上市公司供应链集成度聚类分析
供应链数据分析与决策
供应链数据分析与决策随着信息技术的不断发展，供应链数据分析在企业管理中扮演着越来越重要的角色。
通过对供应链中的各个环节进行数据采集、整理和分析，企业可以更好地了解市场需求、优化生产计划、提升供应效率，从而做出更加科学合理的决策。
本文将探讨供应链数据分析在企业决策中的应用，以及如何利用数据分析提升供应链管理效率。
一、供应链数据分析的重要性1.1 提升供应链效率供应链数据分析可以帮助企业实时监控库存水平、预测需求变化、优化供应商选择等，从而提升供应链的运作效率。
通过对数据的深度挖掘和分析，企业可以及时调整采购计划，避免库存积压或供应不足的情况，保持供应链的稳定运作。
1.2 降低成本通过数据分析，企业可以找出供应链中的低效环节，优化资源配置，降低生产和运输成本。
比如，通过分析供应商的交货准时率和产品质量，企业可以选择更加可靠的供应商合作，降低因供应链问题导致的成本损失。
1.3 提升客户满意度供应链数据分析可以帮助企业更好地了解客户需求，及时调整生产计划和供应链布局，提供更加个性化的服务。
通过数据分析，企业可以预测客户需求的变化趋势，提前调整生产和供应计划，确保产品能够及时送达客户手中，提升客户满意度。
二、供应链数据分析的应用2.1 需求预测通过历史销售数据和市场趋势分析，企业可以预测未来的需求量，制定合理的生产计划和库存策略。
供应链数据分析可以帮助企业准确把握市场需求的变化，避免因为需求波动而导致的供应链问题。
2.2 供应商评估企业可以通过数据分析评估供应商的绩效表现，包括交货准时率、产品质量、价格竞争力等指标。
通过对供应商数据的分析，企业可以及时调整供应链合作伙伴，确保供应链的稳定和高效运作。
2.3 库存管理供应链数据分析可以帮助企业优化库存管理，避免因为库存积压或库存不足而导致的问题。
通过对库存数据的监控和分析，企业可以及时调整采购计划，避免资金被困在库存中，提高资金利用效率。
2.4 物流优化通过对物流数据的分析，企业可以优化运输路线、降低运输成本、提升配送效率。
物流大数据分析中的聚类算法研究
物流大数据分析中的聚类算法研究随着信息化发展的不断深入，物流大数据已逐渐成为物流行业的重要组成部分。
物流大数据的分析可以为物流企业提供决策依据、优化运营、提高效率、降低成本，进而提高企业的竞争能力。
而聚类算法作为物流大数据分析的一种重要手段，其研究与应用也愈加受到关注。
一、聚类算法的基本原理聚类算法是通过对一组对象进行分组，使得组内对象之间的相似度尽可能大，组间对象之间的相似度尽可能小，将一个数据集分成若干个类别的方法。
聚类算法广泛应用于物流大数据的分类与分析，如订单分类、区域划分、货物分拣等。
常用的聚类算法包括层次聚类算法、K均值聚类算法、DBSCAN聚类算法等。
层次聚类算法是将数据集看作是一棵树，通过递归地将数据集划分为更小的子集，直到满足某个条件为止。
该算法分为自下而上（聚合）和自上而下（分裂）两种方式。
K均值聚类算法是将n个对象分组成k个簇，以使簇内最大的距离（均方误差）最小。
当簇的个数k确定时，该算法每次执行均可以得到最优划分。
其基本步骤包括：1)任意选择k个初始质心；2）根据各个对象到各个质心的距离将对象分到最近的质心对应的簇中；3）重新计算每个簇的质心；4）重复步骤2、3，直到质心不再移动为止。
DBSCAN聚类算法是基于密度的聚类方法，该算法将密度相连的对象自动聚成一个簇，并将"密度稀疏（离群点）"的对象不属于任何簇。
二、聚类算法的应用聚类算法在物流领域的应用非常广泛，主要包括以下三个方面。
