數智化背景下電商供應鏈面臨的成本困境及挑戰

1 數智化背景下電商供應鏈的發展現狀

隨著全球經濟環境、貿易格局、創新產業的不斷發展,當下已進入供應鏈數智化、經濟高質量發展的拐點，企業可以通過建立和優化供應鏈系統，更有效地獲取和使用資源，以提高生產能力，從而保持領先地位。我國工業進程已經與世界發展軌跡交匯，在全球生產格局中的地位明顯得到提升，未來將面臨信息化與智能化并進的挑戰。

近年來，盡管受到全球經濟環境停滯的影響，中國數字經濟的增長速度卻仍保持在較高水平，2020年，中國數字經濟規模已達39.2萬億元，增長速度已達到9.7%。 其中，“產業數字化”在中國數字經濟發展中處于領先地位，預計2020年中國產業數字化規模將增加31.7萬億元，占數字經濟的80.9%，占GDP的31.2%。 作為數字經濟發展的強大推動力，產業數字化是指各類傳統產業借助新一代、多角度的數字技術，從單點上完成整個轉型鏈，進行升級改造，并逐步形成產業集群的協同趨勢。 但與此同時，數字化先進企業的比例在過去五年中沒有明顯增加，這表明在實現高度數字化和整個供應鏈的數字化方面仍然存在巨大的挑戰。

在數字經濟和技術發展的影響下，傳統的供應鏈正在逐漸轉變為數字供應網絡。數字技術的發展是物流企業管理方法和管理思想日益成熟的標志和基礎。供應鏈的計算機化、數字化和可視化的結合，將推動中國供應結構的改革，并迅速實現高效的數字經濟，實現供應和需求之間的高度匹配。

當下，數智化技術在供應鏈各環節（包括生產計劃、采購、流通制造、客戶服務等版塊）的合理化應用程度有限，隨著各項數智化技術的應用，供應鏈模式將從“分離、不暢、滯后，非連續、不及時的數據分享”向“整體協同、暢通、即時，基于數字孿生的分享與分析”轉變[1]。

尤其是基于互聯網的微小企業在金融、數字化應用上面臨著機遇與挑戰，同時數字化與智能化的結合與應用將進一步深化和優化，持續支撐微小企業的發展。

首先，數字技術的革命性發展加速了供應鏈向數智化方向的演變。物聯網技術的感知層包括一系列智能感知設備，如傳感器、機器視覺和RFID，它們為供應鏈數字化提供了超越傳統信息流的智能信息。其次，隨著數據的可追溯性和保密性，區塊鏈技術提高了供應鏈的整體金融數字化水平。同時，隨著數據的可追溯性和保密性，區塊鏈技術提高了供應鏈整體金融數字化的透明度。人工智能和云計算技術還支持在收集的數字信息中發現隱藏的模式和現象，以實現基于分析的智能決策，支持生產預測并提高供應鏈的靈活性。

2 數智化背景下電商供應鏈的成本困境

基于電商企業的渠道有下沉、多元化等特點，許多電商供應鏈上的角色模式從傳統的“批發”模式轉為“零售”模式，即從大多服務于大型經銷商/生產商轉為服務呈分散特點的中小微型零售商和終端客戶。其渠道模式的轉變是電商供應鏈數智化升級的重要因素，同時也加大了供應鏈成本的管理難度。在傳統的批發模式下，電商企業的訂單大多數是批量大、頻次少，特點是訂單數量呈規模化：大批量采購、大批量制造及大批量銷售；但是在零售模式下，其訂單呈現的特點是批量小、頻次高，多樣化且多變性[2]。

