中国商业联合会商贸物流与供应链分会

中国商业联合会商贸物流与供应链分会
您现在的位置: 首页 > 资讯 > 行业资讯 > 正文

丁宏伟:互联网+物流关键在大数据挖掘

时间:2016-09-21 10:21:50 点击:
来源:物流沙龙 作者:

条评论打印收藏

从行业角度来讲,千千万万的物流企业,他整个运营的压力很大,他的利润率非常低。我们希望通过提供数据之后,产生一些新的服务。比如说我们帮助企业去识别消费者的需求、帮助企业通过整个电商体系的数据去提前识别出来消费者需求在哪里,这样我们可以给包括生产企业或者说供应链运营企业提前把货布到消费者境内,这样可以使得整个流转效率比较高,使得货物的流动是有目的性的,更加高效。以上这是第二个方面,就是说有了大数据和互联网加以后,我们应该在数据的应用和优化层面做一些事情。而这就需要技术来支撑整个行业的发展。

第三层其实刚才也提到了,因为物流实际上最终是希望通过货物的流动给消费者,和整个体系新的服务。现在所谓的O2O或者是供应链的层级,我们希望整个行业里面,能够孵化出一些标准化的新的、稳定的服务。关于物流服务的分层,在今天,比如说我们推动整个行业的工具。快递企业里面几千万的包裹,怎么做到让大家今天下单明天到。基于这样分析的能力,我们跟物流企业一起,形成一个新的和稳定可靠的服务种类。因为物流服务的种类和一些可靠的认证,有了信用体系之后。物流服务的消费者,就是上游的电商、融资企业或者说供应链方才可以去消费,这样才能最后回归到整个商业环境里面。消费者也能很好的感知。整个生态链就转起来了,这就是我们的一个观点。我们整个数据基于算法、优化和挖掘的运用,最上层是整个行业大的商业模式、可靠的服务,这是我们从企业和行业的角度出发设想的观点。

二、末端配送成本占比高

从环境的角度来看,其实整个陆上运输的成本,包含了三段,一是仓储成本,仓储装卸;二是干线运输的成本,从城市到城市;三是末端配送成本,城市内的仓储再送到消费者手中,一共三段。从仓储和装卸的角度来讲,成本在很大程度上受制于自动化水平,成本在不断提高,因为整个仓储的装卸,内部的上架。目前自动化的平台水平是偏低的,需要升级自动化的仓库送装设备。

第二是在仓储的中间环节中,存在效益提升的标准化。如果没有托盘的话,装卸一台车可能要四到六个小时,但如果有托盘半个小时就搞定了。托盘能使整个物流底层的基础落地,这样标准性落地后,各个企业之间能够自动的,更加方便的流转,这是一个调整。物流行业把货从A运到B,会涉及到不少的公司和操作环节,那在这个过程里如何确保标准落地,确保能按照一致的按照标准来操作,这是有难度的,尤其在仓储和装卸方面有难度。

中间的干线运输实际上跟我们的信息对称有很大关系。大宗商品的运输,铁路是一个模式,那公路运输这块,对比铁路运输,整车运输的、单车运输的效益是比较高的,因为它装满了,但是在运输过程中,回程常常空车。对整个中转地非常重要,但是在干这个事情前,我们怎么样去解决这个信息不对称这个核心环节。过去很多城市的边缘在它的停车场或者园区,你会看到车在那等货,从北京拉一车到上海之后,通常大家会去一个当地的一个园区,继续找这些,有没有短程的货之类的,通常都要停到两三天,或者三四天这样。如果我们把干线运输中信息不对称的问题解决,整个装载将提升,空车率将减少,这是降低干线运输成本的重要方式。

在整个物流的运输层面里边,末端的或者最后一百米,城市内的配送物资的成本占比非常高,有的行业可能占到百分之三十以上,这些目标才是我们值得提到的。包括我们现在在末端配的这些三轮车,是绿色的,高效的,便利的,它还可以走小路,很方便。还有些末端的配套设施,公司每个月送到消费者家中,现在电商非常的发达,每个人可能在不同的平台,不同的物流企业,会有十几个包裹,或者五六个包裹。但如果每个公司每次来只给你送一个,反复送五六次,这样效益非常低,那么我们在末端可以建设一些驿站或者末端的共同派送点,这实际上可以帮助提高末端派送的效率。

从这点上来说,国外街区划得很细,每个地方很快都可以到。而中国是有大的道路,然后就是小区。因为开始中国机动车比较少,还没什么问题。但城市规模扩大得快,确实跟这个有关。这是个客观的问题,应该要想办法解决而不是去回避。现在计算的成本很低,抓不到人罚款了,他的成本也很高,一般的车罚款是有交通拍照的,一拍照就罚款,找到人和小路车,很多人上班骑车,你根本没法对他罚款,但假如我抓到物流企业的车子,抓拍,罚款,这是可以做的,因为你是有单位的。我觉得应该把行人和物流企业的车子分开管理,这个应该不是很难。只要它短期的掌握了办法,还有处理事故的手段,不能现在就禁。这个应该是值得关注的。

 2/3   首页 上一页 1 2 3 下一页 尾页

关键字: 互联网+物流,大数据

0条评论

网友评论
   

     评论仅代表个人意见,本网站保持中立

Baidu
map