1.物流订单分类物流订单分类主要是根据订单的不同属性（如地区、物品类别、重量、体积、金额等）将订单进行分组。
通过聚类算法，可以根据订单的特征对订单进行分类，形成订单分类体系，方便物流企业对订单进行管理和统计，提高订单处理效率。
2.仓库区域划分仓库区域划分是将仓库的存储空间划分成多个区域，以便更好地您存储、盘点和统计货物。
聚类算法可以根据货物属性和大小来对货物进行分类，根据货物的存储要求对区域进行划分，提高仓库的物品存储效率和管理水平。
供应链集中程度、议价能力与企业高质量发展
议价能力越强的企业，在与供应商的谈判中能够更好地保护自己 的利益，避免被供应商压榨或欺诈，从而保证企业的合法权益。
议价能力越强的企业，在与供应商的谈判中能够更好地了解供应 商的情况，从而更好地评估供应商的质量和信誉，避免因供应商 问题导致的生产中断和产品质量问题。
议价能力强的企业能够更好地控制成本和风险，提 高盈利能力。
03
议价能力有助于企业与供应商和客户建立长期稳定 的合作关系，降低交易成本。
企业高质量发展
01
企业高质量发展是指企业在经济效益、社会效益和环
境效益等方面实现协调、可持续的发展。
02
供应链集中程度和议价能力是企业高质量发展的重要
因素，有助于提高企业竞争力和市场地位。
议价能力的局限性
过强的议价能力可能导致供应商降低产品质量或服务水平 ，进而影响企业产品质量和长期发展。
04
供应链集中程度、议价能力与 企业高质量发展的关系
供应链集中程度与企业高质量发展
供应链集中程度越高，企业与供应商之间的合作更加紧密，有利于提高采购效率、降低采购成本，从 而提升企业的经济效益。
供应链集中程度越高，企业在与供应 商的合作关系中越具有稳定性，能够 降低因供应商变动带来的风险和成本 。
02
议价能力
供应商议价能力
供应商议价能力强的原因
供应商数量少，产品独特，转换成本高。
供应商议价能力强的后果
企业采购成本高，采购风险大，采购效率低。
购买者议价能力
购买者议价能力强的原因
购买者数量多，购买者购买量大，购买者转换成本低。
企业级应用集成的成功案例分析(八)
企业级应用集成的成功案例分析引言企业级应用集成是指将不同部门、不同应用之间的数据和功能无缝地连接起来，实现信息共享与业务流程优化的过程。
它的目标是提高企业的工作效率、降低成本、增强竞争力。
本文将分析一些成功的企业级应用集成案例，并探讨它们的关键因素和经验教训。
案例一：某跨国制造企业的供应链集成这家制造企业面临着供应链管理的挑战，因为它与数十家供应商以及客户之间需要频繁的信息交流和协同。
该企业通过引入企业集成平台，实现了供应链全流程的集成。
在整个供应链中，各个环节的订单、物流、库存等关键信息全部实时同步。
这不仅提高了企业的运营效率和客户满意度，还降低了库存和物流成本。
关键因素：- 良好的规划和战略：企业在实施供应链集成前，要明确目标和需求，并制定明确的计划和战略。
- 强大的技术支持：选择适合的企业集成平台，并与现有的系统和应用进行无缝集成，确保数据的准确性和一致性。
- 全面的培训和支持：向员工提供培训和技术支持，确保他们能够熟练使用集成系统，并且能够灵活应对业务变化。
案例二：某金融机构的用户认证集成这家金融机构面临着用户认证的问题，由于不同的应用系统存在各自独立的用户认证机制，用户需要多次登录才能完成操作，给用户带来了不便。
该机构引入企业级应用集成平台，实现了用户认证的集成，用户只需登录一次，即可访问各个系统。
这不仅提升了用户体验，还加强了信息安全管理。
关键因素：- 统一的认证策略：金融机构需要制定统一的用户认证策略，确保各个应用系统的认证机制能够无缝集成。
