未来十年将是中国货运物流的黄金时代 韵达快递人工客服

“翟学魂认为,接下来随着自动驾驶技术和新能源发展,这两股力量将会推动货运行业的大规模数字化变革。”
过去十年,是中国电商物流乘风破浪的黄金时代。伴随着网络购物和数字经济的蓬勃发展,中国物流行业突飞猛进,快递服务量从2010年的20亿件到2020年突破700亿件,自2014年以来稳居世界第一;快递行业收入也伴随着需求增长而不断提升,2020年有望突破8000亿元,世界级的快递公司不断在中国市场成长起来,更多的新技术、新业态和新模式还在不断地迭代衍生。这是一个旺盛需求推动效率提升、数字技术推动行业变革,叠加引发经济增长的激动人心故事。
图片来源网络
但故事还有另一面。中国货运总量76%是靠公路运输完成的。中国目前约有3000万卡车司机,但其中95%都是个体户,拥有50名以上员工的卡车公司只有1%。快递行业借助数字化提升效率获得了长足发展,但是规模远大于快递行业的货运物流却依然延续粗放而原始的模式,效率低下而成本畸高。数据显示,中国公路运输的平均空载率约为40%,而德国和美国的平均空载率为10%至15%。总体而言,中国货运和物流业成本约占GDP的15%,几乎是美国的两倍,整个社会都此付出了巨大的代价。麦肯锡的报告指出,如果整个中国货运行业进行深度数字化改造,提高效率降低成本,可以创造出高达45%的收入增长。
在物流领域深耕多年的翟学魂看到了行业的难点和痛点。十年前,他创办物联网科技公司G7,立志于用先进的技术改变公路物流行业的现状、推动整个行业的价值增长。从2010年的一个时时查阅卡车位置信息的可视化产品,到如今通过G7平台链接超过180万台卡车,成为全球最大公路物联网平台,翟学魂不断把最先进的技术和创新带进物流行业,解决行业粗放的管理难题。
在翟学魂看来,旺盛的需求和技术的进步推动快递行业发展经历了黄金十年,接下来随着自动驾驶技术和新能源发展,这两股力量将会推动货运行业的大规模数字化变革,“可以预见,未来十年将是中国货运物流的黄金时代,整个社会的效率和势能也将因此得到极大的提升。”
在接受FT中文网专访时,翟学魂详细地探讨了技术和能源变革将如何引发货运物流行业的变化,以及由此引发的一系列产业变革,并带来新的增长和机遇,更深入分析了公路物流数据背后对于经济和商业的影响、启示。
以下为部分采访实录。
货运物流行业的数字化变革才刚开始
FT中文网:“双11”不仅是电商的重要节点,对于物流行业来说也是大考,您怎么看“双11”?
翟学魂:双十一是一年的高峰,也是我们数据增长最快的时期。但是我更想分享一个真实的事情,这是去年的新闻。有一台快递货车从深圳开车到廊坊,全程超过2200公里,算上开车、休息、装卸等时间,一共是24小时。一整天时间,这几乎是人类的极限。
这意味着什么?意味着快递物流已经非常高效,整个流通和转场的过程精细化程度很高,同时有很好的安全保障,才能够达到这样的效率。中国的快递物流发展已经是全球最好,在to C端,我们不仅可以用最快的速度发货,还能把成本降到很低。拼多多上很多商品9毛9都能包邮,这是因为把剩余运力做了精细化分配。相比之下,美国欧洲的快递成本贵得惊人,发一个快递十几美金很正常,时效也很难保证。
但同时,我们的货运物流还处于一个很粗放、原始的发展状况,长期维持着‘小散乱弱’的局面,数字化技术的渗透还远远不够,导致货运行业效率极低。你今天去快递站点,基本看不到司机,因为快递行业的效率非常高,司机都在路上跑。而你要去煤矿,会看到很多的司机排着队在那里等着接活,或者等着装卸,相比之下效率很低。这也可以解释为什么煤炭这样的大宗商品,同等质量的运输价格是快递这样高度分散的小件物品的两倍,可见货物物流的运转能力还有很高的提升空间。
FT中文网:为什么快递行业发展迅速,但货运行业却依然是粗放原始的发展?
翟学魂:需求驱动是快递行业高速发展的重要原因。过去十年,中国的电商发展突飞猛进,阿里、京东这样的企业每年保持2-3倍的规模在增长,使得快递物流的运转速度前所未有的增长起来:车辆从每天行驶100公里,到一天可以行驶1000公里;自动化货仓和机器人分拣系统更是大大提高了配货装卸能力。G7也深度参与了这个数字化的过程。
今天看中国的快递行业独步天下,但2010年我创办G7的时候,整个行业还处于相当落后的。我记得当时物流企业想要知道货物到什么位置了,需要打电话给司机,然后司机在路边找固定电话打回去,用固定电话的区号以便确认货物的真实位置信息。这是2010年,我们还在用这么原始的方法确定位置这样的关键信息,跟踪物流就更无从谈起。
到了2014年,我们在帮京东和顺丰做车辆位置信息对接,帮助它们能实时看到遍布全国的货物运输信息,这时候数字化才逐渐渗透到中国物流行业。
在数字化改造物流行业之前,物流企业没有办法发展壮大,因为仅靠人来管理,管理半径始终有限。一个精力旺盛、经验丰富的车队队长最多能够管理25台车,而数字化之后,车队的规模可以呈现指数级增长。
相比之下,货运行业则处于十年前的快递行业发展阶段。这是因为像煤炭这样的大宗商品长期是供不应求,企业没有太大的动力去创新降低成本、提高效率。但是今天的情况则大不相同,能源结构发生了变化,新能源将要成为主流,这会带来一系列的产业变革和社会变化。货运行业要面临成本压力;与此同时,自动驾驶等革命性技术的深入普及,带来了生产方式的变革,对于物流行业来说,这无疑将是一次颠覆性的改变。
所以接下来的十年,是货运物流行业发生重大变化的时代。提高效率、降低成本成为当务之急,这对于整个社会效率提升、拉动经济增长也有很大的帮助。
安全和信任是数字化的关键核心
FT中文网:货运行业数字化进程中最关键的是什么?
