在**企業的出現下，一場深刻的數字化變革正在醞釀之中。運輸和物流也不例外。從商業活動采購到客戶服務，企業正在數字化其內部縱向價值鏈和供應鏈上橫向合作伙伴的基本功能。此外，該公司還通過數字功效加強其產品組合，并推出創新的基于數據的服務。

其中，一些技術的發展收效甚微，另一些將在未來緊隨其后。交通物流業的數字化之旅已經開始，并將在不久的將來加速。B2C（企業對客戶模式）和B2B（企業間模式）將采用不同的方式，如客運倉儲和貨運。但對兩者而言，數字化、集成化和自動化的機遇使公司能夠實現內部和跨價值鏈的協作，從而帶來生產力、設計和施工質量的巨大變化。同時，隨著數字互聯智能基礎設施時代的發展，企業越來越追求與時俱進，因此這樣的機遇顯得尤為重要。

一個

這種投資不斷轉化為越來越先進的數字集成成果。一些（介于1/4和1/3之間）運輸和物流公司聲稱，他們的數字集成已經達到了一個高級水平，而大約3/4的公司說，它可以在五年內達到這個水平（圖2）。與其他行業一樣，在交通運輸和物流行業，數字化的發展速度在不同領域有所不同，對公司業務活動的不同方面也有影響。然而，考慮到行業自身的多樣性，即使在如今的移動服務應用中，一些規模較小的運輸和物流業務仍然與數字化不相交。因此，我們的研究集中在更具代表性和更傾向于在這個行業使用數字技術。

目前，交通物流企業認為數字客戶界面是進的領域之一。37%的企業認為自己擁有先進的數字標準，73%的企業預計在5年內可以實現進一步的改進。移動技術的應用是加速這一進程的關鍵因素。例如，為了提供個性化的旅客體驗，企業增加了解決方案，充分激發了物流跟蹤的潛力。

數字化對商業模式的潛在影響為顯著。在談到數字商業模式、產品和服務的發展時，只有五分之一的交通和物流業受訪者表示，他們的公司已經達到了數字集成的先進水平。然而，絕大多數企業希望在未來五年內在這些領域取得進展。許多公司也會關注數字給商業模式帶來的潛在變化。城市出租車司機早就接受了Uber和grab等出租車軟件。物流業的許多方面已經發展起來，并準備好迎接類似的商業模式變革。洛杉磯的cargomatics和紐約的transfix等新進入者已經成功地在相關行業建立了自己的地位，并通過數字商業模式將運輸和交貨方聯系起來。

二

三

我們接觸的大多數公司都希望通過數字化現有產品或開發新的數字產品來增強面向客戶的數字服務。機會不僅在于提高靈活性和更快地響應客戶需求的能力，還在于對客戶需求的預測，通過一系列的預測方法幫助客戶先了解自己的需求。

許多運輸和物流公司計劃以各種方式擴展其數字產品組合（圖4）。還有一些公司在具體的計劃方面落后，例如新的數字產品或使用大數據改善客戶服務?？蛻絷P系數字化使運輸和物流企業能夠更好地控制和定制自己的服務，以新的服務改善客戶體驗，為客戶提供高度個性化的服務流程。

四

接受采訪的運輸和物流公司認為，缺乏數字文化和正確的培訓是的挑戰之一。一半的公司將其列為三大挑戰之一（圖5）。在這方面，根據調查，把文化變革作為整個行業首要問題的企業都是比較好的企業。

對許多公司來說，文化與高管對數字業務發展方向有清晰的視角和領導力的需求密切相關。調查顯示，這是整個行業第二大挑戰。然而，這是因為交通和物流行業的受訪者更擔心數字業務和數據安全所涉及的更高的金融投資要求。

顯然，這些因素中有一些是密切相關的，而創造文化變革機會的重要途徑，就是高管們要清楚地解釋投資事項和他們預見到的收益，并確保在實現后得到認可和慶祝。

五

數據是第四次工業革命的核心，但如果沒有適當的分析，迅速膨脹的信息流是毫無價值的。傳感器、嵌入式系統和連接設備的快速增長，以及垂直和水平網絡范圍內價值鏈的擴展，繼續產生大量數據流。

數據源多種多樣，格式各異，這就要求我們將內部數據與外部數據進行集成。在利用數據創造價值的過程中，和有效的數據分析是非常重要的。在眾多切入點的前提下，公司應針對數據安全及相關問題采取嚴格、積極的措施，致力于數字完整性建設。

研究數據顯示，許多運輸和物流公司已經認識到數據分析的重要性。事實上，多年來，客運和貨運路線等數據應用一直是行業許多領域規劃的一個組成部分。然而，數據的性質和應用正在迅速變化。數據源多種多樣，格式各異，實時傳輸。這就要求我們將內部數據與外部數據進行集成。在獲取數據價值方面，和有效的數據分析是必不可少的。

半數接受采訪的運輸和物流高管認為，當前的數據分析對他們的公司很重要或相當重要，而在未來五年，90%的人持有上述觀點（見圖6）。這一比例是本次調查涉及的所有行業中的。運輸和物流企業收集的數據量非常大，涵蓋了機場航站樓的旅客趨勢、在線包裹配送、甚至更廣泛的貿易和貨流等方面。這些數據具有重要的商業價值。事實上，約三分之一的受訪者計劃向他們的客戶介紹大數據分析服務（見上圖4）。

運輸和物流公司收集的數據也具有廣泛的戰略價值。例如，Uber等公司擁有豐富的客戶訂購行為數據庫，可用于在更廣泛的層面規劃公共交通服務。數據分析也與行業內所有公司的安全問題高度相關。對于許多公司來說，將來自多個來源（監控攝像頭、乘客數據和生物特征）的數據集成到系統中以識別和防止威脅是關鍵。

六

在建立強大的數據分析能力的過程中，企業面臨的另一個挑戰是支持一個健全的組織和治理框架。我們發現許多公司仍然以“臨時”的方式處理數據分析。五分之三的公司在數據分析組織和治理方面缺乏固定的結構。許多企業（37%的運輸和物流公司）依賴于員工自身的數據分析能力，另外23%沒有實質性的數據分析能力。在調查涵蓋的所有行業中，沒有實質性數據分析能力的企業所占比例。

相比之下，有1/4（28%）的企業將數據分析嵌入到特定的功能中，以便能夠靈活、緊密地處理業務信息，從而充分發揮數據分析的潛力。此外，有9%的企業設立了專業的數據分析部門，服務于公司層面的多個方面。

調查發現，在接受采訪的所有行業中，數據分析能力較強的企業都有可能從事以下兩項工作：43%的企業將數據分析嵌入到具體職能中，24%的企業專門為此設立了部門。

七

展望未來，許多近兩年未進行重大投資的企業計劃在未來五年內追加投資。不過，三分之一的公司打算保持較低的未來投資水平。對于遠離數字影響的運輸和物流行業的公司（如小型運輸公司），這種方法也是合理的。

其他公司可能會袖手旁觀，在未來投資于更便宜、更可靠的解決方案。但是，正如我們已經揭示的，的挑戰不是購買合適的技術，而是人才和文化的轉變。這需要長期的變革項目。有跡象表明，在數字投資的早期階段，運輸和物流公司正在失去機會。如圖9所示，私募股權公司對數字物流初創企業的投資是物流公司的15倍。

企業需要關注早期投資先進數字化可能帶來的差距。在將業務定位為生態系統內的“選擇平臺”時，快速發展的企業將具有顯著的優勢。也許重要的是，后來加入的公司會發現，他們的內部文化已經遠遠落后，他們很難跟上后來獲得的技術進步。