- 强大的安全控制：在集成过程中，要确保用户身份信息的安全性，采用加密技术和访问控制策略，防止数据泄露和攻击。
- 合理的用户权限管理：精细、灵活地管理用户的权限，确保用户只能访问自己需要的信息和功能，防止非法操作和数据泄露。
案例三：某零售企业的CRM集成这家零售企业面临着销售、客户服务和市场营销等多个部门之间信息孤岛的问题。
为了改善与客户的互动和提升市场竞争力，该企业实施了CRM（客户关系管理）集成。
应用集成技术在供应链中的应用案例分析
应用集成技术在供应链中的应用案例分析近年来，随着信息技术的快速发展和应用集成技术的不断成熟，越来越多的公司开始将应用集成技术应用于其供应链中，以提高供应链的效率和灵活性。
本文将通过一个实际案例来探讨应用集成技术在供应链中的应用。
案例分析：假设某公司生产流程如下：采购原材料、生产、质检、入库、配送。
为了提高供应链的效率，该公司决定采用应用集成技术来实现对供应链的整合管理。
具体来说，该公司采用了以下四种集成技术：1.ERP（Enterprise Resource Planning，企业资源计划系统）：该公司采用了一种ERP系统，将采购、生产、质检、入库和配送等环节集成到了一个统一的系统中，可以实现对供应链从始至终的整合管理。
2. EDI（Electronic Data Interchange，电子数据交换）：该公司采用EDI技术来实现与供应商之间的电子数据交换，可以实现采购订单、发票、出货通知等信息的快速传递，提高供应链的响应速度。
3. EAI（Enterprise Application Integration，企业应用集成）：该公司采用了一种EAI系统，可以将不同的应用程序和数据库之间进行集成，实现数据的快速共享和交换，提高供应链的协同性。
4. BPM（Business Process Management，业务流程管理）：该公司采用BPM技术来对供应链中的各个环节进行流程优化，可以实现流程的自动化和优化，提高供应链的效率和灵活性。
通过以上四种集成技术的应用，该公司实现了对供应链的整合管理，将采购、生产、质检、入库和配送等环节无缝连接，实现了供应链的数字化和智能化，提高了供应链的效率和灵活性。
具体来说，应用集成技术可以带来以下几方面的好处：1. 提高供应链的响应速度：通过EDI技术的应用，该公司可以实现采购订单、发票、出货通知等信息的快速传递，从而提高供应链的响应速度。
2. 提高供应链的协同性：通过EAI技术的应用，该公司可以将不同的应用程序和数据库之间进行集成，实现数据的快速共享和交换，从而提高供应链的协同性。
供应链数据分析方案
供应链数据分析方案一、引言随着供应链管理的不断发展和信息技术的不断提升，供应链数据分析方案在企业中扮演着越来越重要的角色。
本文将探讨供应链数据分析的意义和价值，以及如何设计一个有效的供应链数据分析方案。
二、供应链数据分析的意义和价值1. 实时监控和跟踪供应链活动：供应链数据分析能够通过实时监控和跟踪供应链活动，帮助企业了解供应链的各个环节，及时发现和解决问题，提高运营效率和准确性。
2. 预测和预防供应链风险：通过对供应链数据的分析，企业可以得到一些有价值的信息，如订单延迟、库存异常等，从而及时预测和预防供应链风险，减少潜在的损失。
3. 优化供应链成本和效益：供应链数据分析可以帮助企业剖析所有供应链环节的成本，并通过优化和调整供应链策略，提高供应链的效益和绩效。
三、设计供应链数据分析方案的步骤1. 收集和整理供应链数据：首先，企业需要收集和整理供应链相关的数据，包括订单数据、库存数据、运输数据等。
