G7易流刘丹华：酒企供应链端到端数字化解决方案

我是来自于G7易流的刘丹华，今天很高兴有这个机会与大家分享供应链物流数字化方面的思考，我要分享的主题是：数智跃迁、体验升级和生态构建。

刘丹华 G7易流大消费解决方案总经理

1我们是谁？

首先借这个机会介绍一下G7易流，在2022年之前，G7和易流是两家独立的公司。去年6月，两家公司才合并为一家公司。回顾G7易流的发展历程，两家公司一家是2006年成立的，一家是2010年成立的，加起来有将近30年的历史。

两家公司都采用IoT+SaaS技术，为物流企业提供车队管理服务。发展过程中，两家公司也有不同的业务侧重。G7除了为大型物流车队提供服务外，也在智能设备和智能驾驶等方面进行了探索和试验，并取得了量产成果。易流在成立初期，除了理论探索外，也为上游货主企业提供供应链物流数字化解决方案。   

2022年6月，两家公司正式合并，公司更名为G7易流。对G7易流来说，2022年是一个新的起点。合并后，G7易流在资源上进行了重组整合。目前我们服务的客户群体超过4万家，包括中小货运经营者、上游的大货主以及其他大客户。在设备连接方面，IoT连接数量超过500万，涵盖人员、车辆、货箱等多个场景的装备。服务能力更全面，包含订阅和交易服务。从整个行业覆盖方面来说的话，我们面向快销，比如说像大宗医药化工等12个行业，去提供物流数字化的解决方案。

业务分为两大板块：

FM板块面向中小货运经营者，提供车辆管理和财务一体化经营平台。

KA板块面向大客户，提供端到端可视化和以运力供应链为基础的物流数字化解决方案。

这个是我们服务的客户群体，从两家公司合并之后，在服务群体方面也有了更加全面的一个覆盖。

2行业洞察与价值主张

从整个行业的趋势来看，我们总结为三个“全”：全渠道、全天候、全球化。

简单来说，市场渠道会越来越多元化，客户体验要求会越来越高，业务场景也会越来越复杂。

同时，行业的发展也对供应链能力提出了相应的要求，我们总结了两个点：

一是透明与协作，要求供应链的货主对下游流通环节实现更多可视化的感知，提高行动效率。

二是精益与柔性，要求对于多维数据的整合形成相应的数据洞察，能够有相应的举措来应对供应链不确定性和突发事件，实现精益与柔性。

从供应链物流数字化角度来看，我们认为发展会有三个阶段：软件化到数智化的跃迁、B端业务C端体验、构建运力生态。

阶段一 从管理软件化到运营数字化的跃迁

许多企业在企业数字化建设过程中已经有了相关系统，但更多是注重业务管理的线上化。未来，需要更多依赖数据驱动，让流程去适配我们的系统，通过智能化提高运营效率。

下面我将介绍三个具体场景，说明我们在智能化数字化应用方面的解决方案。

很多酒企和快消品企业的物流环节是与第三方物流合作，但订单处理和配载工作仍由企业自行完成。为解决这个问题，我们利用智能配载的算法能力帮助客户提高效率。例如，3D装箱算法使配载过程可视化，提高配载装箱效率20%以上。同时，对于临时订单的处理，从半小时内确认调整方案压缩了到分钟级确认。

在智能调度场景中，调度过程存在诸多问题，如过程不可视、依赖人员经验等，会影响调度效率。为此，我们推出智能调度算法，解决调度“黑箱”效应，使过程可视化；优化配载结果，比如能更好的去平衡装载率、时效要求和线路要求等。

第三个场景是无人值守。在许多企业，特别是在食品、饮料和原酒运输场景，传统方式是人工和传统地磅采集车辆称重数据，效率非常低下。之前我们在一个园区调研发现，从司机下车到采集并录入数据，整个过程要花5-10分钟。通过无人值守方案可以高效解决此问题，将采集过程从分钟级降低到秒级。过程中还可以通过视频、AI、图像识别和互联网实时采集和感知现场情况，进行现场操作视频存证。更关键的是采集的数据可以第一时间进入系统，驱动业务流转到下一环节。

