对于大多数的大型B2B企业来说，物流网络从未像现在一样复杂。伴随着日益分散的生产厂商和遍布世界各地的客户，全球化的生产布局也日益成熟。这宣告着现如今的企业面临的挑战和从前不可同日而语。好在现在出现了比以前多得多的新工具，让我们有机会去重新优化物流成本。

大 多数B2B相关企业已经充分提高了在路径选择方面降低物流成本的能力，他们知道如何在既定的工厂和单个客户所在地之间选择最节约的路径运送货物。然而，很 少有企业能够站在全局角度考虑他们的物流网络以及相关成本。这种全局视角需要同时考虑所有供应商和客流，这不仅需要追踪运输、搬运成本，也要关注送达终端 用户之前耗费在仓储和库存上的成本。不这样去做，企业很容易错失从物流网络中获取更大价值的机会。

大多数企业在运输成本上有着这样片面的观点，其原因在于这些企业有着相对孤立的组织形式，即由特定的部门分别管理物流的某一环节。比如，负责将货物从工厂运送到仓库是一个部门，负责将客户订单分配到特定生产线的是另一个部门，负责和承运商谈判价格是其他部门。

一 些企业根据客户或渠道来对供应链管理过程进行划分，并且采用一成不变的网络结构。在一般情况下，入厂物流与出厂物流是分开管理的，这造成回程运力运用效率 低下，这种现象在偏远地区更为显著。每个环节的管理者都极力优化各自单一的物流成本，但是并没有考虑到成本的相关联性。他们甚至还没意识到他们的一些决策 会为其他环节带来更高的成本。

企 业需要从全局角度出发，而不是采用零碎的方法管理他们的物流网络。这意味着需要关注所有产品的量、所有可能的运输路径，考虑每个决策在整体物流成本中的影 响，也需要为了优化全供应链的成本而进行一些权衡。为了能够达到这样的效果，供应链主导企业可以应用以下五大“杠杆”：

知道了该拉动哪支“杠杆”容易，但何时、如何拉动很困难。“杠杆”之间是具有关联性的，其中一支有改善通常需要在另一支“杠杆”上有所舍弃。企业在做这些舍弃时必须紧盯着它对整体物流成本的影响。为了从供应链角度优化整体物流成本，一家企业需要同时考虑所有“杠杆”。

限制因素和可能产生的后果的数量都是超乎想象，想象有一个北美洲的金属制品运输企业，为了确定全美范围内最优的出厂分拨的运输模式，可能需要考虑一个超过500个节点的物流网络（涉及到的工厂、用户、中转点、仓库数量），与此同时，该企业还需要考虑大约100000条 弧（弧代表不同节点之间的运输），包括上百万英里的公路、上千公里的铁路以及水路组成的网络。为了优化这样的一个网络，该企业将需要分析上千亿种可能的组 合。另外，外部成本驱动因素，如特定的商品的需求、供应商和客户的位置和数量、燃料和商品的价格，以及汇率都在不断变化，优化物流成本时若是考虑不全面很 可能适得其反。

许 多供应链领导者都知道评估所有因素才是解决问题的正确方法，但是做起来总是难以实现。因为变量的规模很大，企业需要收集的数据量也很大，在如今这样一个飞 速变化的市场环境中，几乎没有企业有足够的时间精力去给出最切实可操作的方案。但是幸好有大数据分析工具，优化变得不再遥不可及。

为了运用大数据分析方法来优化总物流成本，供应链领导者首先要做的是，应该把公司各环节的相关人员聚集在一起，共同完成建立一个基于现状业务的物流网络清晰图景，大家应当在地图上描出供应商、客户、工厂、仓库、分拨中心以及可选的运输方式。

下 一步是去辨识出企业最大的成本来源，包括具体的运输方式、中转库存、具体的设备等等。同时也应该弄清公司的现状约束条件（比如承诺交付时间以及各工厂的最 大产能等）并进行管理，很重要的一点是，要弄清这些约束是否真的无法改变。例如，有些管理也许是建立在假设一些客户需要每天运货的前提下的，但是客户其实 可能也愿意接受灵活的送货排期。这种情况下，了解所有潜在的可替代方案的价值就变得极为重要，例如可以进行招标以获得市场真实的费率情况。

供 应链领导者需要组建一个由物流和建模专家组成团队，去构造一个考虑到所有信息的网络优化工具。有了这一有力工具，他们将能够基于不同前提条件，通过调试一 系列的参数、约束条件等，找到调整企业物流网络的方案。他们也能够测试每一种方案对整体物流成本的潜在影响，从而给出不同运输模式下的备选物流策略，使得 企业在与供应商的谈判中占据有利位置。

拥有了这样的能力，企业在对五大杠杆进行操作时，才能够做出更明确、更具体的选择，更好地优化整个供应链上的物流成本。尽管这仅仅是开始，但是具备这样的思路是当今各个企业想要战胜当下面临的复杂物流环境，必须迈出的第一步。