湖北煙草商業(yè)企業(yè)物流分類對標(biāo)管理研究

余俊旸　張芬　潘回歸　郭清海

摘 要：針對湖北煙草商業(yè)企業(yè)在物流對標(biāo)管理中因地域差異導(dǎo)致的評價(jià)不公平問題，本文根據(jù)國家煙草專賣局物流對標(biāo)管理分類要素體系，分別利用K均值聚類、凝聚聚類以及Birch聚類方法對湖北省17個市州進(jìn)行了聚類分析。通過比較輪廓系數(shù)得分將17個市州分為四類，且三種聚類方法所得結(jié)果一致。在此基礎(chǔ)上，進(jìn)一步對湖北省17個市級煙草公司進(jìn)行對標(biāo)分析，驗(yàn)證了本文分類結(jié)果的合理性。本文為湖北省煙草商業(yè)物流分類對標(biāo)管理工作提供了有意義的借鑒。

關(guān)鍵詞：煙草物流;分類對標(biāo)管理;K均值聚類;凝聚聚類;Birch聚類

中圖分類號：F23 文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2021.14.053

0 引言

對標(biāo)管理作為重要的科學(xué)管理方法在眾多領(lǐng)域得到了廣泛的應(yīng)用。自2009年開始，煙草行業(yè)全面開展對標(biāo)工作。在此期間，行業(yè)物流在對標(biāo)管理方面也進(jìn)行了許多積極探索，有力推動了行業(yè)物流管理水平的提升。然而，隨著行業(yè)高質(zhì)量發(fā)展要求的提出，原有物流對標(biāo)體系已不能完全適應(yīng)新的管理模式和運(yùn)行機(jī)制的需要。存在的主要問題：一是對標(biāo)管理體系不完善，二是對標(biāo)指標(biāo)體系不健全。其中，對標(biāo)管理體系的問題主要集中在標(biāo)桿的選擇上。通常情況下，標(biāo)桿是行業(yè)內(nèi)績效最優(yōu)的某個企業(yè)。煙草行業(yè)物流對標(biāo)管理，選擇的標(biāo)桿就是在某一指標(biāo)上績效表現(xiàn)最優(yōu)的企業(yè)，其他企業(yè)從經(jīng)營管理、產(chǎn)品質(zhì)量、成本控制等各方面找出與標(biāo)桿企業(yè)的差距并向其學(xué)習(xí)，進(jìn)而彌補(bǔ)自身短板以提升核心競爭力。然而，只依據(jù)績效排名確定標(biāo)桿的方式，往往不具備可比性和適用性。比如省會城市，由于其先天的地理環(huán)境、人口規(guī)模、經(jīng)濟(jì)發(fā)展等優(yōu)勢，以及自身的企業(yè)規(guī)模、人力資源、技術(shù)條件等差異，其各項(xiàng)指標(biāo)都會明顯優(yōu)于省內(nèi)其他地市。如果統(tǒng)一都以省會城市為標(biāo)桿的話，對一些地市特別是經(jīng)濟(jì)欠發(fā)達(dá)地市就很不公平，對標(biāo)管理也難以起到作用?；诖嗽?，2019年底，國家煙草行業(yè)專賣局印發(fā)了《煙草商業(yè)企業(yè)物流分層分類對標(biāo)管理規(guī)范（試行）》，對省級商業(yè)企業(yè)和重點(diǎn)城市商業(yè)企業(yè)試行分層分類對標(biāo)管理，打響了行業(yè)層分類對標(biāo)的“發(fā)令槍”。同時，鼓勵各省級商業(yè)企業(yè)以《規(guī)范》為依據(jù)，構(gòu)建適宜于本地的分類模型來開展地市級商業(yè)企業(yè)物流類對標(biāo)管理。

