据法国《回声报》网站11月21日报道，位于法国瓦朗谢纳的技术研究所Railenium集合了铁路行业的专业人士和大学研究人员。他们研究的工作包括：自动列车、数据分享还有数字自动耦合。后者将有助于通过装配传感器对列车辨识，监控他们的制动系统或报告过载。由此，在欧洲运行的约60万个货车将会有一天变得更容易地理定位。在出现交货延迟时，所有物流链都会得到通知。供应链是一个复杂的系统，2年来不断突破限制。巴黎一家助力企业数字化转型的智库Hub Institute的研究部主任克莱尔·普拉萨尔总结说：“新冠疫情、乌克兰冲突……供应链遭遇了一场又一场的危机，并总是反应更灵敏。新的技术构成了使其更为灵活的机遇。”在全世界各地，在整个供应链上对数据的获取、分享、分析、使用上的研究与开发都在不断增加。

在物联网时代，捕获数据并不是理论上最困难的。镍矿企业埃赫曼公司数字转型与绩效总监卢多维克·多纳蒂解释说：“我们使用所有可用的数据：我们的卡车都安装了传感器。数据来自合作伙伴企业的人工智能算法。对由无人机在我们矿藏上收获的数据进行处理从而在数量和质量上对我们在矿井底部、港口的库存予以评估。”

非侵入性技术同样在不断增加。在美国华盛顿，企业Felix Instruments提供一种便携式摄谱仪，它有助于评估不同来源、不同土壤生长、不同灌溉技术而来的水果和蔬菜批次到达的成熟度。最先可能会腐烂的产品将立即送往商店出售。有些时候，这些数据都是已经存在的。但是完全都是通过纸质形式记录。法国生态转型和团结部负责交通运输创新署协调工作的克莱尔·巴里托指出：“今天，在欧洲过境海关的文件有90%仍然是由纸张制成的。”将要在2024年生效的欧洲电子货运信息规章要求这些文件都必须无纸化。这将会每年节省250亿欧元。还有另外一个法国特有的例子：法国的DiaLog计划要在行政机构内部建设一个无纸化平台且向卡车的GPS导航开放各地市长发布的道路通行规定。

第二步，数据的分享。首先涉及的会是将一种数据和其他内部数据混合。比如，埃赫曼公司这里会有从不同矿藏库存提取的用于评估质量的样本。这种“数量和质量”的混合有助于搞清楚在履行订单之前是否需要在特定地点开采更多。最为复杂的数据分享依然是同物流链上其他参与者的分享。这不仅涉及到信息格式、所有权以及由此产生的法律问题，同样也涉及到商业秘密的问题。一些中介已经将这些作为工作。一家专长货运跟踪的美国企业“四只风筝”公司的市场与企业战略常务副总裁法布里齐奥·布拉斯卡说：“我们的附加值所在就是按原样检索信息，并按照客户的要求将其呈现给他们。得益于我们的工具，物流链上的参与者根据其网络上已经在运输的货物量，现在可以得知包裹应该在什么时候发货，以遭受尽可能少的延迟。”

像美国的“44工程”公司、加拿大的Kinaxis等多家竞争企业同样都在该领域耕耘。一些由企业上马的非营利性组织也开始出现。由服装行业500家机构发起的Open Supply Hub项目已在11月初启动。

Open Supply Hub项目总经理凯蒂·肖表示：“我们首先开始为世界各地的服装厂分配一个唯一标识符。它将避免信息交换时出现差错。我们现在在研究未来如何将这一唯一数字原则扩展到仓储、运输业者中。”

第三步，运用人工智能数据的分析。唯一一个例子如下：法国新创企业Califrais在为全球最大的生鲜产品市场兰吉国际市场的批发商们运营BtoB的电子商务网站。在此网站上，商家现在可以向多个供应商下订单，而后者将一次性交付。Califrais的共同创始人和科学总监西蒙·比西列举说：“我们的人工智能算法得到了概率、统计与建模实验室（索邦大学、巴黎城市大学、法国国家科研中心联合组建）研究人员的帮助。算法支持价格和需求的建模与预测、批发商的库存优化、客户满意度预测、个性化产品推荐等等。”

现在剩下的问题就是需要充分利用所有这些信息。没有必须意识到数据挑战的所有员工的参与，什么也完成不了。伦敦一家数据分析和咨询企业全球数据公司的颠覆技术部门负责人马尼什·迪克西认为，所有这一切在理论上到时都是可行的，“使用像Winnow这样公司的物流诊断系统，我们甚至可以减少厨房里的浪费”。