馮 青,張 洪
(武漢科技大學(xué) 恒大管理學(xué)院,湖北 武漢 430065)
近年來,物流模式、裝備、科技、信息技術(shù)在不斷融合,物流服務(wù)的需求及形態(tài)也有了質(zhì)的飛躍。以“日日順供應(yīng)鏈”為代表的物流企業(yè)為滿足廣大客戶需求,提出“場(chǎng)景代替產(chǎn)品,生態(tài)覆蓋行業(yè)”的戰(zhàn)略構(gòu)想,在體驗(yàn)迭代基礎(chǔ)上共創(chuàng)生態(tài)圈層,并向客戶推出定制化場(chǎng)景服務(wù)[1],實(shí)現(xiàn)與客戶的交互,提高客戶消費(fèi)體驗(yàn)。在場(chǎng)景物流模式中,能否有效解決由于外部市場(chǎng)和技術(shù)環(huán)境的變革、交付風(fēng)險(xiǎn)的增加、改革經(jīng)驗(yàn)的不足等帶來的問題成為場(chǎng)景物流模式能否順利推進(jìn)的關(guān)鍵。即興能力是企業(yè)在面臨不確定性環(huán)境時(shí),保障新產(chǎn)品、新服務(wù)順利開發(fā)的關(guān)鍵能力[2]。即興能力的發(fā)揮并不是企業(yè)為應(yīng)對(duì)內(nèi)、外部環(huán)境被迫做出的帶有隨意性的應(yīng)急反應(yīng),而是企業(yè)在先前經(jīng)驗(yàn)和知識(shí)的基礎(chǔ)上,自發(fā)地做出審慎的即時(shí)決策,體現(xiàn)出在當(dāng)前復(fù)雜多變的環(huán)境下快速?zèng)Q策并重構(gòu)資源的能力。
由于場(chǎng)景物流的獨(dú)特性,企業(yè)缺乏既有慣例對(duì)突發(fā)事件做出有效反應(yīng)。因此,在場(chǎng)景物流模式中,我國(guó)物流企業(yè)的即興能力水平如何?如何對(duì)其展開科學(xué)地測(cè)度與評(píng)價(jià)?對(duì)這些問題的研究將有助于準(zhǔn)確把握現(xiàn)階段我國(guó)物流企業(yè)即興能力水平,對(duì)物流企業(yè)提升其戰(zhàn)略響應(yīng)能力和應(yīng)對(duì)能力具有重要的實(shí)踐意義。
技術(shù)的革新提升了物流時(shí)效體驗(yàn),但效率的提高并沒有突破物流行業(yè)“內(nèi)卷”的瓶頸[3]。物流企業(yè)的競(jìng)爭(zhēng)力不僅體現(xiàn)在服務(wù)質(zhì)量、配送網(wǎng)絡(luò)、信息技術(shù)水平等基礎(chǔ)建設(shè)上,更要求企業(yè)在新基建的加持下,整合上下游資源提供一體化的解決方案,從而實(shí)現(xiàn)生產(chǎn)、流通和消費(fèi)的無縫對(duì)接,提升企業(yè)的能力邊界。場(chǎng)景物流理念于2018 年由“日日順供應(yīng)鏈”提出,其本質(zhì)上是基于用戶體驗(yàn)的生態(tài)共創(chuàng)。品牌方、物流企業(yè)、技術(shù)服務(wù)商等主體協(xié)同共創(chuàng),為用戶提供定制化、一體化的場(chǎng)景解決方案[4]。場(chǎng)景物流相對(duì)于傳統(tǒng)物流的特點(diǎn)在于:交互性、迭代性、開放性、定制化及生態(tài)化。場(chǎng)景物流在根本上改變了物流業(yè)的競(jìng)爭(zhēng)思路,物流企業(yè)由提升交付服務(wù)質(zhì)量轉(zhuǎn)向探索生態(tài)價(jià)值,向上聚合各類行業(yè)資源,促使資源要素動(dòng)態(tài)流動(dòng)、合理配置;向下挖掘用戶個(gè)性化需求、迭代升級(jí)用戶體驗(yàn)[5]。物流企業(yè)基于強(qiáng)大的物流科技與豐富的用戶觸點(diǎn),以用戶訴求為導(dǎo)向,向用戶提供一體化的場(chǎng)景方案,實(shí)現(xiàn)生態(tài)各方的共創(chuàng)共贏,從而促使物流價(jià)值最大化。