这些数据可以来自企业内部的系统，也可以来自供应商和物流合作伙伴。
2. 数据清洗和预处理：在进行数据分析之前，需要对收集的数据进行清洗和预处理。
这包括去除重复数据、处理缺失值和异常值等操作，以确保数据的质量和准确性。
3. 选择合适的数据分析方法和工具：根据不同的需求和目标，选择合适的数据分析方法和工具。
常见的数据分析方法包括统计分析、数据挖掘和机器学习等，而数据分析工具可以是Excel、R、Python等。
4. 进行供应链数据分析：根据设计的数据分析方案，对供应链数据进行深入分析。
可以通过可视化的方式呈现分析结果，如制作图表和报表，以便更好地理解和分享数据分析的结果。
5. 提出改进措施和建议：基于供应链数据分析的结果，提出相应的改进措施和建议。
这些改进措施可以包括优化供应链流程、改善供应商选择和管理、提升物流效率等。
四、供应链数据分析方案的应用案例以电子产品制造商为例，可以通过供应链数据分析方案提升其供应链管理的效率和准确性。
供应链中的数据分析与
供应链中的数据分析与供应链中的数据分析与决策一、引言在现代企业经营中，供应链管理的重要性日益凸显。
供应链的运作涉及到多个环节和多个参与方之间的协调与合作。
为了提高供应链的效率和优化决策，数据分析成为一项不可或缺的工具。
本文将探讨供应链中的数据分析在决策中的应用。
二、供应链数据的采集与整理供应链中涉及到大量的数据，包括物流数据、库存数据、销售数据等。
为了进行数据分析，首先需要对数据进行采集和整理。
采集数据的方式可以包括人工填写、传感器采集、云平台数据接入等，并将这些数据进行清洗和整理，以确保数据的准确性和一致性。
三、数据分析的应用场景1.需求预测供应链中的需求预测是一项关键的决策，对于生产计划、库存管理和物流安排都有着重要的影响。
通过对历史销售数据和市场趋势进行分析，可以建立精确的需求预测模型，并为企业提供准确的销售预测结果，以便做出合理的计划和调整。
2.物流优化物流是供应链中不可或缺的环节，其效率和成本直接影响着整个供应链的运作。
数据分析可以通过对物流数据的挖掘和分析，找到物流过程中的瓶颈和优化空间。
比如可以通过分析运输路线、运输工具的使用效率、仓储设施的布局等方面，找到改进的方向和策略，提高物流的效率和降低成本。
3.供应链可视化供应链涉及到多个环节和参与方，数据分散且复杂。
通过数据分析，可以将这些数据进行可视化展示，提供直观的供应链状态和运作情况。
通过数据图表、仪表盘等方式，可以实时监控供应链各个环节的指标和关键节点，为决策者提供直观的信息支持。
四、数据分析方法与工具1.统计分析统计分析是常用的数据分析方法之一，可以通过统计指标、趋势分析、相关性分析等手段，挖掘数据中的潜在规律和关联性。
比如可以通过对销售数据的统计分析，发现销售季节性变动的规律，为企业的销售计划和库存管理提供参考依据。
2.数据挖掘数据挖掘是一种通过算法和模型揭示数据内在模式和关联性的方法。
在供应链中，可以通过数据挖掘方法，预测需求、寻找产品替代品、优化仓储和物流等。
聚类分析方法在物流大数据处理中的应用
聚类分析方法在物流大数据处理中的应用随着物流行业的发展和信息技术的进步，物流公司积累的大量数据呈现爆炸式增长。
如何高效地对这些数据进行处理和分析，已经成为物流行业面临的一个重要问题。
聚类分析方法作为一种常用的数据处理工具，在物流大数据处理中发挥着重要的作用。
首先，聚类分析方法可以帮助物流公司识别出不同的物流模式。
物流运作涉及到各种环节，不同地区、场所和时间段的物流特点也千差万别。
通过对大数据进行聚类分析，可以将物流数据分成若干类别，从而发现其中存在的模式和规律。
