9月3日消息,在2023中国电子商务大会上,齐心集团首席技术官于斌平发表了题为《物资供应领域数字化转型实践》的演讲,他介绍,齐心的供应链业务架构本质是一个数字驱动、以人工智能赋能的供应商协同平台,可实现询价比价、订单智能调度、自动推荐等,背后是基于大数据基础的机器学习。
(齐心集团CTO于斌平)
温馨提示:本文为速记初审稿,在不影响原意的基础上,由亿邦动力编辑整理。
以下为演讲实录:
尊敬的各位领导、各位嘉宾,大家下午好!
我是齐心集团的CTO技术和数字化负责人。在之前的演讲中,几位央国企的领导分享了关于电商和数字化的内容,平教授进行了电商趋势理论的分析。作为数字化实践的负责人,我主要从技术角度与大家分享物资采购领域数字化的实践方法。
首先,让我介绍一下齐心集团。齐心集团是一家成立于1991年、专注于采购服务的物资供应商,于2009年上市。我们的核心竞争力是数字驱动的数智化平台。我们的核心业务是非生产物资的采购服务平台,例如企业办公行政物资、营销物料、MRO工业品和企业福利方面的采购。我们也为(前面演讲的)几家央国企提供服务。齐心集团还有自己的产品(品牌)齐心文具和齐心办公,我们进行自主生产和分销,此外还有一个云视频业务。
接下来,我将简单介绍物资采购领域的几种模式。第一种模式是撮合交易,这是我们熟知的一种平台模式。第二种模式是共享经济,例如货运和物流,许多企业采用了这种模式。第三种模式是以齐心集团为代表的自营模式,关键在于发现供应链上各方的价值,并为客户提供价值。我今天的分享将围绕数字供应链展开。
我们的齐心数字化平台可以归纳为三个部分:业务前台、服务中台和管控后台。我们的前台业务已经全部实现了数字化,后台则由六个能力中心提供支持。数字化分为几个阶段:早期的电子化、2000年初的信息化、以互联网大数据为代表的数字化,以及以人工智能为代表的数智化。
齐心目前正处于数智化建设阶段。齐心的数字供应链模型包括需求、采购、履约、验收结算、售后以及数据提供等各个环节,是一个以数字驱动、以人工智能赋能的全链条协同平台,连接各种供应商、品牌商、服务商和客户(例如央国企和其他企事业单位),并将各个协同企业与数字化平台相连接。
我们为供应商、客户、服务商、物流商、金融、运营等提供数字化和数智化的价值服务,并通过企业云采平台、开放平台等多种系统来提供服务。这些系统并不是孤立存在的,而是数字驱动的,并且以人工智能赋能,为链接在价值链上的各方提供价值。
我们提供了三种方式来为企业服务:数采、云采和易采,为客户提供企业采购服务。这些服务都可以定制化且适配平台。除此之外,我们还辅助了福利平台和共享供应链平台,不仅给客户提供赋能,也为供应方提供赋能。
齐心数采的本质是一个客户化适配平台。央国企都有各自的采购平台,每家央国企都有独特的需求,而齐心作为物资供应商,有一套平台来自动适配各方的采购需求,实现定制化适配。
齐心云采在形式上是一个SaaS商城,本质上是为客户提供定制化的采购商城,包含专属的商品和价格。我们还为客户提供了专属的页面和风格。此外,我们还提供了专属的客户组织架构。为什么要提供组织架构?因为我们清楚物资采购需要经过审批,所以我们有专门的组织架构、审批流程和企业账号。我们的SaaS商城实际上是企业的组织架构、OA和内部审批体系的集成。我们内置了300多种流程,基本上适应了所有客户,无需开发,只需要几个小时就可以完成配置。
齐心易采是为企业提供与其他大型ERP系统进行简单巧妙对接的解决方案。企业可能拥有各种大型ERP系统,不一定会搭建采购平台,也不愿意使用其他系统,我们可以通过简单巧妙的方式进行对接。
以上是关于为客户提供服务的内容。接下来,我将分享我们是如何实现数字供应链的。
齐心的供应链业务架构本质上是一个数字驱动、以人工智能赋能的供应商协同平台。服务基础的核心是数字驱动和人工智能赋能。例如,企业需要询价比较,无论是投票还是表格,我们的系统都可以分析哪些品类、哪些SKU可以匹配,哪些供应商可以匹配,并自动生成采购申请,通过简单的人工审批后自动发送给供应商。
供应商可以自动查看采购订单,并开始履约和配送。供应商还可以查看订单商品到达齐心仓库后发往客户的时间,清楚了解商品发送给哪些客户和地区以及使用效率评价。我们还将客户需求预测的数据开放给供应商,让供应商知道何时应该备货以及备多少货。这就是我们协同供应链的能力。
齐心还拥有订单智能调度系统。因为我们拥有数百万种SKU和数千家客户,分布在全国各地。采购工作大家都清楚,如果每个仓库都要补货,那么库存积压和现金占用量将非常高。但如果不补货或补货不及时,就无法满足客户需求。为此,我们必须借助人工智能计算何时补货以及补多少货,哪些仓库应该补货,哪些不需要补货,以及何时及时采购。