分類對標(biāo)首先需要解決分類問題。對目標(biāo)企業(yè)進(jìn)行分類的方法有很多，其中通過專家打分以及計(jì)算指標(biāo)權(quán)重并加權(quán)排序等方法難免會受到一些主觀影響，相對來說，利用聚類方法進(jìn)行分類更加客觀，因此聚類分析方法也得到了越來越廣泛的應(yīng)用。高珊選取降水量等指標(biāo)來表現(xiàn)黃淮海地區(qū)的干旱程度，并利用K均值聚類法對其進(jìn)行分區(qū);肖自乾根據(jù)在線教學(xué)時學(xué)生的表現(xiàn)，通過K均值聚類將他們分為不同的群體，進(jìn)而方便因材施教;笪可寧通過凝聚聚類法將全國35個大中城市劃分為3類，再建立面板數(shù)據(jù)回歸模型對影響商品住宅價(jià)格的因素進(jìn)行分析;施立珊利用凝聚聚類方法對教師的教學(xué)質(zhì)量進(jìn)行分析;宋志飛同時采用K均值聚類、凝聚聚類、DBSCAN聚類三種方法對海南農(nóng)墾耕地類型進(jìn)行分析，然后通過各自的特征頻數(shù)統(tǒng)計(jì)表來從中選中相對更優(yōu)的聚類方法。王夢瑤將K均值聚類和Birch聚類結(jié)合起來對用戶評論數(shù)據(jù)進(jìn)行聚類。

在前人的研究基礎(chǔ)之上，本文對湖北省17個市州的煙草物流數(shù)據(jù)進(jìn)行實(shí)證研究，選取了K均值聚類、凝聚聚類、Birch聚類這三種聚類方法來分別構(gòu)建分類模型，然后通過輪廓系數(shù)來比較評價(jià)聚類效果并確定最優(yōu)聚類個數(shù)，最后對湖北省17個市級煙草公司進(jìn)行對標(biāo)分析。

1 聚類模型與評估指標(biāo)

1.1 K均值聚類（K-means）

K均值聚類屬于原型聚類，是應(yīng)用最廣泛的一種聚類方法。它首先需要自行設(shè)定聚類個數(shù)K，再從樣本中隨機(jī)選取K個點(diǎn)作為初始聚類中心，然后計(jì)算其他點(diǎn)與這K個中心點(diǎn)的距離，將每個點(diǎn)分配給距離最近的聚類中心，全部分好后就形成了K個簇;之后計(jì)算各個簇中的樣本均值，將其作為新的聚類中心，再重復(fù)迭代計(jì)算，直到目標(biāo)函數(shù)最小化，通常是使樣本和所屬的聚類中心之間的距離總和達(dá)到最小。

1.2 凝聚聚類（Agglomerative Clustering）

凝聚聚類屬于層次聚類的一種，同樣需要先指定聚類個數(shù)K，再將每個樣本點(diǎn)都作為聚類中心，然后再將距離最近的兩個類進(jìn)行合并，不斷重復(fù)這個過程，直到只剩下K個類。根據(jù)使用的距離計(jì)算公式不同，還可以再細(xì)分成不同的凝聚聚類算法。

1.3 Birch聚類

Birch算法的全稱是利用層次方法的平衡迭代規(guī)約和聚類（Balanced Iterative Reducing and Clustering Using Hierarchies）。該算法利用可用資源生成最好的聚類結(jié)果，采用多階段聚類技術(shù)，把待分類的數(shù)據(jù)插入一棵樹中，并且原始的數(shù)據(jù)都在葉子節(jié)點(diǎn)上。要注意的是，Birch算法對每一個數(shù)據(jù)點(diǎn)的聚類決策都基于當(dāng)前處理過的數(shù)據(jù)點(diǎn)，而不是基于全局的數(shù)據(jù)點(diǎn)，具體算法原理可參考文獻(xiàn)。

1.4 輪廓系數(shù)

