后疫情時代物流企業(yè)疫情影響評估

葉世杰，陳軍，劉娜

（1.重慶城市管理職業(yè)學院，重慶 401331；2.重慶交通大學，重慶 400074）

0 引言

近年來，頻繁發(fā)生的各類疫情對物流行業(yè)提出了巨大挑戰(zhàn)，不少物流企業(yè)出現(xiàn)業(yè)務(wù)履行時間延長、資金鏈緊張以及供應(yīng)鏈中斷等具體問題。物流企業(yè)需要及時評估疫情影響，根據(jù)評估結(jié)果采取應(yīng)對措施，進而減少疫情所造成的損失，這對于物流企業(yè)提升風險抵御能力和市場競爭力有著重要的實踐意義。因此，需要從物流細分行業(yè)和企業(yè)應(yīng)對措施等方面，科學評估疫情對企業(yè)的影響。

在疫情對企業(yè)業(yè)務(wù)環(huán)節(jié)和經(jīng)濟運行影響評估方面，李亞兵，等評估了疫情下的零售企業(yè)經(jīng)濟運行狀況；宋田宵，等以企業(yè)財務(wù)報告為依據(jù)，研究了疫情對企業(yè)經(jīng)濟運行的影響；李涵，等分析了疫情對我國中小微企業(yè)經(jīng)濟運行的影響；Sinha，等比較了企業(yè)業(yè)務(wù)在疫情前后的差異，基于系統(tǒng)動力學模型提出了幫助企業(yè)克服疫情影響的建議；Ivanov驗證了仿真方法能用于檢驗并預(yù)測疫情對于企業(yè)業(yè)務(wù)績效的影響；Tang檢驗了疫情對企業(yè)在證券市場中表現(xiàn)的影響。

在疫情對企業(yè)供應(yīng)鏈結(jié)構(gòu)影響的研究方面，Li提出了互聯(lián)網(wǎng)環(huán)境下的原料供應(yīng)鏈突發(fā)事件評估模型；Yuan，等通過實例研究分析了疫情對國內(nèi)企業(yè)的國際食物供應(yīng)鏈結(jié)構(gòu)的影響；Queiroz，等提出了疫情下企業(yè)的供應(yīng)鏈運行管理框架；Mahajan，等研究表明對于不同企業(yè)的供應(yīng)鏈結(jié)構(gòu)，疫情的影響是不同的。

在已有研究的基礎(chǔ)上，針對物流企業(yè)疫情影響評估的具體特點，首先從物流企業(yè)的業(yè)務(wù)環(huán)節(jié)、經(jīng)濟運行和供應(yīng)鏈結(jié)構(gòu)等方面采集數(shù)據(jù)，得到物流企業(yè)疫情影響評估的實踐指標。針對實踐指標間存在的相關(guān)性和冗余性，引入主成分分析法對指標進行降維處理，構(gòu)造物流企業(yè)疫情影響評估指標模型。然后，針對物流企業(yè)疫情影響的不確定性和小數(shù)據(jù)特點，采用支持向量機方法對評估指標模型進行聚類分析，通過聚類結(jié)果評估疫情對物流企業(yè)業(yè)務(wù)環(huán)節(jié)、經(jīng)濟運行和供應(yīng)鏈結(jié)構(gòu)等方面的影響。最后，對上述評估方法的有效性進行驗證，并根據(jù)評估結(jié)果提出物流企業(yè)針對疫情影響的應(yīng)對措施。