例如，通过聚类分析可以将不同地区的物流模式进行分类，了解到每个地区不同的物流需求和运营特点，从而优化物流的布局和资源分配策略。
其次，聚类分析方法可以帮助物流公司发现异常数据。
在物流运作过程中，常常会发生各种意外情况或异常事件。
这些异常数据如果得不到及时识别和处理，就可能给物流运营带来风险和损失。
利用聚类分析方法，可以将正常的数据和异常的数据进行分类，从而在异常事件发生时及时发现并采取措施。
例如，通过聚类分析可以将正常的配送路线和异常的配送路线进行分类，及时识别出可能发生的交通拥堵或路线冲突等问题，提前调整物流的配送策略，保障货物的准时运达。
此外，聚类分析方法还可以帮助物流公司实现资源的精细化分配。
物流行业资源众多，包括运输车辆、仓储设施、人力资源等。
如何合理利用这些资源，提高物流运作的效率和质量，是每个物流公司都面临的挑战。
通过对物流大数据进行聚类分析，可以将资源进行分类，找出每一类资源的特点和差异，并根据不同类别的资源需求进行精细化分配。
例如，通过聚类分析可以将不同类型的运输车辆进行分类，了解到每种车辆在不同的运输任务中的表现，从而合理安排运输车辆的调度和使用，提高运输效率和降低成本。
然而，聚类分析方法在物流大数据处理中也存在着一些挑战和局限性。
首先，聚类分析结果的准确性和稳定性取决于所选择的聚类算法和数据特性。
不同的聚类算法有不同的原理和假设，适用于不同的数据类型和数据分布。
供应链管理中的大数据分析方法与工具介绍
供应链管理中的大数据分析方法与工具介绍供应链管理是一个复杂而关键的领域，它涉及到从原材料采购到生产到物流的整个过程。
随着科技的迅猛发展，大数据分析在供应链管理中发挥着越来越重要的作用。
本文将介绍供应链管理中常用的大数据分析方法与工具，以帮助企业优化其供应链流程并做出更好的决策。
一、数据挖掘数据挖掘是从大量数据中发现潜在模式、关系和信息的过程。
在供应链管理中，数据挖掘可以帮助企业发现影响供应链效能的因素，从而采取相应的措施进行优化。
常用的数据挖掘技术包括聚类分析、关联规则挖掘和预测模型。
1. 聚类分析聚类分析是将相似的对象归类到一起的过程。
在供应链管理中，聚类分析可以用来识别相似的客户群体、产品或供应商。
基于聚类分析的结果，企业可以根据不同的特点和需求制定相应的供应链策略，从而提高供应链的灵活性和效能。
2. 关联规则挖掘关联规则挖掘是寻找数据中的频繁项集以及它们之间的关联规则的过程。
在供应链管理中，关联规则挖掘可以帮助企业发现产品之间的关联性，从而更好地进行库存管理和促销策略制定。
例如，通过挖掘数据可以发现某些产品之间的购买关联，从而可以在销售时进行捆绑销售，提高销售额和利润。
3. 预测模型预测模型是基于历史数据建立数学模型，用来预测未来的结果。
在供应链管理中，预测模型可以用来预测需求量、交货时间以及库存水平等。
这些预测结果可以帮助企业更好地规划生产计划和物流配送，提高客户满意度和供应链效率。
二、物联网技术物联网技术是指通过互联网将各种智能设备、传感器和物理对象连接起来的网络。
在供应链管理中，物联网技术可以实现对实时数据的监测和收集，从而让供应链管理变得更加精确和高效。
1. 传感器技术传感器技术可以感知和测量物理量，并将数据传输到供应链管理系统中。
在供应链管理中，传感器可以用来监测温度、湿度、压力等物流环节的参数，从而提醒人员采取相应的措施，确保货物的安全和质量。
2. RFID技术RFID技术是一种利用无线电信号识别目标的自动识别技术。
基于聚类分析的供应链合作伙伴选择
。
，
而 且 也 使得 这 些 方法 在 实际
