9月3日消息，在2023中国电子商务大会上，齐心集团首席技术官于斌平发表了题为《物资供应领域数字化转型实践》的演讲，他介绍，齐心的供应链业务架构本质是一个数字驱动、以人工智能赋能的供应商协同平台，可实现询价比价、订单智能调度、自动推荐等，背后是基于大数据基础的机器学习。
（齐心集团CTO于斌平）温馨提示：本文为速记初审稿，在不影响原意的基础上，由亿邦动力编辑整理。
以下为演讲实录：
尊敬的各位领导、各位嘉宾，大家下午好！
我是齐心集团的CTO技术和数字化负责人。在之前的演讲中，几位央国企的领导分享了关于电商和数字化的内容，平教授进行了电商趋势理论的分析。作为数字化实践的负责人，我主要从技术角度与大家分享物资采购领域数字化的实践方法。
首先，让我介绍一下齐心集团。齐心集团是一家成立于1991年、专注于采购服务的物资供应商，于2009年上市。我们的核心竞争力是数字驱动的数智化平台。我们的核心业务是非生产物资的采购服务平台，例如企业办公行政物资、营销物料、MRO工业品和企业福利方面的采购。我们也为（前面演讲的）几家央国企提供服务。齐心集团还有自己的产品（品牌）齐心文具和齐心办公，我们进行自主生产和分销，此外还有一个云视频业务。
接下来，我将简单介绍物资采购领域的几种模式。第一种模式是撮合交易，这是我们熟知的一种平台模式。第二种模式是共享经济，例如货运和物流，许多企业采用了这种模式。第三种模式是以齐心集团为代表的自营模式，关键在于发现供应链上各方的价值，并为客户提供价值。我今天的分享将围绕数字供应链展开。
我们的齐心数字化平台可以归纳为三个部分：业务前台、服务中台和管控后台。我们的前台业务已经全部实现了数字化，后台则由六个能力中心提供支持。数字化分为几个阶段：早期的电子化、2000年初的信息化、以互联网大数据为代表的数字化，以及以人工智能为代表的数智化。齐心目前正处于数智化建设阶段。齐心的数字供应链模型包括需求、采购、履约、验收结算、售后以及数据提供等各个环节，是一个以数字驱动、以人工智能赋能的全链条协同平台，连接各种供应商、品牌商、服务商和客户（例如央国企和其他企事业单位），并将各个协同企业与数字化平台相连接。
我们为供应商、客户、服务商、物流商、金融、运营等提供数字化和数智化的价值服务，并通过企业云采平台、开放平台等多种系统来提供服务。这些系统并不是孤立存在的，而是数字驱动的，并且以人工智能赋能，为链接在价值链上的各方提供价值。
我们提供了三种方式来为企业服务：数采、云采和易采，为客户提供企业采购服务。这些服务都可以定制化且适配平台。除此之外，我们还辅助了福利平台和共享供应链平台，不仅给客户提供赋能，也为供应方提供赋能。
齐心数采的本质是一个客户化适配平台。央国企都有各自的采购平台，每家央国企都有独特的需求，而齐心作为物资供应商，有一套平台来自动适配各方的采购需求，实现定制化适配。
齐心云采在形式上是一个SaaS商城，本质上是为客户提供定制化的采购商城，包含专属的商品和价格。我们还为客户提供了专属的页面和风格。此外，我们还提供了专属的客户组织架构。为什么要提供组织架构？因为我们清楚物资采购需要经过审批，所以我们有专门的组织架构、审批流程和企业账号。我们的SaaS商城实际上是企业的组织架构、OA和内部审批体系的集成。我们内置了300多种流程，基本上适应了所有客户，无需开发，只需要几个小时就可以完成配置。
齐心易采是为企业提供与其他大型ERP系统进行简单巧妙对接的解决方案。企业可能拥有各种大型ERP系统，不一定会搭建采购平台，也不愿意使用其他系统，我们可以通过简单巧妙的方式进行对接。
以上是关于为客户提供服务的内容。接下来，我将分享我们是如何实现数字供应链的。
齐心的供应链业务架构本质上是一个数字驱动、以人工智能赋能的供应商协同平台。服务基础的核心是数字驱动和人工智能赋能。例如，企业需要询价比较，无论是投票还是表格，我们的系统都可以分析哪些品类、哪些SKU可以匹配，哪些供应商可以匹配，并自动生成采购申请，通过简单的人工审批后自动发送给供应商。供应商可以自动查看采购订单，并开始履约和配送。供应商还可以查看订单商品到达齐心仓库后发往客户的时间，清楚了解商品发送给哪些客户和地区以及使用效率评价。我们还将客户需求预测的数据开放给供应商，让供应商知道何时应该备货以及备多少货。这就是我们协同供应链的能力。
齐心还拥有订单智能调度系统。因为我们拥有数百万种SKU和数千家客户，分布在全国各地。采购工作大家都清楚，如果每个仓库都要补货，那么库存积压和现金占用量将非常高。但如果不补货或补货不及时，就无法满足客户需求。为此，我们必须借助人工智能计算何时补货以及补多少货，哪些仓库应该补货，哪些不需要补货，以及何时及时采购。对于集团客户，我们可能需要将一个订单中的SKU分别发往全国的不同分子公司，这就涉及拆单的问题。做电商的人都知道，B端客户通常不具备C端的场景，我们是国内首家实现按地址自动拆单的B端系统，有些客户要求当天订货，必须在三天内发货；而有些客户要求较长的发货时限，例如一周或半个月，我们需要匹配不同的供应商和仓库，并需要AI的协助来计算，因为这是人工无法完成的。
