賈曉惠+++季文苑+++鄭滿++李子龍

摘要：為有效分析“一站式”海運物流服務(wù)所面臨的各類風(fēng)險，采用文獻研究和訪談進行風(fēng)險因子識別，使用李克特5點量表作為風(fēng)險因子的衡量標準，通過問卷調(diào)查進行相關(guān)數(shù)據(jù)收集.應(yīng)用因子分析法確定風(fēng)險類型和風(fēng)險因子權(quán)重，并繪制較高風(fēng)險區(qū)域的風(fēng)險因子分布圖.研究結(jié)果顯示：信息準確與及時性風(fēng)險相對最大，其中單證信息不準確落在高風(fēng)險區(qū)域的邊緣，對此類風(fēng)險影響最大；市場風(fēng)險、海關(guān)風(fēng)險和客戶議價風(fēng)險處在較高風(fēng)險區(qū)域.根據(jù)研究結(jié)論提出風(fēng)險防范建議.

關(guān)鍵詞：

“一站式”服務(wù)； 海運物流； 風(fēng)險識別； 因子分析法

中圖分類號： F552.6

文獻標志碼： A

Risks of onestop maritime logistics service

JIA Xiaohui， JI Wenyuan， ZHENG Man， LI Zilong

（Transportation Management College， Dalian Maritime University， Dalian 116026， Liaoning， China）

Abstract：

In order to analyze effectively all kinds of risks that onestop maritime logistics service faces， the risk factors are identified through literature review and interviews. 5point Likert scale is adopted as the criterion of risk factors， and the questionnaires are used to collect data. The factor analysis method is used to determine the classification and the weight of each risk factor. The distribution of the risk factors in higher risk area is plotted. The result shows that： the risk of information accuracy and timeliness is the relatively highest one， where the inaccuracy of documents lies in the edge of the high risk area， and makes a greatest contribution to the risk of information accuracy and timeliness； the market risk， the customs risk and the customer bargaining risk lie in the higher risk area. Based on the conclusions， the risk prevention measures are suggested.

Key words：

onestop service； maritime logistics； risk identification； factor analysis method

收稿日期： 20160407

修回日期： 20160612

作者簡介： 賈曉惠（1968—），女，山西忻州人，副教授，碩導(dǎo)，博士，研究方向為港航企業(yè)人力資源管理和供應(yīng)鏈管理，（Email）xiaohuijia@dlmu.edu.cn

0引言

隨著客戶需求不確定性的提高，生產(chǎn)商為提升競爭力，更加專注于自己的核心業(yè)務(wù)，對物流服務(wù)商的要求越來越高.生產(chǎn)商希望物流服務(wù)商提供“一站式”服務(wù)的需求（即只與一家物流服務(wù)商合作即可滿足其所有需求）在不斷增加.因此，海運物流企業(yè)所面臨的環(huán)境日趨復(fù)雜，競爭也日趨激烈.為滿足客戶需求以取得競爭優(yōu)勢，海運物流企業(yè)必須拓展綜合業(yè)務(wù)并提高服務(wù)水平，這無疑增加了企業(yè)本身的風(fēng)險.海運物流行業(yè)的特點決定了其較一般行業(yè)的風(fēng)險種類更多、風(fēng)險影響更大[1]，因此識別、評價和管理風(fēng)險對海運物流企業(yè)的發(fā)展至關(guān)重要.

相關(guān)文獻中對海運物流的定義有不同說法，本文參考吳鐵鋒等[2]的定義，將海運物流定義為以港口為依托，將運輸、儲存、中轉(zhuǎn)、搬運、包裝、流通加工、信息處理等基本功能有機結(jié)合起來，以最低的成本和最佳的服務(wù)水平對物品流通過程進行有效的策劃、組織、協(xié)調(diào)與控制，以一種或多種運輸方式實現(xiàn)物品在國內(nèi)外供應(yīng)地與接收地之間的實體流動.

