生鲜电商“最后一公里”冷链物流风险评价体系研究

赵矗，王有刚

生鲜电商“最后一公里”冷链物流风险评价体系研究

赵矗，王有刚

“最后一公里”配送风险是生鲜电商冷链物流风险中的核心部分，与其较高的研究价值相悖的是现有研究尚未对此投入过多关注。我们充分结合现有的物流配送风险评估实践选取测度指标，并使用层次分析与模糊评价相结合的方法计算了相应指标权重，进而构建了一套相对完备的评价指标体系。另外，通过该指标体系实证分析了案例企业“最后一公里”配送风险中的各风险要素，并以此给出相应的风险控制建议。研究为“最后一公里”冷链物流配送风险的量化测度给出了可行的方法路径，所构建的指标体系具有一定的实践价值。

冷链物流；风险评价；“最后一公里”

近年来，中国电子商务行业发展迅速，尤其是生鲜电商的快速崛起吸引了大批学者的关注。据中国电子商务研究中心监测数据显示，2016年全国生鲜电商交易规模达到913.9亿元，相较于2015年的542亿元增长了67%，预计2017年将达到1 449亿元。然而，对于总规模接近1万亿元的中国生鲜市场而言，电商渗透率仍不足10%，因此，生鲜电商将是长期的蓝海市场。与传统的生鲜产业相比，电商模式的应用可大幅度缩短产业链长度，降低由于层层加价和信息流单向传递所导致产品滞销、脱销的可能。冷链物流作为生鲜电子商务的重要一环，其整体流程主要包括冷冻加工、冷藏、运输、配送、冷冻销售等环节。冷链物流“最后一公里”在整个生鲜电子商务配送过程中处于末端环节，也就是从目的地处理中心到终端客户的配送过程。尽管我国冷链物流已在快速发展，且众多大型生鲜电商企业开始自建冷链物流来提高配送效率，降低配送风险，但存在的问题也比较多。例如，冷链物流基础设施与技术水平落后，政府政策缺乏具体有效的指导，卫生要求不达标等。尤其是，在“最后一公里”环节，配送风险尤为突出。例如，农产品冷藏运输不达标变质、信息不对称导致效率低下、服务及环境等风险。如何控制这些风险点成为冷链物流行业亟须解决的问题，建立一套系统的评价体系更是实现风险控制的前提。有鉴于此，我们从企业外部风险、财务风险等7个角度选取风险测度指标，并使用层次分析与模糊评价相结合的方法计算了相应指标权重，从而为“最后一公里”环节配送策略优化提供一定的参考。

一、有关文献与理论方法回顾

（一）文献综述

目前，国内对生鲜电商冷链物流风险的研究还不多，但也分别从多个角度对冷链物流风险进行了分析。罗如学以蔬菜为例，对冷链物流风险进行了实证分析［1］。张琰在成本约束的前提下，确定了生鲜电商冷链物流各个环节所产生的风险因素，构建了生鲜农产品冷链物流风险预警指标体系［2］。谢如鹤等人以龙眼为例，对南方特色水果供应链的品质安全进行了细致的风险评价，并对各个环节的风险提出了有效的控制和规避风险的措施［3］。方晓波以生鲜食品冷链物流为例，对冷链物流失效的风险进行了识别研究，共识别了35种失效模式［4］。俞昀等人从业务外包的角度分析了冷链物流业务外包的流程及其运作风险，并提出了相应的策略［5］。杨娜针对生鲜冷链物流产品质量风险问题，构建了一套风险预警体系，并基于Logistic回归进行风险预警推理，最终实现生鲜产品质量安全的目标［6］。王荧荧构建了农产品冷链物流安全风险评价模型，并以鲜葡萄为例进行实证分析，给出鲜葡萄冷链物流安全风险控制措施［7］。

从上述研究可以看出，目前的研究成果存在以下方面的局限。第一，主要是研究整体冷链物流的风险，没有细致地分析物流末端配送的风险。第二，单一的从成本以及经济性的角度出发衡量冷链物流配送风险，且选取的风险指标较为宽泛，未能构成有效的评价测度体系。第三，指标权重的计算有失偏颇，具有较强的主观性，且未能将更为客观的数学方法融入评价指标体系之中。

（二）风险指标的评价方法

有关风险指标的评价方法有很多，可以分为几个层次。一是主观赋权评价法，如层次分析法、模糊综合评判法。二是客观赋权评价法 ，如TOPSIS评价法、灰色关联度分析法、主成分分析法。三是新型评价方法，如人工神经网络、动态综合评价法。四是评价方法的有机结合，如层次分析与综合模糊评价的集成、层次分析法-灰色关联度结合、熵权法-灰色关联度集成等［8］。

