ZD至顶网CIO与应用频道 01月13日 北京消息:很久很久以前,买东西一定要跑到店里,钱货两清后才能叫购物。而很久很久以后,在时下飞速发展的互联网时代看来,这已然是老黄历了。互联网的渗透,让传统线下门店的业务迁移到线上,成就了电子商务产业的迅猛发展。
据商务部网站12日发布的消息,2016年1-11月,中国网络零售交易额为4.6万亿元,同比增长26.2%。经过近20年发展,中国已经成为全球规模最大、发展速度最快的电子商务市场。
对此,中国电子商务物流企业联盟专家委员会主任达瓦认为,未来电商将趋于智能化。所以,将传统ERP中的采购、生产、销售、库存管理等物流及资金流模块与电子商务中的网上采购、网上销售、资金支付等模块整合在一起,打破壁垒,成为了关键一环。这就是所谓的电商ERP。
随电商需求不断调整战略方向
目前为止电商行业主要经历了三个时代:PC平台为主的传统电商时代、移动零售时代和社交IP电商时代。而伴随着不同时代特质,电商企业所遇到的挑战也随之发生了变化。
“PC时代,传统电商企业面临最大的问题是组织和执行,用最快速度将商品卖出。移动时代,企业更关注的是管理和服务,强调规范和精细化。如今的社交电商时代,企业面临着流量匮乏的尴尬局面。此时大数据支撑的营销决策则成为了关键。”
E店宝创始人兼CEO陈涛说,在成立的第一天起,他们就做了一个大胆的决定,就是坚持云ERP的概念,以SaaS的模式为用户提供服务。并且随着电商需求的不断演进,E店宝的也逐渐转向了除传统的软件业务以外,还为电商企业用户提供规划仓库、流程等方面的技术方案支撑,这样的战略方向。
现阶段,E店宝提出了第三个发展方向——成为一家商用数据引擎软件方案服务商。通过对客户数据的深度挖局和数据分析,从而帮助客户更加了解最终用户,实现更精准化的营销。
与韵达、搜于特达成合作
11日,专注于电商ERP“E店宝”及旗下好多数宣布获得由中科招商、51信用卡联合领投8000万元B+轮融资。同时,E店宝在本周将与电商物流服务的龙头企业韵达快递,联手打造电商领域物流综合解决方案平台。以及与电商服装领军企业搜于特共同布局服装行业电商ERP一站式平台。
从此次合作中来看,一方面通过与E店宝的合作,韵达不仅可以利用E店宝的数据和技术支持,实现快件更好的仓储和运作,同时可以依靠E店宝庞大的客户群,进一步拓展自身业务。另一方面,借助韵达物流的服务,E店宝也将得以强化服务工作,同时也为电商等合作商免除快递方面的后顾之忧,提升线上店铺的物流运行效率,大大简化流程。
从数据来看,韵达提供的专业快递服务累计近100亿人次。去年年中,韵达完成信息化和智能化方面的提前布局,明确以快递为核心、科技为驱动的快递综合服务物流平台的发展战略,构建信息化技术平台。数据显示,2013年至2015年,韵达货运订单平台的接单能力已从600件/秒提升至2100件/秒,提升近4倍。为了进一步增强自身在信息化和智能化方面的综合实力,韵达将在未来和E店宝的深度合作中充分利用E店宝的财递通、无线仓储和WMS三大版块的专业优势。
E店宝财递通——通过大数据分析智能匹配快递到达的区域、收费、时效、服务、评分等,最大限度提高人员效率、降低超区率,并减少售后服务概率。
E店宝无线仓储——解决传统仓储管理难题,通过无线信号即可进行验货、配货、收货、上架等工作,大幅提高工作效率,同时降低人力成本、数据错误和库房损失,提高顾客满意度。
E店宝WMS——深度优化仓库地管理,根据包装规则、库位类型推荐上架库位;全程条码管理,收货员可通过条码扫描进行收货,实时核对货品与订单匹配性,并支持全检、抽检多种质检方式,预期将让韵达收货上架工作更加智能、灵活、准确和人性化。
据了解,截止到目前E店宝服务的阿里系店铺近3万家,占比达到21%;服务的京东第三方店铺则达到6585家,占比达15%。而这次E店宝与韵达快递及搜于特的联手布局,将对双方在各自领域所占据的市场份额均有极大的提升作用。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。