主要内容：物流供应链企业在实施数字化的过程中，技术上要做哪些准备，要经历哪些阶段，本文给你答案。
夯实数字化基础
要想夯实供应链的数字化基础，就要通过软硬一体的方式来实现。所谓“软”，是指各类软件系统或程序；所谓“硬”，是指各种物联网终端设备。传统的信息系统更强调“软”，即通过人工把信息录入信息系统，实现业务数据化，如OMS、OA系统等。
而物联网的应用则强调“硬”，强调通过终端设备的数据采集和感知来实时判断业务状态的变化，例如，应用RFID、扫码枪、视频、实时定位、温度传感和烟感等终端设备采集供应链过程的相关数据。
通过软硬一体的方式夯实供应链的数字化基础时，关键在于结合供应链场景的具体情况制定软硬一体化的解决方案。例如，同样都是供应链过程的冷链温度追溯，生鲜食材、速冻食品和生物医药的冷链温度追溯的解决方案就有所不同。
生鲜食材的储藏温区要比速冻食品和生物医药的宽一些；速冻食品对上限温度的要求更严格；生物医药对上限和下限温度都很严格。再如，长途运输和短途配送对温度采集终端的精度和灵敏度以及对数据采集的频度和密度都有不同的要求。因此，在不同的供应链场景下，需要不同的软硬一体化解决方案。
通过软硬一体的方式夯实供应链的数字化基础时，需要供应链中的各个参与者（企业）的共同努力。供应链中的企业，有的为供应链提供交易服务，有的为供应链提供产品设计服务，有的为供应链提供生产服务，有的为供应链提供物流服务等。不管是什么类型的企业，都要夯实自身的数字化基础，强化自身的业务数据化能力，然后通过合作伙伴之间的数据对接，实现供应链全链条的业务数据化。
接受平台赋能
传统供应链通过接受平台的赋能需求转变，包括企业平台和行业平台。接受企业平台的赋能，是为了实现特定供应链环节的透明数字化；而接受行业平台的赋能，则是为了实现供应链全链条的透明数字化。企业平台与行业平台并不冲突，两者可以合力对供应链进行赋能。
企业平台转型实际上是对传统信息系统的升级，并在系统升级的基础上进行数据流集成，以实现企业的主营业务的数据化及企业数据的业务化，即实现供应链特定环节的透明数字化。
作者于2017年参与过某平台的规划咨询项目，某大型综合物流企业通过构建透明化协同平台来打破企业内部100多个信息系统所形成的信息孤岛，实现企业范围内的资源透明和业务透明，以及全网的物流协同。该企业的可视化协同平台的构建思路如图1所示。
某物流企业透明化协同平台的构建思路
行业平台则是为供应链提供基础公共服务的平台，如提供交易服务的各类电商平台，提供产品设计服务的定制服务平台，提供生产服务的代工服务平台，提供物流服务的无车承运人平台、云仓平台等。目前，提供交易服务的电商平台较为成熟，而其他平台随着产业互联网化的发展也会逐渐成熟起来。
例如，某大型集装箱企业希望通过整合集装箱运输业务的相关资源，构建面向供应链的集装箱多式联运综合服务平台。该企业希望构建如图2所示的行业平台对供应链进行赋能，同时拓宽企业自身的业务发展空间，推动自身向平台型企业的方向发展。
集装箱多式联运综合服务平台的构建思路
总之，传统供应链要在其上下游企业的平台化转型过程中接受平台的赋能，转变为透明数字化供应链。目前，企业的平台化转型还处于起步阶段，随着产业互联网化的发展，供应链定会在平台赋能的过程中实现升级。
平台上云
无论企业平台还是行业平台，在云服务器上进行部署、上云已经成为主流技术趋势。云服务包括公有云、私有云和混合云。
私有云的特点是部署灵活、拓展性强，但服务器集群运维成本高；公有云的特点是按需付费、省心；混合云综合了私有云和公有云的优势，并实现了良好的平衡。平台上云时，选择何种云服务器，要从算力、成本和技术能力等方面进行综合考虑。
部署平台时，首先要考虑平台对数据荷载能力、计算能力等技术指标的要求，从而评估平台对存储资源及计算资源的要求；其次要考虑资金投入，包括一次性投入和后续的运维成本；再次要考虑企业自身是否具备构建和运维云计算中心的技术能力。
建议大多数中小企业选择公有云服务，这样可以极大地节省平台部署费用；大型企业若自身具备一定的技术实力，则应选择私有云或混合云；如果不具备相应的技术实力，就只能选择公有云。
目前掌握云计算技术的人才十分缺乏，云计算基本上被少数的大型互联网公司所掌控。随着传统供应链向透明数字化供应链转型进程的加速，企业在平台化转型过程中会对云计算和云计算人才产生越来越多的需求。
云计算中心的规划设计、建设、部署和运维等工作岗位将成为透明数字化供应链的支撑岗位，任何想进行平台化转型的企业都要重视企业在云计算技术方面的人才储备。
设计和植入AI
透明数字化供应链需要针对各个业务场景设计和植入AI。AI是指人工智能，就是对人的智能进行模仿和应用。但从本质上讲，AI就是算法对数据的处理。平台已经采集和汇聚了供应链的大数据，接下来就要通过各种AI算法来实现供应链的智能化。
本书第8章介绍了透明数字化供应链数据流集成框架，其第三层就是场景AI算法植入，具体步骤包括算法设计、算法开发、算法训练、算法部署、算法应用和算法迭代等。AI算法要基于特定的业务场景，针对特定的问题来设计。
例如，同样是运输线路优化，长途运输与短途配送运输的AI优化算法就是不一样的；在路况因子上，不同区域或不同城市的算法参数也有所差异；在物流节点因子上，不同公司的算法参数也是不同的。
透明数字化供应链涉及的各种平台、系统以及智能装备、机器人等，都需要植入AI算法。而设计、开发、训练和部署AI算法，需要由具备应用数学、计算机软件和供应链等方面专业的知识及技能的复合型人才来完成。
在未来很长一段时间内，真正的AI人才将十分匮乏。要想设计和植入AI，首先要填补人才短板，这需要教育机构和企业的共同努力。
综上所述，不管是夯实数字化基础、平台赋能、平台上云，还是设计和植入AI，本质上都是技术人才在赋能。因此，企业一定要重视技术人才的培养。
閱讀更多 易流黃老師 的文章
