数智化背景下电商供应链面临的成本困境及挑战

1 数智化背景下电商供应链的发展现状

随着全球经济环境、贸易格局、创新产业的不断发展,当下已进入供应链数智化、经济高质量发展的拐点，企业可以通过建立和优化供应链系统，更有效地获取和使用资源，以提高生产能力，从而保持领先地位。我国工业进程已经与世界发展轨迹交汇，在全球生产格局中的地位明显得到提升，未来将面临信息化与智能化并进的挑战。

近年来，尽管受到全球经济环境停滞的影响，中国数字经济的增长速度却仍保持在较高水平，2020年，中国数字经济规模已达39.2万亿元，增长速度已达到9.7%。 其中，“产业数字化”在中国数字经济发展中处于领先地位，预计2020年中国产业数字化规模将增加31.7万亿元，占数字经济的80.9%，占GDP的31.2%。 作为数字经济发展的强大推动力，产业数字化是指各类传统产业借助新一代、多角度的数字技术，从单点上完成整个转型链，进行升级改造，并逐步形成产业集群的协同趋势。 但与此同时，数字化先进企业的比例在过去五年中没有明显增加，这表明在实现高度数字化和整个供应链的数字化方面仍然存在巨大的挑战。

在数字经济和技术发展的影响下，传统的供应链正在逐渐转变为数字供应网络。数字技术的发展是物流企业管理方法和管理思想日益成熟的标志和基础。供应链的计算机化、数字化和可视化的结合，将推动中国供应结构的改革，并迅速实现高效的数字经济，实现供应和需求之间的高度匹配。

当下，数智化技术在供应链各环节（包括生产计划、采购、流通制造、客户服务等版块）的合理化应用程度有限，随着各项数智化技术的应用，供应链模式将从“分离、不畅、滞后，非连续、不及时的数据分享”向“整体协同、畅通、即时，基于数字孪生的分享与分析”转变[1]。

尤其是基于互联网的微小企业在金融、数字化应用上面临着机遇与挑战，同时数字化与智能化的结合与应用将进一步深化和优化，持续支撑微小企业的发展。

首先，数字技术的革命性发展加速了供应链向数智化方向的演变。物联网技术的感知层包括一系列智能感知设备，如传感器、机器视觉和RFID，它们为供应链数字化提供了超越传统信息流的智能信息。其次，随着数据的可追溯性和保密性，区块链技术提高了供应链的整体金融数字化水平。同时，随着数据的可追溯性和保密性，区块链技术提高了供应链整体金融数字化的透明度。人工智能和云计算技术还支持在收集的数字信息中发现隐藏的模式和现象，以实现基于分析的智能决策，支持生产预测并提高供应链的灵活性。

2 数智化背景下电商供应链的成本困境

基于电商企业的渠道有下沉、多元化等特点，许多电商供应链上的角色模式从传统的“批发”模式转为“零售”模式，即从大多服务于大型经销商/生产商转为服务呈分散特点的中小微型零售商和终端客户。其渠道模式的转变是电商供应链数智化升级的重要因素，同时也加大了供应链成本的管理难度。在传统的批发模式下，电商企业的订单大多数是批量大、频次少，特点是订单数量呈规模化：大批量采购、大批量制造及大批量销售；但是在零售模式下，其订单呈现的特点是批量小、频次高，多样化且多变性[2]。

2.1 电商供应链的仓配挑战

源自终端的需求是电商供应链向数字化及智能化结合的重要推手，对电商供应链中的客户，其需求特征非常明显：追求更少的运营成本、更快的响应速度，对商品出库的速度要求也更高。尤其在电商大促活动期间，客户的订单需求激增，对订单的效率性、准确性都有更高的要求，这就意味着电商供应链中的各个角色都需要更智能的仓储设备帮助其提升仓储效率、更智能的配送系统助力其提升配送速度等，在满足核心业务的同时提供数字化、信息化的智能管理，使其业务更为精准、高效。

特别是对于电商供应链中的不同SKU包装，出货数量差异较大，活动峰值也更显著。即要求运用智能化和数字化的管理手段，优化多样化的仓储管理，具备预测作业需求、合理规划生产的能力。电商供应链中的仓库多数面临着储存的SKU货物数量多且杂、管理难度大的问题，因此合理规划、提升存储密度则是关键。所以借助智能化设备完善仓库的智能化改造，从而提升仓库的存储密度和拣选效率，是非常关键的一项数智化应用方向[3]。

高效、准确地将电商各环节中的库存信息关联起来，从而呈现出透明、完整的供应链库存，是电商供应链中所有角色，包括大小经销商、零售商等在互联网时代所向往的能力。这要求电商供应链中的各仓库均能使用并共享数智化的仓储及配送系统，使用云服务器，才能在大数据链上实现所有库存、配送信息互通。

