基于物流管理的物流企业论文

摘要：物流企业绩效评价涉及众多因素，使用基于参数假设的评价方法由于容易受到评价者主观因素的影响而导致评价结果不够理想。文章简述了数据包络分析（DEA）方法的基本原理和模型，分析了将DEA应用于物流企业绩效评价的可行性和优越性，进而利用DEA中的C2R模型和C2GS2模型对若干个同类型的物流企业进行评价分析。今天小编给大家找来了《基于物流管理的物流企业论文(精选3篇)》，欢迎大家借鉴与参考，希望对大家有所帮助！

基于物流管理的物流企业论文 篇1：

基于数据仓库的物流系统构建

摘要:提出基于数据仓库的物流系统,同时构建物流系统的数据仓库体系结构,通过对数据仓库的挖掘找出有价值的信息,从而有利于生产物流决策管理人员做出科学的决策,提高自身在市场竞争中的地位。

关键词:物流;信息处理;数据仓库

Key words: logistics; information processing; data warehousing

0引言

随着计算机与Internet的广泛应用,物流企业积累了海量的业务数据,这些数据除了满足用户的查询、订阅等实时联机处理要求外,还可作为企业决策者做出决策的基础。而简单的数据库系统已不能满足决策分析的需求。

数据仓库为决策者提供了有效的方法和途径。数据仓库技术受到了国内外的企业界、学术界、政府部门的高度重视。国外许多著名计算机公司,如IBM公司的visual warehouse OLAP,微软的OLAP Server,Oracle,Sybase等公司均提出自己的数据仓库方案,而国内的研究与应用也正在起步。文章将以数据仓库技术在物流控制方面的应用为例,对数据仓库的设计、实现与应用策略进行初步探讨。

1物流相关

1.1物流定义

物流起源于军事领域,兴于商业领域。CLM(美国物流协会)将Logistics(物流)定义为:“物流是供应链过程的一部分,是对货物、服务及相关信息从起源地到消费地的有效率、有效益的流动和储存进行计划、执行和控制,以满足顾客要求。”在最新《物流术语》中将物流定义为:“物品及其信息流动提供相关服务的过程。”

我们可以从国内外的权威定义中看出,现代物流运输的不仅仅是我们传统意义上有形的货物、商品,而是还包括了无形的服务等。更进一步地阐释,物流存在的理由就是满足顾客要求。在这个过程要注重效率及效益两方面因素,以期达到利用最少的成本实现最大的服务水平[1]。

1.2我国物流业现状

现在,我国物流市场规模快速扩张,我国物流业的一个主要特点是物流企业数量多,但规模普遍不大,单个公司所占市场的相对比重非常有限[2]。

中国物流企业所从事的业务领域明显单一,大多数企业仅限于低端的运输服务,2005年,我国85%的物流企业从事运输与装卸业务。而真正拥有庞大物流网络、先进设备及管理体制的物流企业还很少,目前仅有17.3%的物流企业从事流通加工等增值物流服务业务。相对单一的物流业务特征使得众多物流企业在低端的物流服务领域展开激烈的价格竞争,竞争的结果导致行业平均利润率较低。进入高端物流市场的企业需要有先进的技术设备支持,如先进的仓库及现代化的管理系统、专业性强的运输设备以及先进的信息通讯装备等,此外,还需要有高级管理人才,这些都需要强大的资金支持。

1.3数据仓库与物流的结合

物流是实现七大功能的有机结合,那么其重点在于物流软技术即管理技术的应用。物流技术包括的范围很广,比较典型的划分为物流硬技术和软技术。物流硬技术包括基础设施、载运工具、机械设备、信息设备、材料,物流软技术包括物流系统规划技术、现代物流管理技术、物流系统评价技术、物流信息化技术。

对于硬件技术及设施设备而言,只要企业能够找准投资方向,肯下决心就可以解决。但软技术却并非如此,其更多的是依靠人的因素,依靠企业管理制度的转变和管理的创新。部分企业由原仓储运输企业转型而来。硬件技术基础较好,运作效率不高,因此需要在管理方面进一步提高。

而基于数据仓库的决策系统可以充分发挥其优点,能够对大容量的数据(如客户种类、仓库存货等信息)进行分析,找出对企业发展有用的信息。将数据仓库构建与企业管理信息系统相结合能增强企业对数据和商业情报的挖掘与利用,提高企业物流管理信息系统的辅助决策能力。

