新一代数字化供应链,你是颠覆力量还是颠覆对象?

发布日期:2018-02-01

科箭于1月25日参加了由物流沙龙在深圳举办的“2018数字化供应链峰会暨LOG年会”,科箭常务副总围绕本次活动主题,作了主题为《应需而变的数字化供应链》的演讲。

以下为部分演讲摘要

供应链三个核心要素:

1.数字化供应链是新一代供应链的核心

 

企业物流整个流程中信息的断裂程度是很厉害的,手工作业占了很大的比重,只有通过数字化才能获得、使用、拥有数据,从而贯穿整个供应链。

2.新一代供应链要能够按需服务

客户的要求越来多,变化起来越快,个性化需求越来越高,企业需要通过新型的供应链来应对客户需求变化的挑战。

3.新一代供应链是应需而变的

在客户需求变化时要能快速地响应和支持,让系统走在业务和需求的前端,也是下一代供应链所面对的挑战。

 

打造企业数字化核心

下图中左边是传统供应链企业的信息流转方式,线型模式的弊端是任何一个环节出错都会造成产品供应的延期。新型的供应链中,不同的部门之间要把信息的流转方式转为网络化,以数字化为核心影响不同的周边节点。传统的部门分割、条块分割在不断被打破和重构。这其中物流具有最大的连接数,不论是对内还是对外。物流供应链在整个数字化核心中占有非常重要的角色。

颠覆 or 被颠覆

   一个研究报告指出,供应链的数字化决定了你未来是一个颠覆者还是一个被颠覆者,这是一个MHI和德勤的报告,调查的结论是,96%的企业认为,数字化供应链未来将占据统治地位,这会在很短的时间内发生,只需要5年。如果企业的供应链不去改变现在依赖于高成本的断裂信息模式,就会被颠覆。数字化供应链一定会在未来5年统治企业新的管理模式。

当今供应链的挑战

1.数据的多样性

今天,我们所要处理的物流数据从数据的多样性、数据量和时效上,都发生了翻天覆地的变化。传统的物流,数据种类少,实时性低、数据量少,而在物流中,还有大量的数据,特别是外部数据,这些数据都是半结构化或者非结构化的,比如我们关注天气、关注运输的位置跟踪、关注过程的影像资料和语音留言。如何去获取、分析和利用?

2.物流的波动性

数字化处理的能力要应对波动,波动性是新常态,企业要具备应对的能力,掌握、判断分析等才可以从容应对各种波动。  

3.端到端协同与可视化是大势所趋

好在新技术的成熟和成本的快速下降,为我们提供了充分的技术手段来应对,行业的先行者已经为我们做出了示范,这两天京东又占据了新闻的头条,京东物流准备融资上市了。我觉得京东物流是一个很好的示范,其作为一个物流行业的后来者怎样做到物流行业的前端。

以数据为基础,积极运用新技术

他们怎么做的?就是以数据为基础,大量使用新技术。新技术的不断涌入,拥有数据才可以从容做决策。包括机器人和自动化设备、预测性分析、物联网IOT、无人驾驶和无人机、传感器和自动设别、库存和网络优化工具,数据化供应链已经来到我们身边,作为物流人来讲可以拥有大量的数据来使用,主要是怎样去使用,因此我们要做连接,要把这些数据都拿到手。

云服务赋能,从观望到行动

另外一个关键就是云服务的赋能,我想今天已经不需要和大家介绍云服务的好处了,来和大家分享一个移动信息化研究中心去年的一个报告,这个调查报告指出从2016年到2017年可以看出使用或者计划云服务的已经达到91.8%。可以说,物流信息系统是最适合走向云端的应用,不论是从网络化特征或者叫外部性的角度,还是从数据的敏感度或者数据安全性的角度看,都是最适合走向云端的所以云端的物流信息系统给大家带来的更多的是价值而不是风险,这种价值,体现在“天下武功唯快不破”。

一体化供应链云平台

一体化云平台数字化供应链的作用是:

1.打破信息孤岛

2.数据高可用

3.资源协同

4.高效运营

科箭的云服务产品,不是追逐风口的匆忙行动,我们从决定做云服务的时候开始,就给自己定下几个标准:

1.专业

要把我们多年来的行业最佳实践融入到产品中,要打造一个专业的云服务产品,不论从产品的深度还是广度,在当今的物流软件云服务市场,我们都是领先的。

2.可配置可定制

很多人有个误区,是不是云服务SaaS产品是标准化的、简单的,我的回答是,不,我们可以应用在不同的行业,不同的规模,不论你是制造业、快消、分销、高科技、专业物流服务商还是零售和电商,不论你是集团化公司还是小规模专业公司,科箭的供应链云服务产品都能为你所用。选择了云服务,你也可以对其进行客户化的定制,利用我们的Open API,你可以自己开发,也可以交给第三方开发。

3.敏捷

包括产品的快速迭代,我们不断的更新,让我们的客户始终用的是最新的产品,始终在物流信息系统方面保持行业的领先。

4.友好,为用户打造消费级体验

我们在提供云服务时也有很多的创新,我们的客户可以独立拥有数据的创新服务模式。

把最难管理的事情让我们来做

把最在意的数据留给自己用