通過梳理相關(guān)文獻不難看出，國內(nèi)外對海運物流中某些類別的風(fēng)險研究已經(jīng)取得比較好的成果.國內(nèi)研究者從法律風(fēng)險、冷鏈物流風(fēng)險、金融風(fēng)險、物流聯(lián)盟風(fēng)險、海關(guān)風(fēng)險、提單風(fēng)險等角度對海運物流風(fēng)險種類進行研究[35]，國外學(xué)者則從信息、市場、操作、財務(wù)、宏觀環(huán)境等方面對風(fēng)險來源進行分類[67].然而，絕大多數(shù)研究者僅對物流服務(wù)的某個環(huán)節(jié)或者某類風(fēng)險進行研究，缺乏對海運物流風(fēng)險的系統(tǒng)研究，也未涉及海運物流企業(yè)提供“一站式”海運物流服務(wù)時所面臨的全部風(fēng)險.因此，本文從“一站式”服務(wù)角度，從整個海運物流服務(wù)系統(tǒng)出發(fā)識別海運物流風(fēng)險因子，對其進行分類后評價風(fēng)險規(guī)模，并對關(guān)鍵因素進行重點分析，最終提出風(fēng)險防范措施.

1方法選取與數(shù)據(jù)收集

1.1方法選取

風(fēng)險因子的識別采用文獻研究和訪談方法.訪談主要是確定“一站式”服務(wù)的流程，并確定是否有文獻中未提到的風(fēng)險因子；采用李克特5點量表作為風(fēng)險因子的衡量標準，并通過問卷調(diào)查收集相關(guān)數(shù)據(jù).在進行風(fēng)險分析時，為使所研究問題更加簡單明了，對各風(fēng)險因子進行降維處理以達到對風(fēng)險因子分類的目的.通常用于降維的方法有主成分分析法和因子分析法：主成分分析法能夠智能處理線性數(shù)據(jù)，卻不能處理非線性數(shù)據(jù)；因子分析法有較強的非線性數(shù)據(jù)處理能力.因此，采用因子分析法對所有風(fēng)險因子進行分類，并確定各風(fēng)險因子的權(quán)重[8].在繪制較高風(fēng)險區(qū)域的風(fēng)險因子分布圖時，采用優(yōu)化算法計算各公因子相對應(yīng)的風(fēng)險因子的發(fā)生頻率和后果嚴重程度[9].

1.2數(shù)據(jù)收集

采用問卷調(diào)查方式進行數(shù)據(jù)收集.問卷包含兩部分內(nèi)容.第一部分為風(fēng)險因子評價標準的制定，采用李克特5點量表衡量風(fēng)險因子發(fā)生頻率和后果嚴重程度.風(fēng)險因子發(fā)生頻率采用定量描述，“1”表示“超過3年發(fā)生1次”，“2”表示“1～3年發(fā)生1次”，“3”表示“1年發(fā)生1次”，“4”表示“半年至1年發(fā)生1次”，“5”表示“3個月至半年發(fā)生一次”[10].風(fēng)險發(fā)生后的后果嚴重程度采用定性描述，“從1至5”表示“由低到高”.第二部分為相關(guān)風(fēng)險因子.問卷受訪者根據(jù)風(fēng)險因子發(fā)生頻率和后果評價標準，對所有風(fēng)險因子的發(fā)生頻率和后果嚴重程度進行打分.

問卷調(diào)查主要采用網(wǎng)絡(luò)調(diào)查和電子郵件方式，對大連、上海、青島、北京、深圳、香港、廈門、威海、煙臺、廣州等地的海運物流公司進行了調(diào)研.邀請了120位經(jīng)驗豐富的實踐專家進行填答，這些實踐專家主要包括從事業(yè)務(wù)管理的高層、中層管理者和工作年限5年以上的業(yè)務(wù)員.收回問卷105份，其中有效問卷為102份，有效率約為97%，有效問卷數(shù)達到置信度為95%及最大允許誤差為7%以下的簡單隨機抽樣所需的最小樣本量.有效問卷受訪者所在的公司規(guī)模為大型（3 000人以上）的有12人，中型（500～3 000人）的有19人，小型（500人以下）的有71人.在所有的問卷受訪者中：高級管理者有7人，占6.9%；中層管理者有15人，占14.7%；基層管理者有39人，占38.2%；業(yè)務(wù)員有41人，占40.2%.在所有的問卷受訪者中：工作年限在25年以上的有3人，占2.9%；工作年限在21～25年的有7人，占6.9%；工作年限在16～20年的有7人，占6.9%；工作年限在11～15年的有26人，占25.5%；工作年限在5～10年的有59人，占57.8%.