2系统构建

2.1规划和项目管理

正确地规划和组建数据仓库系统,使之与商业实际联系起来是非常必要的。因为据行业专家透露,超过50%的数据仓库项目都以失败告终[3]。

首先在公司文化和当前需求的背景下,确定数据仓库是最可行的方案,之后计算它会带来的收益和价值。在小型物流企业,似乎不需要如此大张旗鼓地搞数据仓库,因为没有必要,但对于有战略眼光的企业,及早建立数据仓库可以使以前的客户货物资料得到妥善保存,并且在以后可能成为挖掘新情报的土壤。

风险评估也是不可或缺的,构建数据仓库的方法也需要纳入考虑,传统方法有自上而下和自下而上,各有优缺点。

2.2定义商业需求

企业模型是从企业用户的角度对所需数据的内容以及数据间关系的抽象[4]。它主要反映企业各个不同层次人的需求。考虑物流企业各个部门和人员的需求,我们可以得到各个部门的数据模型。我们以物流公司的业务代理点和业务受理点为例,分析其所需的数据模型。

代理点是客户收发东西时经常打交道的小门面,通常只有业务员在,他们需要知道的是一些业务信息(是拿货还是送货,物品种类和大小)和顾客信息(姓名和电话等)。而对业务受理部门的人员来说,要了解当前货运信息、仓库库存信息、顾客信息,以及代理点的基本情况和业绩。

2.3体系构建

搞清楚各个部门的需求后,可以从总体把握一个完整的物流过程。数据仓库是按主题来组织数据的,因此它应该包括了汇总模型、分配模型、运输模型、调拨模型和制表模型[5],还要为每个模型建立数据集市,即客户发货收货数据库;仓库库存数据库;货物信息数据库;分配情况数据库;地理信息数据库;货物调拨数库(如图1所示)。

构建数据仓库的方法有自上而下和自下而上两种。自上而下方法是从建设企业范围的数据仓库开始,可能要多次反复,然后将整个企业范围内的数据放入部门数据集市和不同主题的数据集市中。另一方面,自下而上从逐个建立单独的数据集市开始,然后将这些数据集市组合成完整的企业数据仓库[6]。

由于拟采取自下而上的组建过程,因此还需要一个总控制程序,协调各个组件的工作,同时还要提供友善的人机界面,因为业务人员不是专业的系统设计人员,自然系统的易理解性和易操作性要达到一定程度,让他们满意。

当然数据仓库的建立是一个动态的过程,不可能一劳永逸,所以数据仓库需要在建立和使用的过程中不断完善和发展,以达到物流管理优化的目标。

2.4基础构造

2.4.1逻辑数据设计。信息包表是数据仓库逻辑数据设计的基础。信息包表是由需求定义文档转化而来。数据设计的最终结果是一个多维的数据模型。维度模型设计时通常看起来像星形,事实表位于星形的中央,而各个维度表分布在星形的各个角上。

数据仓库多维数据组织方式采用星型雪花模式。图2表示出基于事实表和维表的多维模型,包括货运事实表和6个维表:时间维、货物维、经营人维、联运信息维、收货人维、发货人维。其中时间、货物、经营人、联运信息维度采用星型架构;收货人、发货人维度采用雪花架构。

数据仓库管理系统根据系统所确定的数据模型对数据进行集中,并对整体数据进行维护,保证系统正常运行。数据的分析和显示利用数据挖掘工具、OLAP工具,对数据仓库中的数据进行综合分析,以统计图表、多维视图等方式展现出来,为决策者提供决策依据。

2.4.2物理基础构造。物理基础构造的主要组成是基本的硬件部分和操作系统,网络及网络软件等,连同这个完整平台一起的还有一系列的工具,它们在这些平台上运行,完成每个体系结构部分的不同功能和服务。

硬件和操作系统构成了数据仓库的计算机环境。在平台选择中考虑了混合方案,即跟随数据流的处理步骤为每一步选择最优平台。在数据抽取时,最好在每个源系统自己的计算机平台上执行。抽取的数据文件被重新定义格式,然后合并成新的抽取文件,最好在和原来一致的源平台上进行,而初步数据清洗也可以同时完成。然后在准备区域的平台上执行转换和统一、质量检查等。源平台和准备区域都可以是小型机、UNIX或大型机。

物流的数据信息量一般较大,因此需要用并行的存储方式,一般常用RIAD结构。RIAD分为0~5级,各有优缺点,级别0的速度快于级别3和级别5,但是其冗余度却较大,因此,设计人员需要根据数据的存取速度、效率、可靠性等各个因素选择适合的存储方式。

数据的索引策略也很多,其中传统的数据库领域使用B-Tree索引非常广泛,但在数据仓库复杂的交互查询中,B-Tree具有一定的局限性,因为B-Tree要求被索引字段有很好的选择性。物流管理数据仓库可以采用BitMap索引或Bitwise索引,它们都比较适合多维查询的环境。