輪廓系數(shù)是評估聚類效果的常用指標(biāo)，適用于原始數(shù)據(jù)實(shí)際類別未知的情況。假設(shè)使用某種聚類方法將樣本分為了K類，然后計(jì)算每個樣本的輪廓系數(shù)，用a（i）代表第i個樣本與其所屬類中其他樣本的平均距離，用b（i）代表第i個樣本與距離最近的一個類中樣本的平均距離，則第i個樣本的輪廓系數(shù)計(jì)算公式為：

S（i）=b（i）-a（i）max（a（i），b（i））/*MERGEFORMAT（1）

在求得了所有樣本的輪廓系數(shù)后，將它們?nèi)∑骄偷玫搅俗罱K總的輪廓系數(shù)，其取值范圍為[-1，1]，越靠近1則說明聚類效果越好，反之越靠近-1則效果越差。

2 物流分類指標(biāo)評價(jià)體系

為了保證所建分類模型的客觀性和可比性，排除受主觀因素影響較大的指標(biāo)，并從客觀因素中篩選出對企業(yè)物流管理影響較大的指標(biāo)，并將之分為外部要素和內(nèi)部要素。其中，外部要素是基本不受企業(yè)控制而只與所處地域相關(guān)的因素，包括區(qū)域經(jīng)濟(jì)水平、城鄉(xiāng)結(jié)構(gòu)、自然環(huán)境;內(nèi)部要素則是影響物流需求與配送的主要因素，包括卷煙配送規(guī)模和卷煙零售客戶。本文最終采用10項(xiàng)指標(biāo)來構(gòu)建煙草商業(yè)企業(yè)物流分類指標(biāo)評價(jià)體系，具體見表1。

3 湖北省煙草商業(yè)企業(yè)物流分類及實(shí)證

綜合各市州統(tǒng)計(jì)年鑒數(shù)據(jù)、企業(yè)內(nèi)部數(shù)據(jù)和官方網(wǎng)站數(shù)據(jù)，本文根據(jù)2020年湖北省煙草系統(tǒng)17家市洲商業(yè)公司的各指標(biāo)數(shù)據(jù)，分別采用K均值聚類、凝聚聚類、Birch聚類三種模型對湖北省17個市州進(jìn)行聚類，并利用平均輪廓系數(shù)得分來分別評估每個模型的最優(yōu)分類數(shù)。

首先對數(shù)據(jù)進(jìn)行預(yù)處理，利用Python軟件從Sklearn庫中調(diào)用MinMaxScaler（）函數(shù)，將各維度的數(shù)據(jù)標(biāo)準(zhǔn)化到0到1之間，以消除指標(biāo)間單位和尺度差異的影響。

在標(biāo)準(zhǔn)化數(shù)據(jù)的基礎(chǔ)上，先利用分層聚類方法得到聚類樹狀圖（圖1）作為分類結(jié)果的初步參考。從圖1中可以看到，大體上可以把湖北省17個市州分為四類。

為了進(jìn)一步驗(yàn)證分成四類的合理性，分別利用K-means模型、凝聚模型、Birch模型，選取聚類類數(shù)n從3到7，計(jì)算每種模型的輪廓系數(shù)，結(jié)果如圖2-圖4所示。

由圖2-圖4可以看出，無論是哪種模型都是當(dāng)n=4時輪廓系數(shù)最大，即三種模型的最優(yōu)分類方式都是將17個市州分成四類，且最終分類結(jié)果相同：武漢為一類，黃石、襄陽、荊門、孝感、黃岡、咸寧為一類，十堰、宜昌、神農(nóng)架林區(qū)、恩施、隨州為一類，鄂州、荊州、仙桃、潛江、天門為一類。

基于以上分類結(jié)果，對每一類計(jì)算該類10項(xiàng)指標(biāo)的平均值，再對每項(xiàng)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，得到最終的標(biāo)準(zhǔn)分如表2所示。