翟学魂:数字化提升行业效率是重中之重,但我认为除了经济效应之外,数字化还应该关注的是安全和信任这两部分,这也是物流行业的基石。
在我看来,G7做的最有价值、最有意义的工作,是安全服务。对每年交通事故进行分析,会发现原因很多,但是归根结底是人的原因,比如疲劳驾驶、比如驾驶方法比较危险等等。以往这些问题很难被发现,只有出了事情才来反思。如果我们能够通过技术手段,把这些风险在事前就尽量降低,减少不必要的事故,这是科技进步的意义。
在G7,我们通过一系列物联网的手段,能够记录司机的驾驶情况,并且根据大数据进行数据分析,一旦发现司机存在长时间驾驶、夜间驾驶等情况,我们会有后台进行提醒,必要的时候会进行电话提醒,以及采取一系列技术手段,让风险降低下来。
另外一个有意义的事情是建立信任。物流行业长期存在着三方合作,货主、车队老板和司机,这背后是一年三万亿人民币的巨大产业。因为信息不透明、沟通不及时,三方经常存在着信任问题。比如加油这件事情就很棘手,老板如果说油钱他出,没有办法保证司机没有偷油,司机也很委屈,没有办法证明自己;老板如果说油钱司机包干,那司机有可能为了省油,在下坡时候挂空挡,几十吨的大卡车挂空挡是一件非常危险的事情。
数字化和物联网解决了信任的问题,司机的每一个动作都被记录下来成为数据,在信息透明、沟通畅通的情况下,老板和司机重新建立起信任。在这个情况下,司机可以用最好的方式开车,提升了安全系数还能增加收入。
FT中文网:还有哪些难点和痛点被数字化解决了?
翟学魂:我们还做了一些新的尝试。比如从专注数据这个数字资产深入到实物资产——数字货舱,这是我们发布的一个智能挂车,通过电控悬挂系统,可以实时感知装载货物的重量,并实时记录载重曲线。
传统货物量方的计算方式,多使用激光尺进行测量、估算,还要经历拍照上传货物照片、运营人员统计数据等步骤,流程十分繁琐且不够精准。司机需要等待装卸,这样导致了效率低下,而数字货舱能够很好的解决这个问题。我们不仅可以让用户时时查询了解车辆的行驶情况,还能对车辆装载的货物进行充分了解,提前进行数字化安排。
货运物流是经济的晴雨表
FT中文网:在G7的官方网站上不仅有卡车行驶大数据,还列出了全国整车货运物流指数,是否可以用这个数据与宏观经济数据进行印证呢?
翟学魂:货运物流是经济的晴雨表,这句话很有道理。经济的繁荣与商品的流通正相关,而且商品流通的速度越快,贸易和交易的次数就越多,产生的经济价值就越大。商品的流通速度当然取决于物流的速度。所以我们看到货运物流指数越好,说明经济表现越好。
此外,货运物流还有先导性。因为货运物流包括了从原材料生产、到加工、到成品运输等等全流程。一旦经济形势出现问题,首先就是需求端减弱,供应链的源头就能够感受到,一路通过货运物流传导下来。而经济一旦复苏,首先就是供应链源头启动,通过物流一路传导。因此我们看到货运物流指数与经济增长曲线的拟合度很高,而且还有先导性。
FT中文网:能否分享一些具体的数据和案例?
翟学魂:短期数据拟合度高可能会存在一些巧合因素,那么我们调取一个长期的数据来印证。例如,我们在G7的官方网站调取近三年全国长途干线货运流量数据,与同期的GDP走势进行对比,可以很容易发现两者有非常高的拟合度。
从这张对比图可以清晰地看到,近三年不论是货运流量还是GDP走势的最低点都出现于2020年的第一季度,彼时正是中国农历春节和新冠疫情大流行两者叠加。
这张图透露的另外一个很重要的讯息是印证了中国经济在经历了2020年第一季度的低点之后便V型反弹。随着疫情的控制和各地复工复产的推进,全国物流园区在随后几个月近90%恢复到去年旺季70%以上,甚至有一些的确需求反弹,甚至超过了去年11月。具体数据可以参考我们与中国最大的物流园企业普洛斯共同完成的数据。
现在已经是2020年的12月,我们再来看看今年全年的整车流量与2019年的对比。可以发现2020年全国公路货运整车流量已经完全恢复、甚至超过了2019年同期,这也印证了中国经济的恢复,跟我们的实际感受是相吻合的。
我们的数据已经被很多研究宏观经济的学者、制定区域发展政策的机构所采用,成为他们进行数据分析的一个很重要的参考工具。我们也希望与更多的社会机构进行合作,充分发挥物流数据的价值,为行业和社会提供更多的参考。