杜忠平

本文由龙船科技CEO杜忠平撰写并投递参与“数据猿年度金猿策划活动——2023大数据产业年度趋势人物榜单及奖项”评选。

大数据产业创新服务媒体

——聚焦数据· 改变商业


麦肯锡的研究报告早在 2014 年数据流动直接创造的价值就高达2.3万亿美元,高于国际人口流动(1.5万亿美元)和外商直接投资(1.3万亿美元)创造的价值,略低于商品贸易(2.7万亿美元)。

10年时间转瞬,在数字化时代,数据已成为企业最宝贵的资产之一。数字经济、数字生态、数据要素特征、数据资产等核心理论模型,逐渐成为一切企业发展的基础。

2023年的交通运输行业,数据基础设施的初步形成,正在全面赋能中国制造全球物流供应链产业升级。交通运输行业正经历着前所未有的变革,大数据技术的应用正在重塑这一领域的格局,使我们能更高效地管理交通流量,预测运输需求,以及优化运输路径。

技术进步、经济发展、社会变革、政策推动和环境压力等多种因素共同作用下,纵观交通运输数字化发展也经历了三大阶段:

一、1995~2010,软件和信息技术红利。以运输安全监管为导向信息化建设阶段,条块监管为主,企业被动接受,特征是无纸化、非现场化,条块分割,数据烟囱。

二、2010~2020,数据技术红利。以促进信息跨部门、跨流程流动和生产更多数据的数字化阶段,兼顾跨部门监管、企业效率提升。确立监管+服务共享模式,特征是以IoT采集、外部数据互联(API),大量高质量数据沉淀。

三、2020至今,促进数据要素充分流动和“数据掘金”阶段。“感、传、知、用”向纵深发展,全面服务运输上下游产业链条,深入到制造业供应链内部,与实体制造业和虚拟金融业融为一体,数据成为“第五(七)要素”,数字经济和前三产业深度融合,形成“第四产业”。

从简单的信息化应用到智能化管理,再到全面数字化的智慧交通系统。在这一演进过程中,交通运输业务逐步迈向高效、智能、可持续的发展,不断拓展数字化创新的新领域,与此同时,交通运输领域的三重属性,推动着数字化创新的深入应用:

一、标准属性:交通运输天生就是标准属性,“书同文,车同轨”,因制度化的特点决定数字化创新制度成本低,以标准为准则,否则在诸多方面就不易互联互通。

二、动态属性: 交通运输的一大特点就是“点多、线长、面广”的复杂系统,信息的过滤成本是极其高的,足够多的准确、完整、实时的数据实际上意味着决定数字化是面对行业变革的刚性需求。

三、服务属性:民营(个体)经济最广泛的参与,决定成本、效率和服务体验是核心竞争力,决定数字化 = 生产力。数据要素行业内,交通运输作为一个非常重要的数据供应商服务了很多上下游的数据产业链条。

简单来说,很多在使用交通运输数据的人,本身不是从事运输环节,因此,交通运输数字化发展涉及到的不仅仅是运输上游的物流、供应链、买卖方,甚至还有金融和保险等领域,数据技术在交通运输领域的广泛应用,为全行业的发展注入了新的活力。国际物流供应链产业数字化20年的探索中,也可分为2个阶段:

一、前向一体化实践(20+年)20世纪初开始,物流或科技公司,互联网+尝试,面临最大的挑战资本不足,创新乏力;

二、后向一体化实践(~10年),货主自建物流和电商平台,面临最大的挑战:路径依赖,制度缺陷。

行业的发展既需要匹配用户的核心需求,更应引领行业走向理想的商业蓝图,面对多元、复杂、动态的交通运输数据要素,其生产和价值我认为可以从以下三点挖掘:

一、数据要素层。从运输工具到应用场景、数据算子、数据资源、治理、功能分析手段等,过去企业的创新仅停留在软件开发、商业模式等创新阶段,2023年起已经逐渐进入到一个以数据为基础的创新阶段,将行业的领域知识和数据资源结合、以算子模型为基础,找到一些能实际性解决问题的场景,这是进入到一个数据要素的核心阶段。

