关于风险，学者们下过许多定义，它们大致可归结为四类：第一类是将未来结果的变动可能性视为风险；第二类是将不确定性视为风险；第三类是将不利事件发生的可能性视为风险；第四类是从结果之间的差异来界定风险。第四类定义中又分为三种：将各种可能结果之间的差异本身视为风险；以客观实际结果为参照对象，将风险界定为主观预想与客观实际结果的距离；以主观预想的结果为参照对象，将风险定义为未来结果与预期或期望结果之间的差距。从学术上的诸多定义和日常生活对风险的理解中我们知道，人们在风险探索和研究中得到了这样一些比较正确的认识成果，风险与不确定性有关，风险是不确定性结果中的一种，即可能发生的不利结果中的一种，风险是可能发生的结果中的那种不利于人们的结果，风险是未来可能不利结果与期望结果之间的差异。

因此，我们可以通俗地这样描述风险。连锁零售企业供应链风险是指在供应链运行中，由某一环节或某几个环节不确定性引发的，通过网联的传播与转移，将来可能发生，也可能不发生的事件，而其一旦发生将会给连锁零售企业供应链中节点企业带来不利和损失。在所有发生的后果中已经发生的，不能称作风险；必然要发生的，也不能称作风险。由不确定性在未来引发的风险发生的可能性及其结果的不利程度，对于连锁零售企业供应链运行的安全与稳定性意义重大，如何构建有效的风险评价指标是风险预测预警工作的研究基础。

风险评价是在风险识别和风险估测的基础上，对风险发生的概率，损失程度，结合其他因素进行全面考虑，评估发生风险的可能性及危害程度，并与公认的安全指标相比较，以衡量风险的程度，并决定是否需要采取相应的措施的过程。正确评估风险，首先必须选择正确的评估指标。目前人们评估风险一般是使用标准差体系。标准差值（绝对值和相对值）大的，认为风险大，反之就认为风险小。这样比较是有问题的。国内外有些文献已经注意到：在各组标志值的平均值不同的情况下，标准差不可直接比较，必须使用标准差的相对指标—离差系数或标准差系数。也有极少的人注意到了以标准差指标体系评估风险要以正态概率分布或服从正态概率分布为前提，否则就要另作考虑了，但感到虽然可以利用其他数学工具来分析风险，在数学计算上却很困难。因此，人们略去非正态分布的情况，只讨论正态分布和服从正态分布的情况。但问题是正态分布和服从正态分布的只是社会、经济情况分布中的一部分。它虽然是常见的但绝不是唯一的。而且，标准差反映的是标志值变动程度的大小，或者是各标志值距离其平均值的平均距离大小。标志值或事件变动程度的大小，与风险是不同的。

在连锁零售企业供应链风险指标体系研究中，首先将SCOR模型理论应用到连锁零售企业供应链中，将连锁零售企业供应链划分为三个主要的环节，它们分别是采购、库存、配送，每个环节都有相应的支持系统。采购环节是按计划或需求进行获取物料和需要的服务，配送环节为库存生产、按订单制造和按订单定制的产品进行订单、仓库、运输和装配的管理。库存环节对连锁零售企业经营全过程的所需要的各种物品，产品以及其他资源进行管理和控制。将连锁零售企业供应的风险识别细化为对采购环节、库存环节和配送环节的风险识别，通过分析各个环节、每一个参与主体及所处的环境，找出影响供应链运行、造成供应链脆弱性的不确定因素，建立各自的风险因素指标体系，为连锁零售企业供应链风险评估、预测和控制提供基础。

对采购环节的风险分析主要应从商品的选择、商品供应商的选择和商品运输的选择这三方面考虑，同时结合企业的内部风险和外部风险，主要包括技术风险、信息风险、合作风险、环境风险这五方面的风险指标因素来源对配送环节中各个流程进行风险分析，获取连锁零售企业供应链采购环节的全部风险指标因素，如图2-3所示。

图2-3 采购环节的风险指标因素体系

连锁零售企业供应链配送环节的五大核心环节：进货、存储、加工、理货、出货五大核心环节，结合企业的内部风险和外部风险，主要包括技术风险、员工风险、信息风险、合作风险、环境风险这五方面的风险因素来源对配送环节中各个流程进行风险识别，获取连锁零售企业供应链配送环节的全部风险因素，如图2-4所示。

