顺丰2020年财报幕后:不可轻视的科技力量和新增长曲线

 

又是一年财报季,在去年疫情的冲击之下,许多上市公司的业绩都不尽如人意。然而,上周顺丰却交出了一份满意的年度财报,体现出优异的增长韧性。

具体来看数据:

2020年度,顺丰控股(简称顺丰)实现营业收入1539.87亿元,同比增长37.25%;归属于上市公司股东的净利润73.26亿元,同比增长26.39%。
具体业务上,顺丰2020全年件量同比增长68.46%,超行业整体增速的31.2%,市占率提升至9.76%,较上年提升2.15个百分点。

可以说,无论在收入、利润,还是市占率方面,顺丰都超过行业,并超出预期,再次刷出新高。透过顺丰2020年度财报之后,我们还能看到顺丰的各项新业务取得了重大进展,成功开辟出了一条新增长曲线,特别是其科技实力,让顺丰的壁垒得以不断加固。

一、新增长引擎

顺丰2020年财报中最值得关注的亮点就是:顺丰已经成功开辟出了一条新增长曲线,形成了可持续发展的最佳状态。

除了传统业务(时效业务板块和经济业务板块)增量增收之外,顺丰新业务板块合计收入同比增长51.21%,贡献了超过35%的整体收入增量。

(图为:2020年顺丰各板块业务占比)

其中,2020年,顺丰快运不含税营业收入185.17亿元,同比增长46.27%;顺丰国际业务不含税营业收入59.73亿元,同比增长 110.40%;顺丰冷运及医药业务不含税营业收入64.97亿元,同比增长27.53%;顺丰同城业务不含税营业收入31.46亿元,同比增加61.17%。这些都高于行业增速。

拉长时间来看,顺丰快运、冷运及医药、同城、国际等新业务板块,近三年(2018年至2020年)复合增长率达64.5%。顺丰快运2020全年整体零担货量同比增长超过70%,营收规模及业务增速在行业主流玩家中排名第一。顺丰同城为C端用户提供一站式解决方案,全国网络覆盖已突破500城。

至此,顺丰已经扩展了成长边界,构筑起继传统业务之外的新增长引擎,就能实现良性的可持续发展。
新增长曲线背后也体现出顺丰的不断进取。一个上市的物流巨头,需要收入和利润,更需要增长的新曲线。眼下的整个物流行业正到了拐点阶段,这时候必须重新进化,寻求新的突破。吐故纳新后,就会重新开始一个比原来曲线更高的新增长曲线。

当下的顺丰,风华正茂,随着新业务成为新的增长引擎将再度上扬。

二、科技赋能

发展到当下,科技和物流的结合必然带来巨大的价值。从整体物流行业来看,过去3-5年,诸如自动化分拣、大数据等技术颠覆了物流行业。
作为物流一哥,顺丰则坚持“科技改变物流,物流改变生活”,持续在数字化、智能化、可视化科技技术上加大投入,用科技赋能下单、中转、运输、派送等运营环节,提升准确性与效率,使得管销费用率持续下降。

 

最新财报中披露,2020年度,顺丰在科技方面投入42.73亿元,比上年增长16%。在人工智能、大数据、机器人、物联网、物流地图等科技前沿领域顺丰都进行了布局。甚至在打造绿色包装方面,顺丰对包装进行技术改造,2020年减少碳排放约7万吨。

2020年,顺丰研发了智 慧供应链平台 -“丰智云链”,可以为客户提供端到端一站式的物流提效智能化全链路解决方案,实现从供应链计划制定到实际运输、仓储等各个环节的降本增效。

值得一提的是,2020年,顺丰为各地特色农副食品建立了区块链溯源平台,全程追踪产品从田间到餐桌的流向,实现农业端到端产业链的数据自动采集。

此外,顺丰通过自主创新和研发解决了物流场景无人化领域中的技术难题。比如,2020年,顺丰建设的无人化中转场,错分检测和智慧扫码系统等,大举提升了效率。

在笔者看来,顺丰用科技赋能,才能打造出长期市场竞争力。整个物流的科技之力,主要体现在数据化和智能化,在科技加持下,顺丰就能实现“降维打击”。

就在今年2月9日,顺丰控股公告拟非公开发行募资不超过220亿元,加深供应链服务能力、提供综合物流解决方案的发展战略,通过自动化、智慧化升级实现科技赋能物流服务。

不过,对于当下的科技物流,我们要看的更远,看的更深,看的更加本质。过去的十年是消费互联网的十年,未来是产业互联网的十年。特别是在AI、5G技术发展下,针对产业端的科技物流、生态物流将具备更大的发展空间。

幸运的是,顺丰已经在科技领域沉淀多年,它已经从单一的快递物流服务公司发展成为多元化的综合物流服务公司,它正在向一家独立第三方的数据科技服务商演进。
可以预见,未来的科技物流、生态物流将是顺丰的机遇期,只要抓住了,就能再度迎来腾飞。

三、不可忽视的社会责任

企业力量越大,社会责任越大。任何一个企业一旦成长到一定体量,其自身已经不单单是一个经济属性的存在,更具有宏大的社会责任。对此,顺丰在发力业务,加码科技之外,还不断聚集了社会公益力量,展现出其社会责任的一面。

2020年是新冠疫情突然爆发之年,更是顺丰逆行而上,勇往直前,彰显企业责任担当之年。要知道,在武汉疫情最严重时,顺丰在8天内运送救援物资超过816吨,全网超过2415万个包裹。而且,顺丰提供了首个“逆飞”武汉的驰援航班,也是疫情期间飞行援汉航班架次最多的快递物流公司。

 

在助力乡村振兴上,顺丰推出智慧农业全产业链方案,协助政府落实扶农助农工作。外界都不知晓,顺丰内部成立了公益基金会,围绕推动教育发展、儿童医疗救助、扶贫济困等公益领域开展业务活动。2020年顺丰公益基金会主要开展了顺丰莲花助学、顺丰莲花小学和顺丰凉山爱心班三个项目。仅顺丰莲花助学项目就共计支出4414.5万元。

可以说,顺丰在传送包裹的同时,更是传送一路的责任与担当。感觉,当下“社会责任”这个词都已经快被说烂了,众多企业都将社会责任挂在嘴边。我想说,在具体实施环节中,以顺丰的这种方式才是真正有效的方式,远比喊喊口号来得实在。

总之,商业多变,我们应该用长期的确定性来解决当下的不确定性。也许当下因为疫情,或者一些偶发因素让商业多变,但顺丰寻求新业务增长,坚持科技、履行社会责任的长期战略是不变的,用这种长期战略的不变来应对当下的不确定,不失为一种大智慧。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
【7层】6900平米左右一字型框架办公楼毕业设计(建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值