主講人：陳雪松（微信號：18911068077）

簡介：北京智慧聯信息技術有限公司總經理；中國外運長航集團運輸管理部前總經理助理、集團物流金融業務創始人之一；清華大學、復旦大學、廈門大學EMBA培訓講師。中國第一部物流金融實務培訓教材《商品融資與物流監管實務》的作者。

2020年2月19日，在中科智慧城鄉交通規劃設計院組織了智慧物流系列講座的第一講：《數據驅動的物流網絡體系》，講座由北京智慧聯信息技術有限公司陳雪松總經理主講。他在供應鏈物流方面從事管理、研究和產品開發多年，有著雄厚的理論基礎和豐富的實踐經驗。他的講座得到AI交通群內專業人員和行業專家的初步好評。我們將陳總的講座整理成稿，經本人修改，授權發在這里，以供大家分享交流。

本講座承蒙中國外運集團運輸管理部原總經理肖星的指導，在此深表感謝。

各位朋友大家好！

最近疫情比較嚴重，大家都宅在家里，能在網絡上進行溝通是一件非常好的事兒。感謝張慶總提供的這個“AI交通群”平臺。昨天聊到了大家都關注的問題，所以今天利用這個平臺，把我做的事情和考慮的事情跟大家做一個分享。群里的專家很多，我這個講座是拋磚引玉吧。

數據驅動問題，是一個企業的模式問題。同互聯網公司或者一些世界先進的企業相比，物流企業面臨的數字化基礎還是很薄弱的。我認為首先數據驅動解決了管理和運行的數字化工具問題。如果沒有這些工具，我們會停留在比較原始的階段。沒有工具，再好的想法都無法更高概率的成功實現，所以數據驅動的問題是一個企業管理模式的基本問題。第二數據化驅動是一個企業管理文化問題，數據化驅動可以讓企業盡早擺脫模糊決策、定性化決策，及早推動管理文化發展到“從數據出發，以數據為導向”的更高層次。第三數據化驅動是一個競爭問題，未來的企業，數據化驅動是核心競爭力之一，誰掌握了數據化驅動，誰就有可能在競爭中幸存。

在這里主要分享三個觀點：

第一個觀點，我們要充分認識物流網絡化的特點。因為物流的網絡化特點決定了它本身的一些運行規律。比如說很少有一家物流公司能夠把所有的硬件資源都自建或者壟斷，那么基本上網絡就決定了他們之間的協同關系，是一個主流的一個模式。

第二個觀點，對于物流公司，管理水平上來講，一個點的管理能力，和網絡的管理能力是完全不在一個層級上的。比方說像阿里巴巴菜鳥這樣的公司，他們的網絡管理能力就很強。而我們一些小的企業，實際上他強的可能是點的操作，他不善于做這種網絡化的管理。無論是大的企業還是小的企業，都存在數字化驅動，因為數字驅動其實是數字化管理方法，是生產力上的革命，而不是一個簡單的信息化問題。這一點，我感覺是未來競爭的一個重點。可以看現在互聯網公司，他們在數據驅動方面做的相對比較好。

第三個觀點，操作數據和商務結算數據的整合。從財務的角度來講，其實這就是提出了業務、是財務一體化，是管理會計的發展要求。通過財務業務一體化，才能實現數據透明，才能具備數據驅動的基礎。

數字化驅動的基本邏輯是以“數據為依據，以數據為導向”，創新點很多，不可能全面突破，只可能是場景化創新。在這種場景創新上，是先解決數據的有無問題，然后再解決我們的數據的利用，實際上這是三個層次：網絡數據的獲得和管理、數據整合和數據驅動三個層次。