图2-4 配送环节风险指标因素体系

对库存环节的风险分析主要从商品和存储情况这两方面考虑，同时结合企业的内部风险和外部风险，主要包括技术风险、信息风险、合作风险、环境风险这五方面的风险因素来源对配送环节中各个流程进行风险识别，获取连锁零售企业供应链库存环节的全部风险因素，如图2-5所示。(www.daowen.com)

图2-5 库存环节风险因素体系

以上论述可知：依据连锁零售企业供应链的运作原理与流程，可将连锁零售企业供应链划分为采购、库存、配送三个主要环节，通过分别分析了这三个环节的运行特点，同时结合技术风险、员工风险、信息风险、合作风险、环境风险这五方面的风险来源指标因素对这三个环节进行了风险指标因素分析，建立了各自的风险指标体系表，可为风险评估和预测提供依据。

传统连锁零售企业供应链已经在使用大量的结构化数据，企业部署了先进的供应链管理系统，将资源数据、交易数据、供应商数据、质量数据等存储起来用于跟踪供应链执行效率、成本、控制产品质量。而当前大数据的概念则超出了传统数据产生、获取、转换、应用分析和存储的概念，出现非结构化数据，数据内容也出现多样化，大数据部署在传统连锁零售企业供应链中将面临新的挑战。

对于连锁零售企业供应链管理，特别是风险预测与预警部分来说，有效地实施大数据应用，不仅可能会极大地促进企业改进商业模式、形成新的价值理念，还能提早发现异变信息，提前管控，而这也正是大数据在连锁零售企业供应链中应用的战略意义所在。目前大量连锁零售企业供应链依然面临着这样的难题：数据不缺，只是究竟该如何分析和应用？

所谓大数据应用，指的是从多种渠道中收集电子信息并进行应用分析，从而识别发展模式、趋势及其他智能信息。这种分析可能会帮助企业识别那些已经发生但不易被察觉的信息，也有可能帮助企业预测未来将要发生的情况。

对于强有力的数据供应链而言，数据加速起着至关重要的作用。数据加速主要依托相关工具和技术快速获取海量数据，并能使其迅速存储和取用。具体而言，企业能够通过数据加快节奏获取有价值的数据，进而进行数据分析，获取洞察力并据此采取行动，有时甚至能在机遇窗口极为短暂的情况下迅速交付。

伴随着信息技术全面的融入社会生活，人类世界充斥着比以往更多的信息，而且信息数据的增长速度还在不断地加快。在科技的高速发展以及数据信息不断增加的背景下，“大数据”这一全新的信息科学概念给我们的社会发展带来两个方面的巨变：一方面，在没有数据积累的时代下无法实现的解决方案终于可以实现；另一方面，从数据匮乏时代到数据泛滥时代的转变带来新的挑战与困扰，使传统的数据分析解决方案已经不能从海量数据中高效地获取最重要的机会洞察点。

作为中国最具规模的零售连锁企业华润万家集团（以下简称华润万家）和国际知名的快速消费品公司宝洁（中国）公司（以下简称宝洁）在如何运用“大数据”方面进行了积极的尝试。双方选取供应链作为突破口，利用“大数据”工具在实现零售生意增长的同时降低运作成本并提升现金流。双方合作创建的基于门店的实时销售以及库存信息的智能运营系统解决方案，将大数据解决方案成功地运用于生意趋势分析，货架缺货降低，档期需求预测等关键零售供应链协作领域。该成功案例也为“大数据”在商业智能，特别是针对供应链这一特定领域的运用提出了全新的解决思路和方向。

目前，有将近2/3的供应链负责人目前正在尝试或者在考虑实施“大数据”项目。更重要的是，业界一致认为大型连锁零售商和快速消费品企业将在大数据的运用、实施上处于领先地位。这也是多年来业界所倡导的连锁零售企业供应链协同大数据的基础上激发的创新成果，也必将为连锁零售企业供应链售、供双方构建新型联合商务框架添加新的动力能量与技术手段。