數(shù)字化轉(zhuǎn)型作為一個老生常談的術(shù)語，其具體含義不盡相同。但從本質(zhì)上講，數(shù)字化轉(zhuǎn)型指的是將數(shù)字技術(shù)集成到業(yè)務(wù)的所有領(lǐng)域。近日，ARC咨詢集團(tuán)(ARC Advisory Group)針對25家進(jìn)行了最成熟數(shù)字化轉(zhuǎn)型的制造商進(jìn)行了分析，并發(fā)布了《工業(yè)數(shù)字化轉(zhuǎn)型25強(qiáng)報告》。該報告確定了行業(yè)領(lǐng)導(dǎo)者并強(qiáng)調(diào)了最佳實踐。報告指出，“領(lǐng)先的企業(yè)采取了戰(zhàn)略方法，將數(shù)字技術(shù)整合到整個價值鏈中。設(shè)計和工程、生產(chǎn)運(yùn)營、維護(hù)、物流、供應(yīng)鏈、業(yè)務(wù)系統(tǒng)、客戶、產(chǎn)品和組織結(jié)構(gòu)都會隨著企業(yè)檢查和更新流程、部署新工具和技術(shù)而發(fā)生創(chuàng)新變化。”

大多數(shù)時候，當(dāng)人們討論數(shù)字化轉(zhuǎn)型時，他們并不是直接指供應(yīng)鏈的數(shù)字化轉(zhuǎn)型。APQC(美國生產(chǎn)力與質(zhì)量中心)對供應(yīng)鏈和物流行業(yè)進(jìn)行了研究，以幫助該領(lǐng)域的企業(yè)與同行進(jìn)行比較并評估自己的流程和功能的表現(xiàn)。最近，APQC對數(shù)字化轉(zhuǎn)型進(jìn)行了最佳實踐和基準(zhǔn)研究。這種基于調(diào)查的研究收集了定量數(shù)據(jù)，以及有關(guān)實踐或績效驅(qū)動因素的信息。最終報告?zhèn)戎赜诠?yīng)鏈管理數(shù)字化轉(zhuǎn)型關(guān)鍵實踐的現(xiàn)狀，涵蓋多個行業(yè)和1100多名受訪者。

供應(yīng)鏈中有許多領(lǐng)域需要進(jìn)行數(shù)字化轉(zhuǎn)型。本報告提供了物流數(shù)字化轉(zhuǎn)型的跨行業(yè)視角，包括庫存管理、運(yùn)輸、車隊維護(hù)、安全和合規(guī)等方面的數(shù)字化成熟度。

APQC物流數(shù)字化轉(zhuǎn)型成果

平均而言，受訪者將14%的物流和倉儲年度預(yù)算分配給了技術(shù)。在這些技術(shù)預(yù)算中，通常平均有30%用于數(shù)字化轉(zhuǎn)型。讓我們更深入地了解幾個技術(shù)領(lǐng)域。

庫存管理

受訪者報告了庫存管理中數(shù)字化轉(zhuǎn)型舉措的各種成熟度水平。從成熟度的角度來看，大多數(shù)受訪者正在將數(shù)據(jù)和流程數(shù)字化。但是，從技術(shù)的角度來看，數(shù)據(jù)和流程的使用方式不盡相同。91%的受訪者正在將數(shù)據(jù)和流程集體數(shù)字化;但是，只有31%的受訪者在使用預(yù)測性分析，26%的受訪者在使用人工智能。這意味著29%的受訪者正在將數(shù)據(jù)和流程數(shù)字化，但卻沒有使用先進(jìn)的技術(shù)使數(shù)據(jù)更具可操作性。只有6%的受訪者正在使用預(yù)測性分析或人工智能將數(shù)據(jù)和流程數(shù)字化，并使用自動化來根據(jù)建議采取行動。

運(yùn)輸

對于運(yùn)輸行業(yè)來說，數(shù)字化轉(zhuǎn)型旅程的成熟度表現(xiàn)大致相同。88%的受訪者正在將數(shù)據(jù)和流程數(shù)字化。預(yù)測性分析在優(yōu)化方面的使用明顯多于人工智能，35%的受訪者使用預(yù)測性分析，使用人工智能的受訪者比例為17%。在這些受訪者中，只有3%的企業(yè)正在使用預(yù)測性分析或人工智能將數(shù)據(jù)和流程數(shù)字化，并使用自動化來根據(jù)建議采取行動。這些數(shù)字顯示了在優(yōu)化和決策方面使用先進(jìn)技術(shù)的顯著差距。

倉庫設(shè)備/設(shè)施管理

92%的受訪者正在對倉庫設(shè)備/設(shè)施管理中的數(shù)據(jù)和流程進(jìn)行數(shù)字化。這些數(shù)字與上述數(shù)字化供應(yīng)鏈轉(zhuǎn)型的技術(shù)領(lǐng)域相吻合。31%的受訪者正在使用預(yù)測性分析，24%的受訪者正在使用人工智能進(jìn)行優(yōu)化。在這些受訪者中，6%的人正在使用預(yù)測性分析或人工智能將數(shù)據(jù)和流程數(shù)字化，并使用自動化來根據(jù)建議采取行動。

數(shù)字化轉(zhuǎn)型的另外兩個問題是合規(guī)性和安全性。在這些方面，受訪者仍處于成熟度模型的底端。在合規(guī)性和安全性方面，近三分之一的受訪者沒有任何數(shù)字化轉(zhuǎn)型計劃。此外，約三分之一的受訪者僅對這些領(lǐng)域的數(shù)據(jù)和流程進(jìn)行了數(shù)字化。與使用預(yù)測性分析優(yōu)化數(shù)字化數(shù)據(jù)和流程的受訪者相比，很少有受訪者使用人工智能來優(yōu)化他們的數(shù)據(jù)。

結(jié)語

APQC的調(diào)查對物流數(shù)字化轉(zhuǎn)型進(jìn)行了有趣的觀察。目前，在庫存管理、運(yùn)輸和倉庫設(shè)備/設(shè)施管理方面的數(shù)字化轉(zhuǎn)型舉措方面，受訪者處于成熟度模型的中端位置。然而，這些受訪者表示，在合規(guī)和安全方面，他們的企業(yè)處于底端位置。展望未來，我們希望在物流數(shù)字化轉(zhuǎn)型方面看到更多的興趣、更多的投資和更多的行動。