首頁>科技>

12月3日,首屆全球供應鏈數字經濟峰會暨2019中國物流與供應鏈產業區塊鏈應用年會在深圳成功召開。

中國是世界上最大的物流經濟體,區塊鏈又是具有顛覆性的技術,將區塊鏈和供應鏈融合到一起,顛覆性的技術在最有潛力的產業中進行變革和衝擊。

一、大資料與供應鏈的數字化

目前,從生活到生產,到出行,我們已經完全處在數字化的世界,隨著所有的一切的數字化,現在資料已經成了巨大的原材料,而且是最大的生產資料。

現在網際網路上每60秒都會有非常龐大的資料產生,過去兩年資料產生的總量已經超過了人類歷史上以前所有的資料集合。

在這個基礎之下,2012年的時候美國就已經在提出零供應鏈的概念,把供應鏈所有的物流環節數字化,然後上升到雲端,讓所有的供應鏈過程視覺化。這種視覺化的結果可以做到全球範圍內供應鏈的模擬分析和預測,換句話說,在沒有做供應鏈之前就可以知道結果,用最短的時間、最小的成本來實現供應鏈視覺化全程的模擬。

到了數字化的時代,不管是企業內部的資料還是外部的資料,不管是歸置化的資料還是非歸置化的資料,都可以把它放到資料加工的倉庫裡,然後用大資料工具進行分析。其中大資料工具大致可以分為三類:一類是描述性的工具,知道發生了什麼事;第二類是預測性的工具,知道下一步會發生什麼;第三類歸置性的工具,讓世界按照意願去發展。在這樣分析的能力基礎下,供應鏈的結構已經從供應鏈的計劃、採購、製造、交付整個過程實現了數字化的應用。

隨著數字化過程的推動,供應鏈也越來越智慧化。我們的目標是讓機器具備完全的數字化神經系統,所以我們看隨著智慧化,機器越來越聰明的時候,供應鏈也在向越來越智慧的程度演化。

根據IBM的預測,我們現在已經進入到了認知型的供應鏈階段。供應鏈具有自我校正和自我學習的能力,這種能力有7個C的特點:協同性、創造性、一致性、可控性、感知性、降本性、客戶中心性。

在這過程中,所有的貨運更加智慧化、動態化,司機和貨之間的匹配可以通過交通的狀況和供應鏈斷裂的情況進行調整,這是在非常龐大的資料分析能力之上實現的,所以在認知型的供應鏈階段,供應鏈具備了自我校正、自我癒合的能力。

同時,5G的出現還將加速供應鏈智慧化的程度。近幾年內,5G在整個供應鏈的操作執行、規劃管理、附加服務等方面會有一些應用出現。未來,5G在供應鏈的應用會更多,而且產生的作用會更加強大。

二、區塊鏈在供應鏈上全流程應用

在區塊鏈技術沒有和供應鏈融合之前是兩套不同的體系,區塊鏈可以實現公開賬本加密傳輸的分散式技術進行交易,而供應鏈又存在多個主體複雜的交易。所以把區塊鏈技術融入到供應鏈多主體的複雜交易中,可以使多主體的交易變得更加透明,同時提高交易的效率,從供應鏈的研發、計劃、採購、製造、交付和回收的所有過程,區塊鏈技術可以實現完整的覆蓋。

2008年提出區塊鏈的概念,真正應用的開始是在2014年,到2016年主要的金融機構已經完成了區塊鏈在金融科技裡的佈局,從2016年以後在供應鏈裡的應用逐漸開始,目前在快遞、水產、水果、醫藥、冷鏈、零售、海運、港口的區塊鏈應用越來越多。

比較一下去年和今年的案例情況,去年的案例主要分佈在金融、製造、網際網路以及物流等領域,而今年的案例已經在覆蓋了製造業、採購、電商,科技、鋼鐵、冷鏈、航運、酒類、零售、農產品、食品、物流等領域,但是最多的還是金融,佔到了31%。

在功能的應用方面,去年主要是溯源、金融、運輸、底層技術平臺等;今年從大類上來說最多的是物流和供應鏈金融領域,幾乎佔了50%。另外就是供應鏈的聯盟化,產品的溯源,供應鏈的優化以及電子存證等。

在行業應用方面,去年在農產品、化工、家電、汽車等領域有幾個應用產品;而今年開始,場景逐漸豐富起來,很多企業做的區塊鏈技術平臺可以應用於很多行業,比如說用於供應鏈金融、物流跟蹤、食品溯源等業務。

其中供應鏈金融是區塊鏈在供應鏈領域比較成熟的場景。去年就有電子倉單、電子運單、電子發票和交易平臺等應用場景;而今年比去年多了很多,比如應收賬款、應付賬款、資產管理,採購融資,交易結算,資料安全等,其中聯盟和平臺化的產品今年佔比非常高。

三、四大問題需要解決

從供應鏈的數字化,以及大資料工具在供應鏈領域的應用,到編碼化的過程中,區塊鏈已經在供應鏈領域有非常豐富的場景應用,但是技術還處在發展初期階段,應用也剛在場景階段開始出現,離真正的商業模式還有一定的距離。從2019年美國年報的情況上來看,區塊鏈現在還有4個方面的問題需要解決。

第一、如何確保現有的資料的可互動的操作性,我們能不能設定共同的資料標準?

第二、如何創造更多的電子資料讓區塊鏈執行,取決於供應鏈數字化的程序。

第三、如何消除人的接觸點和資料傳輸,以避免無意的錯誤?

第四、區塊鏈和人工智慧進一步融合的問題。

  • 整治雙十一購物亂象,國家再次出手!該跟這些套路說再見了
  • 全球技術巨集觀趨勢——雲、機器學習與其他