综上所述，物流配送风险所涉及方面较广、层次多，且多为定量与定性分析。因此，如何设计出一套合理的风险预警系统是研究冷链物流配送风险的关键。AHP-模糊综合评价方法是一种处理具有复杂因素在内的经济、管理和技术问题的方法。采用这种方法可以将定性与定量相结合，对研究的问题进行逻辑判断，能系统化和层次化地分析问题，使得出的结果更加直观清晰，便于分析，既保证了科学性，又保证了有效性。该方法的评价步骤为：首先是模糊综合指标的构建；再利用层次分析法计算各级指标的权重；最后进行模糊评价，得出综合评价结果。

二、“最后一公里”冷链物流风险评价指标体系的构建

（一）“最后一公里”冷链物流风险评价指标体系的内容

构建“最后一公里”冷链物流风险评价指标体系，主要的难点问题就是评价指标的选取，从哪些方面综合测度冷链物流风险，如何选择恰当的、重点突出的评价“指标组”？我们在已有研究文献的指标体系构建基础上，重新梳理了现有生鲜电商行业的发展过程，尤其是其物流系统的行业特性，充分结合现有的物流配送风险评估实践，借鉴KPI分析框架的理论基础，运用层次分析法将整体指标分为目标层、准则层、指标层3个层次。目标层为“最后一公里”冷链物流风险A；准则层由构成“最后一公里”冷链物流风险的要素组成，分别为企业外部风险B1、财务风险B2、基础设施风险B3、人员风险B4、信息传递风险B5、服务质量风险B6和商品风险B7；指标层则是对准则层的细分与解释。具体风险评价指标体系见表1。

（二）各项指标权重的计算

选取评价指标后即确定了综合评价的范畴，但仍需进一步确认各指标权重的大小。权重计算是否客观将直接决定后续“最后一公里”冷链物流风险评价结果的准确度。目前主流的权重确认的方法有多种，但传统的群组决策方法往往存有一定的精准度偏误，除层次分析以外的数学刻画方法往往应用要求较高，且操作壁垒较大。综合上述考虑，我们选取层次分析法作为权重计算的核心方法。该方法由美国著名运筹学家Satty教授提出，现已成为综合评价的重要方法，其建模过程步骤如下。

首先，应当对综合评价实践进行逻辑整合与梳理，理顺层次结构，确定目标层、准则层、指标层及其涵盖范围。如表1所示，递阶层次结构已建立，每层之间元素的隶属关系也就被确定了。在经过层次建模这一步骤之后，则应当构建相对重要性判断矩阵，将层次建模所获的信息增量以矩阵化的方式加以记录，用以进行后续分析。在本次研究的应用情景中，首先需要构建一个7×7判定矩阵对企业外部风险B1、财务风险B2、基础设施风险B3、人员风险B4、信息传递风险B5、服务质量风险B6和商品风险B7进行权重计算，矩阵中元素满足判断矩阵表示如表2所示。

表1 “最后一公里”冷链物流配送风险指标体系

判断矩阵中元素bij的赋值通常采用Satty的1—9标度方法给出（心理学家认为对所比较的因素不宜超过9个），具体标度与说明如表3所示。

表3 Satty的1—9标度与说明

其中，bij为要素之间的两两相对重要性取值，该矩阵是后续层次计算的最重要依据，但对于综合评价这一系统决策性问题而言，仅凭一个相对重要性矩阵同样无法规避权重计算结果的主观性偏误，因此在构建相对重要性矩阵这一环节引入专家决策法，通过综合一定数量专家对于该问题的价值判断降低运算过程中的主观性。

通过问卷调查和实地咨询的方式，本次研究获取了包含生鲜电子商务企业和冷链物流企业的专家及其相关从业人员共计20人的相对重要性评判矩阵，并据此构建20个判断矩阵组。使用MATLAB统计软件对上述矩阵组进行计算分析，全部通过一致性检验。获取20组指标权重向量，最后将其加权平均得出本次研究所需的权重向量组合。

为了说明上述数据分析过程，本次研究以其中一位专家A对7个准则层因素之间的判断矩阵为例，演示指标权重的计算过程，此专家的判定矩阵如表4所示。

表4 专家A对准则层各要素的相对重要性判断矩阵

在获取专家A的重要性判定矩阵后，通过对上述判定矩阵进行如下的计算处理，用以获取具体的权重向量。权重计算过程见表5。

表5 权重计算过程表

尽管经过上述步骤后，已经得出各指标权重的计算结果，但由于相对重要性矩阵本质上是各要素两两相比的结果，为保证各指标在整体逻辑上的一致性，规避评价判断过程的前后不一致矛盾，还需进行一致性检验过程，用以确定整体逻辑的一致性。一致性检验的结果见表6。