，
。
为此 本 文 提 出供 应 链 合作伙伴 选 择 的 三 阶段 法
将 聚 类 分 析 引 入 到 供 应 链 合作 伙 伴 的选 择 中
实 现 由筛选
供 应 链 合作 伙伴 选择 的 三 阶段 法
面 对 众 多 可 供选 择 的合作伙伴
，
逐 个进行评 价需要 耗 费大量 的时 间
、
聚类分析可 以采用 多种方法
。
比 如 划分类 的方 法
，
、
层 次 聚类 算法
c
—
基 于 密度 聚类 算 法
、
基 于 网格 聚 类算 法
神经 网络聚
、
类算 法 等
优化 的
c
其 中 比较 常用 的是
入
文
章将 聚 类 分 析 引
三
ho
o s e
t pa r t it i v
e
ie
n
i t if c a
o
lly
w
a n
d
r e a s o n a
s u
bly
c
SO
to
blis h
s e s
供 应链 合 作伙 伴选择 中
，
。
建
立
供 应链 合作伙伴选择的
。
阶
c o m
p
e
a
dv
r e
a n
ta g
a n
ity
，
lin
U n iv
e rs
D a l ia
n
116622
，
Ch i n
a
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上市公司供应链集成度聚类分析
摘要：主要客户和主要供应商交易比例这两项年度报告指标分别反映了上市公司销售供应链和采购供应链的集成度，通过聚类法可分析上市公司供应链集成度的高低。
聚类结果和相关案例表明，少数上市公司有较高供应链集成度并达到较高的供应链管理水平，但多数上市公司供应链集成度仍然较低。
关键词：上市公司；供应链；集成度；聚类
一、引言
目前上市公司并没有专门的供应链管理信息的披露，有关上市公司信息披露的法规对供应链信息披露没有任何具体规定。
无论是定性信息还是定量指标，供应链相关信息都没有在上市公司的定期报告中直接披露。
此外，无论是针对上市公司的分析报告，还是专门的供应链研究成果，都难以找到关于上市公司供应链管理的相关信息。
很显然，针对上市公司的供应链管理研究是一个新的领域。
即便如此，我们仍然可以从浩瀚的公开信息中进行找到一些间接的数据进行分析，本文根据目前可以得到的上市公司报告信息，对上市公司的供应链紧密关系进行识别和分类，以获得上市公司供应链管理的基本状况。
二、供应链集成度分析的理论依据
1．供应链是企业经营环境的客观存在
任何企业都存在一定的供应链环境中。
供应链是围绕一定的核心企业，通过对信息流、物流、资金流的控制，从采购原材料开始，制成中间产品以及最终产品，最后由一定的销售网络把产品送到消费者手中的由供应商、制造商、分销商、零售商、直到最终用户构成的一个网链结构。
处于供应链上的任何一个节点企业，既是上游企业产品或服务的需求者，又是下游企业或最终客户产品与服务的提供者。
这种供应链关系可能是紧密地，也可能是松散的；可能是低集成度，也可能是高集成度的。
这取决于所在的行业特点和供应链管理水平的高低。
2.供应链集成度是可测度的
供应链管理就是基于供应链进行的某种程度的一体化经营和管理。
其中的各个企业都会在一定程度上整合或者被整合，这种整合的程度就反映了供应链集成度。
上市公司定期公开了大量的经营和财务信息，这对我们认识和分析上市公司供应链集成度指标提供了可能的依据。
根据前述分析，在目前的上市公司定期报告中，主要客户交易额比例、主要供应商交易额比例可以间接反映上市公司供应链集成度。
这两项指标是根据证券监管机构有关规定统一编制的。
