“新零售” 下我國零售企業供應鏈KPI 體系的構建與應用

李 琦

（河南中煙工業有限責任公司許昌卷煙廠企業管理部 河南許昌 461000）

引言

“新零售” 是從供給端實現商業結構改革和消費升級迭代的新思路，是一種將線上線下、現代物流納入統一系統中的零售新模式。移動互聯網以及大數據、云計算、人工智能等先進技術是 “新零售” 的支撐，依托于技術手段，場景要素與商品生命周期深度契合，消費者需求與商業情境體驗深度契合，進而重塑商業生態并最大化消費者利益，實現供給端和需求端的雙贏。2016 年，馬云首先提出 “新零售” 概念。隨后 “新零售” 逐漸成為我國學者的關注焦點，不少學者探究 “新零售” 的概念內涵、模式創新、機遇與挑戰等內容。其中，“新零售” 的關鍵主導行業是零售業，因此推動 “新零售” 的流通變革需要以零售業為突破口，這與丁俊發（2017）的觀點一致。零售企業供應鏈的重新設計是“新零售”的核心，全渠道供應鏈的整合優化是重塑商業價值的必要路徑，這與王福，王科唯（2020）、張建軍，趙啟蘭（2019）的觀點一致。本文重點在于構建適應 “新零售” 趨勢的供應鏈KPI 指標體系，旨在促進我國零售業供應鏈的管理提升，繼而為零售業的創新顛覆、“新零售” 的持續變革提供支持。

零售企業供應鏈KPI 存在的問題

在 “新零售” 理念中，零售業的供應鏈需要進行深度整合與創新，推動產品供應鏈向服務供應鏈演進，繼而向服務生態系統演進，構建利益相互依存的生態閉環?！靶铝闶邸?要求零售企業供應鏈實現全渠道客戶需求的整合、營銷策略的整合、數據資源的整合、采購策略的整合、零售終端的整合、物流資源的整合等，從而形成人、貨、場的全方位一體化運營。而判斷零售企業供應鏈的現狀，以及是否滿足 “新零售” 的這些要求，首先需要擇選關鍵評價指標，在 “新零售” 下構建完整的KPI 指標體系。目前中國零售企業供應鏈KPI 面臨的問題與挑戰主要包括以下幾點：

其一，不同產品品類、不同零售企業的KPI 管理水平參差不齊，管理的成熟程度有待提高；其二，KPI 指標沒有形成統一的標準，各零售企業在供應鏈管理過程中，所采用的評價指標或過于簡單，或混亂復雜，在選取指標時往往照搬照用，缺乏科學合理性，與企業現實情況的脫節比較明顯；其三，指標的計算方式也過于簡單，基本都是最常用的數據統計，結果結論單一，既不能及時識別問題所在，也不能系統地、長久地為供應鏈管理提供依據；其四，KPI 統計時手工操作過多，數智化程度有待提高，尤其在大數據等新興技術加速迭代的新環境下，缺乏數字化工具不僅與時代脫節，更會產生效率低下、錯誤漏洞多、結論信效度低等問題，降低了KPI 的參考價值；其五，KPI 數據的監測缺乏系統支持，使監測缺乏持續性，無法滿足線上業務數據實時變動、累積數據指數增長的新情況，不能依托長期的KPI 數據改善運營效率、優化企業戰略。

“新零售” 下零售企業供應鏈KPI 指標體系構建

針對目前我國零售企業供應鏈KPI 存在的問題，本文將綜合采用定性與定量方法，結合 “新零售” 的特征與要求，重新識別KPI 指標，從而構建科學完善的KPI 指標體系。定性方法采用德爾菲法，定量方法采用主成分分析法，兩種方法相輔相成，相互發揮優勢、彌補劣勢，使結果更可靠、更科學。