对于集团客户,我们可能需要将一个订单中的SKU分别发往全国的不同分子公司,这就涉及拆单的问题。做电商的人都知道,B端客户通常不具备C端的场景,我们是国内首家实现按地址自动拆单的B端系统,有些客户要求当天订货,必须在三天内发货;而有些客户要求较长的发货时限,例如一周或半个月,我们需要匹配不同的供应商和仓库,并需要AI的协助来计算,因为这是人工无法完成的。
我们有一个自动推荐模型,目前正在试点推广。我们使用大数据平台标注订单数据、物流数据和供应商数据,因为人工无法完成如此大量的工作,所以我们建立了一个专家系统来与人工配合规则进行实施。在标注完成后,我们进行特征提取,根据特征进行模型训练。然后进行预测推理,确定哪个概率最高。
最后,我们会自动选择和推荐结果,例如选择哪个品类、选择哪个供应商、选择哪个仓库,集中配送还是逐单配送。例如,如果客户需要一台价格为3000多元的电脑,我们会计算出哪个品牌、哪个供应商能提供最经济、最高效的服务,以此为客户提供价值。没有AI的支持,这是无法实现的。
推荐模型使用了机器学习的深度神经网络,使用时序序列模型,其原理是根据过去一段时间的数据来预测未来的需求。对于C端客户来说,推荐模型要简单一些,因为C端客户的需求基本稳定。但对于B端客户来说是不确定的,因此我们进行了很长时间的调试。我们关注两个因素:样本率和召回率。在深度学习领域,样本率非常重要,而召回率是由计算得出的数据,用于计算有用的召回率。我们的样本率可以达到98%以上,召回率可以达到90%以上。
闭环学习流程通过订单、物流数据和供应商数据的不断计算,通过系统补全并实时离线计算,积累样本并提供给业务方使用。同时不断记录数据并进行循环往复的使用模型的流程。
以上的讨论都基于大数据基础。电商企业和物资采购企业都拥有大量的数据,我们建立了一个数据仓库,在数据仓库的基础上进行各种分析,供业务、客户和供应商使用。这种大数据平台是比较传统的,但也是非常必要的。对于数据来说,大数据平台必须成为AI数据来源。我们在此基础上还添加了一个模型训练平台,用于分析销售、客户和供应链的来源,最终进行物流和结算的推荐。
之前我们讨论了供应链数字化的过程。作为技术实现者,我和大家分享一些关于物资采购技术实现的经验。大家都熟悉的两个概念是中台和微服务,如果不讨论微服务,技术将无法跟上。实际上,中台和微服务是一种辩证的关系,而不是互相排斥。
传统中台包括技术中台、大数据中台和业务中台,业务中台中包含统一的用户和订单,看起来很美好。但实际上,每个客户的需求都是独一无二的,是专属的,一套中台无法满足这么多需求,必须实现定制化。传统的大数据和中台会拖慢交付客户和定制化的速度,因此必须根据实际情况改造传统中台,使其在碎片化和定制化方面更具可行性。从逻辑上看,这仍然是一个商品中台,但实际上存在客户商品中心、标准化商品中心等,以提供专属化和快速的服务。
技术与业务结合,技术必须为业务服务。技术在底层支持各个业务端的服务,我们采用主流技术来实现客户平台和供应商平台的内部系统调用。
作为数字化转型的服务提供者,我想与大家分享一些经验。数字化转型必须以客户为中心。作为一个一直从事技术工作的人,10年前我认为技术是核心,5年前我认为企业是核心,但后来发现以技术为中心的模式基本上失败了,以企业为中心的模式又与客户疏远。因此,数字化转型的定位必须以客户为中心,带来降本增效和创造价值。
在企业内部,当我们面对一个业务需求或业务流程时,首先要考虑数字化的方式来解决,以智能化的方式解决。之前,电信领导分享了数字人,我们与百度合作开发数字人客服,通过建立静态和动态大模型来提供实时服务,覆盖所有商品、物流和结算等方面。
我们运用数字化的方案构建企业协同办公,不仅要实现业务自动化,也要实现数字化的企业协同办公。我们通过大模型学习的方式将公司数千份流程、制度和规范全部数字化,并通过数字人与员工进行互动。例如,员工申请休假时,可以通过数字人了解应该采取哪种制度。与传统的即时通讯查询文档或询问相关负责人相比,这种方式的效率和体验感都更好。
回到技术的本质,技术决定了生产力,因此在数字化方面,我们尽量采用主流或前沿的技术。对于一些旧的架构,我们需要尽快进行优化。如果技术跟不上,尽管我们以服务客户为目标,数字化也很难实现。
具体的实现方法要以战略为基础,务实地一步一步实现。我今天的分享就到这里,欢迎各位领导和同仁来齐心平台体验并提供指导。谢谢大家!
关于本次会议:
本次峰会由商务部、北京市人民政府共同主办,商务部电子商务和信息化司、北京市商务局承办,亿邦动力、北京电商协会执行。峰会以“数实融合 数智创新”为主题,9月2日-3日期间设置开幕式暨高峰会议,新型数字消费、数商兴农、跨境电商、国企电商采购四场专题会议,邀请到国内外政府机构、社会组织和优秀企业代表,共享电子商务发展新成果,共话电子商务变革新趋势,共建电子商务进阶新时代。