第e物流董事总裁蔡远游:大数据应用、风控与行业信用建设

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

“十三五”时期是我国贸易发展的重要战略机遇期,物流产业发展迅速,智慧供应链已经成为推动流通大国向流通强国过程中的重要行动。6月2日,由上海市国有资产监督管理委员会、上海市邮政管理局、上海市商务委员会指导,上海市国有资产信息中心、上海市计算机用户协会联合主办,上海市快递行业协会、浦东电子商务行业协会协办,畅享网承办的“2017年物流行业高峰论坛”在上海正式开启。论坛以“开放创新 共建智慧供应链”为主题,参会专家和CIO共同交流新形势下物流行业的创新发展,探讨智慧供应链的应用及实践。

利用大数据、物联网等新技术的规划,是未来发展的大方向。华瀚(上海)数据科技股份有限公司(第e物流)董事总裁蔡远游从数据的应用、风控和行业信用建设的角度与大家分享了他对智慧物流、智慧供应链和信用管理等方面的一些看法。

以下为演讲实录,畅享网整理:

各位好,很高兴获得上海市邮政管理局的推荐和主办单位的邀请,参加本次会议并和大家分享我的观点

今天,每一位嘉宾的演讲角度不同,构了我们今天针对智慧供应链的一些想法和思路。我做四点分享,第一点是现代物流和模式创新,第二点供应链管理和未来,第三点是企业信用管理,最后谈们“第e物流/第e征信”一些实践与思考。

现代物流和模式创新

我认为,现在物流是国民经济的总调度师。我从1991年起从事物流工作,我认为物流行业目前有两个核心问题,一个是数据交互不足,一个是信用不足,如果解决这两个问题,行业发展将会更加健康。

未来物流将向智慧物流发展,用新技术改变物流行业。我认为智慧物流最重要的是一种协同、协作的关系。如果我们能够用新技术,比如云计算、物联网,来推进效率提升,进行智能决策,提升服务能力,物流行业将会呈现新的业态。

智慧物流中已经有很多的应用,包括感知上的应用、数据呈现的应用、优化决策的应用、风险管理的应用、信息反馈的应用等等。如果物流行业不能随着技术革新作出新的变革,它必将会淘汰。未来有三大产业,就是数据信息、产业金融物流配送。智慧物流发展中存在一些瓶颈,包括人才的瓶颈。我们需要有第三方专业机构或企业的参与来支撑物流企业向智慧化发展,其中包括数据应用型企业的参与

数据应该分成基础数据和增值数据,基础数据必须开放。我们要尽快研究、定义基础数据和增值数据的标准,并为之分开,不能一味为了数据安全或保密而禁止数据开放。

   

供应链的管理和未来

我写过的书包括《供应链管理》。我要简单告诉大家的是,供应链管理就是3加2,“3”是采购管理(或供应管理)、运营管理(或生产管理物流管理,“2”是信息化和金融。信息化就像血管一样,贯穿产业链、供应链,金融像流淌在血管中的血液。

供应链管理平台有四大能力。首先资金能力,作为供应链服务的企业没有资金链的组织和风控能力谈不上,所以一定有资金的参与。第二个能力是协调能力,因为供应链管理是国际的,涉及到官、检、汇、税等,急需顺利协调、快速通关。第三个能力是IT能力,所有供应链管理企业信息化决策能力非常强。最后一个是物流能力,如果没有物流能力,无法实现智慧或高效的供应链管理。物流能力是核心之一。我认为这四大能力是我们智慧供应链当中必须去深化和打造的能力。

供应链的未来是什么?首先是平台化,供应链本身就是一个核心企业1+N的模式,最重要的是未来形成的平台化的模式,实现平台的运作。第二大流量。第三要低负债率。第四是服务的本质、服务的能力。早在2009年一位老师就提出了这么一个概念:他认为智慧供应链是结合物联网技术和现代供应链管理的理论、方法和技术,在企业中企业间构建的,实现供应链的智能化、网络化和自动化的技术与管理综合集成系统。供应链一要垂直,二要智能,三要体现价值链。