“即興”表示未經(jīng)事先約定、沒有事先規(guī)劃的行動(dòng)。在復(fù)雜多變、高不確定性商業(yè)環(huán)境中,企業(yè)活動(dòng)表現(xiàn)出計(jì)劃與創(chuàng)新、開發(fā)與探索相融合的特點(diǎn)。Weick 等[6]將即興能力引入管理領(lǐng)域,并將其定義為企業(yè)在高動(dòng)態(tài)環(huán)境中快速整合各類資源促進(jìn)企業(yè)價(jià)值創(chuàng)新的能力。王軍等[7]以組織為切入視角展開探究,將即興能力定義為組織在面臨不可預(yù)測(cè)的外部環(huán)境狀況時(shí),能夠迅速反應(yīng)并協(xié)同相關(guān)主體,整合利用現(xiàn)有資源,創(chuàng)造性地解決問題或把握發(fā)展機(jī)會(huì)的能力。本文針對(duì)場(chǎng)景物流情境的特點(diǎn)從組織層面將即興能力界定為:物流企業(yè)在高度競(jìng)爭(zhēng)與合作的場(chǎng)景生態(tài)中,能快速反應(yīng),協(xié)同相關(guān)生態(tài)主體自發(fā)地整合利用各類資源,把握發(fā)展機(jī)會(huì),并創(chuàng)造性地解決非預(yù)期性問題的能力。
自發(fā)性也稱立即反應(yīng),是指企業(yè)在運(yùn)營(yíng)過程中遇到突發(fā)事件,能瞬間本能地做出反應(yīng),而不是先計(jì)劃再執(zhí)行[8]。以用戶體驗(yàn)為中心、迭代交互的場(chǎng)景物流是體驗(yàn)經(jīng)濟(jì)、共享經(jīng)濟(jì)、社群經(jīng)濟(jì)迅猛發(fā)展下的新嘗試,沒有足夠的慣例得以借鑒[9]。因此,尚在探索階段的物流企業(yè)面對(duì)具有不確定性的外部環(huán)境時(shí),需要即興應(yīng)對(duì)、積極探索。創(chuàng)造性或稱意圖創(chuàng)造,是指企業(yè)有意識(shí)地通過修正原有的執(zhí)行方式從而采取新的方式解決問題或提出新方案。用戶不斷升級(jí)的消費(fèi)水平、日新月異的個(gè)性化需求促使物流企業(yè)協(xié)同生態(tài)方根據(jù)用戶動(dòng)態(tài)需求創(chuàng)造性地開發(fā)新的場(chǎng)景方案,從而共創(chuàng)新的體驗(yàn)價(jià)值[4]。資源利用是指企業(yè)面對(duì)突發(fā)事件時(shí),能及時(shí)識(shí)別并拼湊內(nèi)外部一切有利資源,進(jìn)行有效整合和利用。在場(chǎng)景物流生態(tài)中,資源處于開放狀態(tài),用戶、物流商、生產(chǎn)商、技術(shù)服務(wù)商等通過高度鏈接實(shí)現(xiàn)物質(zhì)資源、社會(huì)資源、認(rèn)知資源與情感資源的協(xié)同互動(dòng)。在此情境下,物流企業(yè)進(jìn)化為聚合信息、技術(shù)、產(chǎn)品等資源要素并促進(jìn)其動(dòng)態(tài)耦合的平臺(tái)[10]。壓力承受是指企業(yè)面對(duì)突發(fā)事件時(shí)所承受的迅速變化、難以預(yù)測(cè)的外部環(huán)境壓力以及要求計(jì)劃與行動(dòng)高度融合的時(shí)間壓力。在場(chǎng)景物流情境下,企業(yè)缺乏時(shí)間來規(guī)劃行動(dòng)和預(yù)測(cè)環(huán)境發(fā)展趨勢(shì),這就要求企業(yè)能夠在高強(qiáng)度壓力下自發(fā)地利用創(chuàng)造力和專業(yè)知識(shí)來解決問題或提出新方案。