因此,所用数据库为了应对大规模数据载入、全部数据表扫描、群组查询、聚合、分类、使用子查询创建表、创建索引、星形转换等一系列时间空间复杂度均比较大的操作,并且还要考虑未来的扩展性。

3注意点

物流数据仓库的建立是面向管理和决策应用的,必须有客户的充分参与,因为最终是用户使用。数据仓库本身绝不是业务流程的再现,而是基于这之上的抽象,将所有的数据信息组合、甄别,得到于己有用信息的过程。物流数据仓库的建立,为企业决策提供有价值的情报,为业务人员提供他们想要的信息,对于提高工作效率大有裨益。因此,物流数据仓库涉及众多的部门和用户,需要用户投入和配合。

在对待元数据的问题上,不应拘泥于现状。由于物流数据仓库是独立于业务系统的,以用户需求为第一诉求,在设计中要留下待扩展部分。对于数据的完整性和质量问题可通过以下方式处理:多种方式混合来加载数据,设计特定输入接口收集数据,如获取客户档案资料,放宽数据时效,对个别特征数据进行定位分析,在系统中标识并排除低质量的数据,规范业务系统。

数据的提取、转换、清洗和载入非常烦琐,需要纳入统一管理并继续针对性设计,不仅考虑数据源的类型,还必须考虑提取的时间和方式。物流数据仓库应同时存在多种数据提取方式以适应信息源多样性,因此讨论单一提取工具是没有意义的,原则只能有:简便、快捷、易维护。

用户对物流数据仓库的直观印象通常来自与最后的业务报表,但物流数据仓库并不是只为业务报表而设计。需要指出的是,数据仓库的分析工具在固定格式的报表再现上有时不如专门定制的程序,数据仓库的强项在于提供联机的业务分析手段,正因为数据仓库的使用,才使各级人员逐步摆脱对固定报表的依赖,代之以丰富动态的联机查询和分析,使他们更为深入的了解市场动态。

4结论

现代企业,一贯的硬性装备仍然很重要,但更重要的是管理思想的先进性以及对新形势的准确把握,市场需求瞬息万变,通过引进数据仓库技术,可以有效地在浩如烟海的数据中找到于己有用的信息,提高决策水平。当然,在我国数据仓库仍然处于刚起步的状态,我们应时刻关注国外先进企业的成功经验,知名院校的学术成果,从我国实际情况出发,建造符合我国国情的数据仓库体系。

参考文献:

[1] 曹刚. 物流的几点思考[J]. 物流科技,2010,33(2):95-97.

[2] 支燕,刘秉镰. 我国物流产业组织的特征分析——基于2002-2005年数据的实证研究[J]. 预测,2007,26(4):10-14.

[3] P. Ponniah. 数据仓库基础[M]. 北京:电子工业出版社,2004.

[4] 蔡临宁. 物流系统规划——建模及实例分析[M]. 北京:机械工业出版社,2003.

[5] 杨登. 基于数据仓库的物流配送系统的分析与设计[J]. 吉林化工学院学报,2008,25(4):75-78.

[6] Quan Congna, Zhao Huifeng, Li Bo. Study on Application of Data Mining Technology to Modern Logistics Management Decision[J]. Information Technology and Applications, 2009,18(14):433-436.

作者：袁 磊

基于物流管理的物流企业论文 篇2：

物流企业绩效评价方法的实证研究

摘 要：物流企业绩效评价涉及众多因素，使用基于参数假设的评价方法由于容易受到评价者主观因素的影响而导致评价结果不够理想。文章简述了数据包络分析（DEA）方法的基本原理和模型，分析了将DEA应用于物流企业绩效评价的可行性和优越性，进而利用DEA中的C2R模型和C2GS2模型对若干个同类型的物流企业进行评价分析。实证分析表明：该方法可以有效地评价不同企业间物流系统的相对规模效益和技术有效性，并可以找出其非DEA有效的影响因素，并能给出相应的改进措施，评价结果较为客观、合理。

关键词：数据包络分析；物流；绩效评价

Key words： DEA； logistics； performance evaluation

0 引 言

随着我国市场经济的快速发展和世界经济一体化进程的加快，作为“第三利润源泉”的物流业在国民经济中发挥着越来越重要的作用，但同时也面临着更加激烈和残酷的竞争。如何才能更好地满足社会需求，更好地适应激烈的竞争环境，是物流企业必须要面临和解决的问题。