2.1 電商供應鏈的倉配挑戰

源自終端的需求是電商供應鏈向數字化及智能化結合的重要推手，對電商供應鏈中的客戶，其需求特征非常明顯：追求更少的運營成本、更快的響應速度，對商品出庫的速度要求也更高。尤其在電商大促活動期間，客戶的訂單需求激增，對訂單的效率性、準確性都有更高的要求，這就意味著電商供應鏈中的各個角色都需要更智能的倉儲設備幫助其提升倉儲效率、更智能的配送系統助力其提升配送速度等，在滿足核心業務的同時提供數字化、信息化的智能管理，使其業務更為精準、高效。

特別是對于電商供應鏈中的不同SKU包裝，出貨數量差異較大，活動峰值也更顯著。即要求運用智能化和數字化的管理手段，優化多樣化的倉儲管理，具備預測作業需求、合理規劃生產的能力。電商供應鏈中的倉庫多數面臨著儲存的SKU貨物數量多且雜、管理難度大的問題，因此合理規劃、提升存儲密度則是關鍵。所以借助智能化設備完善倉庫的智能化改造，從而提升倉庫的存儲密度和揀選效率，是非常關鍵的一項數智化應用方向[3]。

高效、準確地將電商各環節中的庫存信息關聯起來，從而呈現出透明、完整的供應鏈庫存，是電商供應鏈中所有角色，包括大小經銷商、零售商等在互聯網時代所向往的能力。這要求電商供應鏈中的各倉庫均能使用并共享數智化的倉儲及配送系統，使用云服務器，才能在大數據鏈上實現所有庫存、配送信息互通。

隨著數智化系統及AI智能應用的不斷優化，透明的數據及大數據分析能有效地推動電商企業在生產和銷售方面做出前瞻性、及時性的決策，對消費者體驗及產業發展產生正面影響。

因此，電商供應鏈中的企業在整體數智化升級的過程中，需要找準其客戶在數智化應用下的倉儲、配送體系及消費者多樣性需求下的痛點，才能提供切實的可行性解決方案。

但是，電商供應鏈的數字化、智能化轉型仍存在兩大痛點。一是品類復雜多樣的貨物進、銷、存作業流程，和倉庫整體性調度的規劃，都是數字化、智能化轉型過程中的一項挑戰。復雜的倉內作業路線、倉外運輸配送調度路線均是智能系統實施的難度體現。所以，在規劃物流的數字化、智能化轉型時，需要對電商企業的業態進行大數據分析，對短期的業態變化進行提前預測，以完善作業流程和模式，形成一整套可行性解決方案。二是分化線上、線下業務，設置多點分離運作的物流體系，導致電商供應鏈中的配送、倉儲等物流成本增加，也阻礙了數字化、智能化的整體轉型。針對這一點，需要整合線上線下、多點分離的倉儲配送體系，實現基于數智化的整體物流，才能使數字化、智能化的轉型順利實施并落地應用[4]。

2.2 電商供應鏈的需求信息挑戰

我國的快遞業規模在幾年間就完成了從百億件到千億件的增長，總量已遠遠超過歐洲、美國、日本的總數之和。其中，電商企業的快速發展對快遞業務量的貢獻是顯著的。

一是不斷增長的業務需求；二是客戶對效率的要求苛刻；所以這要求電商企業在應對業務量高速增長的同時，也要保證貨物的儲存密度及數量、配送的準確率、訂單處理的及時性，等等。但供應鏈整體數智化應用在需求端卻面臨巨大的挑戰：比如電商供應鏈系統在反饋客戶需求時，存在系統流程不通暢、數據未共享、前端研發與后端需求匹配能力不足等問題。尤其是電商供應鏈中大多所使用的系統均由第三方公司基于開源組件開發，所以“煙囪式”的應用系統存在數據安全隱患、數據庫故障率高、后期運維難度高、系統效率低下等問題，給業務層面預留了客戶需求得不到及時滿足的風險。

