我是來自于G7易流的劉丹華，今天很高興有這個機會與大家分享供應鏈物流數字化方面的思考，我要分享的主題是：數智躍遷、體驗升級和生態構建。

劉丹華 G7易流大消費解決方案總經理

1我們是誰？

首先借這個機會介紹一下G7易流，在2022年之前，G7和易流是兩家獨立的公司。去年6月，兩家公司才合并為一家公司。回顧G7易流的發展歷程，兩家公司一家是2006年成立的，一家是2010年成立的，加起來有將近30年的歷史。

兩家公司都采用IoT+SaaS技術，為物流企業提供車隊管理服務。發展過程中，兩家公司也有不同的業務側重。G7除了為大型物流車隊提供服務外，也在智能設備和智能駕駛等方面進行了探索和試驗，并取得了量產成果。易流在成立初期，除了理論探索外，也為上游貨主企業提供供應鏈物流數字化解決方案。   

2022年6月，兩家公司正式合并，公司更名為G7易流。對G7易流來說，2022年是一個新的起點。合并后，G7易流在資源上進行了重組整合。目前我們服務的客戶群體超過4萬家，包括中小貨運經營者、上游的大貨主以及其他大客戶。在設備連接方面，IoT連接數量超過500萬，涵蓋人員、車輛、貨箱等多個場景的裝備。服務能力更全面，包含訂閱和交易服務。從整個行業覆蓋方面來說的話，我們面向快銷，比如說像大宗醫藥化工等12個行業，去提供物流數字化的解決方案。

業務分為兩大板塊：

FM板塊面向中小貨運經營者，提供車輛管理和財務一體化經營平臺。

KA板塊面向大客戶，提供端到端可視化和以運力供應鏈為基礎的物流數字化解決方案。

這個是我們服務的客戶群體，從兩家公司合并之后，在服務群體方面也有了更加全面的一個覆蓋。

2行業洞察與價值主張

從整個行業的趨勢來看，我們總結為三個“全”：全渠道、全天候、全球化。

簡單來說，市場渠道會越來越多元化，客戶體驗要求會越來越高，業務場景也會越來越復雜。

同時，行業的發展也對供應鏈能力提出了相應的要求，我們總結了兩個點：

一是透明與協作，要求供應鏈的貨主對下游流通環節實現更多可視化的感知，提高行動效率。

二是精益與柔性，要求對于多維數據的整合形成相應的數據洞察，能夠有相應的舉措來應對供應鏈不確定性和突發事件，實現精益與柔性。

從供應鏈物流數字化角度來看，我們認為發展會有三個階段：軟件化到數智化的躍遷、B端業務C端體驗、構建運力生態。

階段一 從管理軟件化到運營數字化的躍遷

許多企業在企業數字化建設過程中已經有了相關系統，但更多是注重業務管理的線上化。未來，需要更多依賴數據驅動，讓流程去適配我們的系統，通過智能化提高運營效率。

下面我將介紹三個具體場景，說明我們在智能化數字化應用方面的解決方案。

很多酒企和快消品企業的物流環節是與第三方物流合作，但訂單處理和配載工作仍由企業自行完成。為解決這個問題，我們利用智能配載的算法能力幫助客戶提高效率。例如，3D裝箱算法使配載過程可視化，提高配載裝箱效率20%以上。同時，對于臨時訂單的處理，從半小時內確認調整方案壓縮了到分鐘級確認。

在智能調度場景中，調度過程存在諸多問題，如過程不可視、依賴人員經驗等，會影響調度效率。為此，我們推出智能調度算法，解決調度“黑箱”效應，使過程可視化；優化配載結果，比如能更好的去平衡裝載率、時效要求和線路要求等。

第三個場景是無人值守。在許多企業，特別是在食品、飲料和原酒運輸場景，傳統方式是人工和傳統地磅采集車輛稱重數據，效率非常低下。之前我們在一個園區調研發現，從司機下車到采集并錄入數據，整個過程要花5-10分鐘。通過無人值守方案可以高效解決此問題，將采集過程從分鐘級降低到秒級。過程中還可以通過視頻、AI、圖像識別和互聯網實時采集和感知現場情況，進行現場操作視頻存證。更關鍵的是采集的數據可以第一時間進入系統，驅動業務流轉到下一環節。

