杉数科技:供应链效率的追逐是物流企业的核心

◆★◆杉数科技(北京)有限公司成立于2016年7月,总部位于北京,是一家基于大数据分析、为企业提供技术决策方案的服务型公司,专注于建模及优化算法,提供对海量数据的分析,帮助企业提供最佳解决方案,为企业带来收益及成本端的显著变化。2018年7月26日,由杉数科技主办的2018第二届AI大师圆桌会在上海如期举行,会议以“从链到网”:数字赋能零供新关系为主题,围绕最新政策与趋势、供应链转型、新零售、互联网+物流等行业热门话题展开讨论。现场汇聚了UCLA杰出教授Chris Tang、美国工程院院士Peter Glynn、明尼苏达大学副教授王子卓、纽约大学助理教授陈溪等多位业界顶尖的专家学者,聚焦科技与产业的前沿领域,精选最具代表性的行业案例,共同探索未来供应链行业发展的主流大势和无限可能。◆★◆

------------

杉数科技:供应链效率的追逐是物流企业的核心

2018年7月26日,由杉数科技主办的“2018第二届AI大师圆桌会”——“从链到网:数字赋能零供新关系”的主题活动。美国工程院院士Peter Glynn、UCLA杰出教授ChrisTang、纽约大学助理教授陈溪、明尼苏达大学副教授兼杉数科技联合创始人王子卓、普洛斯战略顾问董中浪等嘉宾出席活动现场并发表演讲,专家学者与行业关注者一同探讨了新时代下的零供发展新未来。


物流、零售和快消是与供应链紧密相关的三个行业,而物流作为连接生产和消费间的重要枢纽,对供应链管理有着更高的要求。据前瞻产业研究院数据显示,2017年全年快递业务量达到401亿件,网上人均购物75.66件/年。2018年仅过去两个月就已发生了59.7亿件的快递业务量,占2017年全年的15%左右。预计全年的快递业务总量有望达500亿件。


2017年社会物流总费用与GDP的比率为14.6%,这一比率仍高于世界平均水平,发达国家这一比率在8%-9%。但在如此巨大的物流体量背后,依旧存在诸多问题。物流周转周期长、成本高、效率低;仓储能力不足、管理混乱;物流配套基础设施落后等一系列现存问题制约着物流产业的发展,探究其背后原因,是供应链问题在作崇。


如何建立智慧供应链网络?这自然要提到“运筹学”,运筹学所应用的场景及范围远超乎人们的想象,包括最优路径、智能选址、无人仓管理、智慧城市等与生活息息相关的场景,甚至是军事、金融领域都可以运用到运筹学的理论。王子卓介绍说,以大数据为依托,运用运筹学来实现数据建模和优化求解的技术能力,正是杉数的核心技术。物流行业常遇见的三类运筹学问题分别是:区域的划分和选址(哪个车队负责哪个区域,物流枢纽怎样才能是效率最高和成本最低等问题)、收益管理与定价(如何根据不同服务制定产品线)及运输优化问题。


其中,运输优化作为物流行业最基础和重要的一环,在需求产生后,如何在考虑多种业务约束条件和满足客户服务水平的前提下,全局统筹规划所有资源,解决企业面临的运输问题,变成了物流企业亟待解决的情况。杉数科技为企业提供多维度、多目标、多场景的配送任务分配以及路线规划建议,能有效节省10-25%的物流配送成本,极大提高了效率。


杉数科技融合了优化算法和机器学习两个人工智能领域的核心技术,推动供应链局部优化带来的全面优化,减少周转重复环节,降低人力成本。技术在物流行业的快速融入,让这个产业以迅雷不及掩耳之势快速发展,但物流服务的基本框架从未改变,即便在新的变革时代,对消费者服务的快速响应和供应链效率的追逐依旧是每个物流企业把握的核心。


供应链是物流、信息流、商流和资金流的集成。其中,物流因为其可流动的空间属性,实际管理中受影响的复杂因素将更多。传统物流供应链管理中的采购、运输、仓储、分配等环节各成体系,单独割裂,无法形成一条完整的“供应链”。物流产业面临着前所未有的升级紧迫感,能做到快速响应,确保精细化的运营,是对物流行业“降本增效”的最好理解。物流公司实际上是一家披着物流外衣的科技公司,通过技术手段的赋能,将所有的物流活动集成在一起,形成一个相互协调、统一的组织,实现全局优化,这也正是杉数科技所倡导的“智慧供应链”。


技术的浪潮下,人们现在看到的行业现状并等于未来的样子,每个行业都将不断被技术赋能、不断迭代。但经济法则中不变的是,技术和模式都将始终围绕减少成本、增加收益、提升效率的话题进行赋能与改造。对企业而言,加码供给侧结构性改革,发力精细化运营,提升供应链效率,成为了新的竞争焦点。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容