9月3日消息，在2023中國電子商務大會上，齊心集團首席技術官于斌平發表了題為《物資供應領域數字化轉型實踐》的演講，他介紹，齊心的供應鏈業務架構本質是一個數字驅動、以人工智能賦能的供應商協同平臺，可實現詢價比價、訂單智能調度、自動推薦等，背后是基于大數據基礎的機器學習。

（齊心集團CTO于斌平）

溫馨提示：本文為速記初審稿，在不影響原意的基礎上，由億邦動力編輯整理。

以下為演講實錄：

尊敬的各位領導、各位嘉賓，大家下午好！

我是齊心集團的CTO技術和數字化負責人。在之前的演講中，幾位央國企的領導分享了關于電商和數字化的內容，平教授進行了電商趨勢理論的分析。作為數字化實踐的負責人，我主要從技術角度與大家分享物資采購領域數字化的實踐方法。

首先，讓我介紹一下齊心集團。齊心集團是一家成立于1991年、專注于采購服務的物資供應商，于2009年上市。我們的核心競爭力是數字驅動的數智化平臺。我們的核心業務是非生產物資的采購服務平臺，例如企業辦公行政物資、營銷物料、MRO工業品和企業福利方面的采購。我們也為（前面演講的）幾家央國企提供服務。齊心集團還有自己的產品（品牌）齊心文具和齊心辦公，我們進行自主生產和分銷，此外還有一個云視頻業務。

接下來，我將簡單介紹物資采購領域的幾種模式。第一種模式是撮合交易，這是我們熟知的一種平臺模式。第二種模式是共享經濟，例如貨運和物流，許多企業采用了這種模式。第三種模式是以齊心集團為代表的自營模式，關鍵在于發現供應鏈上各方的價值，并為客戶提供價值。我今天的分享將圍繞數字供應鏈展開。

我們的齊心數字化平臺可以歸納為三個部分：業務前臺、服務中臺和管控后臺。我們的前臺業務已經全部實現了數字化，后臺則由六個能力中心提供支持。數字化分為幾個階段：早期的電子化、2000年初的信息化、以互聯網大數據為代表的數字化，以及以人工智能為代表的數智化。齊心目前正處于數智化建設階段。齊心的數字供應鏈模型包括需求、采購、履約、驗收結算、售后以及數據提供等各個環節，是一個以數字驅動、以人工智能賦能的全鏈條協同平臺，連接各種供應商、品牌商、服務商和客戶（例如央國企和其他企事業單位），并將各個協同企業與數字化平臺相連接。

我們為供應商、客戶、服務商、物流商、金融、運營等提供數字化和數智化的價值服務，并通過企業云采平臺、開放平臺等多種系統來提供服務。這些系統并不是孤立存在的，而是數字驅動的，并且以人工智能賦能，為鏈接在價值鏈上的各方提供價值。

我們提供了三種方式來為企業服務：數采、云采和易采，為客戶提供企業采購服務。這些服務都可以定制化且適配平臺。除此之外，我們還輔助了福利平臺和共享供應鏈平臺，不僅給客戶提供賦能，也為供應方提供賦能。

齊心數采的本質是一個客戶化適配平臺。央國企都有各自的采購平臺，每家央國企都有獨特的需求，而齊心作為物資供應商，有一套平臺來自動適配各方的采購需求，實現定制化適配。

齊心云采在形式上是一個SaaS商城，本質上是為客戶提供定制化的采購商城，包含專屬的商品和價格。我們還為客戶提供了專屬的頁面和風格。此外，我們還提供了專屬的客戶組織架構。為什么要提供組織架構？因為我們清楚物資采購需要經過審批，所以我們有專門的組織架構、審批流程和企業賬號。我們的SaaS商城實際上是企業的組織架構、OA和內部審批體系的集成。我們內置了300多種流程，基本上適應了所有客戶，無需開發，只需要幾個小時就可以完成配置。

齊心易采是為企業提供與其他大型ERP系統進行簡單巧妙對接的解決方案。企業可能擁有各種大型ERP系統，不一定會搭建采購平臺，也不愿意使用其他系統，我們可以通過簡單巧妙的方式進行對接。

以上是關于為客戶提供服務的內容。接下來，我將分享我們是如何實現數字供應鏈的。

齊心的供應鏈業務架構本質上是一個數字驅動、以人工智能賦能的供應商協同平臺。服務基礎的核心是數字驅動和人工智能賦能。例如，企業需要詢價比較，無論是投票還是表格，我們的系統都可以分析哪些品類、哪些SKU可以匹配，哪些供應商可以匹配，并自動生成采購申請，通過簡單的人工審批后自動發送給供應商。供應商可以自動查看采購訂單，并開始履約和配送。供應商還可以查看訂單商品到達齊心倉庫后發往客戶的時間，清楚了解商品發送給哪些客戶和地區以及使用效率評價。我們還將客戶需求預測的數據開放給供應商，讓供應商知道何時應該備貨以及備多少貨。這就是我們協同供應鏈的能力。

齊心還擁有訂單智能調度系統。因為我們擁有數百萬種SKU和數千家客戶，分布在全國各地。采購工作大家都清楚，如果每個倉庫都要補貨，那么庫存積壓和現金占用量將非常高。但如果不補貨或補貨不及時，就無法滿足客戶需求。為此，我們必須借助人工智能計算何時補貨以及補多少貨，哪些倉庫應該補貨，哪些不需要補貨，以及何時及時采購。對于集團客戶，我們可能需要將一個訂單中的SKU分別發往全國的不同分子公司，這就涉及拆單的問題。做電商的人都知道，B端客戶通常不具備C端的場景，我們是國內首家實現按地址自動拆單的B端系統，有些客戶要求當天訂貨，必須在三天內發貨；而有些客戶要求較長的發貨時限，例如一周或半個月，我們需要匹配不同的供應商和倉庫，并需要AI的協助來計算，因為這是人工無法完成的。