基于以上分析,本文認(rèn)為即興能力是場(chǎng)景物流生態(tài)中的核心競(jìng)爭(zhēng)能力,并將其分為自發(fā)性、創(chuàng)造性、資源利用與壓力承受四個(gè)維度。
基于即興能力相關(guān)研究及專家訪談,考慮場(chǎng)景物流情境的獨(dú)特性,本文初步提取出即興能力的四個(gè)維度:自發(fā)性、創(chuàng)造性、資源利用與壓力承受,并構(gòu)建出由4 個(gè)一級(jí)指標(biāo)以及32 個(gè)二級(jí)指標(biāo)組成的物流企業(yè)即興能力評(píng)價(jià)指標(biāo)體系。并參考陳洪海等[11]學(xué)者提出的基于信息貢獻(xiàn)率的評(píng)價(jià)指標(biāo)篩選方法對(duì)指標(biāo)進(jìn)行篩選。
(1)數(shù)據(jù)來源
為獲得物流企業(yè)即興能力評(píng)價(jià)樣本數(shù)據(jù),采取網(wǎng)絡(luò)問卷的方式向物流企業(yè)的工作人員展開調(diào)研,采用“0~7”分制調(diào)查物流企業(yè)工作人員對(duì)各評(píng)價(jià)指標(biāo)的評(píng)分。本次調(diào)研共收回有效問卷102 份。
(2)基于貢獻(xiàn)率的指標(biāo)篩選步驟
①以關(guān)鍵因子近似反映原始指標(biāo)集全部信息:
其中:Xi為第i 個(gè)指標(biāo),aij為指標(biāo)Xi在第j 個(gè)因子Fj的因子載荷。
②確定指標(biāo)Xi解釋因子Fj信息的比率:
其中:ωj為因子Fj的信息占原始指標(biāo)集全部信息的比例。
③確定指標(biāo)Xi所承載的信息占原始指標(biāo)集信息的比例,即指標(biāo)Xi的信息貢獻(xiàn)率Ii:
④確定指標(biāo)的累計(jì)信息貢獻(xiàn)率Rs:
其中:Ik是指所有指標(biāo)即m 個(gè)指標(biāo)按照信息貢獻(xiàn)率由大至小排序后第k 個(gè)指標(biāo)的信息貢獻(xiàn)率。
⑤基于信息貢獻(xiàn)率進(jìn)行指標(biāo)篩選
其中:Rs指信息貢獻(xiàn)率相對(duì)較大的s 個(gè)指標(biāo)的信息貢獻(xiàn)率之和占全部原始指標(biāo)信息貢獻(xiàn)率之和的比例。信息貢獻(xiàn)率的閾值R0取值為0.7[11]。
(3)基于信息貢獻(xiàn)率篩選的評(píng)價(jià)指標(biāo)體系
根據(jù)指標(biāo)信息貢獻(xiàn)率的計(jì)算結(jié)果對(duì)指標(biāo)進(jìn)行篩選,最終保留23 個(gè)二級(jí)指標(biāo),如表1 所示:
表1 基于信息貢獻(xiàn)率篩選的評(píng)價(jià)指標(biāo)體系
考慮到物流企業(yè)即興能力是一個(gè)非線性問題且涉及到的評(píng)價(jià)指標(biāo)較多,因此本文選用主成分分析法和BP 神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對(duì)物流企業(yè)即興能力進(jìn)行評(píng)價(jià)。
本文選取物流企業(yè)員工作為研究對(duì)象,以問卷的方式邀請(qǐng)員工依據(jù)其所在企業(yè)的實(shí)際情況對(duì)指標(biāo)進(jìn)行打分。本輪數(shù)據(jù)收集發(fā)放問卷160 份,有效回收138 份,問卷有效回收率為86.3%。
本文運(yùn)用SPSS23.0 對(duì)原始數(shù)據(jù)進(jìn)行主成分分析,將前期篩選出的23 個(gè)二級(jí)指標(biāo)歸納為少數(shù)幾個(gè)主成分。
(1)數(shù)據(jù)標(biāo)準(zhǔn)化處理