供应链行业的痛点是什么?一是数据的共享不足,第二是风控的手段比较滞后。第e征信正在研发针对深圳的供应链企业的自动风控模式和服务产品。简单来说,如果供应链企业有1千家企业,我能够让工作人员盯着一千家企业数据的变化吗?不可能,只能用大数据的方式给他们实现风险预警。

企业的风险管控和风险管理

企业风险有法律风险、战略风险、运营风险、市场风险、财务风险等等。对一个企业来说,风险的管控就是这个企业健康成长的基础。从1997年创业到现在,最注意的点就是风控,所以我的企业没出现过大的风险问题。即使出现了,我也利用完善的合同和法律保护自己的权益,因为我们有一整完善的风险管理模式。企业对风险的识别、分析、评价、应对、管理、监控,在智慧物流或者智慧供应链中显得非常重要。

对企业来说,树立对本身的信用管理体系和对供应商信用管理,以及上下游企业的信用管理也非常重要。一个公司要树立全程的信用管理意识,要明确的信用政策制度,建立客户信用等级评定,还要有专门的信用管理结构。

供应链管理角度看,风控有四大要素,第一是评估,对供应商的准入进行评估,这个评估可以委托给专业的第三方机构,也可以自己做。第e征信就是第三方机构,其中的一个服务就是专门为供应链管理上下游供应商进行准入评估、评价。第二个授信,第三个是控单,第四个是控

从大数据的角度看,我们可以利用大数据构建反欺诈系统、信用评级系统风险定价系统。构建特征模型和行为模型之后,我们能够借助数据的方式更好第弥补传统风控的不足。

第e物流/第e征信的实践与思考

对整个行业信用建设,我把它分成三个层级。第一级是政府部门把相对方(企业和个人)的信息归在一块,包括公安的、工商的、交通的、港口的门数据。第二级是目前上海市商务委正在牵头试点的“中国商务信用平台”,它扩大社会对信用数据的供给和传输,第e物流是该平台针对物流行业的数据传输服务机构。第三个是社会资本的信用评价平台,包括邓白氏、SGS、第e征信等,我们要做的是深度信用模型的研究、应用

第e物流规划的五年发展计划是构建一个基于大数据应用的、着力于服务物流产业的、开放性、综合性服务平台。底层是建造大数据系统,包括数据采集、清洗、建模、呈现等,然后是以大数据技术、理念和模式打造中国泛物流行业评价体系、信用系统、风控模式、增值应用。我们的服务可以概括为评价、评级、征信、风控和增值服务,包括金融服务。物流行业的应用场景十分巨大,前景乐观。

第e物流项目是国家发改委确立国家重点扶持项目,正在顺利的实施,我们欢迎各方面的合作。我的梦想是能够做一家令人尊敬的优秀企业,梦想正在逐步变为现实。

谢谢大家!





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
98 1
|
27天前
|
机器学习/深度学习 数据采集 搜索推荐
大数据与金融风控:信用评估的新标准
【10月更文挑战第31天】在数字经济时代,大数据成为金融风控的重要资源,特别是在信用评估领域。本文探讨了大数据在金融风控中的应用,包括多维度数据收集、智能数据分析、动态信用评估和个性化风控策略,以及其优势与挑战,并展望了未来的发展趋势。
|
26天前
|
数据采集 监控 算法
大数据与物流行业:智能配送的实现
【10月更文挑战第31天】在数字化时代,大数据成为物流行业转型升级的关键驱动力。本文探讨大数据如何在物流行业中实现智能配送,包括数据采集与整合、数据分析与挖掘、智能配送规划及实时监控与评估,通过案例分析展示了大数据在优化配送路线和提升物流效率方面的巨大潜力,展望了未来智能配送的高度自动化、实时性和协同化趋势。
|
2月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
61 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
2月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
120 2
ly~
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
123 3
ly~
|
2月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
349 2
ly~
|
2月前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
453 2
|
3月前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
138 5
|
3月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
141 6