我們有一個自動推薦模型，目前正在試點推廣。我們使用大數據平臺標注訂單數據、物流數據和供應商數據，因為人工無法完成如此大量的工作，所以我們建立了一個專家系統來與人工配合規則進行實施。在標注完成后，我們進行特征提取，根據特征進行模型訓練。然后進行預測推理，確定哪個概率最高。最后，我們會自動選擇和推薦結果，例如選擇哪個品類、選擇哪個供應商、選擇哪個倉庫，集中配送還是逐單配送。例如，如果客戶需要一臺價格為3000多元的電腦，我們會計算出哪個品牌、哪個供應商能提供最經濟、最高效的服務，以此為客戶提供價值。沒有AI的支持，這是無法實現的。

推薦模型使用了機器學習的深度神經網絡，使用時序序列模型，其原理是根據過去一段時間的數據來預測未來的需求。對于C端客戶來說，推薦模型要簡單一些，因為C端客戶的需求基本穩定。但對于B端客戶來說是不確定的，因此我們進行了很長時間的調試。我們關注兩個因素：樣本率和召回率。在深度學習領域，樣本率非常重要，而召回率是由計算得出的數據，用于計算有用的召回率。我們的樣本率可以達到98%以上，召回率可以達到90%以上。

閉環學習流程通過訂單、物流數據和供應商數據的不斷計算，通過系統補全并實時離線計算，積累樣本并提供給業務方使用。同時不斷記錄數據并進行循環往復的使用模型的流程。

以上的討論都基于大數據基礎。電商企業和物資采購企業都擁有大量的數據，我們建立了一個數據倉庫，在數據倉庫的基礎上進行各種分析，供業務、客戶和供應商使用。這種大數據平臺是比較傳統的，但也是非常必要的。對于數據來說，大數據平臺必須成為AI數據來源。我們在此基礎上還添加了一個模型訓練平臺，用于分析銷售、客戶和供應鏈的來源，最終進行物流和結算的推薦。

之前我們討論了供應鏈數字化的過程。作為技術實現者，我和大家分享一些關于物資采購技術實現的經驗。大家都熟悉的兩個概念是中臺和微服務，如果不討論微服務，技術將無法跟上。實際上，中臺和微服務是一種辯證的關系，而不是互相排斥。

傳統中臺包括技術中臺、大數據中臺和業務中臺，業務中臺中包含統一的用戶和訂單，看起來很美好。但實際上，每個客戶的需求都是獨一無二的，是專屬的，一套中臺無法滿足這么多需求，必須實現定制化。傳統的大數據和中臺會拖慢交付客戶和定制化的速度，因此必須根據實際情況改造傳統中臺，使其在碎片化和定制化方面更具可行性。從邏輯上看，這仍然是一個商品中臺，但實際上存在客戶商品中心、標準化商品中心等，以提供專屬化和快速的服務。

技術與業務結合，技術必須為業務服務。技術在底層支持各個業務端的服務，我們采用主流技術來實現客戶平臺和供應商平臺的內部系統調用。

作為數字化轉型的服務提供者，我想與大家分享一些經驗。數字化轉型必須以客戶為中心。作為一個一直從事技術工作的人，10年前我認為技術是核心，5年前我認為企業是核心，但后來發現以技術為中心的模式基本上失敗了，以企業為中心的模式又與客戶疏遠。因此，數字化轉型的定位必須以客戶為中心，帶來降本增效和創造價值。

在企業內部，當我們面對一個業務需求或業務流程時，首先要考慮數字化的方式來解決，以智能化的方式解決。之前，電信領導分享了數字人，我們與百度合作開發數字人客服，通過建立靜態和動態大模型來提供實時服務，覆蓋所有商品、物流和結算等方面。

我們運用數字化的方案構建企業協同辦公，不僅要實現業務自動化，也要實現數字化的企業協同辦公。我們通過大模型學習的方式將公司數千份流程、制度和規范全部數字化，并通過數字人與員工進行互動。例如，員工申請休假時，可以通過數字人了解應該采取哪種制度。與傳統的即時通訊查詢文檔或詢問相關負責人相比，這種方式的效率和體驗感都更好。

回到技術的本質，技術決定了生產力，因此在數字化方面，我們盡量采用主流或前沿的技術。對于一些舊的架構，我們需要盡快進行優化。如果技術跟不上，盡管我們以服務客戶為目標，數字化也很難實現。

具體的實現方法要以戰略為基礎，務實地一步一步實現。我今天的分享就到這里，歡迎各位領導和同仁來齊心平臺體驗并提供指導。謝謝大家！

關于本次會議：

本次峰會由商務部、北京市人民政府共同主辦，商務部電子商務和信息化司、北京市商務局承辦，億邦動力、北京電商協會執行。峰會以“數實融合 數智創新”為主題，9月2日-3日期間設置開幕式暨高峰會議，新型數字消費、數商興農、跨境電商、國企電商采購四場專題會議，邀請到國內外政府機構、社會組織和優秀企業代表，共享電子商務發展新成果，共話電子商務變革新趨勢，共建電子商務進階新時代。