一、物流網絡化的特點

第一個層級，我們一定要認識物流的這種網絡化運行的特點。我們用一個基本的圖，基本上就能反映出來。最左側其實就是發貨人，但是發貨人類型非常多的，有個人的發貨人、有生產制造企業，有商貿企業等等。但是，他們一般通過快遞、三方物流、專線、零擔、貨代這些方式來發運。那么這些公司的角色為什么會出現在整個網絡體系？因為他們根據貨物的特性和服務的要求產生了這種市場化的差異。我們說沒有一個公司能夠統一來做這件事兒，當然也不排除未來有哪個公司很牛，做了這件事兒。

從上往下，你可以看到，快遞企業實際上是標準化程度最高的。也就是說，現在資本市場最容易整合的是快遞，包括順豐、圓通這些大的快遞公司。在電商的快速發展下，他們被整合了。快遞提供了一個相對標準化的服務。而下面的第三方物流其實是最難整合的，因為他的服務端特別重。他既要求客戶的關系，也要求他自身的這個資源掌控能力。所以說，我認為第三方物流實際上是一個很重的領域。第三方物流，我個人認為，在短期內是不會被這種快遞公司所取代的。

我們可以看一下上市公司中關于第三方物流業務的一些基本面兒數據。他們的業務一般來講會比較穩定，規模不會特別大，發展也不會很快，但是穩定性還是比較好的，專線和零擔也是這種特點。

還有比較突出一點的是貨代，中國外運實際上是做貨代出身的，更多的是強調其服務和管理能力，當然也有它自身的這種運輸資源。

所以說，我們認為整個物流的網絡，通過這些集散貨物公司，把它歸結到干線上，包括鐵路、航空、航運公司、公路、甚個體戶。在我們國家有一個特別突出的特點，實際上個體戶是公路運輸的一個主角，而不存在大的公路運輸公司。我印象中，華宇被收購的時候，卡車的數量也就是5000臺左右。相對于經常性運營的400萬臺運輸車輛，比例就非常低了。

從這個角度來講，我認為我們整個的物流，不論是國內的，還是國際的，典型特點是分工協作網絡化運作，這是第一個特點。第二個是物流的多操作環節，即每一個公司每一個環節都會涉及到特別多的操作，那么非標準化程度就會非常嚴重。最容易實現標準化的是快遞，所以快遞已經被資本市場做的比較成熟。那么這個快遞市場，在我認為也不會再有更多的公司進入了。進去也活不了，甚至可能在未來快遞公司像美國一樣，可能只剩兩到三家這么一個水平，其他的就純屬配套性的，我認為這個格局是已經確定了的。

那么我們想理解網絡化運行，其實我們一定要考慮他的層次問題。所謂的訂單就是需求，那么這個需求是怎么被滿足的？從業務層面來講，我們基本上可以把它分為三個層級，一個層級，我們說操作組織。這種就是以物流倉儲這種運輸設施為核心的，以這種流程動作控制為手段，以倉儲運輸等物流活動為主要內容的，它主要做的是物流活動。這層組織其實是我們過去常常做信息化時TMS、WMS軟件這個層級的工作，這些都是物流活動。

二、操作數據和商務結算數據的整合（數據透明）

第二個層級，我們說自己是網絡協同的，那么這個網絡協同，其實它體現的主要是商務組織，是以合同為紐帶，是以對賬和結算為主要活動內容的網絡協同。我認為一個公路物流公司能不能建立他的網絡協同的能力是非常重要的。那網絡協同能力是以什么來構建的？實際上是以合同來構建。典型的貨代公司更多的是這種以合同為紐帶的這種網絡協同能力。可能會有少量的資源，絕大多數資源都是采購的，但是它有很強的全球協同服務能力。

過去中外運說其在全球有500家代理，現在一個中等規模的國際電商/海淘的物流公司，在全球有個幾十家、上百家代理，也是非常正常的事情，但如何協同是一個公司的重點。

第三個層次是行政組織，即以公司為單元，以管理為手段，以信息數據的采集、計劃、計劃執行等活動為主，是公司層面的。它主要解決的是管理創新問題，主要是投資、績效考核等，我們要管理創新的這些東西主要集中在行政組織這個層面。為什么要把他們分出來？是因為我們未來的數據融合是從下往上的融合。如果你沒有好的操作組織操作數據、沒有網絡協同，沒有網絡數據、協同數據而去談創新，有很大的盲目性。

