在供應(yīng)鏈數(shù)據(jù)化時代，企業(yè)要發(fā)展，想不被淘汰，怎么辦？

“不懂供應(yīng)鏈的物流企業(yè)即便不被淘汰，也只能生存在行業(yè)價值鏈的最底端！”在1月25日，由物流沙龍于深圳舉辦的2018數(shù)字化供應(yīng)鏈峰會暨LOG年會上，易流科技董事長張景濤如是強調(diào)，此外，張景濤還分享了易流對于數(shù)字化供應(yīng)鏈的認知，以及在數(shù)字化供應(yīng)鏈上的實踐。

(此文根據(jù)1月25日由物流沙龍于深圳舉辦的2018數(shù)字化供應(yīng)鏈峰會暨LOG年會速記稿整理)

數(shù)據(jù)驅(qū)動商業(yè)的時代，數(shù)字供應(yīng)鏈是薄弱環(huán)節(jié)

現(xiàn)在是數(shù)據(jù)驅(qū)動的時代，全球市值最高的10家公司，其中有6家數(shù)據(jù)驅(qū)動型公司，且包攬TOP5：蘋果、Google、微軟、亞馬遜、Face book、阿里巴巴。

德勤的一項調(diào)查顯示，在數(shù)字化成熟度模型的十個指標中，中國企業(yè)在數(shù)字化供應(yīng)鏈維度上得分最低，包括數(shù)字化運營平臺、數(shù)字化和一致精準體驗等方面。其實我們在數(shù)字化供應(yīng)鏈板塊上的實踐，發(fā)展空間很大。

數(shù)字供應(yīng)鏈有三個階段，這是供應(yīng)鏈規(guī)律演進的思考：

1、傳統(tǒng)企業(yè)做的是供應(yīng)鏈某個環(huán)節(jié)的數(shù)字化；

2、從端到端的視角看供應(yīng)鏈管理；

3、未來我們是如何建立供應(yīng)鏈生態(tài)圈。  

我們和中歐教授做的數(shù)字化供應(yīng)鏈的研究，包括ICT技術(shù)、工業(yè)自動化/數(shù)字化，數(shù)字化生產(chǎn)和人工智能。第一階段是供應(yīng)鏈流程的自動化、可視化；第二階段是大數(shù)據(jù)積累分析、流程的改善以及再優(yōu)化；第三階段進化為供應(yīng)鏈商業(yè)模式的創(chuàng)新，建立數(shù)字化生態(tài)圈。

從數(shù)字供應(yīng)鏈視角看傳統(tǒng)物流業(yè)現(xiàn)狀

站在數(shù)字化供應(yīng)鏈角度看工業(yè)化，目前還是面臨很多問題。物流企業(yè)之痛，干物流的人清楚，物流目前沒有多大話語權(quán)，會面臨不斷壓價的情況，大部分物流企業(yè)的發(fā)展還是比較艱難的。

我們在分析根源，主要有這幾塊：傳統(tǒng)的物流服務(wù)停留在運輸、倉儲這些環(huán)節(jié)，沒有深度融入貨主的供應(yīng)鏈過程；站在貨主方看，物流企業(yè)提供的物流服務(wù)可替代性強，缺乏競爭優(yōu)勢；一般物流服務(wù)產(chǎn)能過剩，競爭白熱化。

應(yīng)對思路，我們認為現(xiàn)在的物流企業(yè)要給貨主提供服務(wù)，首先必須從供應(yīng)鏈的視角來審視自己的物流服務(wù)，盡可能融入進去，和貨主形成共同體。在這樣的過程中，我們認為未來不懂供應(yīng)鏈的企業(yè)，即便不被淘汰，但是也只能生存在行業(yè)的價值鏈最底端。

企業(yè)想發(fā)展，想不被淘汰，怎么辦？

其中非常重要的方向，必須去擁抱技術(shù)、擁抱人工智能。

這和我們易流一直做的事情相似，我們做12年一直用技術(shù)做物流的透明服務(wù)，面向我們的貨主和物流企業(yè)的客戶來實現(xiàn)端到端全過程、可視化、透明化，幫助客戶做協(xié)同和優(yōu)化的服務(wù)。