以需求管理為例，當業務量激增亟需多平臺協同處理時，當下的系統模型單一、場景覆蓋少、權限自定義能力不足。在管理部署方面，需要靠人工傳輸數據，存在數字化程度低，易出現回滾信息、信息斷層等情況。同時，在生產研發新服務、商品流程方面，系統內的審批流程較繁瑣，創建新項目或是SKU需要多層審批，生產部署則需要手動轉包，在測試階段需要多次創建申請單、等待審核等；在研發的工程能力方面，支持的開發語言不全面，流水線目前不支持公有云容器的開發與部署。

因此，電商供應鏈的物流數智化的應用不足，真正反饋出電商供應鏈的數字化能力不足，成為困擾電商供應鏈數智化發展的根本問題。

3 數智化背景下電商供應鏈的成本優化方案

基于中國電子商務供應鏈發展的現狀和痛點，應提供利用區塊鏈+大數據、人工智能、運籌學和優化技術等進行供應鏈智能決策的整體解決方案，作為客戶供應鏈管理的標準和解決方案。一個完整的解決方案包括三個層次：一個優化解算器、一個智能決策技術平臺和一個智能決策優化系統。這一智能解決方案可以解決供應鏈企業面臨的復雜的供應鏈數字智能應用問題，提高供應鏈的數字與智能化水平。

3.1 數智化資金流優化系統

創建智能數字系統，為更多制造企業的供應鏈管理優化資金流，可以解決供應鏈中各個重要環節的資金流問題。其中，數智化資金流系統的開發與應用是最核心的技術，借助“區塊鏈+大數據”的融合機理，完善數智化資金流的優化，能夠加快暢通和舒緩電商供應鏈的資金堵塞痛點，增加供應鏈數字化價值鏈接密度[5]。

3.1.1 數據共享

區塊鏈技術的特點之一是分布式賬本技術，此技術能使供應鏈各方的數據在共享的同時，具有統一存儲、可追溯及不可篡改的優勢。區塊鏈在供應鏈金融中的應用體現在實時傳遞任意環節的狀態數據、儲運數據以及交易數據，使整個供應鏈的數據流通更加高效、可監控。

3.1.2 數據存證

區塊鏈技術賦能供應鏈金融中的數據存證，以線上訂單為鏈條的整個供應鏈為同一區塊鏈。將供應鏈各方在交易過程中的應收賬單、交易數據等信息完整地記錄在區塊鏈數據庫中，當金融機構在審核該鏈條中任一企業的市場風險或交易風險時，可隨時追蹤查看區塊鏈數據。實現數據的多層實時傳遞，使非核心企業也能共享核心企業的信用背書，減小融資工程中的時間成本、經濟成本[6]。

3.1.3 智能合約

區塊鏈技術的智能合約是基于信息數據、交易關系、執行債權關系的一種計算機協議。此協議可緩解供應鏈各方的矛盾，可快速進行結清資金、轉移貨物歸屬權等業務，具有強制性和自動性，顯著提高了供應鏈整體的運作效率。利用智能合約能實現供應鏈各方之間的智能化、自動化運營，最大程度地減少人工帶來的時間成本、差錯率，強化供應鏈內部交易的可靠性，對提升供應鏈整體的融資信用、減少融資成本具有積極作用[7]。

3.1.4 價值轉移

通過區塊鏈技術可以破除供應鏈核心企業與非核心企業間的信息不對稱問題，解決非核心企業無法共用核心企業信用數據的問題。區塊鏈技術能夠如實地記錄并儲存供應鏈中的各種動態數據，形成有效的信用數據和真實的交易信息。傳遞核心企業信用以形成價值轉移，優化供應鏈金融效能、盤活供應鏈資金池，促進供應鏈金融的長期、健康發展。

3.2 數智化技術中臺

智能技術中臺由模型部分、算法部分和平臺工具部分構成。根據不同的需求，生產研發部門在優化求解器的基礎上優化了倉庫和物流系統的模型和算法，而數字智能技術平臺則能夠解決客戶的個性化需求。模型部分包括操作優化模型、人工智能模型、數學和統計模型；算法部分包括操作優化算法、機器學習算法和大數據算法；平臺工具部分包括一般用戶功能，如管理權限和后臺任務。