但由于物流业的发展在中国起步比较晚，加上政策、法规等外围环境的缺失，导致在发展过程无可避免地存在一些问题，例如：基础设施不完备、物流管理观念落后、行业规章制度不完善、管理信息化水平低、整体发展水平不齐等，要解决这些共性的问题，客观上要求建立与之相适应的物流企业绩效评价指标体系，并确定相应的绩效评价方法，以科学、客观地反映物流企业的运营情况，并将结果作为加强和改进企业经营管理、实现企业发展战略的基本依据，只有这样，才有利于企业加强资金、技术、市场、人才等方面的管理，提高物流效率和服务水平，从而为物流企业持续、健康发展指明方向[1-2]。

因此，研究物流企业绩效评价问题具有非常重要的现实意义，目前已有众多科研工作者在这方面进行了相关的研究，例如：杨依如构建了低碳经济视角下的物流企业绩效评价体系，并使用基于绩效棱柱及层次分析的综合方法进行实证研究，得出了较为理想的结果[3]。武富庆在阐述WGA和CWGA算子的多属性群决策方法基础上，选取了影响煤炭物流企业物流活动的重要因素，运用基于WGA和CWGA算子的多属性群决策方法对煤炭物流企业绩效进行评价[4]。刘云华通过对冷链物流企业绩效评价标准、绩效评价指标体系、绩效评价方法等几个方面的深入细致分析研究，结合几种绩效评价方法，提出了DHGF绩效评价模型，并最后对果蔬冷链物流企业进行了实证研究[5]。肖云爽以某物流企业为例，引入模糊综合评价模型，运用KPI（关键绩效指标）方法从财务、内部流程、顾客和学习与成长四个方面建立起物流企业绩效评价体系，对物流企业的绩效进行总体评价[6]。于瑾把遗传算法和模糊综合评价法相结合，对物流企业绩效进行了实证分析研究，对物流企业的管理具有一定的价值[7]。路正南结合物流企业自身的特点，建立了一套科学、合理的物流企业绩效评价指标体系，并运用拓展OWA算子评价物流企业的绩效，以便物流企业准确定位，克服不足，发挥优势，提高竞争力[8]。

以上研究工作分别从不同的角度和层次对物流企业的绩效问题进行分析研究，并取得了一定的效果。本文拟在前人研究工作的基础上，结合物流绩效评价的特点，使用数据包络分析法（DEA）对其进行研究分析。

1 DEA理论及应用于物流企业绩效评价的可行性

数据包络分析（Data Envelopment Analysis，DEA），是运筹学、管理科学和数理经济学交叉研究的一个重要领域。它是由Charnes和Cooper等人于1978年开始创建的。DEA是使用数学规划模型评价具有多个输入和多个输出的决策单元（DMU）间的相对有效性（称为DEA有效）。DMU是否为DEA有效，本质上是判断DMU是否位于生产可能集的“前沿面”上。使用DEA对DMU进行效率评价时，可以得到很多在经济学中具有深刻经济含义和背景的管理信息，因而，关于DEA的研究吸引了众多的学者[9-10]。

结合现代物流企业的特点，本文认为将DEA方法应用在物流企业绩效评价方面是可行的，并具有很大的优势，具体体现在：DEA方法对多目标、结构复杂的动态系统具有良好的适应性，首先它不需要考虑指标量纲同一化的问题；其次，在数据处理之前不需要假设输入数据和输出数据之间任何的函数关系；第三，数据处理过程中不受任何主观因素的影响，具有很强的客观性；第四，使用DEA方法可以对评价结果分析，了解影响企业物流技术有效及非有效的主要因素，为企业决策提供依据；另外DEA方法是纯技术性的，和市场价格无关。所以该方法自产生以来，就被广泛的应用于企业绩效评价、竞争力评价、投资分析评价、风险性分析评价等多个领域[11-12]。

2 DEA模型

2.1 C2R模型

假设有n个单位（决策单元DMU），每个决策单元都有m种“输入”（表示该单位对“资源”的耗费），以及s种“输出”（表示该单位消耗了“资源”之后表明“成效”的数量）。X■=x■，x■，…，x■■≥0，Y■=y■，y■，…，y■■≥0分别为第j个决策单元DMUJ的输入指标和输出指标j=1，2，…，n，在满足平凡公理、凸性公理、无效性公理、锥性公理和最小性公理的前提下，建立了带有非阿基米德无穷小的C2R模型[13]：

D■■■

该模型可以评价每个决策单元的技术和规模的综合效率，称为总体效率，设模型的最优解为：θ■，λ■，s■■，s■■，其评价准则为：

（1）若V■的最优值θ■=1，且s■■≠0或s■■≠0，则该决策单元是弱DEA有效的。即在这n个决策单元组成的经济系统中，对于投入X■可减少s■■且保持原产出Y■不变，或在投入X■不变的情况下可将产出提高s■■。

