导读：
全文约2871个字，阅读时长：6分钟
01
随着零售行业形式的迭代，供应链也随之发生着变化。截止到目前，我们可以把供应链物流行业的发展划分为以下三个阶段：
在改革开放初期，工业资源匮乏，制造能力有限，所以供应链的核心就是生产制造商（比如海尔）。
而随着社会的发展 ，产能的升级，供应链的核心主力开始向商品流通端（线下经销）转移。从各类百货商店到苏宁、国美这样连锁经营门店再到大型超市，始终都在以客户位置为中心的范围内，门店地址的选择也逐渐与消费者拉近距离。
2008年开始，以淘宝、京东为首的电商企业上线，线下的经销商走向衰落，电商巨头跻身成为供应链的核心。这使得很多老牌经销商（如国美、苏宁）不得不向线上转型。
在这段时间里，电商的发展带动了以快递模式为主的C端物流网络模式，物流的品质与时效决定了消费者的满意程度。
近几年，电商的新用户增长越来越低，获客成本越来越高，消费者的需求逐渐增加，在发现了这样的短板与危机后，零售商的开始将目光转回了线下。
而此时，人工智能、物联网、虚拟现实及大数据等智能技术已经开始快速发展，2015年后，“新零售”“智慧零售”等线上线下渠道融合成为主流，而这一转变，带来的则是以消费者为核心的产品升级、流通升级。此时的供应链的核心则变成了消费者本身。
02
零售业迭代变革，给供应链带来了全方位的挑战和冲击，导致供应链各个环节发生了根本性的变化。贝恩咨询在对中国领先的供应链企业调研中发现，供应链物流环节仍存在着诸多挑战：
1、需求预测难度高：从消费趋势上来看，新一代主力消费者对个性化、定制产品的追求正在增长，产品需求变得更加多样化，SKU数目显著上升。这样分散的消费者需求导致了订单碎片化、产品定制化，给生产端带来了巨大压力。如果仍沿袭过去卖方市场规模化、批量生产的方式占据主要地位的方式，那么在当今消费者主权的时代，市场预测、库存控制和生产弹性都将面临巨大挑战。
2、仓储管理复杂：近几年，我们可以很深刻体会到，消费者对物流速度要求越来越高，因此仓库布局也越来越贴近用户终端。前置仓、门店仓等新型仓储模式开始涌现，但它们有限的SKU容量却增加了运营难度和成本，渠道融合和订单碎片化也对传统仓储管理提出了挑战。
3、运输规划复杂：高频、小规模订单及仓储前置大幅增加了运输规划的复杂程度；大部分商家为了提升消费者服务体验，而新增大量的仓储点导致现有干线及城市配送的路径与车次规划问题爆发似的发生。
4、“最后一公里”成本居高不下：随着消费场景变得无处不在，对时效、便捷的重视，使得消费者对配送体验有着越来越极致的要求。但是碎片化的需求和极高的时效要求导致终端配送成为物流中难度最大、成本最高的领域之一。
03
物联网技术的快速发展提升了数据挖掘的广度与深度，大幅增加了企业的数据量，数据成为企业的重要资产之一。在机器学习和大数据的协助下，企业可以了解过去、指导现在并精准预测未来。数据存储、管理及分析将成为企业的核心竞争力之一。
商家可通过智能硬件（如3D感知摄像头）等，搜集、沉淀用户的消费特征等大数据信息，从而更好提升数据的完整性与全面性。例如，全家便利店通过会员卡、POS数据，结合人脸识别，账户绑定等技术成功获取消费者深度画像，从而助力店内选品规划，以增加店内库存的周转率。
与此同时，商家可以通过机器学习等手段，提升商品销售的预测精准度。以国外领先的数据预测机构Prevedere为例，它会综合内部销售、库存信息与外部气候、经济指数、价格指数等信息，运用大数据及云平台挖掘相关性，协助数家领先零售企业大幅度提升预测准确性。
（2）数据系统及智能设备多维度改善仓储管理
仓储管理方面，国内以便利蜂为代表的新型创业公司通过与WMS、ERP系统联通的互联网平台打通总仓、前置仓、门店及货柜，实现高度精准的库存实时监测，并开发的面向供应商自动订货，补货系统，也大幅度减少了对人力的依赖。
再结合终端的数据反馈，通过支付端口和用户会员购买数据，勾画出的精确用户画像，可以指导不同地区的前置仓选品，在前置仓SKU数目仅为门店1/10的情况下仍能保障将缺货率控制在10%以内。
同时，系统还可对仓库内的商品数量、体积等基础数据进行分析，实现包装环节的智能规划，例如通过测算百万SKU商品的体积数据和包装箱尺寸，利用深度学习算法技术，由系统智能地计算并推荐耗材和打包排序，从而合理安排箱型和商品摆放方案。
此外，在物流仓库内的智能设备包括智能眼镜、AGV(自动导引运输车)、无人叉车、货架穿梭车及分拣机器人等，在搬运、上架、分拣及装车等环节已实现规模化商业应用，大大提高了仓内效率。最为典型的案例莫过于从2012年便开始布局自动化物流系统的亚马逊，其物流中心共使用超过10万台物流机器人，核心工作为货品的搬运、分拣及装车。据德意志银行的数据分析显示，在一个新的仓库配备机器人可为亚马逊节省总共2200万美元的开支。
传统手工或简单的供应链网络系统已经难以满足现代零售业的物流需求。智能调度和规划系统可利用大数据来优化车辆的运行时刻、路线及配载规划。以UPS智能路径调度及规划系统Orion为例，它通过联网配货机动车的远程信息服务系统，实时分析车辆、包裹信息、用户喜好和送货路线数据，计算最优路线，并全程通过GPS跟踪物流信息。据不完全统计，Orion实时路径优化让UPS每车每日平均减少1～2公里路程，车燃油成本节省5000万美金，并增加35万包裹配送。
公路自动驾驶从技术到实际应用仍需要一定的时间，但商业化落地后将对运输体系从干线到短途运输将带来颠覆性影响。以无人卡车公司Einride为例，这个公司很早就把自动驾驶的技术投入到卡车的研究之中了，如今已推出全球第一台具有L4能力的卡车T-POD，并获得了上路的资格。
经测算，与燃烧柴油、有驾驶员的卡车相比,运货成本可以节省60%。就短途运输而言，自动驾驶技术将带来50%以上的效率提升并能够实现全天运营。
最后一公里层面，已近成熟的无人机技术可有效的降低成本，目前主要应用在人口密度相对较小的区域如农村配送，中国企业在该项技术具有领先优势，政府制定了相对完善的无人机管理办法，国内无人机即将进入大规模商业应用阶段。
未来无人机的载重、航时将会不断突破，感知、规避和防撞能力也有待提升，软件系统、数据收集与分析处理能力将不断增强，应用范围将更加广泛。
本文由“德森创鑫”原创发布，
未经授权，不可转载。
商务合作：business@dsinno.com.cn
内容投稿：pr@dsinno.com.cn