（一）定性識別方法：德爾菲法

德爾菲法本質上是一種利用函詢形式進行的專家集體匿名思想交流過程。德爾菲法相比專家會議法、深度訪談法等定性方法，其 “背靠背” 特征使其更具有安全性和可操作性。德爾菲過程大致如下：首先，通過聯絡和遴選，共有8 位專家參與到德爾菲過程，包括4 位零售供應鏈領域的專家學者和4 位零售行業資深人士及“新零售” 實踐者，均具有深厚的理論學識和豐富的實踐經驗（見表1）。其次，擬定調查提綱，向專家們準備詳實的資料，比如有關 “新零售” 的資料和零售企業供應鏈的運營數據，以保證專家有足夠的依據對關鍵指標做出判斷。最后，以電子郵件方式展開德爾菲過程，共包含三輪信息反饋：第一輪是開放式調研，只提出 “新零售趨勢下中國零售企業供應鏈KPI” 這一問題，附屬整理的詳實資料供專家閱讀，由專家自由提出觀點并說明理由；第二輪調研將第一輪觀點匯總制表，發給各專家判斷各指標的重要性，繼續提供觀點與意見；第三輪調研則再次匯總第二輪觀點，讓專家比較自己同他人的不同意見，以修改自己對指標重要性的判斷。三輪過程均通過電子郵件方式進行，專家們彼此之間互不相識，也不進行直接溝通，均僅與筆者建立關聯。經過三輪德爾菲過程，8 位專家的意見逐漸統一，對KPI 指標的判斷趨于一致。

德爾菲過程中的相關數據（見表1）?？芍?，專家的權威判斷均值為0.79，大于標準值0.7，說明專家的權威性、代表性較高；專家積極系數用有效參與率表示：有效參與率= 有效反饋的專家數/ 全部參與的專家數，其值為100%，說明專家的參與程度和關心程度達到最高水平；在第二輪德爾菲反饋中，運用SPSS 21.0，計算Kendall W值為0.541，P 值為0.000，表明在95% 的置信度下，專家的意見協調性較好，第二輪的結果是可取的；在第三輪德爾菲反饋中，運用SPSS 21.0，計算Kendall W 值為0.646，P 值為0.000，表明在95% 的置信度下，專家的意見協調程度更優，專家意見趨于一致，沒有必要進行下一輪德爾菲過程。至此，運用德爾菲法汲取了專家們的智慧，獲取了他們的集體判斷。KPI 的一級指標包括供應鏈可靠性、供應鏈成本、響應速度、資金效率等四大指標，二級指標包括客戶完美訂單履行率、客戶退貨率、銷貨成本占比等11 個指標。

（二）定量識別方法：主成分分析法

基于德爾菲法，理論界與實踐界的專家們普遍認為，在 “新零售” 趨勢下中國零售企業供應鏈KPI 應包含4個一級指標、11 個二級指標。這些指標是專家們集體智慧的體現，但也存在主觀性問題，沒有反映數據背后可能蘊藏的規律。在未來 “新零售” 中，KPI 數據是海量的、動態的，大數據技術也賦予了搜集和處理動態海量數據的能力，因此有必要挖掘數據本身的價值意義。此外，KPI 數據的無限性也在稀釋價值的密度，所以數據的無限性仍然需要有限的指標予以代表，表達出最核心的價值。綜合以上考慮，需要尋找一種方法，既能克服人的主觀片面性問題，又能挖掘數據之間的內在聯系和潛在意義，也能 “降維” 數據以少量指標覆蓋絕大多數內涵。滿足這些條件的方法之一，就是主成分分析法。主成分分析法是一種降維方法，可以減少指標之間的相關性，解決多重共線性，以少量指標來充分反映大部分信息。若將多個相關性較強的變量 重新組合，生成彼此不相關的主成分 ，使它們盡可能多地提取原有變量的信息，其方法通常是做線性組合：

其中，a1i，a2i，…，api(i=1，…，m) 為X 的協方差陣Σ 的特征值所對應的特征向量；X1， X2，…， Xp是原始變量經過標準化處理的值，在實際應用中，往往存在指標的量綱不同，所以在計算之前須先消除量綱的影響，而將原始數據標準化；ε 是標準化常數。

首先，搜集消費品零售企業的供應鏈運營KPI 數據。為了保證數據有效性，零售企業要經營不同業態、不同品類，盡可能覆蓋多種業態，其中以超市、便利店為主。樣本企業包括河南大張、山東全福元、家家悅、浙江萬客隆商貿等31 家企業。數據主要是德爾菲法獲取指標的數據，且為2019 年下半年（2019 年7 月-12 月）的數據。其次，將數據導入SPSS 21.0 中，運用主成分分析功能，對數據進行降維處理。最后，對成分矩陣圖進行解讀，獲取結果。結果顯示，11 個二級指標數據可以降維為4 個主成分因子，這和德爾菲法的結果一致；但是，有1 個二級指標的因子載荷在任何一個主成分上都低于0.500，有1 個二級指標的因子載荷同時在兩個主成分上都高于0.500，均不符合要求，予以剔除。至此，共獲得4 個一級指標、9 個二級指標。