所以說數據驅動是先要解決有數據的問題，然后再解決數據的應用問題，創新是基于數據基礎來完成，這是一個很清楚的一個邏輯關系。當然，沒有數據也可以創新，這屬于少部分天才的小概率事件。

這張PPT總結了物流網絡的三個層次管理重點，也是我們操作的三個層次關系。在物流網絡層，我們構建網絡的時候，實際上我們做的更多的是數據集成，把別人的數據和自己的數據集成。把自己的數據跟別人的數據集成，提高整個網絡的服務能力和管理效率。第二個是跟節點結合，這種操作節點的結合，本質上來講，我認為他就做了一件事兒，就是單票核算。為什么，因為它每一個訂單，你能知道它的成本，你能知道它的收入，并且你能知道它每一個環節的成本。當你能知道它每一個動作的成本的時候，其實你就做到了整個的數據透明。這個數據透明對于企業來講，是他數據應用的基礎，沒有數據透明，基本上我們談創新，就具有很大的盲目性。以數據為基礎的、以數據為導向的東西基本上是做不到的。

三、以數據為依據，以數據為導向的場景創新

第三個層級是基于數據融合的場景創新。這個地方，我們一定會提場景，因為場景這個概念是因為它可以用在不同的地方，它對數據的需求是不一樣的。比方說我想改善一下我的應收賬款，這個就是場景。我想改善一下倉儲操作的這個效率，這個就是個場景。沒有脫離場景的創新，也就是說，創新一定是基于個性化來的，基于某一個場景來的，那這個層面是基于數據的二次融合，基于數據價值的再挖掘。

一個物流網絡首先應該解決的是什么？數據的基礎問題，再解決數據集成的透明問題，然后解決我在透明數據上的創新問題。這也是因果科學所追求的，未來大數據、人工智能一切都是建立在這個基礎之上的。如果說你沒有做到這一步，而去討論大數據、討論人工智能，我覺得就相當于是無源之水。

根據前面所講的我們對于物流企業的這種理解，我提出物流供應鏈企業數據驅動的三步曲。

第一步我們叫動作管理。實際上我們為什么提這個？我們剛才講了。物流的類型太多了，環節太多了，種類太多了。我們基本上不能把他做成一個標準化的流程，那我們怎么辦？我們提出一個概念，叫原子動作。就是說我們把所有最底層的這些東西用一個原子動作把它們串聯起來，由原子組成分子，由分子組成大分子團，由大的分子團來組成我們各種物質，那它最本質的東西是什么，是它的這個原子動作。

原子動作實際上是一個標準化的東西。我們可以通過原子動作把移動互聯網、數據庫服務器都打通。我們甚至可以用原子動作來分發我們的流程給上下游企業。我認為這一步我們實現了。那么由原子動作組成流程，組成定制化，組成個性化，相對來說是很容易的，這是我們用很多年經驗總結得出來的，這里第一個問題就是我們如何實現這個打通。

另一個是我們如何實現網絡化協同？昨天我們也聊到了，其實這個物流簽合同，合同關系特別復雜。為什么，因為物流都是區域化的一些東西，在全世界沒有標準化。比方說我們中國往俄羅斯運貨，俄羅斯公司怎么去管理它？跟我們是不一樣的，俄羅斯地廣人稀，他把全國按郵政編碼分了很多個區，每個區的運費不同，那他就是采用這個方式來管理的。然而，我們信息化程度更高，我們直接可以查百度地圖來算運費，但俄羅斯做不到。所以這種數據的融合，我們首先是解決的是一個異構數據的融合問題。