我们有一个自动推荐模型，目前正在试点推广。我们使用大数据平台标注订单数据、物流数据和供应商数据，因为人工无法完成如此大量的工作，所以我们建立了一个专家系统来与人工配合规则进行实施。在标注完成后，我们进行特征提取，根据特征进行模型训练。然后进行预测推理，确定哪个概率最高。最后，我们会自动选择和推荐结果，例如选择哪个品类、选择哪个供应商、选择哪个仓库，集中配送还是逐单配送。例如，如果客户需要一台价格为3000多元的电脑，我们会计算出哪个品牌、哪个供应商能提供最经济、最高效的服务，以此为客户提供价值。没有AI的支持，这是无法实现的。
推荐模型使用了机器学习的深度神经网络，使用时序序列模型，其原理是根据过去一段时间的数据来预测未来的需求。对于C端客户来说，推荐模型要简单一些，因为C端客户的需求基本稳定。但对于B端客户来说是不确定的，因此我们进行了很长时间的调试。我们关注两个因素：样本率和召回率。在深度学习领域，样本率非常重要，而召回率是由计算得出的数据，用于计算有用的召回率。我们的样本率可以达到98%以上，召回率可以达到90%以上。
闭环学习流程通过订单、物流数据和供应商数据的不断计算，通过系统补全并实时离线计算，积累样本并提供给业务方使用。同时不断记录数据并进行循环往复的使用模型的流程。
以上的讨论都基于大数据基础。电商企业和物资采购企业都拥有大量的数据，我们建立了一个数据仓库，在数据仓库的基础上进行各种分析，供业务、客户和供应商使用。这种大数据平台是比较传统的，但也是非常必要的。对于数据来说，大数据平台必须成为AI数据来源。我们在此基础上还添加了一个模型训练平台，用于分析销售、客户和供应链的来源，最终进行物流和结算的推荐。
之前我们讨论了供应链数字化的过程。作为技术实现者，我和大家分享一些关于物资采购技术实现的经验。大家都熟悉的两个概念是中台和微服务，如果不讨论微服务，技术将无法跟上。实际上，中台和微服务是一种辩证的关系，而不是互相排斥。
传统中台包括技术中台、大数据中台和业务中台，业务中台中包含统一的用户和订单，看起来很美好。但实际上，每个客户的需求都是独一无二的，是专属的，一套中台无法满足这么多需求，必须实现定制化。传统的大数据和中台会拖慢交付客户和定制化的速度，因此必须根据实际情况改造传统中台，使其在碎片化和定制化方面更具可行性。从逻辑上看，这仍然是一个商品中台，但实际上存在客户商品中心、标准化商品中心等，以提供专属化和快速的服务。
技术与业务结合，技术必须为业务服务。技术在底层支持各个业务端的服务，我们采用主流技术来实现客户平台和供应商平台的内部系统调用。
作为数字化转型的服务提供者，我想与大家分享一些经验。数字化转型必须以客户为中心。作为一个一直从事技术工作的人，10年前我认为技术是核心，5年前我认为企业是核心，但后来发现以技术为中心的模式基本上失败了，以企业为中心的模式又与客户疏远。因此，数字化转型的定位必须以客户为中心，带来降本增效和创造价值。
在企业内部，当我们面对一个业务需求或业务流程时，首先要考虑数字化的方式来解决，以智能化的方式解决。之前，电信领导分享了数字人，我们与百度合作开发数字人客服，通过建立静态和动态大模型来提供实时服务，覆盖所有商品、物流和结算等方面。
我们运用数字化的方案构建企业协同办公，不仅要实现业务自动化，也要实现数字化的企业协同办公。我们通过大模型学习的方式将公司数千份流程、制度和规范全部数字化，并通过数字人与员工进行互动。例如，员工申请休假时，可以通过数字人了解应该采取哪种制度。与传统的即时通讯查询文档或询问相关负责人相比，这种方式的效率和体验感都更好。
回到技术的本质，技术决定了生产力，因此在数字化方面，我们尽量采用主流或前沿的技术。对于一些旧的架构，我们需要尽快进行优化。如果技术跟不上，尽管我们以服务客户为目标，数字化也很难实现。
具体的实现方法要以战略为基础，务实地一步一步实现。我今天的分享就到这里，欢迎各位领导和同仁来齐心平台体验并提供指导。谢谢大家！
关于本次会议：
本次峰会由商务部、北京市人民政府共同主办，商务部电子商务和信息化司、北京市商务局承办，亿邦动力、北京电商协会执行。峰会以“数实融合 数智创新”为主题，9月2日-3日期间设置开幕式暨高峰会议，新型数字消费、数商兴农、跨境电商、国企电商采购四场专题会议，邀请到国内外政府机构、社会组织和优秀企业代表，共享电子商务发展新成果，共话电子商务变革新趋势，共建电子商务进阶新时代。
（来源：News快报）
