oTMS：从1到N

王众

彼得·蒂尔的那部出版界的网红《从0到1》让创业者对于“看头”看得更重了。但别忘了中国的老话“行百里者半九十”，即便做好了“从0到1”的创新，创业之后的从1到N之路也不是顺理成章，不然就不会有后继网红《创业维艰》、不会有让硅谷CEO们感怀深刻的热剧《硅谷》，这是一部记者自己经常在文章中提到的剧，它看似残酷实则温柔地表现了从1到N的艰难。

今年，曾经的国内首家社区型运输协同SaaS平台服务商0TMS算是把从1到N的道路走稳了，现在，它已经成为了当前国内最大的基于SaaS的运输管理平台：秘诀当然是不断创新、不断扩大生态，具体说来就是在原来纵向协同的基础上，开启了横向协同，打造成了集招投标到全链条运输管理的一站式运输服务平台。

今年5月，oTMS的用户量达到了360多家，这在B2B的领域已经算是不错的成绩，但跟B2C的增长速度是没法比的，oTMS战略副总裁潘永刚认为：“大家看惯了B2C的高增长，看B2B就觉得不性感。这个市场的特点就是你要一点点满足客户的需求，因为客户是个企业，它太理性了，一定是要求你的功能非常匹配它，对它来讲一定是有用的。否则，就算是免费，也不会用。我们的方式看上去比B2C慢，比传统的非云的系统又快，但是它确实是最匹配这种B2B业务的高速增长的一个模型。”

不追求工具闭环

从1到N可以做加法，也可以做指数，这就要看企业的格局了。如果是指数级增长，必然离不开生态，用做生态的思维可以实现几何级的增长，形成的生态越大，可以回馈的数据和业务想象力也越多。

之前，oTMS不仅追求信息闭环，也追求工具闭环，就是说上游的客户用了oTMS，下游所有的公司都需要用oTMS。从去年开始，他们转变了思路，只追求信息闭环，不一定要工具闭环。oTMS联合创始人及首席运营官段琰回忆道：“当时一看系统里面有160多个API接口，我们决定分步开放这些接口，比如订单的进出接口、状态的进出接口、财务的接口和各种异常事件的接口。既然我们核心的目标群体是货主，在它的下游链条中有很多运输公司可能有自己的TMS，用我们的会加大工作量：另夕rF游可能会有不同的设备厂商，比如GPS和温控的设备。当我们把能公开的API接口开放出来之后，其实更容易让下游的各个服务商进行合作。”

现在，下游厂商通过开放接口，可以继续使用自己的App，不用担心oTMS会获取司机等信息，段琰说：“因为这个信息对我们来说不重要，对我们来说最重要的是上游的订单怎么满足管理的要求，我们可以用它们的App做这个过程中所有的事情。”

横向协同

满足每个货主的管理需求是纵向协同，这是oTMS早就做到的。通过采用SaaS服务，让货主可以管理服务于自己的物流网络上的每个节点，在这个网络上，每个订单都是端到端透明的。类似于现在快递业的用户体验，发货人和收获人双方都能够实时获取物流状态。

横向协同就是生态层面的了，oTMS希望在相同类型的客户中间做一些跨越企业边界的企业与企业之间的协同。比如一家商场里有5个品牌，如果每个品牌不打通合作，那么就会有5次随机的物流需求：但是因为B2B的订单相对来说有一定的弹性，所以oTMS正在尝试打通需求合并订单，从而提高效率、降低运输成本。对于承运商而言，oTMS的订单拆分功能，可将分割的订单分派给下游的承运商和司机，所有操作均可根据平台的数据实现智能化的计算。

这种方式不仅提高了物流的性价比，也更符合现在传统企业“互联网+”之后对全渠道物流的需求。在很多企业“互联网+”的布局中，电商都是不可或缺的一环。潘永刚总结：“我们这些客户步伐是从传统的门店到B2C（电商），再到O2O（从门店发货到客户的手中）。对于企业来讲，这些渠道要统管起来，因为它的整个体系要融合。

作为一个解决方案的提供商，这就要求我们从系统的角度把不同渠道的订单能够区分出来，在系统上针对不同类型的订单能够在整个流程中、根据不同的渠道共商的关系做好相应的运输的可视、管理、追踪、异常的管理，包括最后结费。”

可视化模型创新链条

管理的部分固然重要，但还有一个环节更加棘手，就是招投标。这是货主与承运商之间“博弈战”的开始。快递业的各个环节比较透明，目前竞争基本通过打价格战：但B2B和物流公司双方都存在信息盲区。对双方都了解的，就是oTMS这个平台服务商了。

由于当前客户已经在云平台积累了以往的订单和承运商作业数据，oTMS可以从历史数据的深度挖掘入手，帮客户把原有的成本做一个回顾，把成本从不同的维度进行切割，形成可视化的运输分析模型，从而为货主企业的招投标模式提供决策参考。其次，货主可通过平台向潜在的承运商发出在线招标邀请，承运商报价竞标，经过多轮次报价和议价过程后，最终在平台上确定合作对象并生成价格文件：优质承运商也可凭借其KPI数据的沉淀获得更多业务机会。

所谓不同的维度，包括基础运费和附加费、各个区域不同的运费水平、不同产品由于对物流条件有不同的要求从而形成的费用差异、不同承运商的运费和服务费标准等等。这种细颗粒度的分析会以整个行业的平均水平作为基准线做比较，从而得出每个颗粒度的优劣势和优化空间。

oTMS的数据模型还具有预测性，比如，如果货主打算引入新的承运商，那么先把去年整个货量在新的承运商分配的规则之下导入，可以对新旧承运结构进行比较：然后按照基础运费、附加费、各个区域的运费做比较，就能够相对准确地分析出改善空间。

这种听起来个性化程度较高的服务是否不容易形成规模效应的？毕竟要实现几何级的从1到N，规模化才是正解，潘永刚表示：“目前，oTMS在系统层面把整个运输环节标准化为8个节点，几乎所有的运输都是可以用这8个环节描述的。”