據可視化的有效工具，其主要作用在于對未來潛在風險的預測。當企業累計的風險數據增多時，數據所具備的沉淀效應就可以發揮巨大的作用。隨著商業環境的日益復雜，供應鏈運營越來越呈現出突發性、動態性、整體性等特點。利用大數據分析技術，構建相應的非線性風險預測模型，對企業所處的風險環境做出預測，及時調整企業的運營方式，可以有效強化企業的正常運行，構建風險管理文化，增強整體意識。從分組討論的結果可以看到，大數據分析技術對中小企業供應鏈風險管理文化的建設均起到了積極的作用，其中小企業的路徑系數更為明顯。因為小企業風險管理的能力較中型企業弱，在人、財、物等的調配上處于劣勢，它們更重視該技術在風險管理中的使用，以便增強企業的抗風險能力。

（二）供應鏈協作與供應鏈績效

從圖5可以看出，H3研究假設成立。此路徑成立說明供應鏈協作有助于提高供應鏈企業的整體協作能力，提升供應鏈整體的績效水平。提高供應鏈彈性可使企業在遇到風險時快速恢復到原有的績效狀態，充分利用合作伙伴的資源，減輕自身的損失。當供應鏈協作達到理想狀態時，各供應鏈節點企業均從供應鏈整體利益出發，提高供應鏈的協同效應，從整體上減少因外部環境帶來的不必要的損失。從分組討論的結果可以發現，中型企業供應鏈協同對供應鏈績效直接關系并不成立，整體模型和小型企業在該方面成立，主要原因在于體量較大的中型企業自身具有良好的內部協同性、較高的業務處理能力和業務績效水平，可以應對各種業務活動帶來的不確定性，往往處于核心企業的位置。但小企業自身體量較弱，一般會聯合多家企業形成局部的供應鏈聯盟伙伴，協同績效水平較高，可信程度較為理想，并與伙伴企業共同發展。

（三）大數據分析能力與供應鏈協作

從圖5可以看出，H4研究假設成立，表明大數據分析能力有益于提高決策的科學性和透明度，提升供應鏈協作的整體效率。供應鏈協作作為供應鏈彈性管理的有效方式之一，可以提高風險預測的及時性，使供應鏈內部及時做出調整，降低信息不對稱程度。而供應鏈企業間的協作機制可以降低企業間信息不對稱的程度，增強企業間的信任感，提升企業的協作水平。

（四）大數據分析能力與供應鏈績效

從圖5可以看出，H5研究假設成立。大數據分析技術的應用提高了企業科學決策和數字化能力，使企業在風險發生前就能夠做出相應調整，提升整體供應鏈的運作效率。如庫存管理、物流路徑規劃等業務活動中使用大數據分析技術可以減少因人為失誤帶來的損失。從分組模型中可以發現，雖然大數據分析能力對兩種類型企業均會提升供應鏈績效水平，但中型企業表現得更顯著，這是因為提高大數據分析能力不僅需要基礎設備的投入，還需要高素質的人力資源，這會增加企業的人力成本。中型企業規模較大，可支配的資本量要高于小型企業，更有條件提高人力資源的素質。因此，雖然兩者所表現出的結論基本一致，但在實務活動中仍會存在一定的差異。

（五）大數據分析能力影響供應鏈績效——供應鏈協作的中介效應

從表7可以看出，H6研究假設成立，即在總體模型中呈現部分中介作用，但對不同規模的企業而言，卻存在不同的結論：在小型企業時，呈現出部分中介作用；在中型企業時，呈現出無中介作用。對于供應鏈協作起到的作用，中小型企業的認知并不完全一致，主要表現在小型企業的供應鏈協作程度高于中型企業。在供應鏈協作中，大數據分析可以起到識別、預測、優化供應鏈業務運作的作用，提高供應鏈協作的集成度，使供應鏈企業具有較高的集成效應，提升數據帶來的科學化決策水平，進而改善供應鏈的整體績效。小型企業往往表現出一定程度的地域性特征，資金、技術、人力等規模較小，需要強化合作能力，獲取較高的績效水平。中型企業往往擁有較好的技術和較多資金的支持，可以取得較高的績效水平，更容易占據供應鏈核心地位，因此表現出弱于小型企業的供應鏈協作水平。

（一）研究結論與建議

本文立足于已有的研究成果，從供應鏈彈性的角度研究了大數據分析能力對供應鏈績效的影響，并以供應鏈協作為中介變量說明了大數據分析能力與供應鏈績效的關系。從中小型企業的角度對影響因素進行對比分析，說明兩種企業大數據分析能力對供應鏈績效的影響。主要結論如下：

第一，大數據分析能力與供應鏈風險管理文化呈現正相關關系，相較于中型企業而言，小型企業在該方面表現更為突出，其原因是大數據分析能力在風險管理和預測方面可以發揮積極作用，強化數據本身所具有的商業價值。大數據分析能力與供應鏈協作呈現正相關關系，表明大數據分析能力確實在供應鏈企業協作過程中起到了輔助決策的作用，對企業運營有重要影響。但從小型企業角度看，大數據分析能力的構建往往需要投入巨額成本，會對其發展產生一定程度的影響。

