翟学魂：数据改变物流

在这个“数据为王”的时代，G7总裁翟学魂用了十多年的时间去探索用技术工具把货车的每个状态都数字化，让公路运输行业的三大核心（货主、车队老板和司机）之间建立起信任关系，现在，他的这种模式正在改变着整个中国的公路运输业。GLSC2016互联网+物流峰会上，G7的创始人、总裁针对数据给物流带来的改变做了精彩演讲！

以下为演讲原文（由物流搜索网记者整理，转载请注明来源！）

　　演讲题目：数据改变物流    

G7是一个技术公司，跟我们安能王总不同，他们是物流公司，我们是一个纯粹的技术公司，我们这个技术公司做什么呢？只做一件事情，给物流公司，给货主提供数据服务。因为去年正好我也来了这个会，这一年当中我有一些心得体会，四点体会，所以今天想跟大家分享一下我在过去的一年里，作为G7的领导，在整个货运物流生态系统里头观察到的几个最重要的体会，而且这些体会当然都是跟数据高度相关的。

大家看到这个图好象跟安能那个图很接近，刚好王总他们使用的一万多辆车应该都在这个图上，这个图是G7的平台上一天所有车辆的拍照，除了西藏以外，这一天G7平台上的车辆会走遍中国所有的道路。这个使得我们接触很多大大小小的物流公司，以及食品，包括高科技等等一些制造业的企业，在去年一年里头我们公司的客户发生了比较大的变化，最大的变化来自于两端，第一端，过去我们公司很少有直接的货主客户，但是在去年一年里我们增加了很多非常重量级的直接的非常大型的货主客户，另外一个大的变化，在去年之前我们一共只有两千个客户，但是现在大概我们每个月会增加一千五百个客户，这增加的一千五百个客户基本上都是5-10台车的小车主，过去我们只能把互联网数据服务技术带给安能这样巨大的公司，现在时代到了5台车、10台车非常小的老板，他们也能够用最新的数据技术来管理物流，以及给客户提供服务。

在这里我想说的第一点，我去年自己亲自去拜访和接触的所有的大型的货主企业，或者说制造企业，包括大型的零售网络企业，他们的物流供应部门都是在忙着做一件事情，叫做全程可视化，大家听起来好象很一般的一个词，全程可视化这有什么可做的呢。而且恰恰我回忆起来，大概十到十五年前，所有这些大型的制造业、品牌公司、零售公司也在做可视化，十年过去了有什么区别。我想跟大家说一下，这一次有一个巨大的区别，这些公司他们所需要的不再是昨天的可视化，不再是五个小时之前的可视化。现在我接触的企业，零售像沃尔马这么大的公司，制造业像蒙牛这么大的公司，所有的公司都是要求我的可视化是要分分秒秒的可视化，所有的一切，他们现在所做的可视化是一定要做到他的货物在流动的时候的可视化，大家看到这张图是典型的图，企业希望信息数据也在这里流动。同时企业希望每一秒钟货物都跟数据连在一起，因为对品牌公司来说，只有达到这个要求他们品牌才跟这个物流水平相适应。过去企业做一个很好的广告，比如说手机特别漂亮，特别好的广告，但是送到客户的过程是极其差，然后信息也极其差，极其落后，所有风险也不能够防范。现在企业希望他的产品品牌跟这个物流服务是一致的，品牌有多好，希望物流的过程、物流的服务、交付的过程有多好。

如果你是一个司机，如果你是一个小车队，如果你是一个第三方物流公司，不管你是谁，只要你在一流货主链条里，你就要满足一个条件，你要把你的物流过程每一秒钟提供给货主。我说这个是刚需，这个在未来几年是一个刚需，这个刚需从最顶端的大型货主一直往下走，走到下面几乎所有的货主都会有这个刚需。如果我们做不到这一点，第一货主会从他那个行业里面退出，第二这个物流公司会从物流行业退出。

所有这些数据跟过去的可视化不一样，它是来自于感知，过去是我打电话给司机，然后在系统里头敲进去现在的位置，现在所有的数据为什么能够实时的来？因为车里、车外或者司机的手上，所有过程当中都能够通过感知技术获取数据。我这里列的是在司机上车多少秒钟有多少数据，这个数据来自于感知设备。现在IOT在供应链和物流里面会得到巨大的应用，会改变过去人们获取物流数据的方式。可以明确的下结论，五年之后物流供应链都是基于感知技术，而且基于现场的感知技术会建立起来所有环境，在这个环境里才能做物流和供应链。

当我们感知到数据之后有什么区别，我给大家举个例子，刚才说我们的平台减少17%的刹车，为什么要减少刹车？因为我们发现同样一辆车，如果刹车以及相关的紧急事件积累到十次以上，发生真实安全事故的比例就突然开始巨大的提高了。如果说这种紧急事件，像急刹车这样的事件发生到30次以上，这30次里头要发生碰撞实际的安全事故的比例几乎接近百分之百。如果你在一段时间里一直在急刹车，他总有一脚没有踩住。过去我们没有数据，我们只知道今天撞车了，今天发生安全事故，如果有了数据之后，我们知道快要发生安全事故，我们要管理这个。这上面是一个地图，在这个位置上发生了紧急事件，这个安全事件是告诉我们他踩了一脚急刹车，而且那底下他突然之间降低到接近零，事件发生的同时系统自动会把前30秒的视频传到云端，这是当时发生了什么，这是之前的那一脚急刹车之前的30秒，前面有大货车转弯，所以导致这个司机踩急刹车。