阶段二 B端业务C端体验

有了数字化系统后，如何让供应链物流整个上下游有更好的体验？

我们应该都有电商购物经验，下单后可以了解订单进度、实时位置等信息。同样，在我们的业务过程中的供应链环节，也会遇到问题，如客户询问订单进展时，我们要有专人跟踪，手忙脚乱，各环节信息的信息都要进一步去确认。

我们也希望通过一张图实时了解订单的全生命周期，让下游客户直接感知业务进展。

首先，我们可以通过这张图看到整个订单的全生命周期环节，了解订单从创建到结束的过程。

我们将业务数据与IoT和数据订阅服务有机结合，使订单节点状态和实时位置通过轴线图呈现。这种呈现效果一方面帮助货主了解业务进展和上下游环节所需的信息协同，另一方面，我们可以通过一键分享或自动推送的方式，让下游客户实时了解订单进展状态。另外，我们可以对整体业务全景，包括业务KPI和承运商KPI进行可视化展示。

在业务过程中，我们也会利用预警和预测模型帮助货主了解情况。如提货环节，如果ETA预测模型分析出车可能迟到，系统可以自动推送给相关承运商提前干预以避免迟到的情况，并通过后续数据分析对承运商进行下一步考核。我们的预警类型有多级，不同级别的预警可以通知不同对象采取不同干预措施。

随着业务发展，越来越多企业有海外业务，对全球可视化的诉求也越来越强。通过IoT和三方数据的融合，我们可以实现订单位置和轨迹的可视化。除了能实时掌控订单位置，我们还可以通过ETA模型告知客户某订单是否有延误风险。

从端到端可视的结构上可以看，它的底层来自多维数据聚合，如IoT的数据、三方平台数据和我们协同采集的数据。中层结合客户业务数据进行相应的建模分析，帮助客户了解订单实时位置、订单轨迹、交付预测和预警信息等。

同样，通过数据分析能力，我们可以输出相应的看板展示结果，如运营数据、实时可视的状态、预警预测信息和库存状态等，都可以通过看板的方式直观展示。

我们希望能够基于端到端可视的能力来帮助货主和客户实现体验升级。

阶段三 构建运力生态

在运力生态这个环节，我们经常遇到一个问题，客户每年招标，但发现承运车辆基本没什么变化。我们希望通过构建运力生态，帮助货主企业实时掌控运力资源，在淡旺季都能获得最优质的运力服务。

前面也提到，G7易流连接了500万IoT设备，其中包含了400万运力资源。基于这些数据，我们利用大数据分析能力每年发布会议指数，如每年618和双11期间最热的线路和省份信息。这有助于客户了解货运市场动态，也为我们业务提供支持。

这些数据一方面提供公益性指数信息，另一方面可以和我们企业的业务数据做融合。通过数据融合，我们可以帮助客户了解运力的画像，如合作频度、服务质量和接单偏好等。基于运力画像，我们还可以对运力结构进行分层，确定优质运力、长期合作运力和临时合作运力，最终形成一个实现了结构分层的私有化运力池。

最后，我们用一张图来阐述我们面向货主的运力生态闭环。

在管理环节，我们可以帮助货主实现运力招标、运力链接、执行的监控、运费结算和相应的运力画像。在整个管理过程中，我们会帮助客户沉淀运力资源和建立运力链接。基于这些资源和链接，利用运力画像能力，我们还可以进行分层，确定固有运力、计划运力和临时运力，并采取不同运营策略。最终，我们希望通过搭建运力池，帮助客户掌握更多运力资源，不论淡季旺季都有合适的运力来保障业务需要。

总结一下，针对酒企供应链数字化进阶，我们有三个阶段：

第一阶段是数智跃迁，以数据驱动和智能提效实现从管理软件化到运营数字化的变革。

第二阶段是体验升级，通过端到端可视实现供应链B端业务C端体验的效果。

第三阶段是生态构建，通过运力生态构建实时掌握运力资源并享受最优的运力服务。

3典型案例