主要內容：物流供應鏈企業在實施數字化的過程中，技術上要做哪些準備，要經歷哪些階段，本文給你答案。
夯實數字化基礎
要想夯實供應鏈的數字化基礎，就要通過軟硬一體的方式來實現。所謂“軟”，是指各類軟件系統或程序；所謂“硬”，是指各種物聯網終端設備。傳統的信息系統更強調“軟”，即通過人工把信息錄入信息系統，實現業務數據化，如OMS、OA系統等。
而物聯網的應用則強調“硬”，強調通過終端設備的數據採集和感知來實時判斷業務狀態的變化，例如，應用RFID、掃碼槍、視頻、實時定位、溫度傳感和煙感等終端設備採集供應鏈過程的相關數據。
通過軟硬一體的方式夯實供應鏈的數字化基礎時，關鍵在於結合供應鏈場景的具體情況制定軟硬一體化的解決方案。例如，同樣都是供應鏈過程的冷鏈溫度追溯，生鮮食材、速凍食品和生物醫藥的冷鏈溫度追溯的解決方案就有所不同。
生鮮食材的儲藏溫區要比速凍食品和生物醫藥的寬一些；速凍食品對上限溫度的要求更嚴格；生物醫藥對上限和下限溫度都很嚴格。再如，長途運輸和短途配送對溫度採集終端的精度和靈敏度以及對數據採集的頻度和密度都有不同的要求。因此，在不同的供應鏈場景下，需要不同的軟硬一體化解決方案。
通過軟硬一體的方式夯實供應鏈的數字化基礎時，需要供應鏈中的各個參與者（企業）的共同努力。供應鏈中的企業，有的為供應鏈提供交易服務，有的為供應鏈提供產品設計服務，有的為供應鏈提供生產服務，有的為供應鏈提供物流服務等。不管是什麼類型的企業，都要夯實自身的數字化基礎，強化自身的業務數據化能力，然後通過合作伙伴之間的數據對接，實現供應鏈全鏈條的業務數據化。
接受平臺賦能
傳統供應鏈通過接受平臺的賦能需求轉變，包括企業平臺和行業平臺。接受企業平臺的賦能，是為了實現特定供應鏈環節的透明數字化；而接受行業平臺的賦能，則是為了實現供應鏈全鏈條的透明數字化。企業平臺與行業平臺並不衝突，兩者可以合力對供應鏈進行賦能。
企業平臺轉型實際上是對傳統信息系統的升級，並在系統升級的基礎上進行數據流集成，以實現企業的主營業務的數據化及企業數據的業務化，即實現供應鏈特定環節的透明數字化。
作者於2017年參與過某平臺的規劃諮詢項目，某大型綜合物流企業通過構建透明化協同平臺來打破企業內部100多個信息系統所形成的信息孤島，實現企業範圍內的資源透明和業務透明，以及全網的物流協同。該企業的可視化協同平臺的構建思路如圖1所示。
某物流企業透明化協同平臺的構建思路
行業平臺則是為供應鏈提供基礎公共服務的平臺，如提供交易服務的各類電商平臺，提供產品設計服務的定製服務平臺，提供生產服務的代工服務平臺，提供物流服務的無車承運人平臺、雲倉平臺等。目前，提供交易服務的電商平臺較為成熟，而其他平臺隨著產業互聯網化的發展也會逐漸成熟起來。
例如，某大型集裝箱企業希望通過整合集裝箱運輸業務的相關資源，構建面向供應鏈的集裝箱多式聯運綜合服務平臺。該企業希望構建如圖2所示的行業平臺對供應鏈進行賦能，同時拓寬企業自身的業務發展空間，推動自身向平臺型企業的方向發展。
集裝箱多式聯運綜合服務平臺的構建思路
總之，傳統供應鏈要在其上下游企業的平臺化轉型過程中接受平臺的賦能，轉變為透明數字化供應鏈。目前，企業的平臺化轉型還處於起步階段，隨著產業互聯網化的發展，供應鏈定會在平臺賦能的過程中實現升級。
平臺上雲
無論企業平臺還是行業平臺，在雲服務器上進行部署、上雲已經成為主流技術趨勢。雲服務包括公有云、私有云和混合雲。
私有云的特點是部署靈活、拓展性強，但服務器集群運維成本高；公有云的特點是按需付費、省心；混合雲綜合了私有云和公有云的優勢，並實現了良好的平衡。平臺上雲時，選擇何種雲服務器，要從算力、成本和技術能力等方面進行綜合考慮。
部署平臺時，首先要考慮平臺對數據荷載能力、計算能力等技術指標的要求，從而評估平臺對存儲資源及計算資源的要求；其次要考慮資金投入，包括一次性投入和後續的運維成本；再次要考慮企業自身是否具備構建和運維雲計算中心的技術能力。
建議大多數中小企業選擇公有云服務，這樣可以極大地節省平臺部署費用；大型企業若自身具備一定的技術實力，則應選擇私有云或混合雲；如果不具備相應的技術實力，就只能選擇公有云。
目前掌握雲計算技術的人才十分缺乏，雲計算基本上被少數的大型互聯網公司所掌控。隨著傳統供應鏈向透明數字化供應鏈轉型進程的加速，企業在平臺化轉型過程中會對雲計算和雲計算人才產生越來越多的需求。
雲計算中心的規劃設計、建設、部署和運維等工作崗位將成為透明數字化供應鏈的支撐崗位，任何想進行平臺化轉型的企業都要重視企業在雲計算技術方面的人才儲備。
設計和植入AI
透明數字化供應鏈需要針對各個業務場景設計和植入AI。AI是指人工智能，就是對人的智能進行模仿和應用。但從本質上講，AI就是算法對數據的處理。平臺已經採集和匯聚了供應鏈的大數據，接下來就要通過各種AI算法來實現供應鏈的智能化。
本書第8章介紹了透明數字化供應鏈數據流集成框架，其第三層就是場景AI算法植入，具體步驟包括算法設計、算法開發、算法訓練、算法部署、算法應用和算法迭代等。AI算法要基於特定的業務場景，針對特定的問題來設計。
例如，同樣是運輸線路優化，長途運輸與短途配送運輸的AI優化算法就是不一樣的；在路況因子上，不同區域或不同城市的算法參數也有所差異；在物流節點因子上，不同公司的算法參數也是不同的。
透明數字化供應鏈涉及的各種平臺、系統以及智能裝備、機器人等，都需要植入AI算法。而設計、開發、訓練和部署AI算法，需要由具備應用數學、計算機軟件和供應鏈等方面專業的知識及技能的複合型人才來完成。
在未來很長一段時間內，真正的AI人才將十分匱乏。要想設計和植入AI，首先要填補人才短板，這需要教育機構和企業的共同努力。
綜上所述，不管是夯實數字化基礎、平臺賦能、平臺上雲，還是設計和植入AI，本質上都是技術人才在賦能。因此，企業一定要重視技術人才的培養。
閱讀更多 易流黃老師 的文章