2海運物流風(fēng)險識別

本文參考文獻[11]，結(jié)合實際調(diào)研，繪制“一站式”海運物流服務(wù)流程，見圖1.

結(jié)合“一站式”海運物流服務(wù)流程圖，通過文獻研究和訪談識別出55個風(fēng)險因子，見表1.

3確定風(fēng)險因子的分類及權(quán)重

3.1信度效度分析

運用SPSS 19.0進行問卷量表的信度分析，計算可得Cronbachs α系數(shù)為0.964，信度較好.KMO統(tǒng)計量為0.793，表明變量存在潛在因子結(jié)構(gòu).Bartlett球形檢驗的顯著性水平值為0.000（達到了極其顯著水平），表明各變量的獨立性假設(shè)不成立，存在明顯的結(jié)構(gòu)性和相關(guān)性，適合因子分析.經(jīng)過Varimax轉(zhuǎn)換后提取10個公因子，方差累積貢獻率達89.11%，效度也較好.

3.2風(fēng)險因子的分類及權(quán)重

將提取的10個公因子（Rp，p=1，2，…，10）進行命名，確定風(fēng)險類型.根據(jù)因子載荷以及各公因子所包含的風(fēng)險因子（rq）的性質(zhì)和特點，將其命名為運輸風(fēng)險（R1）、財務(wù)與法律風(fēng)險（R2）、信息安全性風(fēng)險（R3）、合作風(fēng)險（R4）、信息準確與及時性風(fēng)險（R5）、效率風(fēng)險（R6）、市場風(fēng)險（R7）、成本增加風(fēng)險（R8）、海關(guān)風(fēng)險（R9）和客戶議價風(fēng)險（R10），見表1.

由Thomson回歸法得到因子得分系數(shù)矩陣的估計為經(jīng)過方差最大正交旋轉(zhuǎn)之后因子載荷矩陣的轉(zhuǎn)置A′與相關(guān)系數(shù)逆R-1之乘積，即B=A′R-1.根據(jù)因子得分系數(shù)矩陣可以得到Rp主成分表達式[12]為

Y*p=Mq=1apqXq （1）

式中：apq為rq在Rp上的因子載荷量；Xq為rq的平均規(guī)模[7].

Rp的rq的權(quán)重[1314]

upq=apqMq=1apq （2）

其中M為風(fēng)險因子的數(shù)目.

4風(fēng)險分析模型

4.1風(fēng)險規(guī)模

單獨分析風(fēng)險因子發(fā)生頻率或者后果嚴重程度不足以說明風(fēng)險的危害程度，需要將這兩者綜合起來，因此需要計算風(fēng)險規(guī)模.每個風(fēng)險因子規(guī)模是其發(fā)生頻率與后果嚴重程度得分的乘積.將所有受訪者每個風(fēng)險因子的規(guī)模加和平均后，可得

Xq= 1NNi=1（fqi×sqi） （3）

式中：N為受訪者的數(shù)量；fqi為第i個受訪者對rq發(fā)生頻率的打分；sqi為第i個受訪者對rq后果嚴重程度的打分.在此基礎(chǔ)上，可得Rp的風(fēng)險規(guī)模

Yp=Mq=1upqXq （4）

4.2風(fēng)險因子發(fā)生頻率和后果嚴重程度

為尋找每個風(fēng)險因子的最優(yōu)解，即風(fēng)險發(fā)生的頻率和后果，既使其乘積等于平均風(fēng)險規(guī)模，又使其相對應(yīng)的點與所有問卷受訪者所給的分數(shù)距離最短，因此建立目標函數(shù)

min D|D=55q=1Dq=

55q=1102i=1（f^q-fqi）2+（s^q-sqi）2 （5）

f^q×s^q=Xq （6）

式中：f^q為rq所對應(yīng)的風(fēng)險發(fā)生的備選頻率；s^q為rq所對應(yīng)的備選后果；Dq為rq對應(yīng)的風(fēng)險頻率和后果的備選點與所有問卷受訪者所給的分數(shù)所對應(yīng)的點的距離.