表6 一致性检验程序表

上述计算结果中，专家A的相对重要性矩阵的一致性比率为0.007 9，远小于10%的显著性水平，表明该判定矩阵通过了相应的一致性检验，且准则层7个因素的权重向量为（0.022 3，0.386 0，0.191 5，0.084 2，0.191 5，0.084 2，0.040 3）。 这表明在专家 A 看来，财务风险、商品风险、人员风险以及服务质量风险是“最后一公里”冷链物流配送风险的主要来源，信息传递风险、企业外部因素次之，基础设施风险的影响结果最小。

遵循这一数据处理流程，以上述20位专家的相关重要性判定矩阵组为基础进行数据分析，使用MATLAB2015软件计算各项指标权重并进行一致性检验，并对20组结果向量采用加权平均的方式得出最终指标权重结果。各项指标权重见表7。

表7 各项指标权重表

该指标体系中，资金流动性、返款及时率、代收货款、商品损坏变质、物流公司管理者及其配送服务人员素质等因素的综合权重较高，分别为0.182 1、0.135 1、0.050 5、0.095 8、0.097 6 和 0.054 7，说明生鲜电商企业在今后的“最后一公里”冷链物流配送中应当提高代收货款及返款的及时率，加快资金的流动性。由于资金是整个企业顺畅运行的“血液”，首要提高代收货款人员的业务素质以加强资金的流动与安全管理。并且，企业各部门要素之间相互作用、相互影响，每一个因素的不协调势必影响整个企业的运行，因此应当提高物流企业管理者素质以及配送服务人员的服务态度，降低冷链物流末端配送所存在的风险。

三、“最后一公里”冷链物流配送风险评价的实证分析

（一）确定评价集及评价矩阵

评价集是对指标层各个指标进行评价汇总，利用语义学将风险标度为5个等级，即V=（风险高，风险较高，风险一般，风险较低，风险低）。为了便于计算，依次对各等级赋值分别为10、8、6、4和 2分，分级标准为：当V≤2.5时，风险为低；当2.5＜V≤4.5时，风险较低；当4.5＜V≤6.5时，风险一般；当 6.5＜V≤8.5时，风险较高；当8.5＜V≤10时，风险为高。

我们以某生鲜电子商务企业的“最后一公里”冷链物流配送为例，并以该生鲜电子商务企业相关专家、管理人员以及配送人员为调查对象，将表1中的各项指标用李克特量表的形式设计成调查问卷，发放问卷调查数据。研究中共发放调查问卷55份，剔除无效问卷，实际回收50份，得到的原始评价统计结果如表8所示。

表8 目标企业“最后一公里”冷链物流配送风险评价结果

通过上表各指标的风险评级情况可得到模糊关系矩阵，分别由各级评语所占总评的比例来确定，依据统计结果可知指标层的模糊关系矩阵为：

（二）计算准则层及目标层模糊综合评价向量

在已知指标层各权重向量及模糊关系矩阵后即可求得准测层的模糊评价向量。由于在模糊综合评价中，当因素较多时，每一个因素分的权重很小，所采用取大取小算法在模糊合成运算中会丢失很多信息，从而导致结果模糊不易分辨甚至不合理的现象（即模型失效）［11］。因此，我们采用加权平均模糊合成算子的方法解决上述问题，其计算公式为：

式中：bj为隶属于j等级的隶属度；ai为第i个评价指标的权重；rij为第i个指标隶属于j等级的隶属度。

按照加权平均模糊合成算子方法，确定各准则层的模糊评价向量，分别表示为 U1、U2、U3、U4、U5、U6、U7，以及综合评价向量U，计算过程为：

（三）风险评价分值及等级评定

将上述所求各准则层要素的模糊评价向量及综合模糊评价向量与评语集对应风险等级赋值相乘并相加，可以得出该评价指标体系下的综合性数值，并进行风险等级判断。该生鲜电子商务“最后一公里”冷链物流配送风险综合分值用V*表示，各准则层风险分值分别用 V1，V2，…，V7表示。

