基于DEA方法的智慧物流公司績效評價研究

文/陸益明

引言。

智慧物流是以信息化為主要依托，得益于物聯網等技術的不斷進步，在物流價值鏈上的六項基本環節實現實時系統感知和數據收集的智能型物流系統。目前經濟全球化進程加快，電子商務飛速發展，新業態、新模式不斷涌現，社會生產生活對物流行業提出了更高的發展要求，物流業正面臨亙古未有的機遇和挑戰，行業急需利用數字化、智能化實現物流產業智能化發展。2018年國家發改委在《國家物流樞紐布局和建設規劃》中強調“要求順應現代物流業發展新趨勢，加強現代信息技術和智能化、綠色化裝備應用，打造綠色智慧型國家物流樞紐”。隨著物流產業結構的變化、貿易結構變化和供需雙方結構的變化，以信息技術為基礎的智慧物流正在以驚人的速度發展。智慧物流公司的發展是智慧物流行業發展的重要組成部分，隨著智慧物流產業市場規模逐步擴大，物流領域企業紛紛布局智慧物流行業。在此智慧物流的公司績效衡量問題成為智慧物流行業發展體系下的重要研究問題，能夠激勵智慧物流公司可持續快速發展，并為提高智慧物流行業的發展水平提供經驗。目前，關于智慧物流公司的績效研究較少。本文在梳理已有文獻的基礎上，收集了2016年至2020年十個上市智慧物流企業年報中關于智慧物流的資金投入和經營情況數據，構建智慧物流公司績效的評價指標，運用效率評價方法中的數學包絡分析方法（DEA），從綜合效率、純技術效率、規模效率和規模收益四個角度探討智慧物流的布局對企業績效的影響，并在已有研究的基礎上，為智慧物流企業的智慧化升級提供建議。

一、文獻綜述。

智慧物流是在傳統物流的基礎上利用大數據技術、智慧系統對物流各流程數據進行實時收集并處理，實現可視化智能監控、優化、管理，從而降低經營成本、提高生產效率、推動服務增值的先進物流管理模式，本質是一種人與物之間的信息交互，是數字經濟與物流業的融合，是一種高層次的物流形態[1]。與傳統模式不同的是，通過數據的獲取、傳輸、存儲、運用等交互步驟，智慧物流朝著網格化、全面化、數字化和精細化方向發展，并逐漸與多種業態融合，產生新的模式和業態[2]。隨著政策環境的改善和以大數據為核心的科技技術的運用與普及，物流管理數字化體系加速建設，物流物聯網逐漸形成，以“大數據+物流”為中心的智慧物流發展日漸成熟，經歷了初期融合階段和逐漸滲透階段，進入廣泛應用階段[3]。智慧物流市場規模逐步擴大，產業鏈逐漸完整，成為物流業供給側改革的重要抓手，為行業轉型。在智能制造和電商快速發展的大環境下，智慧物流對促進經濟發展具有關鍵性作用，能夠推動物流行業的高質量轉型升級[1]。同時，智慧物流能夠提升物流效益，緩解成本壓力、完善物流服務、增強用戶體驗，是傳統物流企業轉型升級的重要方向和發展優勢[4]。在此背景下，物流企業尤其是大型企業紛紛布局智慧物流產業鏈，試圖搶占智慧物流的風口，共同推動物流產業的轉型升級，然而智慧物流公司的企業績效的評價研究依然有待深入研究。目前國內外學者主要使用定性研究，將目光主要聚焦于智慧物流的發展態勢、發展模式、發展問題和對策研究，智慧物流對產業發展的作用的研究也相對豐富，然而對智慧物流在企業績效中的作用的定量研究較少，僅有的少量研究也主要利用問卷調研、文本挖掘的方式收集數據探討智慧物流的運用對物流績效的影響。楊代君，錢慧敏等從基礎設施、管理能力、智慧化水平等多個指標構建評價指標體系，運用結構方程的方法指出智慧物流實現物流的可視化管理，提高運營績效和管理績效，能夠有效節省企業經營成本，對指導物流企業發展規模經濟具有重要的現實價值[3]。王劍思等基于扎根理論構建了智慧物流企業的發展戰略模型，認為智慧物流發展應注重相關政策完善、體系標準化，指標統一化、核心技術研究開發等七項策略[5]。孫磊等研究內外部因素對物流企業績效及智慧化升級的作用，他們認為物流企業內部驅動因素水平越高，感知外部驅動因素的強度越高，就越能夠促進企業智慧化升級，提高企業績效[6]。數據包絡分析（Data Envelopment Analysis，簡稱DEA）是以“相對效率”概念為基礎，根據多指標投入和多指標產出對相同類型的單位進行相對有效性或效益評價的一種新的系統評價方法。目前，尚未有研究運用DEA方法探討智慧物流建設對企業績效的影響，本文利用2016年至2020年十個上市智慧物流企業年報中關于智慧物流的資金投入和經營情況數據，探討智慧物流的布局對企業績效的影響，并在已有研究的基礎上，為智慧物流企業的智慧化升級提供建議。