4.3風(fēng)險分析模型求解

4.3.1計算風(fēng)險因子及公因子的風(fēng)險規(guī)模

結(jié)合問卷相關(guān)數(shù)據(jù)，由式（3）可得55個風(fēng)險因子的風(fēng)險規(guī)模，見表2.

結(jié)合式（1）～（4）可得公因子的風(fēng)險規(guī)模，見圖2.

根據(jù)風(fēng)險規(guī)模值可將風(fēng)險劃分為4個等級：低風(fēng)險的風(fēng)險規(guī)模值<5；較高風(fēng)險的風(fēng)險規(guī)模值范圍[5，10）；高風(fēng)險的風(fēng)險規(guī)模值范圍[10，15）；極高風(fēng)險的風(fēng)險規(guī)模值≥15.[9]

由圖2可知，所有公因子的風(fēng)險規(guī)模值都處在較高風(fēng)險區(qū)域，其原因可能是問卷受訪者在對所有風(fēng)險因子進行評價時，產(chǎn)生了居中趨勢的認知錯誤.不過，由于本文的目的是對所有風(fēng)險進行比較，判定其相對大小，所以這個錯誤對研究結(jié)論影響不大.與其他公因子相比：R5（信息準確與及時性風(fēng)險）的風(fēng)險規(guī)模值最大，說明此類風(fēng)險比較容易發(fā)生，且一旦發(fā)生帶來的后果是比較嚴重的；R1（運輸風(fēng)險）的風(fēng)險規(guī)模值最小，其原因可能是運輸風(fēng)險發(fā)生的頻率較低；R7（市場風(fēng)險）、R9（海關(guān)風(fēng)險）和R10（客戶議價風(fēng)險）的風(fēng)險規(guī)模值相對較大.因此，需從風(fēng)險發(fā)生頻率和后果嚴重程度這兩個方面更加詳細地分析R5，R7，R9和R10所包含的風(fēng)險因子，為企業(yè)采取更加具體的防范措施提供參考.

4.3.2繪制較高風(fēng)險區(qū)域的風(fēng)險因子分布圖

計算R5，R7，R9和R10所包含的風(fēng)險因子所對應(yīng)的風(fēng)險發(fā)生頻率fq和后果嚴重程度sq.將表2中Xq的計算結(jié)果代入式（5）和（6），使用MATLAB進行計算，結(jié)果見表3.

從圖3可以看出：風(fēng)險因子r1（單證信息不準確）落在高風(fēng)險區(qū)域的邊緣，

其風(fēng)險規(guī)模值為9.9；r2（數(shù)據(jù)輸入錯誤）、r5（傳輸信息不及時）、r16（由于經(jīng)濟衰退，貨物數(shù)量降低）、r17（由于季節(jié)性原因，貨物數(shù)量暴增）、r19（客戶議價能力增加）雖然都落在較高風(fēng)險區(qū)域，但都非常接近高風(fēng)險區(qū)域，且它們的風(fēng)險規(guī)模值都大于9；r19（客戶議價能力增加）的風(fēng)險發(fā)生頻率是最高的，但后果嚴重程度較低；其他的風(fēng)險因子均落在較高風(fēng)險區(qū)域；沒有風(fēng)險因子落在低風(fēng)險區(qū)域和極高風(fēng)險區(qū)域.

5結(jié)論與討論

本文主要結(jié)論如下：（1）所有風(fēng)險類型都處在較高風(fēng)險區(qū)域，其中信息準確與及時性風(fēng)險相對最高；市場風(fēng)險、海關(guān)風(fēng)險和客戶議價風(fēng)險相對來說也較高；（2）在風(fēng)險規(guī)模相對較高的風(fēng)險類型中，單證信息不準確落在高風(fēng)險區(qū)域的邊緣，為最高風(fēng)險.（3）數(shù)據(jù)輸入錯誤、傳輸信息不及時、貨物數(shù)量降低或暴增以及客戶議價能力增加等也接近高風(fēng)險區(qū)域.

