零售4.0时代先行发货问题的大数据分析

在零售4.0时代,渠道的多样化不仅丰富了数据源,还能迅速生成大量数据,需要通过分析大数据,为决策提取有意义的信息,通过分析先行发货的重要性,提出了一种基于遗传算法(GA)的优化模型,预测顾客何时购买,然后在顾客线下单前将产品运送到距顾客最近的配送中心,解决先行发货中存在的问题。研究认为,需要先部署云计算来存储所有渠道生成的大数据,再应用基于集群的关联规则挖掘研究顾客的购买行为,根据“如果-那么”预测规则预测未来的采购情况,最后利用修正的遗传算法生成最优的先行发货计划;这种遗传算法考虑了其在运输成本和运输距离之外,还有预测规则的置信度,利用大量的数值实验权衡了先行发货中的不同因素,验证了模型的最优可靠性。

竞争性供应链中的创新和技术扩散——技术潜力与技术回报的驱动作用

产品创新依赖于供应链中各层级的技术水平,因此本文构建了一个两级供应链模型,将市场需求和下游投资环境两个消费者市场因素作为输入变量,建立博弈模型。在此模型中,下游企业选择不同水平的上游技术,上游技术的领导者决定其定价策略。研究发现,技术潜力和技术回报两个重要驱动要素影响着上游技术能否成功研发及应用,以及能否成为最终产品的组成部分销售给下游企业,即技术潜力是消费者市场需求的上游技术水平的度量标准,技术回报则是上游研发者是否能够得到和其技术水平相匹配的回报。研究还发现,消费者市场因素能够影响这两个驱动要素,若在市场中存在两组相互竞争的消费者市场因素(支持和反对),两组因素的相对大小决定了技术潜力,两组因素的总体大小决定了技术回报。本文讨论了消费者市场因素对这两个驱动要素的影响,其决定了供应链中不同技术的研发与应用能否成功,期望研究成果能够帮助研发项目的投资者识别出高利润的、提升产品功能所需要的技术。