大數據算法已經成為優化解決所有供應鏈管理決策優化問題的核心技術，包括運營優化算法和機器學習算法等應用，是數字時代的關鍵生產力和新業務驅動力。

3.2.1 運籌優化算法

運籌優化算法包括精確算法和近似算法。精確算法的目的是找到最優解，可用于解決相對簡單約束的中小型問題。常見的精確算法包括分支和約束/切割/定價算法、Benders分解和動態編程；近似算法是基于簡單規則或通過模擬特定的自然現象、過程或生物群體的智能行為進行概率搜索的算法，以便在短時間內獲得滿意的高質量解決方案。它們適用于解決大規模問題，并可以實際應用于電子商務公司的日常業務。

3.2.2 機器學習算法

機器學習算法使計算機能夠模擬和實現人類的學習行為，獲得并應用新的知識和經驗，找到最佳解決方案并做出智能決策。機器學習作為人工智能的基礎技術，根據學習任務的不同，大致可分為監督學習、無監督學習和強化學習[8]。

目前，智能決策優化的創新之處在于將傳統的操作優化算法和機器學習算法結合起來，充分發揮操作優化算法的優化能力和機器學習算法的學習能力，在更短時間內獲得更高質量的解決方案。

3.3 數智化優化求解器

智能電商供應鏈決策方案的基本思路是針對不同類型的決策問題來設計和開發不同的優化方案，如市場需求和產量方案、物流車輛路線優化方案、3D箱體優化方案等，也有可能為更復雜的決策問題設計和開發特定行業的求解器。

這些求解器通常具有強大的功能和極高的可擴展性，能在短時間內提供高質量的解決方案，具有各種約束條件和目標函數，支持廣泛的業務場景、多線程、二次開發和遠程API調用。該求解器的設計是為了讓用戶能夠組裝區塊并定制更復雜的業務場景和決策問題。標準化的算法很容易被定制，以滿足不同制造業客戶的需求，而且算法可以在很短時間內進行設計、開發和實施。

因此，出于為電商供應鏈中的中小微企業紓困減負的核心目的，通過區塊鏈技術開展供應鏈金融服務，將資金流、物流、信息流方面的數據同步整合，更有效地評估、控制風險，降低資金安全風險，構建數智化、標準化、集約化的平臺[9]。同時，在向一體化運營類產品迭代的同時進行價值鏈橫向延伸，還可以通過提供數智化技術中臺和優化求解器來助力企業構筑差異化競爭力。以數智化運營變革做推手，根據電商供應鏈中的不同企業的具體路徑定制化設計且敏銳地關注市場變化與迭代，尋求隨市場靈活變動的敏態數智化技術與系統。

4 電商供應鏈數智化的優化方向

隨著公共數字化轉型基礎設施的不斷深化，近年來國家也更加重視中小企業的數字化發展進程。2020年4月7日，國家發改委、中央網信辦聯合發布了一系列智慧“促云行動”，強力推動了新經濟的發展。該方案關注了大多數微型、中小型企業重組的困難和焦點[10]。

在宏觀層面，國家除了繼續支持金融政策和工業領域的人才發展外，還將加強對數字化轉型的公共基礎設施的支持，包括建設云計算基礎設施、工業互聯網基礎設施以及人工智能和數據分析的公共服務基礎設施。同時，國家鼓勵各類平臺公司和第三方機構為大多數中小微企業的數字化轉型提供需要的開發工具和公共服務，以“輕應用”和“微服務”等模式實現低成本、低門檻、可快速部署的服務功能。雖然目前針對中小企業的互聯網和大數據服務已經相對完善，但是供應鏈上的各個主體還需要進行更成功的嘗試，為中小企業打造更加碎片化和多樣化的電子商務供應鏈。