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
Jabra 推出 PanaCast 40 VBS:首款专为小会议室设计的 180° Android 智能音视频一体机
这是一项关于计算机视觉技术突破的研究,由多家知名院校联合完成。研究团队开发了LINO-UniPS系统,能让计算机像人眼一样从不同光照下的照片中准确识别物体真实的表面细节,解决了传统方法只能在特定光照条件下工作的局限性,为虚拟现实、文物保护、工业检测等领域带来重要应用前景。
字节跳动智能创作实验室发布革命性AI视频数据集Phantom-Data,解决视频生成中的"复制粘贴"问题。该数据集包含100万个跨场景身份一致配对,通过三阶段构建流程实现主体检测、多元化检索和身份验证,显著提升文本遵循能力和视频质量。
这篇文章介绍了北京人工智能研究院开发的OmniGen2模型,一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构,分别处理文本和图像任务,并具备独特的自我反思机制,能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准,展现了开源模型的强大潜力。