二、研究設計。

1.指標體系構建。科學合理的指標體系是DEA分析的基礎與前提。根據科學性、可獲得性、可操作性、量化性、全面性、簡約性等原則[7]，本文從投入和產出兩個角度構建指標體系。投入指標選取無形資產中軟件購買與自主研發的投入、專利技術等與智慧物流投入相關的指標和開發支出。軟件是智慧物流公司辦公和運轉的基礎設施。智慧物流公司的專利技術主要為在智慧物流領域的新興技術，代表智慧物流的技術水平。開發支出表中細致的列出了智慧物流的相關技術與設備投入，例如自動化生產線研發、自動化倉儲與物流研發等。產出指標體系主要從整體運營情況、償債能力、盈利能力、發展能力等多個角度出發，選擇了營業總收入、每股凈資產、資產負債比率、總資產周轉率和毛利率為產出二級指標。2.數據來源。為了數據的可獲得性，本文選取智慧物流概念股中的上市公司進行研究，從智慧物流概念股中進行樣本選擇可以保證專利投入和軟件投入主要在智慧物流領域。DEA方法不能處理小于0的數，并且部分公司開始智慧物流業務的時間較短，只存在近兩年的數據，數據不完整，且不能排除智慧物流對企業績效的影響存在滯后效應。為了保證數據的完整和研究的有效，本文選取了十個數據可獲得的智慧物流上市公司為本文研究樣本，搜集了十家上市公司2016年至2020年的指標數據。研究數據主要從上市公司的年報和巨潮網中獲取。

三、實證結果及分析。

本文在智慧物流績效評價體系的基礎上對10家上市智慧物流企業相關數據進行收集與整理。運用DEA_2.1軟件，將投入和產出數據帶入模型中，得到上市智慧物流企業綜合效率、純技術效率和規模效率，結果如表2所示。