（2）若V■的最优值θ■=1，且s■■=0， s■■=0，则该决策单元是DEA有效的。即在原投入X■的基础上所获得的产出Y■已达到最优。

（3）若V■的最优值θ■<1，则该决策单元是DEA无效的。在这种情况下，可通过组合将投入降至原投入X■的θ■比例且保持原产出Y■不减。

（4）若存在λ■■，使得■λ■■=1，则该决策单元为规模效益不变；如果■λ■■>1，则该决策单元为规模效益递减；如果■λ■■

<1，则该决策单元为规模效益递增。

2.2 C2GS2模型

通过C2R模型，可以判断某个决策单元是否是DEA有效。若为DEA有效，则可以肯定此时的生产经营是同时处于技术有效和规模有效状态。但是若某个DMU■是非DEA有效的，那么就无法进一步判断它是否为技术有效，为此建立只用于评价相对技术有效的C2GS2模型[13]：

D■■■

该模型计算出的DMU效率是纯技术效率，它反映了DMU的纯技术效益状况，设模型的最优解为：θ■，λ■，s■■，s■■，其评价准则为：

（1）若V■的最优值θ■=1，且s■■≠0或s■■≠0，则该决策单元是弱DEA有效的。

（2）若V■的最优值θ■=1，且有s■■=0， s■■=0，则该决策单元是DEA有效的。

（3）若V■的最优值θ■<1，则该决策单元是DEA无效的。

2.3 DMU非DEA有效时的投影调整方法

设X■，Y■为某个决策单元的投入量和产出量，X■■，Y■■为X■，Y■在DEA相对有效面上的投影，则输入和输出的调整量为：

ΔX=X■■-X■=θ■-1*X■-S■■ ΔY=Y■■-Y■

调整后的指标可以作为下一个决策期的投入与产出指标的预测值，因此借助投影就可以找出系统中需要改进的投入量，进而指导系统调整投入[13]。

3 实证分析

3.1 评价指标体系构建

当前，我国对物流企业绩效评价理论与方法的研究尚处于探索阶段，有待形成成熟的理论和完善的评价体系，主要表现在指标体系的分类标准不一致，没有形成统一的标准和评价规范；技术性、经济性等定量评价指标和管理水平、组织效率、敏捷性等定性评价指标没有统一起来。现有评价指标体系的设计主要是从财务绩效指标、客户管理绩效指标、内部运营绩效、过程绩效指标、学习与成长绩效指标四个大类来考虑的，每个大类可以继续细分为若干个指标，然后再通过主成分分析法、层次分析法、模糊综合评价法等进行数据处理[14-15]，本文结合物流企业的特点和物流数据的可获取性，选取了员工总数、固定资产投入、年业务支出作为输入指标，净资产利润率、市场占有率、平均事后满意率为输出指标，作为DEA模型的数据处理对象。

3.2 数据处理

以下是8家物流企业某一年度的相关统计数据[16]，根据DEA方法的原理，应将越小越好的指标作为输入指标，而越大越好的指标作为输出指标，因此本文选取了员工总数、固定资产投入、年业务支出作为模型的输入指标，净资产利润率、市场占有率、平均事后满意率作为输出指标，具体数据如表1所示：

根据C2R模型和C2GS2模型的基本原理及数学模型，将其转换为Matlab语言编程求解，得到求解结果如表2所示。

从表2可以看出，DMU1和DMU6均为DEA有效，即既是规模有效又是技术有效的，其余6个决策单元的技术有效性则要需要通过C2GS2模型做进一步的判断，计算结果如表3所示。

3.3 评价结果分析

（1）总体有效性分析

根据表2的计算结果可知，DMU1和DMU6的θ值和∑λ■■值均为1，意味着只有这2家企业是处于有效的生产前沿面上，它的实际含义就是：如果8家企业都保持现有的管理水平和技术水平不变，那么只有DMU1和DMU6这2家企业的投入要素组合是最佳的，同时产出水平也是最高的；而剩余的6家企业由于θ值和∑λ■■值均小于1，均不在生产前沿面上，说明在它们某些环节存在资源冗余或者使用效率不高的情况，具体是管理水平不足或者是技术水平欠缺，则需要通过C2GS2模型来判别。