随着数智化系统及AI智能应用的不断优化，透明的数据及大数据分析能有效地推动电商企业在生产和销售方面做出前瞻性、及时性的决策，对消费者体验及产业发展产生正面影响。

因此，电商供应链中的企业在整体数智化升级的过程中，需要找准其客户在数智化应用下的仓储、配送体系及消费者多样性需求下的痛点，才能提供切实的可行性解决方案。

但是，电商供应链的数字化、智能化转型仍存在两大痛点。一是品类复杂多样的货物进、销、存作业流程，和仓库整体性调度的规划，都是数字化、智能化转型过程中的一项挑战。复杂的仓内作业路线、仓外运输配送调度路线均是智能系统实施的难度体现。所以，在规划物流的数字化、智能化转型时，需要对电商企业的业态进行大数据分析，对短期的业态变化进行提前预测，以完善作业流程和模式，形成一整套可行性解决方案。二是分化线上、线下业务，设置多点分离运作的物流体系，导致电商供应链中的配送、仓储等物流成本增加，也阻碍了数字化、智能化的整体转型。针对这一点，需要整合线上线下、多点分离的仓储配送体系，实现基于数智化的整体物流，才能使数字化、智能化的转型顺利实施并落地应用[4]。

2.2 电商供应链的需求信息挑战

我国的快递业规模在几年间就完成了从百亿件到千亿件的增长，总量已远远超过欧洲、美国、日本的总数之和。其中，电商企业的快速发展对快递业务量的贡献是显著的。

一是不断增长的业务需求；二是客户对效率的要求苛刻；所以这要求电商企业在应对业务量高速增长的同时，也要保证货物的储存密度及数量、配送的准确率、订单处理的及时性，等等。但供应链整体数智化应用在需求端却面临巨大的挑战：比如电商供应链系统在反馈客户需求时，存在系统流程不通畅、数据未共享、前端研发与后端需求匹配能力不足等问题。尤其是电商供应链中大多所使用的系统均由第三方公司基于开源组件开发，所以“烟囱式”的应用系统存在数据安全隐患、数据库故障率高、后期运维难度高、系统效率低下等问题，给业务层面预留了客户需求得不到及时满足的风险。

以需求管理为例，当业务量激增亟需多平台协同处理时，当下的系统模型单一、场景覆盖少、权限自定义能力不足。在管理部署方面，需要靠人工传输数据，存在数字化程度低，易出现回滚信息、信息断层等情况。同时，在生产研发新服务、商品流程方面，系统内的审批流程较繁琐，创建新项目或是SKU需要多层审批，生产部署则需要手动转包，在测试阶段需要多次创建申请单、等待审核等；在研发的工程能力方面，支持的开发语言不全面，流水线目前不支持公有云容器的开发与部署。

因此，电商供应链的物流数智化的应用不足，真正反馈出电商供应链的数字化能力不足，成为困扰电商供应链数智化发展的根本问题。

3 数智化背景下电商供应链的成本优化方案

基于中国电子商务供应链发展的现状和痛点，应提供利用区块链+大数据、人工智能、运筹学和优化技术等进行供应链智能决策的整体解决方案，作为客户供应链管理的标准和解决方案。一个完整的解决方案包括三个层次：一个优化解算器、一个智能决策技术平台和一个智能决策优化系统。这一智能解决方案可以解决供应链企业面临的复杂的供应链数字智能应用问题，提高供应链的数字与智能化水平。

3.1 数智化资金流优化系统

创建智能数字系统，为更多制造企业的供应链管理优化资金流，可以解决供应链中各个重要环节的资金流问题。其中，数智化资金流系统的开发与应用是最核心的技术，借助“区块链+大数据”的融合机理，完善数智化资金流的优化，能够加快畅通和舒缓电商供应链的资金堵塞痛点，增加供应链数字化价值链接密度[5]。

3.1.1 数据共享

区块链技术的特点之一是分布式账本技术，此技术能使供应链各方的数据在共享的同时，具有统一存储、可追溯及不可篡改的优势。区块链在供应链金融中的应用体现在实时传递任意环节的状态数据、储运数据以及交易数据，使整个供应链的数据流通更加高效、可监控。

3.1.2 数据存证

区块链技术赋能供应链金融中的数据存证，以线上订单为链条的整个供应链为同一区块链。将供应链各方在交易过程中的应收账单、交易数据等信息完整地记录在区块链数据库中，当金融机构在审核该链条中任一企业的市场风险或交易风险时，可随时追踪查看区块链数据。实现数据的多层实时传递，使非核心企业也能共享核心企业的信用背书，减小融资工程中的时间成本、经济成本[6]。