“最后一公里”冷链物流风险综合指标评价分值V*：

V*=0.10×2+0.23×4+0.32×6+0.22×8+0.13×10=6.09

各准则层风险指标评价向量及其分值如表9所示。

表9 风险评价向量及其分值

由表9可知，该生鲜电子商务“最后一公里”冷链物流配送风险的“企业外部风险”与“服务风险”的评价结果为“风险较高”，“信息传递风险”的评价结果为“风险较低”，其他风险的评价结果均为“风险一般”。总体来看，综合风险的风险分值达到6.09，等级为一般，结果符合该企业的现实情况。但是，该企业在外部风险和服务风险2个指标上存在较高风险，说明该企业应对较差的自然环境、国家政策法规的变动以及市场经济波动的能力较差。因此，该企业应当建立一套完善的物流紧急预案，以应对这些因素可能导致的极端情况的发生，降低末端物流配送风险，同时减少企业不必要的损失。另外，应加强配送人员素质的提高，配送过程中应当展现良好的服务态度，提高消费者的满意度，减少退货风险，提高配送效率。信息传递风险较低，说明该企业非常重视冷链物流信息化建设，物流信息化的快速发展，使得各类物流信息网络化、实时传输，提高物流效率，减少风险。

四、结论

生鲜电子商务的快速发展离不开冷链物流行业的进步。随着国家对生鲜农产品冷链物流的重视，越来越多的生鲜电商企业开始建立自己的冷链物流部门，因此，探索生鲜农产品冷链物流配送尤其是在“最后一公里”配送过程中的风险，可以有效地规避农产品在冷链物流过程中可能发生的价值耗损，具有较强的实践紧迫性。我们运用层次分析法和模糊综合评价法，从企业外部风险、财务风险、基础设施风险、人员风险、信息传递风险、服务质量风险和商品风险7个方面构建了生鲜电商企业“最后一公里”冷链物流风险评价指标体系，将风险评估这一综合测度过程分解至各个具体指标层面并给出相应的指标权重。随后，结合具体生鲜电商企业进行实证分析对比，运用本次研究构建的指标体系找出该企业冷链物流末端配送的风险点，最后给出相关建议，为生鲜电商企业在自身冷链物流“最后一公里”配送风险评估和控制上提供了一种可行的方法。

生鲜电商冷链物流配送面临的风险很多，尤其是“最后一公里”配送风险是整个物流风险中最为重要的一环。尽管众多大型生鲜电商企业纷纷自建冷链物流，但是，一方面自建物流不仅需要巨大数额的投资，另一方面也是对企业自身管理制度的重大挑战。因此，生鲜电商行业物流外包现象较为普遍。研究所构建的评价指标体系主要针对生鲜电商企业自建物流的内部因素分析，未对物流外包现象投入过多关注。由于样本数量的限制，尽管我们已经使用了层次分析方法与综合模糊评价方法用以降低指标体系构建过程中的主观性，但仍未能使用大样本分析方法进一步论证上述指标体系构建的准确性与客观性，这既是我们在研究过程中的不足之处，亦是后续研究可行的论证方向。

[1]罗如学.考虑物流成本的蔬菜物流风险实证分析[J].会计之友，2016（1）.

[2]张琰.生鲜农产品冷链物流风险预警指标体系构建：基于成本约束的背景[J].商业时代，2017（3）.

[3]谢如鹤，刘伟坚，陈嘉韵，等.南方特色水果供应链的品质安全风险评价与管理：以龙眼为例[J].广东农业科学，2013（22）.

[4]方晓波.冷链物流失效的风险识别研究[J].技术经济与管理研究，2015（8）.

[5]俞昀，谢景权.冷链物流业务外包招标流程运作风险及防控策略[J].商业经济研究，2015（32）.

[6]杨娜.生鲜冷链物流产品质量风险预警体系研究[J].价值工程，2015（19）.

[7]王荧荧.农产品冷链物流安全风险评价研究[D].西安：长安大学，2014.

[8]虞晓芬，傅玳.多指标综合评价方法综述[J].统计与决策，2004（11）.

[9]张夏恒.流通视域下生鲜产品电商的物流风险与管控对策[J].北华大学学报（社会科学版），2015（5）.

[10]刘凯，张俊杰.电子商务环境下物流企业的财务风险及对策[J].物流技术，2015（6）.

[11]李安贵.模糊数学及其应用[M].第2版.北京：冶金工业出版社，2005.

（编辑：唐龙）

F252

A

1673-1999（2017）07-0028-06

赵矗（1994—），男，安徽财经大学管理科学与工程学院管理科学与工程专业2015级硕士研究生，研究方向为电子商务；王有刚（1965—），男，安徽财经大学管理科学与工程学院副教授，研究方向为企业信息资源管理。

2017-05-13

2016年安徽财经大学研究生科研创新基金项目“生鲜电商环境下冷链物流‘最后一公里’配送风险研究”（ACYC2016162）。