（2）规模效益和技术有效性分析

通过表2最后一列可知道，DMU1和DMU6的规模效益已经达到了最高值1，而其余6个企业均处于规模效益递增的状态，这也意味着这些企业的投入没有获得最大化的回报。

再观察表2中第3列至第5列中关于松弛变量的取值，s■■取0值的只有DMU5 1个，其余5个均有冗余，实际含义就是这5个企业的人员编制过多或者是员工工作效率低下所导致的；其次是s■■的取值均为非0，表明企业的实际运营成本过高；关于

s■■的取值，只有DMU5 1家为非0，说明除了DMU5以外，其余6家企业在固定资产投入方面的效益是比较理想的。所以，综合3个剩余变量的取值，我们可以得出这样一个结论：剩余6家企业要想达到最佳的投入产出比例，要么扩大生产规模，充分利用员工的生产能力，要么在保证生产能力的基础上，适当裁员；此外，还要控制日常运营成本，开源节流，降低支出。

最后再分析表3的数据，可以把8家企业可以分为3种类型，第一种是DMU1和DMU6，他们是既DEA有效，同时也还是技术有效的；第二种是DMU7、DMU8，其θ值均为1，说明这2家企业的技术效率是处于最佳状态的，但不是DEA有效的，再根据表2的分析结果就可知道，DMU7和DMU8属于非规模有效状态，所以，只要想办法提高企业的规模效益，就可以达到DEA有效的状态。第三种是DMU2、DMU3、DMU4、DMU5，这4家既不是DEA有效的，也不是技术有效的，解决的办法就麻烦一些，对于规模无效，可以考虑通过投影调整法对无效单元的投入量进行等比例的压缩而保持产出不变来改善，技术无效的处理则与企业的决策效果或者经营管理的科学性、规范性相关。

（3）DMU在有效生产前沿面上的投影分析

从DEA方法的基本原理可知，对于非DEA有效的决策单元而言，通过相关措施来调整输入和输出的数据，就可以达到DEA有效的状态，这是一个提高决策单元相对绩效的过程，下面通过对DMU3的计算加以说明：

X■=0.7667*98-16.483=58.6536≈59 Y■=11.80+2=13.80

X■=0.7667*90-0=69.003≈69 Y■=3.45+0=3.45

X■=0.7667*28-4.2167=17.2509≈18 Y■=55.25+3.4=58.65

通过上述计算，得出DMU3决策单元新的投入与产出数据，投入方面：员工的数量由98人缩减到59人，固定资产支出由90万压缩到69万，年业务支出从28万压缩到18万；产出方面：净资产利润率从11.8%上升到13.8%，市场占有率维持3.45%不变，平均事后满意率从55.25%提升到58.65%，此时，DMU3单元将处于DEA有效状态，即既是技术有效，同时也是规模有效。对其他非DEA有效的决策单元做相同的计算，得出结果如表4所示。

将表1和表4的数据集中在一起形成表5，再比较调整前后的数据，发现原来非DEA有效的6个决策单元的输入及产出情况变化较大，说明原来的投入产出比未达到最大化，根据投影原理进行调整后，员工总数、固定资产投入及业务支出3项输入数据均大幅度下降，而输出指标（绩效）均有不同程度的上升，这也验证了之前的分析结果。

所以，通过上述方法可以对企业的系统运营管理进行深入的剖析，不仅可以找出影响企业物流系统的相关因素，还可以通过调整指标的变化，观察系统效益的变化状况，进而采取相应的改进措施，改善物流系统的实际效益，最终实现整个企业利益的最大化。

4 结 论

物流企业绩效评价是一种典型的多指标问题，涉及因素众多，多指标也带来了分析上的复杂性和指标间的多重相关性、干扰性等问题；本文介绍的DEA方法，在处理多指标投入、多指标产出的系统综合评价方面具有很好的效果，不仅可以通过横向的比较，判断出企业的整体状况，还可以得出各个企业相对的规模效益和技术有效性程度，进而针对企业存在的具体问题提出改善的建议，为企业下一步的发展决策提供了参考的依据。当然，企业的发展要受到众多外围因素的影响，本文所讨论的模型参数均为定量化的，在实际的企业管理运营过程中，还要充分考虑例如法律、政策、竞争等定性指标的影响，才能做出全面合理的决策。

参考文献：

[1] 周涛. 物流企业绩效评价体系及层次评价[J]. 华东经济管理，2005，19（6）：90-92.

[2] 范春梅. 物流企业绩效评价方法及实证分析[D]. 湖南：长沙理工大学（硕士学位论文），2005.

[3] 杨依如. 低碳经济视角下物流企业绩效评价体系[J]. 会计之友，2013，24（8）：31-33.

[4] 武富庆. 基于WGA和CWGA算子的煤炭物流企业绩效评价[J]. 商场现代化，2013，721（16）：134-135.

[5] 刘云华. 基于DHGF理论的果蔬冷链物流企业绩效评价研究[D]. 昆明：云南财经大学（硕士学位论文），2011.