3.1.3 智能合约

区块链技术的智能合约是基于信息数据、交易关系、执行债权关系的一种计算机协议。此协议可缓解供应链各方的矛盾，可快速进行结清资金、转移货物归属权等业务，具有强制性和自动性，显著提高了供应链整体的运作效率。利用智能合约能实现供应链各方之间的智能化、自动化运营，最大程度地减少人工带来的时间成本、差错率，强化供应链内部交易的可靠性，对提升供应链整体的融资信用、减少融资成本具有积极作用[7]。

3.1.4 价值转移

通过区块链技术可以破除供应链核心企业与非核心企业间的信息不对称问题，解决非核心企业无法共用核心企业信用数据的问题。区块链技术能够如实地记录并储存供应链中的各种动态数据，形成有效的信用数据和真实的交易信息。传递核心企业信用以形成价值转移，优化供应链金融效能、盘活供应链资金池，促进供应链金融的长期、健康发展。

3.2 数智化技术中台

智能技术中台由模型部分、算法部分和平台工具部分构成。根据不同的需求，生产研发部门在优化求解器的基础上优化了仓库和物流系统的模型和算法，而数字智能技术平台则能够解决客户的个性化需求。模型部分包括操作优化模型、人工智能模型、数学和统计模型；算法部分包括操作优化算法、机器学习算法和大数据算法；平台工具部分包括一般用户功能，如管理权限和后台任务。

大数据算法已经成为优化解决所有供应链管理决策优化问题的核心技术，包括运营优化算法和机器学习算法等应用，是数字时代的关键生产力和新业务驱动力。

3.2.1 运筹优化算法

运筹优化算法包括精确算法和近似算法。精确算法的目的是找到最优解，可用于解决相对简单约束的中小型问题。常见的精确算法包括分支和约束/切割/定价算法、Benders分解和动态编程；近似算法是基于简单规则或通过模拟特定的自然现象、过程或生物群体的智能行为进行概率搜索的算法，以便在短时间内获得满意的高质量解决方案。它们适用于解决大规模问题，并可以实际应用于电子商务公司的日常业务。

3.2.2 机器学习算法

机器学习算法使计算机能够模拟和实现人类的学习行为，获得并应用新的知识和经验，找到最佳解决方案并做出智能决策。机器学习作为人工智能的基础技术，根据学习任务的不同，大致可分为监督学习、无监督学习和强化学习[8]。

目前，智能决策优化的创新之处在于将传统的操作优化算法和机器学习算法结合起来，充分发挥操作优化算法的优化能力和机器学习算法的学习能力，在更短时间内获得更高质量的解决方案。

3.3 数智化优化求解器

智能电商供应链决策方案的基本思路是针对不同类型的决策问题来设计和开发不同的优化方案，如市场需求和产量方案、物流车辆路线优化方案、3D箱体优化方案等，也有可能为更复杂的决策问题设计和开发特定行业的求解器。

这些求解器通常具有强大的功能和极高的可扩展性，能在短时间内提供高质量的解决方案，具有各种约束条件和目标函数，支持广泛的业务场景、多线程、二次开发和远程API调用。该求解器的设计是为了让用户能够组装区块并定制更复杂的业务场景和决策问题。标准化的算法很容易被定制，以满足不同制造业客户的需求，而且算法可以在很短时间内进行设计、开发和实施。

因此，出于为电商供应链中的中小微企业纾困减负的核心目的，通过区块链技术开展供应链金融服务，将资金流、物流、信息流方面的数据同步整合，更有效地评估、控制风险，降低资金安全风险，构建数智化、标准化、集约化的平台[9]。同时，在向一体化运营类产品迭代的同时进行价值链横向延伸，还可以通过提供数智化技术中台和优化求解器来助力企业构筑差异化竞争力。以数智化运营变革做推手，根据电商供应链中的不同企业的具体路径定制化设计且敏锐地关注市场变化与迭代，寻求随市场灵活变动的敏态数智化技术与系统。

4 电商供应链数智化的优化方向

随着公共数字化转型基础设施的不断深化，近年来国家也更加重视中小企业的数字化发展进程。2020年4月7日，国家发改委、中央网信办联合发布了一系列智慧“促云行动”，强力推动了新经济的发展。该方案关注了大多数微型、中小型企业重组的困难和焦点[10]。

在宏观层面，国家除了继续支持金融政策和工业领域的人才发展外，还将加强对数字化转型的公共基础设施的支持，包括建设云计算基础设施、工业互联网基础设施以及人工智能和数据分析的公共服务基础设施。同时，国家鼓励各类平台公司和第三方机构为大多数中小微企业的数字化转型提供需要的开发工具和公共服务，以“轻应用”和“微服务”等模式实现低成本、低门槛、可快速部署的服务功能。虽然目前针对中小企业的互联网和大数据服务已经相对完善，但是供应链上的各个主体还需要进行更成功的尝试，为中小企业打造更加碎片化和多样化的电子商务供应链。