二、计算基础设施的数据算力层。有了数据的基础要素层之后,少不了计算基础设施的算力层和模型算法的中心层,过去很多在算法模型的创新上是非常局限、非常窄,只能在某一个环节里去应用,造成这个现象的很大一部分原因是大多数人对数据垄断性的独占。2023年起的新阶段,我们自身也是倾向将很多的算法模型开放给第三方,将其变成一个公共的服务。将大量通用、基础性的训练模型进行整合,让大家不需要从头到尾去“搭轮子”,我们通过长期的数据积累、领域知识的沉淀、算法算力的研究,将结果变成通用的“轮子”,促进数据创新层出现一种新的业态。

三、模型算法–数据算子中间层。模型算法的发展已经成为推动各行业智能化和创新的关键动力,然而,我们往往忽略了模型算法中间层的关键角色,即数据算子。通过巧妙的数据变换和特征提取,为模型提供更具代表性和可解释性的特征,有效地提升模型对复杂数据关系的学习能力。在未来的算法发展中,数据算子的角色将变得愈发重要,为我们进一步挖掘数据潜力、推动人工智能应用提供更为坚实的基础。

2023年,交通时空大数据正在全面服务国际物流供应链数智化的升级,为物流供应链提供了丰富的信息资源。为其数智化升级提供了强有力的支持。这种相互促进的关系有助于建立更为智能、高效、可持续的物流供应链体系。

一方面,中国有巨大的交通运输及上游的物流供应链的市场,即有效的市场;另一方面,中国政府在“车、船、港、货”基础设施上的先见之明和非常有创新性。因此,“有效的市场”和“有为的政府”完美结合,使得“交通强国”和“中国制造”带来的交通运输数字化进入释放外部性红利期阶段。


运输工具和运输管理数字化


交通运输时空大数据数据要素

数据行业经历了蓬勃发展,取得了显著成就,而随着技术的不断发展和法规的完善,随之而来的挑战也不可忽视,所有的国际物流供应链的环节里面需要解决的三个数据问题:实时性、可预测、完整性。

交通运输时空大数据最大的特点就是实时性,全面赋能行业透明化+。运输透明化成为全产业链基础设施:交通运输运载工具、运输过程和路网设施数字化基本完成,数据基础设施基本成熟,可以低成本实现运输过程可见、可预测。透明化从根本上解决标准、动态和服务体验三重属性问题形成的冲突,让所有人能第一时间获取完整的数据信息,基于这些信息去辅助进行一些决策,将供应链的健壮性和柔性提高到一个新的阶段,会释放巨量的外部行红利。

通过数据,追溯过去,一定程度可以反映当下,是否可以做到预测未来?全球进入一个数据流定义的新时代,越来越多的经济活动由数据驱动,数据作为劳动、土地、资本、管理、技术、知识之外的第七(五)种生产要素逐渐在经济活动中扮演核心作用,数据要素市场化发展是一个长期的生态演进过程。

实时交通运输时空大数据( Realtime transportation Visibility)是继联通性(Connectivity)之后国际物流供应链新的技术和应用升级,是连接制造业实体经济和传统交通基础设施的血液和神经,最终使“柔性制造”和“交通新基建”成为可能,最终确保在此“百年未遇之大变局”的“大安全”观得以实现。龙船也在持续深入对大数据领域的探索,我们对数据行业的未来发展充满信心,在2024年将会有更多的突破和创新。

·关于杜忠平:

杜忠平,毕业于北京大学,中国科学院计算技术研究所。曾供职于中国交通通信信息中心,先后担任航运信息化事业部总经理、水运信息化所副所长、交通安全应急信息技术国家工程实验室副主任等职务。多次代表中国政府参加COMSAR、WWNWS国际会议,代表中国政府在IMO Main Hall做主题演讲并回答各国代表提问。现任龙船科技创始人/CEO,专注航运和国际物流供应链数字化业务的专家。