第二，供應鏈協作與供應鏈績效呈現正相關關系。從中小企業的角度看，供應鏈協作對小型企業供應鏈績效的影響更為顯著。

第三，供應鏈協作在大數據分析能力與供應鏈績效的關系中發揮中介作用。供應鏈協作在提高大數據分析能力和供應鏈績效的關系中處于較為關鍵的位置，尤以小型企業表現更為突出。這也說明供應鏈協作是提升供應鏈管理效率的重要方式之一。

中小企業在大數據分析能力的構建中應積極發揮數據帶來的價值，加強大數據公共信息平臺建設，在公共政策和資金方面加大對小型企業的支持力度；中型企業應增強供應鏈協作意識，注重供應鏈關系管理，積極加強自身與供應鏈其他企業的協作關系，加強對商業伙伴的關系管理；強化大數據分析意識，提高供應鏈風險管理能力，加強企業人才隊伍建設，為供應鏈的風險管理提供系統支持。中小型企業應從供應鏈戰略的角度提高企業協同能力，構建供應鏈協同機制，樹立整體意識和大局意識，避免因企業文化特征差異性引發的企業沖突，塑造協同文化。

（二）展望

在研究過程中，本文尚存在一些不足。從整體看，供應鏈彈性管理涉及供應鏈企業的各個方面，本文僅討論大數據分析能力、供應鏈風險管理文化、供應鏈協作等變量有些片面，后續研究會進一步分解供應鏈彈性管理的其他要素，分析各要素之間的關系，研究不同要素對供應鏈運營的影響；在研究大數據分析能力和供應鏈績效間的關系時，本文未對中間過程進行充分分解，缺乏深入的討論。未來的研究將進一步討論大數據分析能力對供應鏈績效的影響機理，以及供應鏈彈性管理中不同要素在供應鏈運營中扮演的角色。

參考文獻：

[1]丁俊發.改革開放40年中國物流業發展與展望[J].中國流通經濟，2018（4）：3-17.

[2]LEE H L.The triple-a supply chain[J].Harvard business re？ view，2004（10）：102-113.

[3]CHOI T，WALLACE S W，WANG Y.Big data analytics in operations management[J].Production and operations man？ agement，2018（10）：1 868-1 883.

[4]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.

[5]關增建.略談中國歷史上的弓炸彈力測試[J].自然辯證法通訊，1994（6）：50-54.

[6]TREDGOLD T XLVI.On the resilience of materials；with ex？ periments[J].Thephilosophicalmagazine，2009，51：276-279.

[7]HOLLING C S.Resilience and stability of ecological systems[J].Annual review of ecology & systematics，1973（4）：1-23.

[8]GUNDERSON L H.Resilience and the behavior of largescale systems[M].Washington：Island Press，2002：3-20.

[9]NAJJAR W，GAUDIOT J L.Network resilience：a measure of network fault tolerance[J].Computers IEEE transactions on，1990（2）：174-181.

[10]MALLAK L.Putting organizational resilience to work[J].In？ dustrial management，1998（6）：8-13.

[11]RICE J，CANIATO F.Building a secure and resilient sup？ ply network[J].Supply chain management review，2003（5）：22-30.

[12]SHEFFI Y.Building a resilient supply chain[J].Harvard business review，2005（8）：1-4.

[13]VAN WAGENBERG C P A，ARAMYAN L H，DE LAU？ WERE C C，et al.A Bayesian network as a tool to measure supply chain resilience[EB/OL].（2018-07-28）[2018-12- 01].https：//library.wur.nl/WebQuery/wurpubs/535815.

[14]KERN D，MOSER R，HARTMANN E，et al.Supply risk management：model development and empirical analysis[J]. International journal of physical distribution & logistics management，2013（1）：60-82.

[15]PETTIT T J，CROXTON K L，FIKSEL J.Ensuring supply chain resilience：development and implementation of an as？ sessmenttool[J].Journalofbusinesslogistics，2013（1）：46-76.

[16]HOHENSTEIN N O，FEISEL E，HARTMANN E，et al. Research on the phenomenon of supply chain resilience[J]. International journal of physical distribution & logistics management，2015（1/2）：90-117.

[17]ALI A，MAHFOUZ A，ARISHA A.Analyzing supply chain resilience：integrating the constructs in a concept mapping framework via a systematic literature review[J]. Supply chain management-an international journal，2017（1）：16-39.

[18]WAMBA S F，AKTER S，EDWARDS A，et al.How‘big data’can make big impact：findings from a systematic re？ view and a longitudinal case study[J].International journal of production economics，2015，165：234-246.

[19]JI-FAN REN S，FOSSO WAMBA S，AKTER S，et al. Modelling quality dynamics，business value and firm per？ formance in a big data analytics environment[J].Internation？ al journal of production research，2017（17）：5 011-5 026.

[20]GROSSMAN R，SIEGEL K.Organizational models for big data and analytics[J].2014（1）：20-25.

