双十一之战已经结束。不出所料,今年天猫1207亿的销售额继续超越2015年的912亿元。这个数据在今天实体经济相对低迷的情况下显得有些振奋人心,它代表了中国消费市场的巨大潜力,又在某种情况下来看,是“口红效应”的产物。

说是“口红效应”的产物一点都不为过,这个2009年起源于淘宝商城的电商大促在今天已成为一场全民狂欢。就像春节回家吃饺子,情人节送玫瑰巧克力,中秋节吃月饼一样。双十一早已经从一种营销手段,升级成了文化习俗或是文化预设——每年有一天用来剁手,这一天就选在双十一。虽说这个命题只有心理基础,没有逻辑基础,但是人民群众却觉得天经地义,也非常愿意为之买单。

当所有人都在买买买的时候,很少有人会去想一个包裹到底要经历一段怎样的过程。对于大部分在北上广深杭工作的人来说,购买一件商品,这意味着中午十一点前下单,下午就可以安安心心坐在办公室里收获。但这一件商品从生产到最后收货,这个过程中的复杂程度是我们远远无法想象的。

恰逢这一个月以来,大半时间都是紧跟在物流一线,30天的时间里足足跑了10座城市。从在山区骑着骑行车跟着快递员送快递,到凌晨在机场看顺丰物流公司是如何进行货物中转分拨,再到去苏杭看制造业企业是如何备战双十一,看菜鸟联盟的仓储是如何开放给商家囤货的,乃至到广东家电厂商那里感受物流仓储的艰难。

看到这一系列的场景,很容易感受到双十一其实是把整个制造业、零售业乃至物流业的资源全部调动起来了,这是一场探顶社会生产力以及技术水平的军事演习。

一个包裹到底如何送到你手中

中国快递协会预测称,2016年双十一预计包裹量将会超10.5亿个。而这10亿个包裹都要经历一趟复杂的流程,今年双11,仅仅在在淘系平台上就共产生6.57亿物流订单,全网第一单13分钟送达。

在很多剁手族看来,一个包裹抵达手中的流程可能只有三步——下单、发货、配送。可是鲜有人知,当你提交完订单,一个包裹送到你的手中要完成15个流程,更不知道,在这包裹的旅程中,曾经发生了什么。

实际上,一个包裹的背后有着非常漫长的“艺术之旅”。从用户端的用户下单到商家这一端的交寄、单据管理、财务管理,乃至物流端的发件、分拨、分拣,再到终端的网点揽收、派送以及最后的签单,整个过程非常繁琐。

一个包裹的背后的流程

我们所说的这“一个包裹的艺术之旅”还只是主线上的流程。主线上虽然流程看似只是一条线,到了实际的商家端、物流端以及最后的网点配送端更是复杂,背后还有大量的支线。

比如说,商家这一侧安排生产、货物仓储以及自己的货物调度,这个过程费时费力。我们常说小米饥饿营销,其实恰恰这就是商家侧安排生产时很难预料到市场需求的结果,只能靠小规模放货来做市场的“浸泡测试”。这在制造业中屡见不鲜,商家因为无法预判市场需求,直接导致生产过多最后囤货爆仓或者生产过少最后仓储浪费,市场需求也无法满足。

而在网点配送端同样如此,笔者亲眼目睹一些自营电商平台在一些电商不发达的山区县城遭遇的尴尬——用户往往同时下单买三件衣服,选择货到付款,送货上门之后三件衣服现场逐一拆开,感受布料材质、尺码之后,选择了其中满意的一件,其他的当场退货。付款时还需要快递员跟随其到银行网点现场取钱。配送方在这种情况下很可能半小时只能配送这一个包裹,一人一天下来派送不到100个,不足大城市一座写字楼一个小时的包裹数量。

事实上,根据第一财经商业数据中心在2016年推出的《中国智能物流大数据报告》来看,国内物流行业主要面临8点问题:

国内物流行业的主要问题

恰恰是这一连串复杂的流程和问题,推高了物流成本。物流是电商的喉结,物流效率的高低直接决定了电商的效率,物流成本的高低,也决定了电商成本的高低。在今天电商如此发达、全民网购已经成为习惯的情况下,真正的核心问题其实早已经不是电商平台的GMV到底要做多大,而是全行业到底要如何把流程缩短,把成本降低。

中国快递协会预测称,2016年双十一预计包裹量将会超10.5亿个。而这10亿个包裹都要经历一趟复杂的流程,背后的社会成本其实都是由电商平台、物流公司以及用户、商家各方分担了。数据统计显示,我国物流成本占GDP 2014年为16.6%,是美国的2倍,日本的4倍。虽然这两年占比趋势下降,但依旧不足。管理效率低下、信息化程度低也是造成国内物流成本偏高的主要原因。

物流成本占GDP 比重

所以在今年双十一前夕,马云前往双十一筹备现场探班的时候,强调自己对销售数据没有任何要求。因为销售数据增长这几乎已是定局,在这种情况下该想的事情早已经不再是增长多少。零售额的增加带来的物流压力必定与日俱增,如何把效率做到最优,把成本降到最低才是各方需要推动解决的问题。

智能仓储背后成本效率的平衡

效率最优这个问题其实各个电商平台、物流公司都在思考。无论是仓储、物流还是说配送环节,各个厂商都在用技术手段把物流环节做到最佳。今年双十一前夕,各个电商平台都在展现自家的智能仓。不仅如此,物流公司也是在逐渐引进全自动化的生产线,通过机器把效率提升。

通过智能仓储、智能机器人以及自动化生产线来提升效率的做法在美国早有先例。2012 年,亚马逊豪掷7.75亿美元买下了专注于智能仓储的KIVA机器人公司。截止今年7月,大约有3万台 kiva 机器人在世界各地亚马逊的仓库中忙碌着。根据德意志银行的分析,这些机器人减少了亚马逊20%的运营费用,而每一个使用kiva 机器人的公司,每年能节省2200 万美元的物流费用,让 kiva 到100配送中心上班,每年能为亚马逊节省 25 亿美元的开销。

今年双十一,阿里菜鸟的无人仓里也玩起了机器人总动员,菜鸟研发的智能AGV拣货机器人矩阵每小时能将220箱甚至250箱货物入库,让仓库内人均每天处理的订单数提高了1倍。目前来看,这种全自动化的机器人已经在菜鸟仓库投入使用,虽说这还更多偏向于试验仓性质,主要针对适合于电商应用的设备进行升级及大规模应用前的测试和实际业务的试跑。但实验仓已经完成自动贴标、自动化包装机等行业成熟设备的系统对接测试及应用测试。

无人仓依赖于仓储配货标准化,仓储备货标准化依赖于订单标准化,订单标准化依赖于销售标准化,销售标准化依赖于客户需求杆准化。在一些标准化的零售商品可以采用无人仓。无人仓效率比人工高毋庸置疑,从长远的效率提升来看,无人仓的潜力是肯定超过人工的。但成本会成为其推广的一个重要因素。

目前还不能确定一台AGV拣货机器人的成本到底是多少。不过,根据公开的数据来看,一台kiva机器人售价30万人民币。在国内来看,仓库雇佣一个人一年成本不过8万元,人力不仅仅能够搬运货物,还能包装检验货物,比起机器人而言,更为灵活。而且国内制造业标准化程度还有待提升,物流多为非标品,自动化分拣难度较大。所以国内无人仓和有人仓未来的匹配在未来很长一段时间内,一定还是两者相互补充的状态。

实际上,国内物流公司如顺丰也在大规模部署全自动化生产线。自动化物流系统的运输管理系统、自动分拣系统可以规划分拣、配送路线,电子标签拣选系统等的使用可以降低差错率。这样的生产线之上,还是有少部分人力在全自动化生产线上从事辅助工作。人员的使用场景大多是在货车辆抵达自动分拣线的进货端时由人工接货,由人工控制分拣系统的运行,分拣线末端由人工集载、装车,自动分拣系统的管理维护。人工使用的环节基本都处于两个环节的连接场景之中。