[6] 肖云爽. 基于KPI的物流企业绩效模糊综合评价模型[J]. 物流科技，2013（4）：69-72.

[7] 于瑾. 基于GA与模糊综合评价法的物流企业绩效评价研究[J]. 天津市财贸管理干部学院学报，2011，11（2）：20-22.

[8] 路正南. 基于拓展OWA算子的物流企业绩效评价[J]. 商业时代，2011，30（9）：39-40.

[9] 魏权龄. 数据包络分析（DEA）[J]. 科学通报，2000，45（17）：1793-1808.

[10] 石文理. 数据包络分析方法在电力项目施工评标中的应用研究[D]. 重庆：重庆大学（硕士学位论文），2004.

[11] 王若刚，冯英俊，杨昌. 基于DEA的第三方物流动态绩效评价研究[J]. 沈阳建筑大学学报，2006，22（1）：173-176.

[12] 陈芝，单汨源，顾恒平. 基于DEA的企业供应物流系统效率评价的实例分析[J]. 湖南大学学报，2005，19（6）：68-71.

[13] 魏权龄. 数据包络分析[M]. 北京：科学出版社，2004：24-30.

[14] 王瑞亮. 第三方物流企业绩效评价指标体系构建与实证分析[D]. 大连：大连海事大学（硕士学位论文），2006.

[15] 姚桂君. 第三方物流企业绩效评价指标体系研究[D]. 大连：大连海事大学（硕士学位论文），2005.

[16] 吴金卓，王立海. DEA模型评价物流企业综合效率的应用分析[J]. 森林工程，2005，21（2）：64-67.

作者：叶艺勇

基于物流管理的物流企业论文 篇3：

基于智慧物流的物流金融课程建设初探

基于智慧物流的物流金融课程建设的课题，是智慧物流作为物流产业发展方向、物流管理专业复合型应用型人才培养的大背景下，对课程建设的一次有益的探索。本课程尝试结合物流活动的智慧化，建立基于智慧物流的物流金融课程内容，培养学生智慧物流金融分析与操作的能力，使物流管理专业学生更好的与社会需求接轨，更好地服务社会。

智慧物流物流金融课程建设一、物流金融课程建设的背景

物流金融是指为减低交易成本和风险，金融机构与物流企业合作，对企业资金投放、商品采购、销售回笼等经营过程的物流和资金流进行锁定控制或封闭管理，以流转中的商品价值为依托为企业提供融资的活动。在物流金融下，金融机构和第三方物流服务供应商在供应链运作的全过程向客户提供的结算、融资以及保险等增值服务，缓解了中小企业资金缺乏的问题，也为第三方物流企业带来新的利润源泉，提高了金融机构贷款的质量和数量，物流金融中的保险服务还可以提高物流公司的防风险能力，实现了“三赢”的效果。

面对社会对物流金融的高度需求，高校此方面的教育却是空白。据抽样30所国内本科院校开设的物流管理专业课程共有286门，未曾有院校开设了物流金融学这门专业基础课程，这极不利于现代物流金融学科体系建设，更不利于现代物流管理专业技术复合型应用性人才的培养。

二、结合实践设置课程体系和教学内容，适应学科最新发展

“物流金融”是一门跨学科的课程，其内容涉及知识面宽、知识点多、综合性强，与实际经济结合紧密。科学技术的迅猛发展不断促进服务的发展，要实现与社会经济的无缝连接，教师需密切关注学科发展，与时俱进优化课程体系和教学内容，协调基本内容与先进性。

物流金融是由第三方中介——物流企业对货物实施监管，并对货物的真实性、安全性承担责任，贷款安全系数提高，贷款规模扩大，并有稳定的客户。可以看到，物流金融业务依附于物流企业的发展，为更好的开展物流金融及降低物流金融业务的风险，要求物流企业制度完善、管理规范，网络信息传递及时准确，机动灵活、具有广泛的地域性。随着国内有越来越多的行业已经开始积极探索物联网在物流领域应用的新模式，智慧物流将成为物流业的发展方向，以提高资源利用率和经营管理水平。目前智慧物流主要有四大应用，其中的三大应用都将推动物流金融的发展，即一是物流过程的可视化智能管理网络系统；二是智能化的企业物流配送中心；三是智慧企业供应链。

智慧物流下，提升了物流企业的实力，改变物流企业的运作方式，为物流金融提供进一步的集成方法，也带来了物流金融各方合作的改变，势必影响具体的物流金融融资方案。在物流金融课程建设的时候，要充分认识到智慧物流对课程建设的影响，授课内容安排与实践环节要融合智慧物流，在掌握基本理论基础上，更加注重新技术对物流金融业务带来的改变，强化学生解决问题的能力。