海運物流企業(yè)需高度重視較高風(fēng)險區(qū)域的風(fēng)險防范，才有可能將損失降到最小.根據(jù)本文的研究結(jié)論，提出以下建議：（1）確保信息的準確性和及時性.海運物流企業(yè)不僅需要建立高效的信息傳遞渠道，及時傳遞信息，也需要提高相關(guān)人員的業(yè)務(wù)能力和責(zé)任心，避免信息傳遞錯誤，尤其要提高制單操作人員的專業(yè)知識和服務(wù)精神，以保證單證信息準確.（2）增加組織柔性，提高市場預(yù)判能力.由于海運物流周期性特點，市場不確定性較大，需要增加組織柔性，密切關(guān)注市場，并對其進行預(yù)測，增強抵抗市場風(fēng)險的能力，尤其要增強應(yīng)對貨物數(shù)量驟減或暴增的能力.（3）提升與海關(guān)部門的溝通與協(xié)調(diào)能力.對相關(guān)工作人員的溝通與協(xié)調(diào)能力進行培訓(xùn)，不僅需改善與海關(guān)部門溝通與協(xié)調(diào)的有效性，同時需加強與客戶的溝通，增加客戶的配合度以共同規(guī)避清關(guān)時面臨的風(fēng)險.（4）提升服務(wù)質(zhì)量，提高客戶滿意度和忠誠度，與客戶保持長期良好穩(wěn)定的關(guān)系，盡力避免客戶議價能力增加帶來的風(fēng)險.

參考文獻：

[1]李延松， 王久梗. 從全球海運經(jīng)營的視角評析航運企業(yè)未來的發(fā)展趨勢——全面發(fā)展綜合物流[J]. 物流科技， 2007（1）： 5658.

[2]吳鐵鋒， 朱曉寧. 現(xiàn)代海運物流發(fā)展的對策及技術(shù)研究[J]. 中國水運， 2010（10）： 7274.

[3]CAROTENUTO P， GIORDANI S， ZACCARO A. A simulation based approach for evaluating the impact of maritime transport on the inventory levels of an oil supply chain[J]. Transportation Research Procedia， 2014（3）： 710719. DOI： 10.1016/j.trpro.2014.10.050.

[4]LAM J S L. Patterns of maritime supply chains： slot capacity analysis[J]. Journal of Transport Geography， 2011（19）： 366374. DOI： 10.1016/j.jtrangeo.2010.03.016.

[5]ASBJOMSLETT B E， NORSTAD I， BERLE O. Risk of supply breaches in maritime LNG transport[M]//Risk and Interdependencies in Critical Infrastructures. Springer， 2012： 175188. DOI： 10.1007/9781447146612_12.

[6]蘇會衛(wèi)， 李佳楠， 陸琳. 基于模糊綜合評價算法的海運物流風(fēng)險測算[J]. 物流技術(shù)， 2015（34）： 134136. DOI： 10.3969/j.issn.1005152X.2015.02（2）.031.

[7]崔廣彬， 李一軍. 模糊需求下物流系統(tǒng)CLRIP問題研究[J]. 控制與決策， 2007， 22（9）： 10001004. DOI： 10.13195/j.cd.2007.09.42.cuigb.023.

[8]高祥寶， 董寒青. 數(shù)據(jù)分析與SPSS應(yīng)用[M]. 北京： 清華大學(xué)出版社， 2007： 342357.

[9]CHANG C H， XU J， SONG D P. Risk analysis for container shipping： from a logistics perspective[J]. The International Journal of Logistics Management， 2015（26）： 4957. DOI： 10.1108/IJLM0720120068.

[10]LU C S. Logistics services in Taiwanese maritime firms[J]. Transportation Research Part E， 2000（36）： 7996.[11]叢小茗. 不確定環(huán)境下國際海運物流決策系統(tǒng)的設(shè)計與實現(xiàn)[D]. 哈爾濱： 哈爾濱工業(yè)大學(xué)， 2012.

[12]吳明隆. 問卷統(tǒng)計分析實務(wù)——SPSS操作與應(yīng)用[M]. 重慶： 重慶大學(xué)出版社， 2010： 195230.

[13]湯夢玲， 王占龍， 李志建. 因子分析法求權(quán)重評價水質(zhì)的實例[J]. 邢臺職業(yè)技術(shù)學(xué)院學(xué)報， 2005， 22（5）： 1416.

[14]劉煒. 關(guān)于因子分析定權(quán)法若干問題的探討[J]. 上海體育學(xué)院學(xué)報， 1995， 19（S1）： 121126.

（編輯趙勉）