由表2可見，第一類武漢，除了地形地貌指標(biāo)外，在卷煙配送規(guī)模、卷煙零售客戶、區(qū)域經(jīng)濟(jì)水平、區(qū)域城鄉(xiāng)結(jié)構(gòu)等方面的各項(xiàng)指標(biāo)的標(biāo)準(zhǔn)分均在1.60到1.72之間，而其它三類相應(yīng)的標(biāo)準(zhǔn)分均為負(fù)值，由此可看出武漢與其他三類的差距很大，因此被單獨(dú)分為一類。

第二類包括黃石、襄陽、荊門、孝感、咸寧、黃岡。該類的配送總量指標(biāo)的標(biāo)準(zhǔn)分遠(yuǎn)遠(yuǎn)低于武漢，但明顯高于第三類和第四類。另外，該類的丘陵指標(biāo)的標(biāo)準(zhǔn)分為1.70，為四類中的最高，而其它三類的標(biāo)準(zhǔn)分均為負(fù)值。

第三類包括十堰、宜昌、林區(qū)、恩施、隨州。該類有一個明顯特征是地形地貌中山地和高山地指標(biāo)的標(biāo)準(zhǔn)分最高，分別為1.63和1.73。因此，在物流考核時要著重注意這種多山地的特殊情況。受這種情況影響，這一類的單元配送量、道路客戶密度、區(qū)域客戶密度、經(jīng)濟(jì)密度和常住人口城鎮(zhèn)化率指標(biāo)的標(biāo)準(zhǔn)分均為四類中的最低。

第四類包括鄂州、荊州、仙桃、潛江、天門。該類的配送總量指標(biāo)標(biāo)準(zhǔn)分是最低的;但平均平原地形占比是最高的，其標(biāo)準(zhǔn)分達(dá)到1.08;其余指標(biāo)相對來說都處于居中水平。

4 分類對標(biāo)應(yīng)用

以2020年1月至9月湖北省17個市級煙草公司的單箱物流成本（元/箱）、人均配送效率（箱/人）、單車日均送貨數(shù)量（條）指標(biāo)為例，將聚類結(jié)果應(yīng)用于對標(biāo)分析。

4.1 單箱物流成本分類對標(biāo)

圖6所示，從分類情況看，武漢市作為省會城市和區(qū)域物流中心，其物流設(shè)備設(shè)施智能化程度是其他市州無法比擬的。武漢市公司宜以自身為標(biāo)桿，進(jìn)行縱向?qū)Ρ?。武漢市公司單箱物流成本為144.44元/箱，同比下降24.92%，降幅明顯。第二類標(biāo)桿值為148.61元/箱（咸寧），同比降幅最大-27.30%（咸寧）;第三類標(biāo)桿值為123.43元/箱（林區(qū)），同比降幅最大-24.87%（恩施）;第四類標(biāo)桿值為153.85元/箱（荊州），同比降幅最大-10.69%（荊州）。綜合分析，除武漢外，第三類單箱物流成本平均值最低（151.19元/箱），第二類同比降幅最大（-5.82%）。第二類6個地市公司單箱物流成本平均值高于第三類和第四類，原因在于其配送總量明顯高于其他兩類。類中襄陽單箱物流成本最高，咸寧單箱物流成本最低，與分類指標(biāo)中兩地的地勢地貌相關(guān)。

4.2 人均配送效率分類對標(biāo)

圖7所示，武漢市公司人均配送效率遙遙領(lǐng)先于其他公司，為1474.59箱/人，同比增長21%，增幅明顯。第二類標(biāo)桿值為1136.51箱/人（黃石），同比增幅最大5.24%（黃石）;第三類標(biāo)桿值為918.94箱/人（宜昌），同比增幅最大3%（隨州）;第四類標(biāo)桿值為1342.61箱/人（鄂州），同比增幅最大5.49%（荊州）。綜合分析，除武漢外，第二類人均配送效率均值最高（933.8箱/人），第四類同比增幅最大（1.58%）。第三類人均配送效率明顯低于其他類，類別之間差異明顯。

