跳动百科

G7易流翟学魂:物流进入下半场,稀缺数据让企业看到“一线生机”|2024 ITValue Summit 数字价值年会

杨娥宽
导读 9月11日-14日,由钛媒体与ITValue共同主办的2024 ITValue Summit 数字价值年会在三亚举行。此次峰会主题为“Ready For AI”,交流经验...

9月11日-14日,由钛媒体与ITValue共同主办的2024 ITValue Summit 数字价值年会在三亚举行。此次峰会主题为“Ready For AI”,交流经验教训,交叉行业思考,推动创新交易,以创新场景为基础,共同探索AI驱动下数字经济时代的全新机遇,共同打造一场数字经济时代的AI创新探索盛宴。

大会上,G7易流创始人、首席执行官翟学魂以“下半场的一线生机”进行了分享。

在分享中,翟学魂指出,当下对于物流行业而言,已经进入了发展的“下半场”。2024年全国公路货运指数同比2021年降幅14.2%,同比2023年降幅2.6%,“从2020年以后,随着企业侧对生产资料需求的大幅度缩减,物流行业整体的运价在下降,大宗运价下降超过24%。”翟学魂指出,“与此同时,随着新能源汽车的普及,城市物流,以及长途物流过程中,新能源车辆的使用占比快速增加,新能源活跃车辆涨幅达29.5%。”新能源车辆给物流市场带来了不小的冲击,也将改变物流市场的发展格局。

可以想见,随着市场格局的改变,以及需求的通缩,物流行业“下半场”的竞争会更加激烈,但在翟学魂看来,只要利用好一样“工具”就能在残酷的下半场竞争中,看到“一线生机”,这件“工具”就是数据,“当下,除了数据,一切都是过剩的,下半场的一线生机正在于数据。”翟学魂强调,“如果我们能够在窘迫的产业里,发现可以改变产业结构的稀缺的数据,并让这些数据形成闭环,产生飞轮效应,我们就有可能获得‘一线生机’。”

关于如何利用数据,帮助企业寻找“一线生机”,翟学魂分享了G7易流的经验。G7易流通过对司机驾驶行为,以及过往驾驶记录等数据的分析,制定了货运安全「关键分」的“红绿灯”司机分级制度,并通过对高危司机多收取保费,以及少派单的“惩罚”模式,让货运成本和风险,双双降低,“高危司机(红灯)的事故率是安全司机(绿灯)的20多倍,平均损失金额近10倍,”翟学魂指出,“通过对司机行为‘稀缺’数据的分析,打出「关键分」,从而降低整体货运的保费,实现降本。“

以下为G7易流创始人、首席执行官翟学魂演讲实录,经钛媒体编辑整理:

大家好!G7易流是一个物流科技公司,我们主要服务于大企业和小型物流公司。比如我们帮助牛奶公司建立数字化的物流网络;我们为超过4万家中小物流公司建立了数字化平台。在平台上,物流公司可以看见公司的车在哪,订单在哪,包括实现如何进行调度,如何结算,如何开票等能力,目前平台上活跃的卡车、重型卡车260多万,占全国700多万辆卡车的40%左右。

基于这40%的公路货运流量,我们从2018、2019年开始推出了货运指数。据货运指数统计,自2021年开始,货运指数开始下降,2024年全国公路货运指数同比2021年降幅14.2%,同比2023年降幅2.6%。所以才说现在是物流行业的下半场。

下半场已经持续了一段时间了,但是,为什么我们认为一线生机也不完全是一个坏消息?别看每年降低1~2%,这1~2%并不是“一潭死水”,一方面随着ToB企业对于生产资料需求的下降,生产资料物流价格也大幅度下降,运价下降幅度超过了24%。但是,另一方面,新能源活跃车辆上升了29.5%。这两个变化的曲线有一个交叉的过程。