表1 德爾菲法相關數據

（三）KPI 指標體系

經過德爾菲法和主成分分析法，結合了定性方法與定量方法的優勢，集中了人的智慧和機器智慧，構建出 “新零售” 趨勢下我國零售企業供應鏈的KPI 指標體系。該指標體系共包括4 個一級指標：供應鏈可靠性、響應速度、資金效率和供應鏈成本，以及9 個二級指標，其中供應鏈可靠性由5 個指標衡量，響應速度和資金效率各由1 個指標衡量，供應鏈成本由2 個指標衡量（見表2）。

“新零售” 下零售企業供應鏈KPI 指標應用

經過上述分析，提煉出適用 “新零售” 趨勢和中國市場的零售企業供應鏈KPI 體系，以此衡量供應鏈的水平、效益與未來方向。對于這些KPI 指標，將與美國零售企業進行對標分析，并從企業業態、產品品類、需求端、供應端等多層面對指標進行分析，以獲取有益的結論和啟示。

供應鏈可靠性A。衡量供應鏈可靠性的KPI 指標有5個（A1-A5），以倉庫缺貨率（A4）為代表進行分析。整體而言，與美國企業相比，中國零售企業倉庫缺貨率略高，不同業態、不同品類產品的倉庫缺貨率差異明顯，需求端和供給端雙側均存在造成倉庫缺貨的重要因素。具體而言，從業態角度分析，美國行業的平均倉庫缺貨率約為2%，中國的數值為2.3%，略高于美國。其中，大中型超市的倉庫缺貨最為嚴重，缺貨率達5%，其次是專門店，缺貨率為4.3%，最后是便利店，缺貨率為1.3%（見圖1）。出現這種分布與購物需求和方式、配送頻率和細化程度、供應商管理水平、銷售與庫存信息更新頻率等方面的差距息息相關。例如，大中型超市通常選用大宗采購模式，采購頻率較低，多數在一周一次左右，而團購、促銷、搶購等活動會在短時間內完成銷售，容易導致超市的缺貨現象。大中型超市規模較大，商品的統計也更復雜，缺貨信息與補貨行動存在時間差，加大了缺貨的嚴重程度。從品類角度分析，不同品類的倉庫缺貨率差異明顯，其中食品飲料類最高，缺貨率中位值為3.5%；非食品類缺貨率中位值為2.4%，冷凍類缺貨率中位值為2.1%，生鮮類最低，缺貨率中位值僅為1%。從品類來看，品類特性影響需求端的穩定性和供應端的訂單滿足水平，在 “新零售” 驅動下，供應商管理無疑是缺貨率管理的關鍵一環。

響應速度B。整體而言，中國線上業務的訂單履行周期整體好于美國行業水平，生鮮、冷凍的食品類訂單周期普遍較短，非食品類訂單周期普遍較長。具體而言，生鮮類產品的時效性要求很高，其訂單履行周期的中位值僅為1.1 天，是所有類別中最短的，約86% 的企業在1 天左右交付；冷凍類產品全程需要保障低溫環境，一般采用中央冷庫直接配送，線上訂單履行周期為1.25 天，約80% 的企業在1-2 天左右交付；食品飲料類產品種類繁多，訂單數量多，一般沒有時效性、新鮮度的特殊要求，訂單周期相對較長，中位值為1.75 天，低于美國的1.9 天；非食品飲料類產品更需要特殊的運輸保障，線上訂單履行周期的最高值達到7 天，中位值為2.5 天，仍然低于美國的2.7 天，說明中國零售企業供應鏈的響應速度具有一定的優勢（見表3）。

另外，零售企業的電商業務正逐步增加，而電商業務的比重與線上訂單履行周期存在負相關關系。當企業的線上業務占比為1% 時，訂單周期為4.5 天，周期較長。而當企業的線上業務占比提高到25%時，訂單周期縮短至0.8天，周期較短。也就是說，零售企業電商業務占比越高，或者線下業務占比越低，訂單履行周期越短，意味著響應速度越快。這為 “新零售” 下零售企業的發展方向提供了啟示，未來為縮短訂單履行周期、提升線上服務水平，需要重視線上線下的業務結構比例，有必要重點拓展線上業務。