1.綜合效率。綜合效率是指投入相對產出的有效利用程度，綜合效率值為1說明該企業在智慧物流上的資金投入在企業運營中能夠得到有效利用，達到了最優的配置效果，對企業績效起到了積極作用，或者在同等水平的績效表現下，智慧物流的資源投入最小。綜合效率越高，投入效率利用率表現越加優異。而綜合效率較低則說明資源利用程度低，智慧物流投入存在浪費現象或者對企業績效表現作用不明顯。整體來看，綜合效率平均值為0.432，表明只有43.2%的智慧物流投資得到了充分利用，大部分資源并未得到充分的利用。整體來說，資源利用率偏低，說明智慧物流仍處于探索與發展階段，仍有很多問題和挑戰需要解決，將智慧物流運用于生產運營的效率仍然具有較大的進步空間。綜合效率最高值為1，最低值為0.08，最大最小值之間差距過大，表明在智慧物流領域中，各企業之間的資源利用效率差距明顯。2.純技術效率分析。純技術效率就是不考慮規模報酬對綜合技術效率的影響，只考慮最佳規模時生產要素的使用效率，受管理水平和技術水平等內部外因素的共同作用。如果純技術效率高，則表明企業效率能夠發揮現有技術水準的應用水平，利用現有技術有效的將投入轉化為產出。如果效率低，則表明企業在相應的技術水平下存在發展落后的現象。整體來看，純技術效率均值為0.885，說明十家上市公司的整體水平較高，在當下的技術水平下，智慧物流領域公司能夠充分利用智慧物流技術的優勢。純技術利用效率最高值為1，最低值為0.057，最大最小值之間差距過大。十家上市公司中，除機器人和浙大網新外八家公司DEA分析有效，即純技術效率為1，說明大部分公司注重智慧物流技術的運用，尤其是智慧物流中的大數據技術。大數據技術能夠快速的獲取、存儲、處理海量物流數據，提高周轉速度和運營效率。隨著互聯網、物聯網、云計算等技術的推廣與使用常態化，大數據技術正在改變著物質生產方式，為智慧物流的發展奠定了技術基礎與物質支撐，并以驚人的力量推動了智慧物流的精細化、智能化、科學化和網絡化。3.規模效率分析。規模效率是綜合效率和純技術效率的比，表明當生產規模增大或者減小時，規模收益的變化。當規模效率為1時，表明規模收益不變，智慧物流企業已經達到了最優的規模狀態，當規模效率小于1時，物流企業中存在資源冗余和資源投入比例不當的現象。整體來看，規模效率平均值為0.447，表明十家智慧物流企業總體規模效率水平一般。最高值為1，最低值為0.11，企業間規模效益表現差異大。從上表中可以觀察出綜合效率DEA有效的三個上市公司規模效率皆為1，DEA分析仍然有效，規模達到了最優的狀態，與綜合效率分析結果一致。這主要與其注重技術創新與研發，管理水平逐步提高，資源配置效率高有關。其他七家公司規模效率值小于1，在擴大規模時，收益遞減，運營效率降低，這表明在生產過程中智慧物流投入的比例不合理，生產分工不合理，生產關系不協調，存在盲目或過少投資、規模擴張過快或者投資規模與企業發展不適配的情況。企業需要進一步尋找最優的投資比例，調整投資規模，減少或擴大投資以適應企業的生產經營活動和發展態勢，并且聚焦于管理水平的提高，注重多元化人才的培養，使管理制度改革能夠與智慧物流發展同步。4.規模收益分析。規模報酬即當生產要素成比例增加時產量的產出情況。規模報酬不變即投入與產出的關系成比例不變，產出的增長趨勢與投入的量無顯著相關性。規模報酬遞增即當投入增加時產出與投入的比例增大，規模報酬遞減即當投入增加時產出與投入的比例減少。在十家企業中規模報酬不變有3家，規模報酬遞減包括順豐、廈門象嶼2家上市公司，規模報酬遞增包括機器人等5家公司，占比50%。規模效益遞增主要是由于智慧物流仍然處于發展階段，在進入智慧物流行業初期，企業快速成長，投入的增加將會導致產量的快速增長。而規模報酬遞減主要是由于投入要素過多，生產效率與生產投入難以協調，生產效率降低，從而導致規模報酬遞減的情況。提高智慧物流資源利用率是智慧物流領域提升規模報酬的重要舉措，注重新興技術的開發與利用，引進高水平技術人才，減少。5.綜合效率、純技術效率與規模效率分析。據表1，中集集團、新寧現代物流和榮聯科技三家智慧物流領域的領軍公司表現優異，純技術效率、綜合效率和規模效率都是DEA有效。綜合考慮三個評價指標可以看出其余企業的綜合效率較低主要是規模效率低導致，順豐、機器人、天奇股份、浙大網新、遠望谷、廈門象嶼的規模效率均低于平均值0.447。因此，導致資源利用率低的主要誘導因素為現有投資規模與企業發展之間的矛盾。

表1績效評價結果

四、結語。

智慧物流概念股中的上市公司的發展水平一定程度上反映出智慧物流產業發展的現狀和問題。本文選擇十家具有代表性的上市物流公司，并搜集上市公司2016年至2020年的相關數據運用DEA2.1軟件進行DEA分析。結果表明：在現有技術下，智慧物流公司能夠很好的利用大數據技術等基礎技術為智慧物流發展服務，但是綜合技術效率平均水平一般，資源投入的比例需要進行調整，投入產出的效率主要受投資規模的影響。本文的研究為未來的學術探究提供參考。未來的研究可以擴充樣本，選擇更多智慧物流公司進行研究。并且，智慧物流作為前沿領域，大部分公司布局時間短，因此本次研究只選擇2016年至2020年的數據，隨著智慧物流行業的發展，未來的研究可以搜集時間跨度更長的樣本進行研究，以避免滯后效應對企業績效的影響。