1 物流企業(yè)疫情影響評估指標模型

1.1 物流企業(yè)疫情影響評估實踐指標

首先，參考《中國物流與采購》雜志社發(fā)起的“物流企業(yè)受疫情影響情況及相關(guān)政策訴求”的抽樣方法，選取從事運輸業(yè)、倉儲業(yè)和第三方物流等物流業(yè)務(wù)的50家企業(yè)作為研究對象。在已有研究的基礎(chǔ)上，選取代表物流企業(yè)業(yè)務(wù)環(huán)節(jié)影響的6個指標，分別是：倉儲業(yè)務(wù)完成次數(shù)、運輸業(yè)務(wù)完成次數(shù)、物流業(yè)務(wù)失效次數(shù)、倉儲業(yè)務(wù)流入人數(shù)、運輸業(yè)務(wù)流入人數(shù)和物流業(yè)務(wù)流出人數(shù)；選取代表物流企業(yè)經(jīng)濟運行影響的6個指標，分別是：主營業(yè)務(wù)收入、主營業(yè)務(wù)成本、季度總收入、季度總成本、季度資金周轉(zhuǎn)率和資產(chǎn)負債率；選取代表物流企業(yè)供應(yīng)鏈結(jié)構(gòu)影響的8個指標，分別是：新增上游節(jié)點數(shù)、新增下游節(jié)點數(shù)、流失上游節(jié)點數(shù)、流失下游節(jié)點數(shù)、潛在上游節(jié)點數(shù)、潛在下游節(jié)點數(shù)、新增節(jié)點所致收入、新增節(jié)點所致成本。

其次，疫情作為一類突發(fā)事件，其對企業(yè)所造成的影響具有突發(fā)性，為采集評估模型和算法所需的訓練數(shù)據(jù)，以50家物流企業(yè)從2000-2020年發(fā)布的季報、半年報和年報數(shù)據(jù)作為數(shù)據(jù)源，從中提取相應(yīng)的突發(fā)事件影響指標數(shù)據(jù)，將上述20個指標擴充為24個指標，見表1。

1.2 物流企業(yè)疫情影響評估指標模型構(gòu)建

通過數(shù)據(jù)分析可知，表1中的物流企業(yè)疫情影響評估實踐指標之間存在相關(guān)性和冗余性。因此，采用主成分分析法對表1中的24個實踐指標分別按照業(yè)務(wù)環(huán)節(jié)、經(jīng)濟運行和供應(yīng)鏈結(jié)構(gòu)三個方面進行降維處理，得到由5個主成分評估指標所構(gòu)成的物流企業(yè)疫情影響評估指標模型，其指標特征值的累計貢獻達到93.43%。指標模型的構(gòu)成見表2。

表1 物流企業(yè)疫情影響評估的實踐指標

表2 物流企業(yè)疫情影響評估指標模型

指標中，每月倉儲業(yè)務(wù)完成次數(shù)（1）、每月運輸業(yè)務(wù)完成次數(shù)（2）和每月物流業(yè)務(wù)收入（6）表現(xiàn)為重要正向作用，該指標每月物流業(yè)務(wù)失效次數(shù)（3）表現(xiàn)為重要反向作用，該指標可視作物流企業(yè)完成的主成分評估指標。

指標中，每月新增上游節(jié)點數(shù)（13）、3個月內(nèi)新增節(jié)點所致收入（19）、每月潛在上游節(jié)點數(shù)（17）、12個月內(nèi)新增節(jié)點所致收入（23）和6個月內(nèi)新增節(jié)點所致收入（21）表現(xiàn)為重要正向作用；6個月內(nèi)新增節(jié)點所致成本（22）和3個月內(nèi)新增節(jié)點所致成本（20）表現(xiàn)為重要反向作用，該指標可視作物流企業(yè)供應(yīng)鏈上游節(jié)點的主成分評估指標。

指標中，每月新增下游節(jié)點數(shù)（14）、每月新增上游節(jié)點數(shù)（13）、每月潛在下游節(jié)點數(shù)（18）和12個月內(nèi)新增節(jié)點所致收入（23）表現(xiàn)為重要正向作用；每月流失下游節(jié)點數(shù)（16）、6個月內(nèi)新增節(jié)點所致成本（22）和3個月內(nèi)新增節(jié)點所致成本（20）表現(xiàn)為重要反向作用，該指標可視作物流企業(yè)供應(yīng)鏈下游節(jié)點的主成分評估指標。

2 基于物流企業(yè)疫情影響評估指標模型的支持向量機聚類分析

采用多類支持向量機（Multi-Category Support Vector Machines，MC-SVM)對物流企業(yè)疫情影響的評估模型進行分析。支持向量機是由Cortes和Vapnik提出的通用機器學習方法。它在解決小樣本、非線性、高維模式識別問題上表現(xiàn)出許多其他機器學習方法不可比擬的優(yōu)勢。當前多類支持向量機大致分為兩類:

（1）通過某種方式構(gòu)造一系列的兩類分類器并將它們組合在一起來實現(xiàn)多類分類；

（2）將多個分類面的參數(shù)求解合并到一個最優(yōu)化問題中，通過求解該最優(yōu)化問題“一次性”地實現(xiàn)多類分類。

第二種方法在最優(yōu)化問題求解過程中的變量遠多于第一類，訓練速度不及第一類，在分類精度上也不占優(yōu)，故本文采用第一種多類支持向量機方法進行聚類分析，結(jié)果見表3。

表3 物流企業(yè)疫情影響程度聚類結(jié)果

3 可行性驗證

為驗證本文所提出基于主成分分析法和支持向量機的物流企業(yè)疫情影響評估方法的可行性，將50家物流企業(yè)從2000-2020年發(fā)布的季報、半年報和年報數(shù)據(jù)中的2000-2018年數(shù)據(jù)作為訓練數(shù)據(jù)，2019-2020年數(shù)據(jù)作為測試數(shù)據(jù)。將已有物流企業(yè)疫情影響評估方法（如層次分析法和灰色模型）與本文所提出的方法分別進行訓練和測試，結(jié)果見表4。

表4 物流企業(yè)疫情影響評估訓練測試結(jié)果對比

由表4可知，采用本文方法的測試結(jié)果相對誤差率有了明顯的降低，說明了該方法的有效性和可行性。

4 基于物流企業(yè)疫情影響評估結(jié)果的應(yīng)對措施

接下來，結(jié)合表3和圖1提出了基于物流企業(yè)疫情影響評估結(jié)果的應(yīng)對措施。

圖1 物流企業(yè)疫情影響評估結(jié)果分類雷達圖

疫情影響程度群1對應(yīng)的各個指標數(shù)值均較小，其中最大值出現(xiàn)在（單次疫情中的上游節(jié)點增長率），表明這類疫情得到影響主要集中在企業(yè)的上游節(jié)點增長上。疫情突發(fā)時，供應(yīng)鏈原上游節(jié)點企業(yè)可能出現(xiàn)供貨不及時甚至中斷，物流企業(yè)應(yīng)事先做好可替代企業(yè)的預(yù)案，以維持業(yè)務(wù)的正常運行。

疫情影響程度群2對應(yīng)的指標值中，相較于其他指標而言，最為突出的是（單次疫情中的下游節(jié)點增長率）明顯不同，說明這類疫情影響主要表現(xiàn)為物流企業(yè)下游節(jié)點的變化，如疫情突發(fā)時銷售節(jié)點對物流企業(yè)產(chǎn)品或服務(wù)需求的下降，甚至銷售節(jié)點退出物流企業(yè)所在供應(yīng)鏈。對于這類疫情影響而言，物流企業(yè)需要快速做出反應(yīng)，如對下游節(jié)點提供支持，維持其可用性；物流企業(yè)開發(fā)繞過下游節(jié)點直接與客戶達成交易的途徑以及備用下游節(jié)點儲備等。

疫情影響程度群3對應(yīng)的指標值是最為明顯的，幾乎在各個指標上都高于其他疫情影響程度群，這表明這類疫情影響對于物流企業(yè)而言是非常嚴重的。回顧這類疫情在實際中發(fā)生的時間，發(fā)現(xiàn)大多集中在疫情第一次發(fā)生或第一次爆發(fā)時，物流企業(yè)在業(yè)務(wù)環(huán)節(jié)、經(jīng)濟運行和供應(yīng)鏈結(jié)構(gòu)上均發(fā)生重大變故。這類影響反映在單次疫情中的上游節(jié)點增長率、單次疫情中的成本收入比（）和單次疫情中的業(yè)務(wù)完成率（）等指標上。如疫情導致物流企業(yè)上游供應(yīng)鏈節(jié)點出現(xiàn)嚴重阻礙，進而給物流企業(yè)業(yè)務(wù)帶來劇烈的消極影響，最終造成物流企業(yè)難以如約完成訂單或提供服務(wù)。此時，物流企業(yè)由于上游節(jié)點和自身業(yè)務(wù)均出現(xiàn)重大障礙，導致業(yè)務(wù)完成數(shù)下降，并極大可能影響下游節(jié)點，進而造成整條供應(yīng)鏈出現(xiàn)危機。物流企業(yè)需要優(yōu)化業(yè)務(wù)環(huán)節(jié)、拓寬渠道維持經(jīng)濟運行并及時改進供應(yīng)鏈結(jié)構(gòu)，才能盡快從疫情影響中恢復(fù)。此時政府和社會等方面的支持也是非常重要的。

