“新零售”下我国零售企业供应链KPI体系的构建与应用

发布时间：2021-08-13 10:10

　　"新零售"是解决中国零售业顽疾的一剂良药,驱动供应链向整合、创新方向发展。本文针对我国零售企业供应链KPI管理存在的问题,综合运用德尔菲法和主成分分析法,构建出适应"新零售"趋势和中国情境的零售企业供应链KPI指标体系,并对企业业态、产品品类等多层面与美国行业进行对比分析,得出有益的结论与启示。 

【文章来源】：商业经济研究. 2020,(24)北大核心

【文章页数】：4 页

【部分图文】：

中美不同业态仓库缺货率

图1 中美不同业态仓库缺货率资金效率C。整体而言,与美国企业对比,中国零售企业的库存周转天数较长,周转速度较慢,受限于“新零售”中消费者需求的升级和波动,库存管理将面临更大挑战。具体而言,从业态角度分析,大中型超市的平均库存天数在37天以上,社区超市和便利店多在30天以内,所有业态的库存周期天数的最低值为5天,最高值为63天,中位数为33天,而美国企业的最低值为4.5天,最高值为49天,中位数为28天,其水平显著高于中国。无论在服务覆盖范围、消费者购物行为还是在运营品类上,大中型超市在“新零售”中的库存管理均面临不小压力。从仓库的库存周转速度分析,中国零售企业的整体水平亦低于美国企业的整体水平。我国仓库库存周转普遍优于线下门店,仓库周转天数的整体水平为12天,超过美国的整体水平10天,也远超过线下门店的整体水平29天,其中电商仓库周转天数仅为6天,大中型超市仓库为13天,便利店仓库为9天,专门店仓库为10天(见图2)。电商仓库之所以能有高的周转速度,得益于大数据模型的精准预测,在定义库存级别、分类库存标签、实时跟踪库存变化、动态预测消费者需求等方面实现了数智化管理。这为“新零售”下缩短库存周转天数、提高资金效率带来启示,大数据、人工智能与零售企业供应链的深度融合是重要的解决方案,供应链管理必然走向数智化道路。


本文编号：3340232