階段二 B端業務C端體驗

有了數字化系統后，如何讓供應鏈物流整個上下游有更好的體驗？

我們應該都有電商購物經驗，下單后可以了解訂單進度、實時位置等信息。同樣，在我們的業務過程中的供應鏈環節，也會遇到問題，如客戶詢問訂單進展時，我們要有專人跟蹤，手忙腳亂，各環節信息的信息都要進一步去確認。

我們也希望通過一張圖實時了解訂單的全生命周期，讓下游客戶直接感知業務進展。

首先，我們可以通過這張圖看到整個訂單的全生命周期環節，了解訂單從創建到結束的過程。

我們將業務數據與IoT和數據訂閱服務有機結合，使訂單節點狀態和實時位置通過軸線圖呈現。這種呈現效果一方面幫助貨主了解業務進展和上下游環節所需的信息協同，另一方面，我們可以通過一鍵分享或自動推送的方式，讓下游客戶實時了解訂單進展狀態。另外，我們可以對整體業務全景，包括業務KPI和承運商KPI進行可視化展示。

在業務過程中，我們也會利用預警和預測模型幫助貨主了解情況。如提貨環節，如果ETA預測模型分析出車可能遲到，系統可以自動推送給相關承運商提前干預以避免遲到的情況，并通過后續數據分析對承運商進行下一步考核。我們的預警類型有多級，不同級別的預警可以通知不同對象采取不同干預措施。

隨著業務發展，越來越多企業有海外業務，對全球可視化的訴求也越來越強。通過IoT和三方數據的融合，我們可以實現訂單位置和軌跡的可視化。除了能實時掌控訂單位置，我們還可以通過ETA模型告知客戶某訂單是否有延誤風險。

從端到端可視的結構上可以看，它的底層來自多維數據聚合，如IoT的數據、三方平臺數據和我們協同采集的數據。中層結合客戶業務數據進行相應的建模分析，幫助客戶了解訂單實時位置、訂單軌跡、交付預測和預警信息等。

同樣，通過數據分析能力，我們可以輸出相應的看板展示結果，如運營數據、實時可視的狀態、預警預測信息和庫存狀態等，都可以通過看板的方式直觀展示。

我們希望能夠基于端到端可視的能力來幫助貨主和客戶實現體驗升級。

階段三 構建運力生態

在運力生態這個環節，我們經常遇到一個問題，客戶每年招標，但發現承運車輛基本沒什么變化。我們希望通過構建運力生態，幫助貨主企業實時掌控運力資源，在淡旺季都能獲得最優質的運力服務。

前面也提到，G7易流連接了500萬IoT設備，其中包含了400萬運力資源。基于這些數據，我們利用大數據分析能力每年發布會議指數，如每年618和雙11期間最熱的線路和省份信息。這有助于客戶了解貨運市場動態，也為我們業務提供支持。

這些數據一方面提供公益性指數信息，另一方面可以和我們企業的業務數據做融合。通過數據融合，我們可以幫助客戶了解運力的畫像，如合作頻度、服務質量和接單偏好等。基于運力畫像，我們還可以對運力結構進行分層，確定優質運力、長期合作運力和臨時合作運力，最終形成一個實現了結構分層的私有化運力池。

最后，我們用一張圖來闡述我們面向貨主的運力生態閉環。

在管理環節，我們可以幫助貨主實現運力招標、運力鏈接、執行的監控、運費結算和相應的運力畫像。在整個管理過程中，我們會幫助客戶沉淀運力資源和建立運力鏈接。基于這些資源和鏈接，利用運力畫像能力，我們還可以進行分層，確定固有運力、計劃運力和臨時運力，并采取不同運營策略。最終，我們希望通過搭建運力池，幫助客戶掌握更多運力資源，不論淡季旺季都有合適的運力來保障業務需要。

總結一下，針對酒企供應鏈數字化進階，我們有三個階段：

第一階段是數智躍遷，以數據驅動和智能提效實現從管理軟件化到運營數字化的變革。

第二階段是體驗升級，通過端到端可視實現供應鏈B端業務C端體驗的效果。

第三階段是生態構建，通過運力生態構建實時掌握運力資源并享受最優的運力服務。

3典型案例