當時為了解決這個問題我們開發了數據引擎，實際上數據引擎的核心是實現商流和物流的一體化。首先解決結算問題，因為和海外的對接，首先是結算，是訂單。我訂單收多少錢？我訂單付多少錢？你能把訂單的相關信息傳給我就好了。這個訂單在俄羅斯倉庫是不是分揀了？是不是上架了？不需要馬上了解，他也不會告訴你。他只是把數據庫對數據庫的這種信息給你就好了。數據引擎就是解決這個問題。我們現在的數據引擎運行了很多公司的數據，完全證明這個是可行的，就是你管好你自己。數據的對接我們通過引擎來完成。

第三步是講數據融合。其實數據融合，我們現在都還是處在很早期的探索。但是我覺得它的基本的方法論是大數據，基于數學，統計學、因果分析科學這些最基本的東西，從提出問題、提出假設開始。那么這個假設是什么？那我假設，我能不能實現我的流程更短。這就是一個假設，這個假設建立在我們過去的數據的基礎上，從而選擇一些最優的方案，通過對最優方案的比對形成一個方案。這個方案還需要再去調動其他的資源，線下和線上的資源再去整合成新的運行模塊或者子系統才能解決。

從數量上來講，我們90%的物流企業都沒有運用系統，那怎么讓它實現數據融合？現在階段對于物流企業來講，這個還做不到。我覺得先解決原子動作和數據引擎的問題可能在物流供應鏈企業里面屬于比較實際的。

這張PPT講原子動作。我們希望有一個底層的標準化的東西。可以讓我們自由組合組合成我們的流程，比方說入庫流程、出庫流程，能夠實現數據的打通和標準化。如果說你做過物流軟件的話，你會知道物流的非標太嚴重了，項目的這種實施太困難了。而且我們面臨的人員、資源各個方面，能不能實現這種底層的標準化，從現在我們來看的話，我們是實現了。那第二個，這個原則動作還有什么概念？就是說他實現了數據的采集。我們每一個動作都會去采集數據，每，因為原子動作已經鑒定了它的規范性。

過去，物流企業中有的企業也有系統。他們輸入數據的時候，有的時候輸入成都，有的輸入成都空格，有的輸入成空格都，有的輸入成都市區。這個動作造成了系統數據特別混亂，很難實現未來的融合。所以我們是希望原子動作就提供一個數據采集的標準化。

這張PPT實際上是講原子動作這種編輯器從最底層就保證了這種流程的兼容。因為原子動作都是標準的。你有1萬個分子，也是由這些原子組成的。就為網絡化的、多元化的物流企業的協作提供一種標準化的容器，那這個容器就是原子動作編輯器。如果沒有這個東西，我們各家做各家的流程，我們各家寫各家的數據庫，那其實實際上是一個很困難的東西。

大家現在看到的這個東西就是我們現在的這個原子動作編輯器。我解釋一下什么叫一個動作。我們說一個動作，在我們的這個方法論里，他就是掃一掃。為什么，因為現在連老太太都知道掃一掃是干什么了，掃一掃就登錄了，然后掃一掃就結算了，掃一掃就確認了。那么我們所有的單據，我們所有的流程都會是數字化的，也就是說都會有條形碼或者二維碼。那么我們賦予掃一掃這個動作的意義是什么？比如說你上架，你就掃一掃。因為你把貨放到那兒，你掃一下貨架的那個編碼，你就完成了。對于我們的人員來講也很簡單，無論是機器還是什么，你需要做的這個動作就是一個原子動作。

我們不怕流程復雜，我們所有的這些東西，包括動作前置條件、動作輸入值、動作操作表、動作權限，設置完你就可以用了。這個東西能夠打通二維碼和底層的這種關系。而且能跨平臺的能力。這個也是一個連通器，也是一個標準的意義，我們認為這個原子動作就是這樣一個概念。

