论文部分内容阅读
摘要：牛鞭效应作为供应链中的特有现象，给制造型企业带来了巨大的冲击，长此以往，必将导致制造行业的倒退。主流观点认为造成牛鞭效应的主要原因是企业经营者为使自身利益最大化而刻意扭曲需求造成的。但幽灵数据是否影响牛鞭效应，牛鞭效应是否反作用于数据，目前缺乏可靠的证据。为此引入幽灵数据这一概念，分析其如何影响牛鞭效应，从幽灵数据的角度来弱化牛鞭效应。本文揭示了幽灵数据与牛鞭效应的共振关系，对供应链上各企业弱化牛鞭效应以及制造行业发展具有一定的借鉴意义。
关键词：牛鞭效应;共振;制造业
1引言
牛鞭效应是制造型企业快速发展过程中伴生的重要现象，也是企业供应链管理面临的重要议题。当前学术界主流在研究牛鞭效应的存在及其危害性、探讨导致牛鞭效应的原因以及研究该现象的解决方案。任慧娟（2020）等采用定性研究法研究了供应链中牛鞭效应成因分析和措施分析。李翀（2012）采用定量研究法在研究供应链网络中牛鞭效应时构造了数学分析模型，在模型基础上分析各种不确定性因素、确定性因素对牛鞭效应的影响。
现有的关于“牛鞭效应”的研究多是从造成牛鞭效应的因素分析的角度出发，较少从利用共振的角度进行分析研究。虽然云小红（2020）等谈到供应链中数据在传递时易歪曲失真，产生甚至加剧了“牛鞭效应”，但研究缺乏必要的解释。本文着眼于幽灵数据，从共振的角度来研究如何削弱供应链中“牛鞭效应”。
2 幽灵数据与牛鞭效应
在供应链上的每一个企业经营者出于使自己企业利益最大化的目的，总会有意隐瞒或者修改某些信息，使得信息变得扭曲，导致供应链各层级缺乏真实有效的沟通，牛鞭效应就是在这样的背景下产生的，其本质上是需求变异沿着供应链层级的不断放大，具有不可消除性。供应链各层级之间存在明显的数据信息传递关系，一个环节的数据信息失真，就会引发后续环节的接连出错，从而给制造型企业造成无法挽回的损失，因此制造行业要极力削弱牛鞭效应。
但问题是在供应链各层级传递数据信息时总是存在意外情况如人为错误、系统故障等从而导致数据缺失、增大或者变小，本文把因意外情况而导致数据缺失、增大或者变小等的数据称为“ghost data”（幽灵数据）。
在管理学领域内，幽灵数据最早出现在2018年林共进在研究后大数据时代的时提出的“ghost data”（幽灵数据）这一创新理念，现阶段国内关于“ghost data”（幽灵数据）这方面的学术研究仍是一片空白。“幽灵数据”作为一种新型的、具有超文本挖掘和跨领域等特点，被越来越多的学者及研究人员所关注，并将其作为重要课题进行深入分析与讨论。幽灵数据与牛鞭效应共振是指供应链下游“幽灵数据”对牛鞭效应的影响会影响到上游牛鞭效应而反作用于数据，产生更多或者更大的“幽灵数据”，如此循环往复，加剧了“牛鞭效应”。
综上所述，由于牛鞭效应在供应链上下游各层级间存在的必然性;加之因人为因素、系统故障等非预期行为而产生的“幽灵数据”，“幽灵数据”与牛鞭效应产生共振，共振现象随着下游逐渐向上游传递，从而在上游制造商产生极大地影响，使得制造型企业获得的信息极度扭曲失真，长此以往，势必会对制造型企业发展产生强烈的冲击，从而导致整个制造行业的倒退。
二者共振的结果表明牛鞭效应与幽灵数据共振加剧了理论数据与真实数据的偏离。当偏离过大时会造成本企业的库存积压，一方面，数据偏离过高会造成高库存积压;另一方面，数据偏离过低会造成二次补货，这是企业为了避免三次补货，肯定会大量进货，但实际仓库中并不缺货，最终也会导致高库存积压。
实际上，幽灵数据在制造行业中无处不在，我们看到的牛鞭效应实际是牛鞭效应与幽灵数据共振的结果，换言之，单纯的牛鞭效应比我们看到的牛鞭效应弱。在实际中，如果我们减少幽灵数据的产生，那么牛鞭效应便会得到弱化，防止制造行业的倒退。
