全球物流业的转型迫在眉睫
地球上几乎每个行业都在经历转型。颠覆性压力和日益提高的客户期望——主要由技术创新驱动——迫使各地企业重新审视其战略。全球物流界长期以来一直免受这些压力和颠覆性措施的影响，但情况已不再如此。很长一段时间里，建造更大的船舶和港口被视为行业创新，而增加缓冲库存则是应对供应链不确定性的常见方法。
但今天，行业必须变得更智能，而不是更大。这始于数字化转型，以释放全球供应链中的数据价值。
困扰供应链的数据挑战
Gartner 的研究预测，到 2020 年，80% 的供应链软件应用将包含对话式人工智能。但正如 Gartner 的 Noha Tohamy 所指出的，在全球供应链中实施 AI 面临诸多挑战，首要且最紧迫的问题是数据问题。
如今的数据是孤立的，由于多种原因，其利用程度远远不足。数据往往脏乱、不完整或无序。在使其具有可操作性或输入到 AI 或机器学习引擎中以改善预测和执行之前，必须先完成一个前提步骤：清理、排序、去重和补全数据集。但这仍然是一项难以实现的任务。
讽刺的是，当今用于处理数据的技术和工具恰恰是阻碍创新的主要因素。数据处理及其相关任务仍然过时且依赖人工。由于数据挑战和缺乏提供可操作洞察的工具与策略，行业目前仍处于停滞状态。
货主、码头运营商、承运人、货运代理和第三方物流（3PL）都感受到适应的压力——变得更具智慧且更以数据为导向。但这条路径始于更多的问题而非答案。
为团队配备利用人工智能等创新技术的工具和资源，将使航运业公司能够更好地应对每年给行业造成数十亿美元损失的持续挑战。以下是货主、码头运营商、承运人、货运代理和 3PL 可以采取的两个步骤，以变得更加以数据为中心。
释放现有数据的潜力
大数据和分析是行业中不断被提及的热词。事实是，大多数数据并未得到优化，在许多情况下，其价值有限。缺乏工具和基础设施导致数据无法被更强大的技术引擎访问和使用。
航运界广泛认识到利用 AI 进行创新的紧迫性，但数据挑战横亘其中。然而，这两个问题并非互斥。事实上，公司可以并且应该部署 AI 来解决数据质量问题。AI 可用于组织和清晰地结构化数据，使其成为机器可读格式。这是许多公司未能执行的关键第一步。
识别能够推动进展的举措
供应链的每个环节都有迫切的需求：采购、运输、规划——每个团队都有其自身亟待解决的挑战，驱动着创新的紧迫感。存在一个共同点：每个团队都需要更智能地运营，必须以数据为导向。大家都在寻找部署 AI 和机器学习以改善决策和运营的方法，但由于多种原因，很少有人付诸行动。
首先，“安全”的做法是继续进行研究。许多人等到最佳实践确立后才行动，另一些人则等待创新领导者率先行动并展示成功。延迟的另一个原因是追求完美，团队在审视 AI 策略时陷入分析瘫痪，面对如此多的不同方向，确定从哪里开始可能令人不知所措。延迟行动的第三个原因是误解，认为 AI 和机器学习是未来三到四年才会出现的技术。
这些延误仅仅是创新的障碍，它们大声呼吁思维方式的转变。AI 已经存在于当下，并能立即创造价值。但今天的企业必须像科技公司一样运营，必须将创新试点作为优先事项。不妨看看亚马逊的最新收购案，以提醒我们零售等行业正经历的颠覆。未来几年，全球商业的变化速度只会加快，领先者与落后者之间的差距将显著扩大。随着竞争和宏观经济压力的加剧，没有人能承担落后的代价。选择一个能够推动进展的人工智能项目并启动创新至关重要。
但说起来容易做起来难。围绕 AI 和数据科学的人才和资源匮乏，这不是可以简单附加到组织上的业务领域。物流行业需要为该行业量身定制的数据科学和解决方案，因此，服务于该行业的科技初创公司激增。
展望未来
随着这两个世界持续融合，物流初创公司应牢记以下建议：
- 构建定制解决方案以解决现实世界的问题，并与行业先驱合作。
- 组建了解行业痛点和挑战的团队骨干。
- 为自己设定目标，以便今天就能为目标市场提供即时价值，同时制定长期战略价值路线图，为客户指明创新之路。
百年老店如今努力像初创企业一样思考和执行，赋予它们这样做的能力至关重要。在某些情况下，你可能会成为它们的创新孵化器。
快速业务创新的压力日益增大，对数据科学技能和知识的需求不断增长。C 级高管正要求企业更像科技公司那样行动。随着这一趋势的持续发展，硅谷将在全球物流行业中发挥越来越重要的作用。