疫情影響程度群4對應(yīng)的最為突出的指標是單次疫情中的業(yè)務(wù)完成率（），其他指標表現(xiàn)差異不大。回顧這類疫情在實際中發(fā)生的時間，發(fā)現(xiàn)大多集中在物流企業(yè)經(jīng)受首次或特別嚴重的疫情影響一段時間以后。這表明相較于疫情影響程度群3而言，疫情對物流企業(yè)供應(yīng)鏈結(jié)構(gòu)和經(jīng)濟運行等方面的影響已有所下降，但是由于后續(xù)的影響和物流企業(yè)生產(chǎn)的放緩，所堆積的物流企業(yè)業(yè)務(wù)未完成數(shù)還在增加。物流企業(yè)需要保持當前的恢復(fù)趨勢，盡快處理前期堆積的業(yè)務(wù)，為其后續(xù)的恢復(fù)提供動力。

疫情影響程度群5對應(yīng)的最為突出的指標是單次疫情中的主營業(yè)務(wù)成本收入比（），表明疫情對物流企業(yè)的主營業(yè)務(wù)造成了重大影響，但是物流企業(yè)的業(yè)務(wù)運行和供應(yīng)鏈結(jié)構(gòu)所受影響較小。回顧這類疫情在實際中發(fā)生的時間，主要集中在疫情出現(xiàn)一段時間后，企業(yè)采取了開拓業(yè)務(wù)的措施來抵消其對主營業(yè)務(wù)的影響。這類企業(yè)平時大都以綜合物流業(yè)務(wù)為主，在運輸、倉儲和配送等方面均有涉及，許多企業(yè)還涉及國際物流運輸或跨境電子商務(wù)等物流業(yè)務(wù)，當疫情對物流企業(yè)國內(nèi)主營業(yè)務(wù)造成影響時，可通過其他業(yè)務(wù)維系供應(yīng)鏈結(jié)構(gòu)和業(yè)務(wù)完成數(shù)，如從事國際抗疫物資運輸和跨境物資運輸?shù)取?/p>

5 結(jié)語

本文從業(yè)務(wù)環(huán)節(jié)、經(jīng)濟運行和供應(yīng)鏈結(jié)構(gòu)三個方面采集了物流企業(yè)實際指標，通過主成分分析法構(gòu)建物流企業(yè)疫情影響評估模型，并采用支持向量機方法對模型進行聚類分析，得出以下結(jié)論：

首先，大多數(shù)物流企業(yè)在出現(xiàn)重大疫情時，供應(yīng)鏈上游節(jié)點、企業(yè)成本收入比和業(yè)務(wù)完成均出現(xiàn)較大突變。此時，企業(yè)要在優(yōu)化業(yè)務(wù)環(huán)節(jié)、拓寬渠道維持經(jīng)濟運行、改進供應(yīng)鏈結(jié)構(gòu)等方面做出努力，也需要政府和社會的支持。隨著物流企業(yè)生產(chǎn)放緩，所堆積的業(yè)務(wù)未完成數(shù)逐步增加，影響物流企業(yè)下游節(jié)點，對此企業(yè)可采取對下游節(jié)點提供支持、繞過下游節(jié)點或啟用儲備節(jié)點等措施。

其次，當疫情發(fā)生時，物流企業(yè)業(yè)務(wù)多元化能有效應(yīng)對主營業(yè)務(wù)成本收入比的異常情形，物流企業(yè)可通過其他業(yè)務(wù)維系供應(yīng)鏈結(jié)構(gòu)和業(yè)務(wù)完成，但這需要平時額外的成本投入。并且，疫情還有可能對企業(yè)的上游節(jié)點造成影響，因此企業(yè)需要注意尋找可替代的上游節(jié)點。

實踐中，在評估疫情對物流企業(yè)的影響時，企業(yè)和政府可通過積累模型應(yīng)用經(jīng)驗，從而優(yōu)化評估模型，以推廣至其他突發(fā)事件的影響評估，這對于物流企業(yè)提出復(fù)蘇措施和政府與社會制定相應(yīng)的支持政策具有重要的參考價值。