经过调查与分析，我们发现造成数据出现问题的原因如下：数据不同期，标准不统一，数据不一致。数据不同期是指各类数据在时间维度上的矛盾性，不相容性。标准不统一在这企业中，存在“同义”而不“同名”的问题，即二者所要表达的东西是一个东西，但是因为两次配置名称不一致从而就会造成财务上的差错，进而造成财务损失。数据不一致是指各类数据的不相容性以及矛盾性，与数据不同期不同，造成数据不一致的原因既有可能是来自时间维，也可能是来自空间维。如果是来自时间维而造成数据的不同，我们称之为数据不同期。如果是因为空间维而造成数据的不一致性，那么就是技术上出现了问题。
3小建议
标准不统一反映了管理层面各部门错综复杂，针对这一现象，对企业内部各部门关于名称等统计数据进行筛查并统一。不仅要避免“同义”而不“同名”问题的发生，还要杜绝“同名”而不“同义”现象的发生。为此，一方面建议各部门应该按照公司最新颁布的标准统一调整未来几年的指标数据，另一方面也建议公司标准制定相关者们应该本着稳定性的原则来规范各项统计数据，稳定性是为了避免因改动过大而造成企业各部门杂乱无序情况的发生，同时尽量避免不必要的更迭，以减少在數据统计方面的不一致性，同时建议相关部门在使用公司数据时首先统一各指标的名称以及计算口径，从而进行后续研究。
对于企业内部出现的数据不一致以及数据不同期的问题，建议企业加强组织内部知识的交流与共享，比如建立内部信息网便于员工进行知识层面的交流，利用各种专利数据库、知识数据库存放和积累信息，每隔一次时间开一次员工见面会，进而在企业内部营造出有利于员工生成交流和验证知识的宽松环境，同时建立有利于知识共享和创新的的奖励机制，也让组织内消极怠工的成员通过知识共享得到不断的学习和成长。建议公司鼓励和支持员工从外部获取知识，有能力的公司可以自行搭建专家系统，从而促进知识的转移。通过显性知识与隐性知识的记录与转化，优化工作流程和知识传递，提升效益。
参考文献：
[1]任慧娟，金守峰，王钰鑫.供应链中牛鞭效应的成因和防范措施[J].时代金融，2020，{4}（24）：120-121.
[2] 李翀. 供应链网络牛鞭效应的形成机理及其控制机制研究[D].南京航空航天大学，2012.
[1]云小红，张金锁.基于ES预测技术的煤炭供应链牛鞭效应抑制方法[J].数学的实践与认识，2020，50（19）：1-8.
作者简介：
潘志浩（1997-），男，硕士研究生，主要研究方向：物流工程，供应链管理。
关键词：牛鞭效应;共振;制造业
1引言
牛鞭效应是制造型企业快速发展过程中伴生的重要现象，也是企业供应链管理面临的重要议题。当前学术界主流在研究牛鞭效应的存在及其危害性、探讨导致牛鞭效应的原因以及研究该现象的解决方案。任慧娟（2020）等采用定性研究法研究了供应链中牛鞭效应成因分析和措施分析。李翀（2012）采用定量研究法在研究供应链网络中牛鞭效应时构造了数学分析模型，在模型基础上分析各种不确定性因素、确定性因素对牛鞭效应的影响。
现有的关于“牛鞭效应”的研究多是从造成牛鞭效应的因素分析的角度出发，较少从利用共振的角度进行分析研究。虽然云小红（2020）等谈到供应链中数据在传递时易歪曲失真，产生甚至加剧了“牛鞭效应”，但研究缺乏必要的解释。本文着眼于幽灵数据，从共振的角度来研究如何削弱供应链中“牛鞭效应”。
2 幽灵数据与牛鞭效应
在供应链上的每一个企业经营者出于使自己企业利益最大化的目的，总会有意隐瞒或者修改某些信息，使得信息变得扭曲，导致供应链各层级缺乏真实有效的沟通，牛鞭效应就是在这样的背景下产生的，其本质上是需求变异沿着供应链层级的不断放大，具有不可消除性。供应链各层级之间存在明显的数据信息传递关系，一个环节的数据信息失真，就会引发后续环节的接连出错，从而给制造型企业造成无法挽回的损失，因此制造行业要极力削弱牛鞭效应。
但问题是在供应链各层级传递数据信息时总是存在意外情况如人为错误、系统故障等从而导致数据缺失、增大或者变小，本文把因意外情况而导致数据缺失、增大或者变小等的数据称为“ghost data”（幽灵数据）。