這張PPT講我們原子動作針對節點和項目的定義，我們可以組成動作，包括調度單掃碼。我調度完了，掃一掃，我就把調度單處理完了。裝車我也掃一掃，對我們來講，就做一個原子工作，“掃一掃”，然后輸入對應的值，或者說它就自動取值。我認為這是對整個物流行業來講的一個創新，我把這個抽象化到了原子動作，我們把對人的要求降到最低，然后我的流程系統可以把分子隨時組織起來，各種分子就組成了我們的這個流程。

我們所有的單據，其實所有的計算機都是在管單據，我們所有的單據都會有數字化的編碼。這個編碼在系統里是永遠存在的。我們只需要對這個單據的條形碼進行掃一掃，掃完了，我就能夠把這個條形碼的這個信息直接改狀態、改信息，在手機端就能操作了。用微信小程序就能實現，我們也不需要去開發特別多的APP就能實現這一步。這樣，用戶簡單了，管理簡單了，數據集成了。

剛才我講的是原子動作。那么我們現在有了原子動作這些數據，我們還要跟商務結算數據結合起來，才能做到數據透明，為什么，因為我們會想知道，哪一個掃一掃，哪一個原子動作是耗成本的，哪一個原子動作是沒有必要存在的，哪兩個原子動作是可以合并的。這些東西都是取決于我們的數據是否透明，如果不透明，我們是沒有辦法做的。所以說我們要把商流、物流和操作流連接起來，就需要一套數字引擎，這個數字引擎，把原子動作也就是操作的這些反饋對象、數據，跟物流節點訂單的這種流動，跟結算網絡的運行前提結合起來，才能形成數據透明。

有的同事就說，我有系統，其實我們說有系統不代表你的數據透明。什么叫數據透明？實際上數據透明是各系統和各數據之間的關系，映射是清楚的。一個訂單從北京到廣州，北京卡車拉到機場，機場又拉到了飛機上，飛機又拉到廣州，在廣州把它卸下來，送到了客戶那兒。好，我問你。這個訂單一共你收了十塊錢。那你成本是多少？你在航段的成本是多少？你在北京的成本是多少？你在廣州的裝卸的成本是多少？我相信中國99%的公司都說不清楚這個數。因為你沒有這種數據的透明，你怎么可能說清楚這個數。這種情況如果存在，你怎么可能去搞數據驅動的創新。所以說我們說第二步一定是數據透明。

數據透明是一個很難做的事情。包括合同、訂單、執行、結算都非常難做，為什么？首先我們說他是網絡化的，它是分布式執行的，數據結構本來就不一樣。第二這些數據也未必給你。那么我想說的是什么？我們必須有一套外掛，來幫我們把各個系統的這些數據整合起來，實現透明，所以說我們叫數據引擎。那么這個東西有多難，張三跟李四簽了合同，說一件多少錢，張三跟王五簽了合同，一公斤多少錢？張三跟馬六簽的合同是一公斤以下多少錢，一公斤以上一件兒多少錢？這種交易條款完全是雙方談出來，沒有標準格式。

合同的結算現在很多公司都是人來算。人算差錯率差不多千分之五以上，最好的公司可能會做到千分之五以下。

我們內部管理也是這樣的，客戶多，筆數多，規則多，操作環節變化多，每次對賬重復性的工作投入特別大。一個年銷售收入過億的企業，差不多一年有十多個人天天干這事兒，或績效考核，包括結算、評估，這是很復雜的。

我們做萬能引擎就是想把外部數據，或者不同系統的這種異構數據，通過規則，按照場景參數連起來形成輸出數據。就是我把銷售系統和物流操作系統的數據，按照一定的規則組合起來，形成我需要的銷售和操作數據。但是實際上核心解決的是多源異構數據庫的這種整合問題，對應數據庫的整合問題，我們專門建立了一套方法論。