本文選用z-score 標(biāo)準(zhǔn)化方法對(duì)數(shù)據(jù)進(jìn)行處理,將各指標(biāo)值xij轉(zhuǎn)化成標(biāo)準(zhǔn)化指標(biāo)值:
(2)計(jì)算相關(guān)矩陣并求特征值
針對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行因子分析。結(jié)果顯示,KMO 檢驗(yàn)統(tǒng)計(jì)量為0.830,Bartlett 球度檢驗(yàn)概率為0,說明該指標(biāo)間存在較強(qiáng)的相關(guān)性,適合使用主成分分析。將主成分因子提取條件設(shè)置為特征值大于1,析出5 個(gè)因子,如表2 所示。
表2 因子特征值及方差貢獻(xiàn)率
(3)得出主成分
由主成分分析原理可知,主成分Fk與初始評(píng)價(jià)指標(biāo)X1,X2,…,X23之間的關(guān)系為:
其中:lki(k=1,2,3,4,5)表示第k 個(gè)主成分在第i 個(gè)指標(biāo)上的載荷值。
(4)計(jì)算BP 神經(jīng)網(wǎng)絡(luò)模型的樣本數(shù)據(jù)
將標(biāo)準(zhǔn)化后的評(píng)價(jià)樣本數(shù)據(jù)代入式(7)得到主成分F1、F2、F3、F4、F5的樣本數(shù)據(jù),即BP 神經(jīng)網(wǎng)絡(luò)模型的輸入值。本文從138 條有效數(shù)據(jù)中選取120 份作為BP 神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本,18 份作為模型測(cè)試樣本。將5 個(gè)主成分各自的方差貢獻(xiàn)率占累計(jì)貢獻(xiàn)率的比重作為該主成分的權(quán)重,進(jìn)行加權(quán)計(jì)算,綜合得分為:
其中:λk為第k 個(gè)主成分的方差貢獻(xiàn)率,q 為各主成分的累計(jì)方差貢獻(xiàn)率,F(xiàn)k為第k 個(gè)主成分得分。由計(jì)算可得所有主成分的綜合得分,即BP 神經(jīng)網(wǎng)絡(luò)模型的輸出值,表3 為BP 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本的輸入值與輸出值。
表3 BP 神經(jīng)網(wǎng)絡(luò)模型的樣本輸入輸出值
反向傳播神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)是一種基于誤差逆向傳播算法的多層前饋網(wǎng)絡(luò),一般包括3 層網(wǎng)絡(luò)結(jié)構(gòu):輸入層、輸出層及隱含層。3 層神經(jīng)網(wǎng)絡(luò)可以完成大部分復(fù)雜非線性關(guān)系的映射。因此,本文選擇3 層神經(jīng)網(wǎng)絡(luò)模型對(duì)物流企業(yè)即興能力進(jìn)行評(píng)價(jià)。
(1)BP 神經(jīng)網(wǎng)絡(luò)層數(shù)節(jié)點(diǎn)設(shè)置
網(wǎng)絡(luò)輸入層即為5 個(gè)主成分,因此確定輸入層節(jié)點(diǎn)為5;輸出層是樣本最終的評(píng)價(jià)結(jié)果,即物流企業(yè)即興能力綜合得分,因此確定輸出節(jié)點(diǎn)數(shù)為1。隱含層的節(jié)點(diǎn)數(shù)通過公式計(jì)算得出,其中n 表示輸入層節(jié)點(diǎn)數(shù),m 表示輸出層節(jié)點(diǎn)數(shù),a 的取值范圍為[0,1 0 ]。因此,隱含層的節(jié)點(diǎn)數(shù)取值范圍為[3,1 3 ]。