在管理学领域内，幽灵数据最早出现在2018年林共进在研究后大数据时代的时提出的“ghost data”（幽灵数据）这一创新理念，现阶段国内关于“ghost data”（幽灵数据）这方面的学术研究仍是一片空白。“幽灵数据”作为一种新型的、具有超文本挖掘和跨领域等特点，被越来越多的学者及研究人员所关注，并将其作为重要课题进行深入分析与讨论。幽灵数据与牛鞭效应共振是指供应链下游“幽灵数据”对牛鞭效应的影响会影响到上游牛鞭效应而反作用于数据，产生更多或者更大的“幽灵数据”，如此循环往复，加剧了“牛鞭效应”。
综上所述，由于牛鞭效应在供应链上下游各层级间存在的必然性;加之因人为因素、系统故障等非预期行为而产生的“幽灵数据”，“幽灵数据”与牛鞭效应产生共振，共振现象随着下游逐渐向上游传递，从而在上游制造商产生极大地影响，使得制造型企业获得的信息极度扭曲失真，长此以往，势必会对制造型企业发展产生强烈的冲击，从而导致整个制造行业的倒退。
二者共振的结果表明牛鞭效应与幽灵数据共振加剧了理论数据与真实数据的偏离。当偏离过大时会造成本企业的库存积压，一方面，数据偏离过高会造成高库存积压;另一方面，数据偏离过低会造成二次补货，这是企业为了避免三次补货，肯定会大量进货，但实际仓库中并不缺货，最终也会导致高库存积压。
实际上，幽灵数据在制造行业中无处不在，我们看到的牛鞭效应实际是牛鞭效应与幽灵数据共振的结果，换言之，单纯的牛鞭效应比我们看到的牛鞭效应弱。在实际中，如果我们减少幽灵数据的产生，那么牛鞭效应便会得到弱化，防止制造行业的倒退。
经过调查与分析，我们发现造成数据出现问题的原因如下：数据不同期，标准不统一，数据不一致。数据不同期是指各类数据在时间维度上的矛盾性，不相容性。标准不统一在这企业中，存在“同义”而不“同名”的问题，即二者所要表达的东西是一个东西，但是因为两次配置名称不一致从而就会造成财务上的差错，进而造成财务损失。数据不一致是指各类数据的不相容性以及矛盾性，与数据不同期不同，造成数据不一致的原因既有可能是来自时间维，也可能是来自空间维。如果是来自时间维而造成数据的不同，我们称之为数据不同期。如果是因为空间维而造成数据的不一致性，那么就是技术上出现了问题。
3小建议
标准不统一反映了管理层面各部门错综复杂，针对这一现象，对企业内部各部门关于名称等统计数据进行筛查并统一。不仅要避免“同义”而不“同名”问题的发生，还要杜绝“同名”而不“同义”现象的发生。为此，一方面建议各部门应该按照公司最新颁布的标准统一调整未来几年的指标数据，另一方面也建议公司标准制定相关者们应该本着稳定性的原则来规范各项统计数据，稳定性是为了避免因改动过大而造成企业各部门杂乱无序情况的发生，同时尽量避免不必要的更迭，以减少在數据统计方面的不一致性，同时建议相关部门在使用公司数据时首先统一各指标的名称以及计算口径，从而进行后续研究。
对于企业内部出现的数据不一致以及数据不同期的问题，建议企业加强组织内部知识的交流与共享，比如建立内部信息网便于员工进行知识层面的交流，利用各种专利数据库、知识数据库存放和积累信息，每隔一次时间开一次员工见面会，进而在企业内部营造出有利于员工生成交流和验证知识的宽松环境，同时建立有利于知识共享和创新的的奖励机制，也让组织内消极怠工的成员通过知识共享得到不断的学习和成长。建议公司鼓励和支持员工从外部获取知识，有能力的公司可以自行搭建专家系统，从而促进知识的转移。通过显性知识与隐性知识的记录与转化，优化工作流程和知识传递，提升效益。
参考文献：
[1]任慧娟，金守峰，王钰鑫.供应链中牛鞭效应的成因和防范措施[J].时代金融，2020，{4}（24）：120-121.
[2] 李翀. 供应链网络牛鞭效应的形成机理及其控制机制研究[D].南京航空航天大学，2012.
[1]云小红，张金锁.基于ES预测技术的煤炭供应链牛鞭效应抑制方法[J].数学的实践与认识，2020，50（19）：1-8.
作者简介：
潘志浩（1997-），男，硕士研究生，主要研究方向：物流工程，供应链管理。