4.3 單車日均送貨數(shù)量分類對標(biāo)

圖8所示，武漢市公司單車日均送貨數(shù)量為5662.09箱，同比增長40.33%。第二類標(biāo)桿值為6530.08箱（黃岡），同比增幅最大66.96%（黃岡）;第三類標(biāo)桿值為5271.68箱（十堰），同比增幅最大40.63%（仙桃）;第四類標(biāo)桿值為5490.81箱（仙桃），同比增幅最大74.44%（仙桃）。綜合分析，第四類單車日均送貨量均值最高（4787.89箱），第二類同比增幅最大（27.06%）。第三類單車日均送貨量明顯低于其他類，類別之間差異較為明顯。

5 結(jié)論

（1）本文利用K均值聚類、凝聚聚類、Birch聚類三種模型對湖北省17個地市煙草企業(yè)數(shù)據(jù)進(jìn)行聚類分析比較發(fā)現(xiàn)，17個地市煙草企業(yè)最終分為4類最為合適，其中：武漢市公司為第一類;黃石、襄陽、荊門、孝感、咸寧、黃岡為第二類;十堰、宜昌、林區(qū)、恩施、隨州為第三類;鄂州、荊州、仙桃、潛江、天門為第四類。

（2）將上述分類結(jié)果應(yīng)用于湖北省煙草商業(yè)企業(yè)物流對標(biāo)分析，各類別之間區(qū)別很明顯，準(zhǔn)確體現(xiàn)了各城市在所選指標(biāo)數(shù)據(jù)上的差異性，為進(jìn)一步提升湖北省煙草商業(yè)企業(yè)物流對標(biāo)工作科學(xué)性、可比性和適用性提供了重要依據(jù)，有助于提高對商業(yè)企業(yè)物流整體運(yùn)行情況的分析和預(yù)測質(zhì)量，推動行業(yè)物流高質(zhì)量發(fā)展。

參考文獻(xiàn)

[1]黃帆.關(guān)于煙草商業(yè)物流分層分類對標(biāo)管理體系的思考[N].東方煙草報(bào)，2020-01-18（003）.

[2]陳昌華，黃河，尹健康，等.煙草商業(yè)企業(yè)物流對標(biāo)管理分類體系研究——以四川省為例[J].中國煙草學(xué)報(bào)，2020，26（03）：114-120.

[3]高珊，陳杰，許朗，等.黃淮海地區(qū)干旱分區(qū)研究[J].節(jié)水灌溉，2020，（10）：101-106.

[4]肖自乾，陳經(jīng)優(yōu).基于數(shù)據(jù)挖掘聚類算法的網(wǎng)絡(luò)學(xué)習(xí)平臺學(xué)生成績分析[J].電腦知識與技術(shù)，2020，16（19）：28-29.

[5]笪可寧，楊賀貞.價(jià)格聚類視角下商品住宅價(jià)格影響因素實(shí)證研究[J].沈陽建筑大學(xué)學(xué)報(bào)（社會科學(xué)版），2020，22（05）：494-499.

[6]施立珊，李就娣，莫卓達(dá)，等.聚類分析在高校教務(wù)系統(tǒng)中的應(yīng)用研究[J].電腦知識與技術(shù)，2016，12（13）：18-20.

[7]宋志飛，彭金蓮.海南農(nóng)墾耕地類型的聚類分析[J].計(jì)算機(jī)應(yīng)用研究，2020，37（S1）：88-91.

[8]王夢遙，王曉曄，洪睿琪，等.基于改進(jìn)BIRCH聚類算法的評價(jià)對象挖掘[J].軟件，2019，40（11）：9-12+61.

[9]尚家澤，安葳鵬，郭耀丹，等.基于閾值的BIRCH算法改進(jìn)與分析[J].重慶郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，32（03）：487-494.