[21]SRINIVASAN R，SWINK M.An investigation of visibility and flexibility as complements to supply chain analytics：an organizational information processing theory perspective[J].Production and operations management，2018（10）：1 849-1 867.

[22]WANGG，GUNASEKARANA，NGAIEWT，etal.Bigda？ ta analytics in logistics and supply chain management：cer？ tain investigations for research and applications[J].Interna？ tionaljournalofproductioneconomics，2016，176：98-110.

[23]AQLAN F，LAM S S.Supply chain risk modelling and miti？ gation[J].International journal of production research，2015（18）：5 640-5 656.

[24]SUNJKA B P，SKLAR- CHIK M.Supply chain risk and small and medium manufacturing enterprises in South Afri？ ca[C].Cape Town：CIE42 Proceedings，2012.

[25]LANDEROS R，MONCZKA R M.Cooperative buyer/seller relationships and a firm’s competitive posture[J].Journal of purchasing and materials management，1989（3）：9-18.

[26]JüTTNER U，MAKLAN S.Supply chain resilience in the global financial crisis：an empirical study[J].Supply chain management：an international journal，2011（4）：246-259.

[27]MANI V ENKATESH，DELGADO C，HAZEN B T，et al. Mitigating supply chain risk via sustainability using big da？ ta analytics：evidence from the manufacturing supply chain[J].Sustainability，2017（4）：608.

[28]KIGOZI P.Supply chain risk perception，uncertainty，sup？ ply chain risk management and upstream supply chain per？ formance of agro processing industries in Uganda[D].Kam？ pala：Makerere University，2014.

[29]XU L，BEAMON B M.Supply chain coordination and coop？ eration mechanisms：an attribute-based approach[J].Jour？ nal of supply chain management，2006（1）：4-12.

[30]CHENG J H，TANG C H.Interorganizational cooperation and supply chain performance in the context of third party logistics services[J].Asia Pacific management review，2014（4）：375-390.

[31]TIAN A.The impact of supply chain cooperative relation？ ship on performance：a knowledge management perspective[J].Journalofservicescienceand management，2018（1）：44.

[32]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.

[33]SHEN B，CHAN H L.Forecast information sharing for managing supply chains in the big data era：recent develop？ ment and future research[J].Asia-Pacific journal of opera？ tional research，2017（1）：1740001-1—1740001-26.

[34]WANG G，GUNASEKARAN A，NGAI E W T，et al.Big da？ ta analytics in logistics and supply chain management：cer？ tain investigations for research and applications[J].Interna？ tionaljournalofproductioneconomics，2016，176：98-110.

[35]AKTER S，WAMBA S F，GUNASEKARAN A，et al. How to improve firm performance using big data analytics capability and business strategy alignment？[J].International journal of production economics，2016，182：113-131.

[36]SRINIVASAN R，SWINK M.An investigation of visibility and flexibility as complements to supply chain analytics：an organizational information processing theory perspective[J].Production and operations management，2018（10）：1 849-1 867.

[37]CHOWDHURY M M H，QUADDUS M.Supply chain read？ iness，response and recovery for resilience[J].Supply chain management，2016（6）：709-731.

[38]MANDAL S，SARATHY R.The effect of supply chain rela？ tionships on resilience：empirical evidence from India[J]. Global business review，2018（3_suppl）：S196-S217.

[39]溫忠麟，侯杰泰，張雷.調節效應與中介效應的比較和應用[J].心理學報，2005（2）：268-274.

責任編輯：方程

How Big Data Analysis Capability Affects Supply Chain Performance

——an Analysis Based on Supply Chain Resilience

ZHU Xin-qiu

（School of Business Administration，Huaqiao University，Quanzhou 362021，Fujian，China）

Abstract：In recent years，with the emergence of new technologies，technologies such as big data and artificial intelligence have greater impact on supply chain management. Among these technologies，big data analysis capability，which is one of the important capabilities that supply chain enterprises should have，has greater impact on supply chain resilience management. For enterprises with different scale，such issues as how big data analysis capability works，what impact it has on supply chain performance，and how important it is are worth exploring. From the perspective of risk management and based on supply chain resilience theory，the author analyzes the relationship between supply chain resilient factors（e.g. supply chain risk management culture and supply chain collaboration）and big data analysis capability and supply chain performance. By means of questionnaire survey，the author quantitatively studies the impact of big data analysis capability of enterprises with different scale on supply chain performance. It is found that：big data analysis capability is positively related to supply chain risk management culture，especially for small enterprises；supply chain collaboration is positively related to supply chain performance，and supply chain collaboration will play a more significant role in small enterprises；and supply chain collaboration plays a partial mediating role in the positive impact of big data analysis capability on supply chain performance. Big data analysis capability is an effective way for us to improve the performance and competitive strength of supply chain enterprises. SMEs should enhance the big data analysis capability，improve the enterprise collaboration capability，build the supply chain collaboration mechanism，and improve the capability to deal with supply chain risk from the perspective of supply chain strategy.

Key words：supply chain resilience management；Big Data analysis capabilities；supply chain performance；supply chain risk management culture；supply chain collaboration