首先來講整合是按照場景進行的，所以我們就必須得有場景的定義、場景的規則。對于任何一個場景，抽象的來講，都是把一些數據經過處理，經過一定的規則變成輸出數據。在這個地方，我們過去也是考慮過的，說為什么不用大數據，人工智能的這些方法？其實我們用的是一個更原始，更簡單的辦法，就是通過規則方式來管理。為什么？因為我們物流系統的這種準確性要求我不能出錯。我不能有95%的準確率，我必須是準確的數值轉換，所以我們用的是這種規則管理器，而沒有用大數據的分析、統計分析的一些東西來做這些。

這張PPT講的是我們規則管理器的基本工作原理，即規則管理器。實際上，外部變量要允許自由定義，因為從哪個數據庫來你并不知道。然后公共變量區實際上是變量進行處理、暫存的一些地方。最后，我們的這些規則，必須是實現了配置化，而不能去動代碼，如果動代碼，這個系統的用戶條件就太高了。所以我們要實現的是這種高級代碼功能就是配置化，來解決這個萬能數據引擎的問題。

這個前臺配置化的管理，我們差不多用了兩年半的時間，前前后后做了兩三個版本。就是說我們就是通過下面的這些非數據庫、非后臺的這種配置，就能夠實現后臺數據的計算和聯通，這也是個很龐大的工作。

現在系統還有很多一些特別技術層面的問題，不是我們今天要討論的。但是系統的技術層面確實比較復雜，包括系統的權限管理，實際上我們現在已經可以做到了租用式管理，可以給上下游企業提供賬戶賬號，相當于是房間可以租給別人用。

第三個問題是數據的融合和創新，其實我認為數據驅動它本質上的差異是說它以數據為依據、以數據為導向的這種創新是方法論更好的手段，而比我們的主觀決策、定性分析要高很多，而且它滿足了我們數據快速價值的發現和未來的創新的流程的搭建。所以我把這種東西從流程上分成四步。第一步我們是什么場景？這個問題一定要提出來，這個假設是什么，這個假設來自于什么？來自于我們的過去的觀察。第二個，我們一定會去發現問題，實際上是發現我們的創新點和改善點。經過我們的這種改善、調整、組織和流程的這種重建以后，當然也包括線上系統的重建，是會形成新的流程和配套。那么這種方案在場景中實現了以后，我們會產生新的數據。這種數據會進行評估，來對我們的目標來進行核實。那么，我們所做的這些東西實際上是在追求科學上的實事求是。第二個，是用數據的快速整合來提高創新的速度。實際上是基于因果分析科學，基于流程重建，基于實驗，基于信息化的統一部署。

舉一個例子，假如我們看了客戶的支付成本，還有利潤統計，那我們能不能提出，哪些客戶利潤很低我們可以不做，哪些客戶對我們來講是規模客戶，我們可以提升某些服務水平。這就是我們針對這個場景來提供，并且這種假設是來自于對數據的分析。當然你憑直觀也能得出來，但是憑直觀得出來的，對于絕大多數更復雜的情況，錯誤的概率會相對更高。

我們在這個場景里回答了一個問題，回答了一個假設，甚至說我們回答一個為什么，然后我們利用數據融合能力去構建新的系統。那這種架構，是需要系統具有很強的兼容性和調整性的，如果沒有，就相當于是從頭來。這樣的話會影響我們創新的成本和創新的效率。

我們做了一些客戶案例，還有一些沒列的。這個PPT時間比較早，取得了一些初步的經驗。我覺得我們在原子動作管理，還有數據融合，數據透明方面相對成熟一點，對于數據融合，我們也一直在做，也需要跟大家一塊兒去找案例一塊兒來做。

最后感謝大家。如果需要進一步溝通，或者說深度演示，隨時歡迎大家聯系我。謝謝大家！

編輯：SZ 審核：WF

總結

以上是生活随笔為你收集整理的数据驱动的物流网络体系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。