后疫情时代物流企业疫情影响评估

叶世杰，陈军，刘娜

（1.重庆城市管理职业学院，重庆 401331；2.重庆交通大学，重庆 400074）

0 引言

近年来，频繁发生的各类疫情对物流行业提出了巨大挑战，不少物流企业出现业务履行时间延长、资金链紧张以及供应链中断等具体问题。物流企业需要及时评估疫情影响，根据评估结果采取应对措施，进而减少疫情所造成的损失，这对于物流企业提升风险抵御能力和市场竞争力有着重要的实践意义。因此，需要从物流细分行业和企业应对措施等方面，科学评估疫情对企业的影响。

在疫情对企业业务环节和经济运行影响评估方面，李亚兵，等评估了疫情下的零售企业经济运行状况；宋田宵，等以企业财务报告为依据，研究了疫情对企业经济运行的影响；李涵，等分析了疫情对我国中小微企业经济运行的影响；Sinha，等比较了企业业务在疫情前后的差异，基于系统动力学模型提出了帮助企业克服疫情影响的建议；Ivanov验证了仿真方法能用于检验并预测疫情对于企业业务绩效的影响；Tang检验了疫情对企业在证券市场中表现的影响。

在疫情对企业供应链结构影响的研究方面，Li提出了互联网环境下的原料供应链突发事件评估模型；Yuan，等通过实例研究分析了疫情对国内企业的国际食物供应链结构的影响；Queiroz，等提出了疫情下企业的供应链运行管理框架；Mahajan，等研究表明对于不同企业的供应链结构，疫情的影响是不同的。

在已有研究的基础上，针对物流企业疫情影响评估的具体特点，首先从物流企业的业务环节、经济运行和供应链结构等方面采集数据，得到物流企业疫情影响评估的实践指标。针对实践指标间存在的相关性和冗余性，引入主成分分析法对指标进行降维处理，构造物流企业疫情影响评估指标模型。然后，针对物流企业疫情影响的不确定性和小数据特点，采用支持向量机方法对评估指标模型进行聚类分析，通过聚类结果评估疫情对物流企业业务环节、经济运行和供应链结构等方面的影响。最后，对上述评估方法的有效性进行验证，并根据评估结果提出物流企业针对疫情影响的应对措施。

1 物流企业疫情影响评估指标模型

1.1 物流企业疫情影响评估实践指标

首先，参考《中国物流与采购》杂志社发起的“物流企业受疫情影响情况及相关政策诉求”的抽样方法，选取从事运输业、仓储业和第三方物流等物流业务的50家企业作为研究对象。在已有研究的基础上，选取代表物流企业业务环节影响的6个指标，分别是：仓储业务完成次数、运输业务完成次数、物流业务失效次数、仓储业务流入人数、运输业务流入人数和物流业务流出人数；选取代表物流企业经济运行影响的6个指标，分别是：主营业务收入、主营业务成本、季度总收入、季度总成本、季度资金周转率和资产负债率；选取代表物流企业供应链结构影响的8个指标，分别是：新增上游节点数、新增下游节点数、流失上游节点数、流失下游节点数、潜在上游节点数、潜在下游节点数、新增节点所致收入、新增节点所致成本。

其次，疫情作为一类突发事件，其对企业所造成的影响具有突发性，为采集评估模型和算法所需的训练数据，以50家物流企业从2000-2020年发布的季报、半年报和年报数据作为数据源，从中提取相应的突发事件影响指标数据，将上述20个指标扩充为24个指标，见表1。

1.2 物流企业疫情影响评估指标模型构建

通过数据分析可知，表1中的物流企业疫情影响评估实践指标之间存在相关性和冗余性。因此，采用主成分分析法对表1中的24个实践指标分别按照业务环节、经济运行和供应链结构三个方面进行降维处理，得到由5个主成分评估指标所构成的物流企业疫情影响评估指标模型，其指标特征值的累计贡献达到93.43%。指标模型的构成见表2。

表1 物流企业疫情影响评估的实践指标

表2 物流企业疫情影响评估指标模型

指标中，每月仓储业务完成次数（1）、每月运输业务完成次数（2）和每月物流业务收入（6）表现为重要正向作用，该指标每月物流业务失效次数（3）表现为重要反向作用，该指标可视作物流企业完成的主成分评估指标。

指标中，每月新增上游节点数（13）、3个月内新增节点所致收入（19）、每月潜在上游节点数（17）、12个月内新增节点所致收入（23）和6个月内新增节点所致收入（21）表现为重要正向作用；6个月内新增节点所致成本（22）和3个月内新增节点所致成本（20）表现为重要反向作用，该指标可视作物流企业供应链上游节点的主成分评估指标。

指标中，每月新增下游节点数（14）、每月新增上游节点数（13）、每月潜在下游节点数（18）和12个月内新增节点所致收入（23）表现为重要正向作用；每月流失下游节点数（16）、6个月内新增节点所致成本（22）和3个月内新增节点所致成本（20）表现为重要反向作用，该指标可视作物流企业供应链下游节点的主成分评估指标。

2 基于物流企业疫情影响评估指标模型的支持向量机聚类分析

采用多类支持向量机（Multi-Category Support Vector Machines，MC-SVM)对物流企业疫情影响的评估模型进行分析。支持向量机是由Cortes和Vapnik提出的通用机器学习方法。它在解决小样本、非线性、高维模式识别问题上表现出许多其他机器学习方法不可比拟的优势。当前多类支持向量机大致分为两类:

（1）通过某种方式构造一系列的两类分类器并将它们组合在一起来实现多类分类；

（2）将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”地实现多类分类。

第二种方法在最优化问题求解过程中的变量远多于第一类，训练速度不及第一类，在分类精度上也不占优，故本文采用第一种多类支持向量机方法进行聚类分析，结果见表3。

表3 物流企业疫情影响程度聚类结果

3 可行性验证

为验证本文所提出基于主成分分析法和支持向量机的物流企业疫情影响评估方法的可行性，将50家物流企业从2000-2020年发布的季报、半年报和年报数据中的2000-2018年数据作为训练数据，2019-2020年数据作为测试数据。将已有物流企业疫情影响评估方法（如层次分析法和灰色模型）与本文所提出的方法分别进行训练和测试，结果见表4。

表4 物流企业疫情影响评估训练测试结果对比

由表4可知，采用本文方法的测试结果相对误差率有了明显的降低，说明了该方法的有效性和可行性。

4 基于物流企业疫情影响评估结果的应对措施

接下来，结合表3和图1提出了基于物流企业疫情影响评估结果的应对措施。

图1 物流企业疫情影响评估结果分类雷达图

疫情影响程度群1对应的各个指标数值均较小，其中最大值出现在（单次疫情中的上游节点增长率），表明这类疫情得到影响主要集中在企业的上游节点增长上。疫情突发时，供应链原上游节点企业可能出现供货不及时甚至中断，物流企业应事先做好可替代企业的预案，以维持业务的正常运行。

疫情影响程度群2对应的指标值中，相较于其他指标而言，最为突出的是（单次疫情中的下游节点增长率）明显不同，说明这类疫情影响主要表现为物流企业下游节点的变化，如疫情突发时销售节点对物流企业产品或服务需求的下降，甚至销售节点退出物流企业所在供应链。对于这类疫情影响而言，物流企业需要快速做出反应，如对下游节点提供支持，维持其可用性；物流企业开发绕过下游节点直接与客户达成交易的途径以及备用下游节点储备等。

疫情影响程度群3对应的指标值是最为明显的，几乎在各个指标上都高于其他疫情影响程度群，这表明这类疫情影响对于物流企业而言是非常严重的。回顾这类疫情在实际中发生的时间，发现大多集中在疫情第一次发生或第一次爆发时，物流企业在业务环节、经济运行和供应链结构上均发生重大变故。这类影响反映在单次疫情中的上游节点增长率、单次疫情中的成本收入比（）和单次疫情中的业务完成率（）等指标上。如疫情导致物流企业上游供应链节点出现严重阻碍，进而给物流企业业务带来剧烈的消极影响，最终造成物流企业难以如约完成订单或提供服务。此时，物流企业由于上游节点和自身业务均出现重大障碍，导致业务完成数下降，并极大可能影响下游节点，进而造成整条供应链出现危机。物流企业需要优化业务环节、拓宽渠道维持经济运行并及时改进供应链结构，才能尽快从疫情影响中恢复。此时政府和社会等方面的支持也是非常重要的。

疫情影响程度群4对应的最为突出的指标是单次疫情中的业务完成率（），其他指标表现差异不大。回顾这类疫情在实际中发生的时间，发现大多集中在物流企业经受首次或特别严重的疫情影响一段时间以后。这表明相较于疫情影响程度群3而言，疫情对物流企业供应链结构和经济运行等方面的影响已有所下降，但是由于后续的影响和物流企业生产的放缓，所堆积的物流企业业务未完成数还在增加。物流企业需要保持当前的恢复趋势，尽快处理前期堆积的业务，为其后续的恢复提供动力。

疫情影响程度群5对应的最为突出的指标是单次疫情中的主营业务成本收入比（），表明疫情对物流企业的主营业务造成了重大影响，但是物流企业的业务运行和供应链结构所受影响较小。回顾这类疫情在实际中发生的时间，主要集中在疫情出现一段时间后，企业采取了开拓业务的措施来抵消其对主营业务的影响。这类企业平时大都以综合物流业务为主，在运输、仓储和配送等方面均有涉及，许多企业还涉及国际物流运输或跨境电子商务等物流业务，当疫情对物流企业国内主营业务造成影响时，可通过其他业务维系供应链结构和业务完成数，如从事国际抗疫物资运输和跨境物资运输等。

5 结语

本文从业务环节、经济运行和供应链结构三个方面采集了物流企业实际指标，通过主成分分析法构建物流企业疫情影响评估模型，并采用支持向量机方法对模型进行聚类分析，得出以下结论：

首先，大多数物流企业在出现重大疫情时，供应链上游节点、企业成本收入比和业务完成均出现较大突变。此时，企业要在优化业务环节、拓宽渠道维持经济运行、改进供应链结构等方面做出努力，也需要政府和社会的支持。随着物流企业生产放缓，所堆积的业务未完成数逐步增加，影响物流企业下游节点，对此企业可采取对下游节点提供支持、绕过下游节点或启用储备节点等措施。

其次，当疫情发生时，物流企业业务多元化能有效应对主营业务成本收入比的异常情形，物流企业可通过其他业务维系供应链结构和业务完成，但这需要平时额外的成本投入。并且，疫情还有可能对企业的上游节点造成影响，因此企业需要注意寻找可替代的上游节点。

实践中，在评估疫情对物流企业的影响时，企业和政府可通过积累模型应用经验，从而优化评估模型，以推广至其他突发事件的影响评估，这对于物流企业提出复苏措施和政府与社会制定相应的支持政策具有重要的参考价值。