大部分公司的定期报告中均披露了这两项指标，因此我们可以根据这2项指标构造供应链集成度的统计变量。
三、聚类分析
1．聚类变量和数据样本
由于销售额和采购额绝对数指标与公司所在行业、经营规模有关，各公司之间无法直接比较。
因此我们选用主要客户和主要供应商交易额百分比做分析变量，并与股票代码、名称构成，在对样本进行聚类分析时，用股票代码作为标识，对前五名销售比例和前五名采购比例进行聚类。
此外，由于上市公司数量繁多，需要对样本进行筛选。
我们采集了05年两市全部公司年报，首先对根据是否明确报告了上述四项指标进行了筛选，然后采取方便抽样和随机抽样的方法来进行样本筛选，取得含59个公司数据的样本集。
2．系统聚类
选择系统聚类法的组间连接法，计算距离选择欧氏距离平方。
由于公司的销售供应链和采购供应链并非同步发展，有的公司专注于销售渠道的建设，而有的公司可能更关注采购供应链的建设，当然也有上下游供应链全面发展的案例。
因此，本文按三种依据进行聚类分析，即分别按照主要销售比例、主要采购比例以及同时按两者综合进行聚类分析，均在SPSS v13统计平台进行。
三种聚类分析的分析过程略过，系统聚类分析结果见表-1。
结果分析：从图中可以看出，如果以2大类进行系统聚类，按主要客户和主要供应商交易额聚类分析，属于高集成度的有6家公司；仅按主要客户交易额聚类分析，则属于高集成度的有13家公司；按主要供应商交易额聚类分析，属于高集成度的有24家公司。
如果以4大类进行聚类分析，按主要客户和主要供应商交易额聚类分析属于高集成度的有一家公司，按主要客户交易额聚类分析属于高集成度的有4家公司，按主要供应商交易额聚类分析属于高集成度的有21家公司。
由此可以推断，上市公司的采购供应链集成度要高于销售供应链集成度，而同时具有较高采购供应链和销售供应链集成度的公司较少。
3. K-Mean聚类
为对比和验证系统聚类的结果，我们再次按照K-Mean聚类法进行聚类分析，计算距离选择欧氏距离平方，最大迭代次数为15次。
为节约篇幅，我们按照主要客户交易额比例和主要供应商交易额比例两者综合进行快速聚类，目标类别数分为4类，依然用SPSS v13进行分析计算。
聚类结果及其统计如表-2。
根据快速聚类分析最后的类别中心可以看出，第四类属于主要客户和主要供应商交易额比例两者都较高的公司，而第一类是主要供应商交易额比例较高而主要客户交易额比例相对较低的公司，第二类属于主要客户交易额比例较高而主要供应商交易额比例较低的公司，第三类是两者都较低的公司。
从结果可以看出，第四类即综合供应链集成度高的公司有6家，占10%，第一类即采购供应链集成度高的公司有12家占20%，第二类即销售供应链集成度高的公司有7家，占12%，而供应链集成度较低的公司则达34家，占58%（表-3）。
我们可以把第四、二、三类公司归为具有供应链管理特征的公司。
四、结论
比较两种聚类分析的结果，虽然聚类后的每类个案数有所差异，但比例基本趋同，每类排列顺序相同，其结果相互映证相符，并得出相同结论，即：上市公司对供应链管理的关注程度不足，综合供应链管理水平偏低；虽然供应链集成度
总体水平较低，但在部分供应链环节上，相当多的公司已经具有较高的供应链聚合度，少数公司已具较高供应链集成度，并能自发在年报中披露供应链关系及其交易情况。
苏红丹中南林业科技大学湖南工业大学
参考文献
[1]宋华.物流供应链管理机制与发展[M]. 北京：经济管理出版社，2002.
[2]刘顺忠.数理统计理论方法应用和软件计算[M]. 武汉：华中科技大学出版社，2005.
[3]崔广贤.多供应商选择的模糊聚类分析[J].中国储运，2007,(9):45-57.。