通過MATLAB 對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的結(jié)果如表4 所示。從迭代次數(shù)及訓(xùn)練精度來看,當(dāng)隱含層節(jié)點(diǎn)數(shù)為5 時(shí),較優(yōu)于其他網(wǎng)絡(luò),因此確定隱含層節(jié)點(diǎn)數(shù)為5。
表4 不同隱含節(jié)點(diǎn)網(wǎng)絡(luò)訓(xùn)練效率對(duì)比
(2)BP 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)搭建
本文選用tansig 作為隱含層的激勵(lì)函數(shù),purelin 作為隱含層的傳遞函數(shù),并使用反向傳播算法的trainglm 函數(shù)作為BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)。使用MATLABR2018b 進(jìn)行編程對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,將訓(xùn)練次數(shù)設(shè)置為1 000 次,目標(biāo)收斂精度設(shè)定為0.001。
本文采用MATLABR2018b 軟件對(duì)樣本進(jìn)行網(wǎng)絡(luò)分析。將已劃分的120 份訓(xùn)練樣本導(dǎo)入構(gòu)建好的BP 神經(jīng)網(wǎng)絡(luò)模型。如圖1 所示,BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的網(wǎng)絡(luò)輸出與期望輸出曲線基本一致,且誤差值基本在0.32%~2.5%之間,這表明訓(xùn)練結(jié)果較優(yōu)。
圖1 網(wǎng)絡(luò)輸出與期望輸出對(duì)比
將剩余18 份測(cè)試樣本導(dǎo)入已構(gòu)建好的BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真評(píng)價(jià)。圖2 為網(wǎng)絡(luò)訓(xùn)練誤差曲線,可見,均方差隨著訓(xùn)練步數(shù)的增加而減小,直至達(dá)到預(yù)期目標(biāo)收斂精度而停止訓(xùn)練。當(dāng)訓(xùn)練步數(shù)為15 時(shí),網(wǎng)絡(luò)訓(xùn)練精度達(dá)到最優(yōu),為3.563e-06,下降到目標(biāo)值0.001。結(jié)果如圖3 所示。
圖2 訓(xùn)練精度曲線
從圖3 可以看出,通過BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的模型具有較好的擬合性,且相對(duì)誤差都較小,這說明該模型的泛化能力較好,能夠?qū)ξ锪髌髽I(yè)即興能力進(jìn)行科學(xué)準(zhǔn)確的評(píng)價(jià)。表5 為模型輸入輸出的具體值及誤差。
圖3 網(wǎng)絡(luò)輸出與期望輸出對(duì)比
表5 模型輸出與模型輸入
從結(jié)果來看,企業(yè)綜合得分總體相差較大,最高分與最低分的差距明顯,說明目前物流企業(yè)即興能力層次不齊,彼此之間差異較大,且總體水平不是很高,還有較大的提升空間。場(chǎng)景物流模式的提出為中國(guó)物流企業(yè)的創(chuàng)新發(fā)展提供了新思路,物流企業(yè)通過為居家生活、出行、健身等具體化場(chǎng)景提供配套服務(wù)從而提升自身競(jìng)爭(zhēng)力。然而以用戶訴求為導(dǎo)向的場(chǎng)景物流仍處于探索階段,面臨著資源稀缺、認(rèn)知局限、環(huán)境不確定性等約束,由此更加依賴即興能力來提高企業(yè)的響應(yīng)速度、創(chuàng)新能力及抗壓能力。在場(chǎng)景物流模式中,物流企業(yè)急需提高突發(fā)事件的響應(yīng)速度與應(yīng)對(duì)能力,抓住稍縱即逝的發(fā)展機(jī)會(huì),通過不斷變革,從而適應(yīng)外部發(fā)展環(huán)境的需要。雖然外部環(huán)境的復(fù)雜及不確定性對(duì)企業(yè)的生存和發(fā)展帶來挑戰(zhàn),但企業(yè)大力提升即興能力,就有可能將危機(jī)帶來的壓力轉(zhuǎn)化成塑造企業(yè)核心能力的契機(jī),從而在危機(jī)中得以發(fā)展。