物流自动化流程图

虽说人工不可能完全消灭,但总的来说,自动化、无人化必然还是未来的大趋势所在。智能仓储真正的优势在今天可能只是初露锋芒,在未来随着电商、零售规模越来越大的时候,智能仓储的优势才会真正凸显出来。

数据才是降低物流成本的核心

智能仓储仅仅只是一个方面,在整个物流仓储的环节来看,真正最具价值的还是大数据以及社会化物流体系的联合。这才是降低物流成本的核心所在。

正如前文所说到的,大物流整个过程实际上非常繁琐。从用户端的用户下单到商家这一端的交寄、单据管理、财务管理,乃至物流端的发件、分拨、分拣,再到终端的网点揽收、派送以及最后的签单,这十几个环节都是需要数据进行优化的,仓储和分拨其实只是其中的一个成本较高的环节而已。

今年8月,申通信息技术部总监邱成在接受媒体采访时曾经谈到过这样一句话:两年前,把一吨蔬菜从广州运到北京比从北京运到美国洛杉矶物流成本都高。

之所以出现这样的原因,正是说明,国内物流环境是高度复杂的,一二线城市和五六线城市的情况完全不同,一二线城市借助自营可以让速度的优势得以体现,一二线城市的集约化程度也能支撑起自营的逻辑,但往三线城市以后想做到物流下沉、降低物流成本,还是要从大数据入手,用数据去优化流程,并且通过社会化协同的方式,让整个社会化的物流体系参与其中。

尤其是在物流的末端,物流线城市通过自营的方式来做只会把成本无限推高,通过大数据的方式把社会化物流容纳进来其实才是真正最有效的方式,因为毕竟没有一家企业可以真正做到覆盖整个中国从一线城市到六线乡村的所有物流系统,依靠数据以及整个社会的协同才是最好的做法。所以菜鸟在利用数据推动快递公司提升效率的同时,还搭建了仓配、农村、跨境、城市末端等物流网络,这种方式恰恰是在利用社会化协同让电商真正实现落地。

大数据可以做好供应链的管理和仓储的预测,减少资源的消耗,做好更好的无缝对接。菜鸟通正是通过对电商大数据的挖掘算法和供应链优化模型来进行整个流程的优化。以今年仓储管理系统来看,智能优化算法正在指导仓内各个作业环节,包括补货、上架、拣货、打包、出库等。算法在大数据的驱动下正在从全局的角度来优化整个仓储作业的流程。

事实上,除了仓内作业以外,大数据运用的范围还在逐步扩散到其他环节。大物流领域利用大数据分析应用技术其实质就是利用地理信息、位置服务、物联网在物流行业里做信息系统化,将现有的粗放、零散、低效、高耗的物流企业数据资源加以整合,建设成可以依据空间地理信息来统一协调监管的现代化物流,逐步利用大数据驱动信息化物流建设。

这种做法如果通俗理解来看是这样的——过去十多个环节的流程之中,常常会出现对接上的问题,每一个环节出现问题时无论是时间成本、空间成本还是人力成本都会大幅增加,但是大数据恰恰是让这些流程逐渐变得更加吻合,尽量让各方做好提前量的准备,通过这种方式逐渐把所有成本都降低下来。

大数据正在逆向影响企业生产

表面上来看,物流大数据看似只是物流方面的数据,只能负责物流、仓储环节,但实际上,物流大数据可以从产业链的后端延伸至前端,逐渐影响到制造业企业的备货、生产、销售的全链路,达到了为企业提供决策支持的程度。

这种逆向链路的影响在国内外早已成为共识。亚马逊最近申请了一项技术专利以支持其“预测性运输”的开展。这项技术能够帮助在线零售商根据特定地区顾客的在线消费习惯、搜索频次,以及商品浏览时间等因素来预测顾客需求,从而调整库存水平。