三、基于智慧物流的物流金融课程建设探讨

（一）课程建设任务和目标

本课程从物流金融特点及需解决的核心问题入手，引入物联网及智能技术在其中的关键作用介绍，同时详细介绍不同物流金融模式下各方参与者、业务流程，物流金融方案的制定与组织实施，物流金融风险控制以及基于物联网的解决方案，最后针对典型的物流金融案例，让学生探讨在该业务中引入物流金融对案例的流程及供应链绩效的影响，培养学生初步的业务管理能力。本课程目标：

1.知识教学目标：（1）深刻理解物流金融在经济领域中的重要作用，熟悉物流金融的基本类型，掌握物流金融的基本概念及参与主体。（2）熟悉物流金融参与主体角色和操作流程，如企业需求与信用分析、质押物评价、监管合同的制订、仓单质押监管服务与组织、业务风险控制及绩效考核。（3）熟悉以物流企业监管为核心的融资过程。（4）了解智慧物流的相关知识，懂得信息技术在物流金融管理中的重要作用。（5）了解物流金融业务的流程及信息化对其业务促进作用与风险降低方案。

2.能力培养目标：（1）掌握智慧物流下的作业流程，具备融资对象评价、监管合同和仓单质押监管服务制订的能力。（2）能制订并组织实施物流金融作业任务。（3）掌握利用智慧物流技术，实现物流、信息流和资金流综合管理创新。

（二）基于智慧物流的以工作过程为导向的物流金融课程内容

基于工作过程的物流管理专业学习物流金融课程体系包括以下几个方面：物流金融业务分析与需求分析，质押与监管方案设计，监管项目合同签订，仓单质押监管服务与组织，动产质押监管服务与组织，抵押监管服务与组织，贸易监管服务与组织，物流金融业务综合实训，供应链一体化物流服务运作，物流金融风险控制，物流成本控制与绩效考核。

基于智慧物流的以工作过程为导向的物流金融课程，在教学内容的组织方面包括以下方面：

1.现代物流与金融服务概述。包括物流概念，物流金融的概念与产生过程、地位与作用，智慧物流在物流金融中的应用，物流金融智慧化趋向几个部分。教学要求：深刻理解物流金融在社会经济中的重要作用，掌握物流金融的基本概念、流程及各环节的重点工作，了解智慧物流及其发展对物流金融的促进和提高的重要作用，了解物流金融智慧化的新趋向。

2.基于智慧物流的物流金融业务架构。包括：RFID与物联网简介、了解物流信息技术发展背景、基于智慧物流的物流金融业务流程架构、基于智慧物流的物流金融业务管理系统架构。

3.智慧物流下物流金融业务风险降低的技术措施。了解如何利用智慧物流，降低不同环节的风险。掌握通过构建智慧仓储、智慧安全监督、智慧物流，实现“货物流、信息流、资金流、运输流”为一体的“物流金融”业务与服务，降低物流金融风险。

4.智慧物流下物流金融业务的增值模式。了解如何依托智慧物流，构建智慧仓，掌握通过提供仓储、物流、金融、商贸创新服务，增强与供应链上合作伙伴的联系，提供更多可行的增值服务。

5.智慧物流在物流金融业务的应用案例。教学要求：熟悉中储物流、柏亚仓等物流金融方案及智慧物流金融解决方案。

四、总结

在物流管理专业教学中，开展基于智慧物流的物流金融课程，是培养实用人才，服务社会经济的关键所在。以智慧物流为物流行业发展趋势为契机，通过本课程的学习，提升了学生利用智慧物流创造物流赢利模式的能力，增强了学生的实践能力，相信对于专业建设和服务社会是十分有价值的。

参考文献：

[1]欢妮.“柏亚仓”打造海西智慧物流引领物流金融新蓝海.潮商，2012（2）：76-77.

[2]潘意志，程丹丹.基于工作过程的学习领域课程体系的开发与实践—以高职物流管理专业为例.中国职业技术教育，2011（18）：59-63.

[3]胡愈，徐兆铭，黄含其.以培养目标统领高校物流管理专业课程体系建设——基于物流金融技术人才培养视角.湖南社会科学，2009（6）：107-110.

[4]纪付荣，魏秀丽.校企合作开发物流金融课程的研究与实践.物流科技，2012（5）：115-117.

基金项目：国家自然科学基金项目资助（编号：71171135）；上海市一流学科项目资助（编号：S1205YLXK）；宁波市教育科学规划研究课题（编号：YGH053）。

作者：冯学丽