本文在界定物流企業(yè)即興能力內(nèi)涵的基礎(chǔ)上,識(shí)別出即興能力要素,并構(gòu)建了物流企業(yè)即興能力評(píng)價(jià)指標(biāo)體系,進(jìn)而采用主成分及BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)物流企業(yè)即興能力進(jìn)行了實(shí)證檢驗(yàn)。主要研究結(jié)論如下:
首先,本文將即興能力引入場(chǎng)景物流情境中,基于場(chǎng)景物流獨(dú)特的情境特征和文獻(xiàn)綜述,提煉出物流企業(yè)即興能力的四個(gè)維度:自發(fā)性、創(chuàng)造性、資源利用及壓力承受。自發(fā)性體現(xiàn)了企業(yè)對(duì)突發(fā)事件響應(yīng)的即時(shí)性,場(chǎng)景物流模式重新定義了“物流”的價(jià)值,而“摸著石頭過河”的場(chǎng)景物流模式具有較高的不確定性,當(dāng)面對(duì)各類突發(fā)狀況時(shí),企業(yè)的即時(shí)決策有利于其把握轉(zhuǎn)瞬即逝的發(fā)展機(jī)會(huì)。創(chuàng)造性體現(xiàn)了企業(yè)在產(chǎn)品及解決方案上體現(xiàn)的創(chuàng)新性,在場(chǎng)景物流中,物流企業(yè)不再是產(chǎn)品運(yùn)輸者,而是服務(wù)打包者、場(chǎng)景設(shè)計(jì)者及信息收集者,這更要求企業(yè)打破慣有思維,采用新的方式、方法滿足用戶不斷升級(jí)的體驗(yàn)需求。資源利用體現(xiàn)了企業(yè)對(duì)物流資源的有效整合,物流企業(yè)在獲取終端用戶對(duì)于場(chǎng)景的個(gè)性化需求后,通過合作方對(duì)產(chǎn)品及服務(wù)資源加以整合并有效利用。壓力承受體現(xiàn)了物流企業(yè)在競(jìng)爭(zhēng)日益加劇的市場(chǎng)環(huán)境中的抗壓能力,在物聯(lián)網(wǎng)時(shí)代,用戶的個(gè)性化需求對(duì)物流行業(yè)提出了更高的要求,物流企業(yè)的競(jìng)爭(zhēng)力不僅體現(xiàn)在基礎(chǔ)服務(wù)的質(zhì)量上,更要求企業(yè)提供具體場(chǎng)景的一體化解決方案。
其次,本文根據(jù)文獻(xiàn)研究及專家訪談,構(gòu)建了物流企業(yè)即興能力評(píng)價(jià)體系,并基于信息貢獻(xiàn)率的方法進(jìn)行了指標(biāo)構(gòu)建合理性判斷。本文篩選的指標(biāo)體系能夠反映初始指標(biāo)70%的信息量,表明評(píng)價(jià)指標(biāo)體系的有效性。并使用主成分-BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)物流企業(yè)即興能力水平進(jìn)行評(píng)價(jià)。檢驗(yàn)結(jié)果表明,網(wǎng)絡(luò)模型的結(jié)果均達(dá)到預(yù)期,證明主成分-BP 神經(jīng)網(wǎng)絡(luò)組合評(píng)價(jià)模型應(yīng)用于即興能力評(píng)價(jià)具有較好的可行性。