总部位于美国俄亥俄州的Glasfloss公司,主要生产用于加热和通风的空气过滤器以及空调。Glasfloss也是通过利用第三方物流供应商TransportationInsight公司的分析软件InsightFusion来实现其供应链的智能化管理。InsightFusion能够将来自不同供应链系统和外部来源(譬如运输管理体系、库房管理体系、资源规划以及生产等)的数据进行融合,同时还提供了实时查看所有完整供应链信息的路径。

大数据逆向影响企业生产的案例在国内同样正在真实发生,过去每逢双十一这样的大促,对很多制造业企业来说,销量是无法预测的,大促前往往只能粗略估摸销量,但这种全凭经验的“拍脑门”式预估容易大幅度偏差,这种偏差最后体现在生产和仓储等环节,就是人力、物力、财力的浪费。

但在今年,制造业企业如果是选择菜鸟仓的话,可以规避掉往年临时租用仓库、征集人力等一系列环节,只要做好入仓规划,按计划入仓,订单发货全部由菜鸟处理。而且菜鸟大数据可以分析产品历史数据、活动规划、季节因素、购买因素等综合指标系统计算销售规划,对企业的生产计划及供应链管理进行数据支撑,进而指导备货管理,并且提出相应的风险点,给出生产、销售、仓储、物流的相应建议,帮助企业持续优化各个环节。

依托于这种做法,美的生活电器事业部甚至实现了从以前的代理商模式转向为供销一盘货的模式,实现货物全国统一部署,所有代理商的货物统一从菜鸟仓调度,代理商的销售数据也可以通过菜鸟进行准确预估,还能够统一代理商的销售价格,降低代理商的运营成本,减轻代理商的资金压力,实现“中央集权”。

所以,无论是从国内还是国外来看,大数据在制造业之中都起到了非常深刻的塑造作用。过去制造业企业高昂的成本在大数据的作用之下逐渐降低,智慧物流正在让制造业呈现出新的发展状态。

为什么不再提电商而是谈零售

过去制造业企业的生产往往只能够滞后于市场的变化,但是通过大数据和电商平台的结合,能够让企业和用户以及供应链上真正结合在一起,形成良性互动。这也就是所说的供给侧和需求侧结合在一起。这种方式恰恰是能够真正让企业能够精确自己的产能,不盲目生产,利用大数据的方式真正实现“按需生产”。

其实今天去看制造业企业就会发现,制造业企业和电商平台之间的关系正在变得越来越紧密。某种意义上来看,制造业正在真正和电商平台紧密连接在一起,制造业企业正在通过数据、通过电商平台实现销售能力的提升。

也难怪马云在今年云栖大会上会说,纯电商时代过去了。未来十年、二十年是新零售的时代,未来线上线下必须结合起来,才能诞生真正的新零售。物流本质是消灭库存。而马云在探班双十一时还谈到,双十一实际上是未来新零售时代的技术准备和大考,阿里要做好面向未来和新零售时代的技术升级和准备。

今天的大数据智慧物流恰恰是从物流端在解决制造业企业面临的问题,让制造、电商、仓储、物流、配送等各个环节真正联系在一起,让企业能够完整的掌握这几个环节,通过各个环节的整合最终实现成本的全面降低,使得整个商品生产、流通、服务的过程因为互联网、大数据的广泛运用变得更加高效。

有人说,双十一正在陷入“新常态”之中,每年都是销售数据的提升,其他亮点难寻,但今年双十一如果抛开数据去看大数据支撑的物流、仓储内核,或许可以真正看见电子商务到新零售的这一艰难转变。

(下载iPhone或Android应用“经理人分享”,一个只为职业精英人群提供优质知识服务的分享平台。不做单纯的资讯推送,致力于成为你的私人智库。)

文章所涉及判断和结论为作者个人观点,并不代表经理人分享立场。