现在车队的经理不用盯着那个屏幕整天看，因为盯着你也盯不到这30秒，他每天下班之后会得到整个车队今天有多少次这样的事件，他下班的时候一共花了5分钟的时间看到这些，然后他会去思考：我们车队发生了这样的事件，道路是不是合适，我们的司机是不是太急进了？然后去管理，这个就是使得车队事件大幅下降的原因，我们用数据改变这个现实，尤其是改变油耗、安全事件。

除了安全以外，对所有的货主来说很重要一个是成本。这是很多现在我们的客户能够看到的一个事情，这是一个表，能够看见运力分布，在某一时刻平台上运力的分布。最多的红的应该是在广州，其次黄的应该是在上海，还有一个是天津。但是看有意思的是什么呢？在红的附近一下就从一万多到四百多，意味着假设那个地方是上海，旁边是苏州，尽管只离了一百公里，但是在运力市场你的运力供给从一万辆车变成五百辆车，所以周围的价格就发生了巨大的变化。很多人都在用这个数据，因为这个数据运营当中每分每秒产生的数据，我们不但监控它，而且我们把资源用的更好。

这边有非常大的物流公司，像佳吉、德邦、安能，这边我们有服务的车队，现在这些大型的货主他们对车队的了解也越来越需要了，我们帮他们构建了一个车队能力Google，这个帮他们深入的了解给他们干活的车队的车究竟有多少，然后他们的安全性怎么样，这个是所有的运营数据自动产生的。比如说这个公司有910辆车，它的安全性有多少分，它的准时性有多少。比较有意思的，如果说你跟这个车队建立了一个友好的关系，也就是说这个车队允许你看到它更深入的数据的时候，可以看到这个车队实际上一共经营哪些线路。大家看到绿色代表这个车队在整个市场里头它的频率是最高的。如果频率比别人高，或者频次加起来的总车数比别人高，这里就会产生一个绿色。你选了一个车队他报了低价，他能撑下去吗？你看看他现在的数据，如果他从北京到内蒙古每天发三车，然后一天两辆，说明他有运营的能力；如果你发现他的车辆在这个地方是空的，那说明你把货给他，他是冒险做这个。实际上我们把每一秒钟的运营数据变成了车队和物流公司，以及货主能够在一个开放的真实的平台上沟通的方式，而且这种方式现在逐渐开始改变传统的运输市场、物流市场，选择供应商、选择物流公司的方法。

最近我们连续跟几个比较大的客户，在快递行业，比如说韵达、顺丰，他们用这个技术进行他们年度的招投标，通过线上的报价能够大家公平的看到价格，更重要的是相互之间也是真实的。这种透明的平台会使得运营卓越的公司，工作效率特别高的车队会逐渐脱颖而出，会干掉那些效率低、只是靠跟客户的关系来的车队，所以这个方式会把稳定运营的车队和运力资源跟有高需求的货主能够很好的结合在一起，这就是我们看到除了一般的，我们看整个它的运营质量以外怎么能够通过数据把大家的链条彻底的连接在一起。

最后一个心得，我们发现数据不是用来单独拥有的，数据是用来分享的，而且越是分享的数据越产生巨大的价值。所以大家看到红的这个线，实际上是在G7上直接用G7的客户产生的数据流量，也就是说每一个小时大概的流量，大家看到比较平均，这意味着什么呢？意味着直接用G7的客户他们好象是不怎么休息的，大家看到半夜和白天它的流量差不多，我自己看到这个数据都很吃惊，说明直接用G7的用户，产生主要流量的客户都是一线的货主、司机，因为他们是在24小时工作的。大家看到上面蓝色的线条，实际上是G7把数据分享给我们的合作伙伴或者客户产生的流量，这个流量就很符合我们上班的规律，基本上从一点到七八点之间很低，然便从19点以后也是很低的，中间是上班时间。我们把数据输出之后，上班时间，管理者不是用G7，而是通过G7分享出来的数据，来使用它进行货物的跟踪，然后车辆管理，质量管理等等这些工作。目前我们在大力的推动我们面向所有的合作伙伴数据的分享和集成，比如说我们跟单总，就是福佑卡车，我们在做深度的数据连接，举个例子来说，我们的客户群大部分是车队，是有建制的5台、10台车队，他们大部分跟安能、跟圆通签了合同，福佑是提供即时的交易，合同从北京到上海，回来在福佑做即时的交易，所以我们做深入的集成，回来通过福佑能够拿到即时的交易，这样他们做到最高效率的交易。我们跟相关合作伙伴进行数据的集成，我相信数据的集成本身就是代表了不同的物流生态伙伴在数据这个世界里头相互的连接和协作。

所以将来我们会看到，如果你的公司，你所代表的数据没有在这个数据世界里面跟其他人做连接，意味着你的效率一定很低，意味着可能过几年你将不在这个世界里了。这是我想跟大家分享的，我相信在未来的几年里都是这样一个趋势，数据在你的物流动作开始之前就有了，伴随着你所有的物流动作，你的数据在分分秒秒一直在产生，而且是以数据结束作为物流的结束。而且物流是以数据开始，再以数据结束，这是我最大的体会，谢谢大家。