表2 KPI 指標體系

表3 不同品類零售企業線上訂單履行周期分布

圖1 中美不同業態倉庫缺貨率

圖2 中美倉庫庫存周轉天數（天）

資金效率C。整體而言，與美國企業對比，中國零售企業的庫存周轉天數較長，周轉速度較慢，受限于 “新零售” 中消費者需求的升級和波動，庫存管理將面臨更大挑戰。具體而言，從業態角度分析，大中型超市的平均庫存天數在37 天以上，社區超市和便利店多在30 天以內，所有業態的庫存周期天數的最低值為5 天，最高值為63 天，中位數為33 天，而美國企業的最低值為4.5 天，最高值為49 天，中位數為28 天，其水平顯著高于中國。無論在服務覆蓋范圍、消費者購物行為還是在運營品類上，大中型超市在 “新零售” 中的庫存管理均面臨不小壓力。從倉庫的庫存周轉速度分析，中國零售企業的整體水平亦低于美國企業的整體水平。我國倉庫庫存周轉普遍優于線下門店，倉庫周轉天數的整體水平為12 天，超過美國的整體水平10 天，也遠超過線下門店的整體水平29 天，其中電商倉庫周轉天數僅為6 天，大中型超市倉庫為13 天，便利店倉庫為9 天，專門店倉庫為10 天（見圖2）。電商倉庫之所以能有高的周轉速度，得益于大數據模型的精準預測，在定義庫存級別、分類庫存標簽、實時跟蹤庫存變化、動態預測消費者需求等方面實現了數智化管理。這為 “新零售” 下縮短庫存周轉天數、提高資金效率帶來啟示，大數據、人工智能與零售企業供應鏈的深度融合是重要的解決方案，供應鏈管理必然走向數智化道路。

供應鏈成本D。衡量供應鏈成本的KPI 指標有2 個（D1-D2），本文以倉儲物流費用占比（D1）為代表進行分析。整體而言，中國零售企業倉儲物流費用占比略高于美國，電商企業的整體倉儲物流費用占比最高，隨著門店數量增加，大中型超市的物流費用會提升，而社區便利店及專門店的物流效率會提升。具體而言，美國零售企業倉儲物流費用占比的中位值為2.7%，而中國略高，中位值為3%。三類零售企業中，以電商為主的企業存在最高的倉儲物流費用占比，整體分布在7% 到8% 之間；以社區便利及專門店為主的企業，整體分布在4% 到7% 之間，而以大中型超市為主的企業，整體分布在1% 到3% 之間，其倉儲費用具有一定的優勢。另外，以大中型超市為主的企業，倉儲物流費用占比與其門店數量呈現正相關關系，相關系數約為93%，原因在于單店規模大、單次配送量大、車輛運力有限、配送路徑協調難度大等；社區便利店及專門店為主的企業，倉儲物流費用占比與其門店數量呈現負相關關系，相關系數約為-94%，原因在于單店規模小、單次配送量有限、車輛運力影響不大、規模效應顯著、配送路徑可進行最優規劃等。

結論

“新零售”為中國零售企業供應鏈再造提供了新契機。為推動 “新零售” 變革，首先需要構建科學完善的KPI 指標體系。目前我國零售企業KPI 存在管理混亂、指標過于簡單、計算方法落后、缺乏持續性監測等問題。為克服這些問題，綜合運用定性的德爾菲法和定量的主成分分析法，將人的思維與機器思維相結合，構建出適合 “新零售” 趨勢和中國情境的零售企業供應鏈KPI 指標體系，并將該指標與美國行業進行對標分析，從企業業態、產品品類以及供給端、需求端等層面進行分析，得到有益的結論和啟示。本文認為，在 “新零售” 的發展趨勢下，必須對零售企業供應鏈的KPI 指標進行重點監測，優化各關鍵指標并落實風險管理機制。在線業務在 “O2O” 中的地位越來越高，因此需逐步加大電商業務占比，并切實認識到，隨著新興技術的深度融合，在線業務重塑價值鏈的潛力是無限的。從企業戰略出發，整合優質物流資源，主動監控并提升線上交付水平，提升訂單服務質量；有必要打通信息壁壘，打破信息孤島，實現信息流、物流、資金流、人流等各要素的順暢同步流轉，以即時性信息指導庫存管理、補貨決策，以全鏈條信息搭建各類產品的科學客觀的需求預測模型，逐步建立高效率的、高成熟度的庫存管理模式；線下也要合理規劃門店布局，抓取規模效應的平衡點，優化配送路線，降低倉儲物流成本，增強成本競爭力。