啥是物流透明服務(wù)呢？物流透明服務(wù)是指應(yīng)用物聯(lián)網(wǎng)和互聯(lián)網(wǎng)等先進技術(shù)進行物流過程的節(jié)點及物流要素的透明鏈接，同時以實現(xiàn)物流業(yè)務(wù)的數(shù)據(jù)化，讓物流過程看得見和在線化。我們在物流業(yè)務(wù)數(shù)據(jù)化基礎(chǔ)上，進一步實現(xiàn)物流業(yè)務(wù)的協(xié)同和優(yōu)化和智能，最終讓物流及供應(yīng)鏈的運營在安全、效率、成本及體驗上有比較大的提升。

物流透明服務(wù)的落地過程，業(yè)務(wù)的數(shù)據(jù)化要有數(shù)據(jù)的業(yè)務(wù)化，業(yè)務(wù)的數(shù)據(jù)化圍繞如何高效協(xié)同、優(yōu)化和智能。

透明、大數(shù)據(jù)及AI賦能的典型應(yīng)用場景

我想從幾個應(yīng)用場景來給大家重點講一下它的具體價值。

安全方面，大數(shù)據(jù)AI賦能駕駛過程中的主動安全預(yù)警。我們?nèi)绾沃鲃幼R別駕駛員的駕駛行為，無論是疲勞、打電話、抽煙還是安全性的事件。

安全方面，從業(yè)務(wù)視角看訂單的履約風(fēng)險，即貨主收到客戶的訂單以后，如何主動預(yù)測訂單的履約風(fēng)險。

這里面有兩段，我們?nèi)绾慰焖贈Q策從哪個倉庫發(fā)貨？到底生產(chǎn)還是從庫房正常發(fā)貨？這個模型是第一段。之后，如何安排我的物流訂單，如何執(zhí)行？

物流訂單執(zhí)行過程中，從采購訂單轉(zhuǎn)換成物流需求訂單，我們會結(jié)合客戶的風(fēng)險，包括整個品類的風(fēng)險以及承運商，包括司機、車輛，基于歷史數(shù)據(jù)從各個維度來做風(fēng)險模型的計算，會計算出這個訂單的執(zhí)行會不會是高風(fēng)險訂單，對應(yīng)高風(fēng)險、中風(fēng)險、低風(fēng)險有相應(yīng)的應(yīng)對舉措。

我們今天要做的事情是讓我們的異常變得更加精準。怎么才能精準？我們通過物流的大數(shù)據(jù)集合出來所謂的物流常用停車點，再結(jié)合客戶要素的停車點，我們計算停車是不是有風(fēng)險，包括位置、時段、時長及維度等等。對于安全，從業(yè)務(wù)交付的視角做到先知先覺。

成本，這是物流管理里要面對的一個話題。通過整個車輛過往運行的數(shù)據(jù)，通過大數(shù)據(jù)統(tǒng)計分析，我們給客戶推薦成本最優(yōu)的路線，這個很有價值。

還有效率，智能調(diào)度和智能配載。這個案例的模型是對于多門店，每天都要配送的場景，它每天都會收到每個門店給的物流配送的訂單需求，里面有很多的品類，基于這樣多的訂單和配送需求，如何迅速的轉(zhuǎn)換為配載方案和調(diào)度需求，實際傳統(tǒng)上都是靠人的經(jīng)驗來做的。

今天我們通過系統(tǒng)，可以高效、迅速生成配套方案和調(diào)度方案。最有意思的是，一個傳統(tǒng)車隊可能一個調(diào)度人員，不管多少車就靠經(jīng)驗。我們通過大數(shù)據(jù)和人工智能賦能，一個調(diào)度人員管理的車輛可以增加到500臺，這是調(diào)度環(huán)節(jié)。

體驗，講一個冷鏈的例子。冷鏈是全程溫控服務(wù)，我們做到場地源頭到餐桌全鏈路的溫度在線。在餐飲上，老百姓在桌上吃東西，一掃就知道所吃東西的食材構(gòu)成和整個食材流通過程全流程體驗，這是我們有機會做到的。

易流成立12年，我們一直做物流透明服務(wù)，我們敢講我們是物流透明服務(wù)的專家。我們除了做這個服務(wù)還做理論研究，不斷出書，今年會出一本關(guān)于透明供應(yīng)鏈的書。我們易流是物流透明理論的提出者和踐行者。

這是我們的一個成果，我們服務(wù)的貨主有一千多家，服務(wù)的物流企業(yè)3萬多家，冷鏈物流百強我們做了64家，在線服務(wù)運力超過130萬臺，覆蓋的司機140萬，我們做了2億訂單，運單100萬，我們通過數(shù)據(jù)更好的服務(wù)中小物流企業(yè)的物流金融，大概累計做了2億。

此文系作者個人觀點，不代表物流沙龍立場