新能源车辆在城市物流和长途物流方面的应用,开始对价格产生重大的影响。换句话说,如果你现在拿一个柴油车送货,基本上拿不到合同了,招投标环节就“输了”。不是因为客户更喜欢新能源车,而是相比较下新能源车辆的成本比柴油车的成本更低。今年我们最大的体会就是:新能源作为一个新技术,在通缩的背景下,大家都价格更加敏感。新技术一旦突破了价格门槛,用旧技术的人就活不下去了。

另一个好消息。我们通过对去年效率的统计,小客户提升了18%,大客户提升了25%,整体效率也让我们看到了“一线生机”。

接下来我们说今天的重点。

一线生机在哪?首先,我们有一个判断:一切都是过剩的,除了数据。以吉利为例,吉利自动驾驶的领导告诉我,他们公司内部仅自动驾驶就有5个公司。除此之外,就如同今天中国做大模型的公司一样,做新能源的车厂,尤其是重卡车厂,任何一家中国前5名的新能源重卡车厂生产的车辆,在未来5年内都够全中国使用.....就如果我类比的一样,几乎所有的资源的都是过剩的,但唯独数据是稀缺的。

为什么说数据是稀缺的?一个典型的例子,我们服务的行业中城市物流就是一个典型的场景。大家别小看城市物流,我们生活中所有的一切几乎都是靠大概1500台车、2000万名司机供给的,但是现在这个行业非常窘迫。比如一个小型货车司机,以前一个月大概7~8千块钱,在物流上半场时,城市物流货车司机是一个不错的中产阶级。但是今天什么局面呢?

以我访问的成都的一个物流公司网点为例,现在司机“换手”时间大概在10个月一场,每周开会都有新人,这还是大公司。原先240/单,后来160/单,现在甚至低的30~40/单,因为收入太低,留不住有经验的老司机,所以才导致了“换手”如此频繁。

这就导致了一些问题:

第一是贷款的租赁公司频繁的退车,导致租赁公司坏账率很高,压力大。

第二是,因为司机都是新手,事故率相比老司机大幅上升,而现在新能源货车比例很高,维修成本高,最后就导致了价值8万的车,2万元的保险。而且就这样,保险公司还是赔钱的。

当需求下降,最基础的人收入下降时,整个产业面临所有人“全输”的局面,就造成了窘迫。

为什么在窘迫的生态里,我们觉得数据是稀缺的呢?通过两组数据可以看出——高危司机的事故率是安全司机的20多倍,而且这些“高危司机”造成的赔款是安全司机的10倍左右。

造成这种原因并不是偶然的,因为司机每天都在开车,一周要开几百公里,这些高危司机有一个共性——有着不好的驾驶习惯。我们通过数据分析把这些高危司机找出来,收取他们10倍的保费,或者不给他们订单,这样自然整体的成本就下降了。

基于此,我们制定了一套“红绿灯”的制度,红灯代表高危司机,黄灯代表一般的普通司机,绿灯代表非常好的安全司机。通过包括工作强度(每天工作时间)、工作习惯、驾驶习惯等多维度数据的采集,加在一起,综合出得分。接下来,我们会跟物流公司、租赁公司,包括车厂一起推动“红绿灯”改变过去循环。

这里我想强调一件事,一个可能是来自一线,可能是秒级的额外的数据,都可能产生一个额外的结果,就会变成企业独特的“特产”,有可能给企业在窘迫中,带来“一线生机”。

除此之外,我们还打造了一个司机助手,这个助手将云端数据通过大模型,实现实时跟司机交互的方式。原先没有大模型的能力的时候,我们这个软件是无法实现与司机互动的,且原来我们有100多个安全人员,只能触达10%的司机。现在有了大模型的能力以后,我们可以实现与全部司机,7X24小时的互动沟通。

我想强调的是:数据本来就在那里,真正稀缺的数据是企业将所有数据集合在一起,产生了原本没有的洞察效果。

我想奉献给大家的是:我们在一个产业里,越是窘迫的产业,如果我们能够在窘迫的产业里,发现可以改变产业结构的稀缺的数据,并让这些数据形成闭环,产生飞轮效应,我们就有可能获得“一线生机”。

最后,我认为,虽然数据很稀缺,但折腾不止的精神更为稀缺。