麦肯锡:数据将决定散货运输和油轮运输在下一个新常态的成败 | 供应链咨询案例和论丛 物流供应链咨询 智慧物流产业园区咨询

作者:Arjen Kersing,沈思文,谢乔,谢智 来自:麦肯锡 点击:

麦肯锡:数据将决定散货运输和油轮运输在下一个新常态的成败

散货运输在过去十年里势头减缓,尽管出现过短暂的反弹。从中期来看,新冠疫情和大宗商品的发展趋势有可能继续抑制需求,压低费率,并对散货运输和油轮运输构成一系列物流方面的其他挑战。

然而,即使在这样充满挑战的环境中,我们也看到了成功的潜在机会。如今,数据比以往任何时候都更容易获取,这意味着企业可以获取深刻的市场洞见,了解经济和大宗商品的趋势、航运分析以及客户信息。在数据分析上有所投入的行业参与者可以利用以数据为导向的洞见,抓住四个主要领域的机会:找到具有吸引力的子行业和细分市场,优化船队结构,改善商业选择,提高现有货船的运营效率。

散货运输和油轮运输行业一直以来的一大特征便是依靠直觉做决策(基于判断和经验),因此这将需要分析能力的重大转变。这项投资将是巨大的,但是企业若能充分利用新的数据源和一流的分析技术,将在危机后的世界中更有韧性,占据有利地位。

sea-water-ocean-dock-sky-boat-498542-ship.jpg

新冠疫情放缓了散货和油轮运输业的发展 充满挑战的经济环境

有可能在下一个新常态中持续

过去十年,需求下降导致散货和油轮运输增长缓慢。 新冠疫情使得许多问题雪上加霜;全球经济增长的放缓进一步打击了对主要散货商品的需求,导致货船运力持续过剩。例如,在2015年至2020年间,散货运输市场的复合年增长率仅为1.3%。据预计,到2030年市场年均增长率将徘徊在0.8%左右,增速下降的主要原因是中国对煤炭和铁矿石的需求在下降。

尽管需求放缓,但是干散货运输市场的运力预计将继续增加。未来十年,造船业的现有运力预计每年增加3%至4%,而船只退役约抵消掉1-2%。船舶报废率相对较低一是因为全球干散货船队的船龄相对较低(平均船龄10.2年2),二是因为拆船价格低。因此,总体而言,干散货船的运力将以1%-3% 的复合年增长率增长。

需求疲软和运力增长之间的这种不匹配可能会在未来几年压低费率(图1)。2008年金融危机之前,由于众多大宗商品(包括铁矿石、煤炭、谷物)需求旺盛,干散货船运价格飙升,但此后一直保持低位,并且预计未来几年也不会出现反弹。

油轮运输业也面临重大挑战。新冠疫情和近期的一系列地缘政治挑战对原油等主要大宗商品产生了重大影响(图2)。航运需求急剧萎缩——尽管短期有所反弹——但预计中期内将保持在较低水平,之后由于能源转型,到2032年之后将进一步下降。而造船业大量未交货的订单可能会推动油轮运输能力 稳步增长。同样,这种需求增长缓慢、供应稳步增长的情况,很可能导致未来五年油轮运力持续供过于求。

有关环境法规的不确定性可能会抵消一些预计的过剩运力。多个环境问题仍然不明朗,包括减少温室气体的目标水平、未来船用燃料的选择。持续的不确定性可能会抑制造船订单,影响直到2025年左右。这将一定程度上有助于行业供需关系的匹配。

TLI-Next-normal-bulk-shipping-Exs-CN_Exhibit-with-article-slug-1.png

在数据分析上有所投入的公司可以利用以数据为导向的洞见,抓住四个主要领域的机会

尽管经济环境充满挑战,但仍有机会跑赢整体行趋势。我们看到了具备绩效提升潜力的四个领域,所有这些领域都需要成熟完善的分析能力:

  1. 根据对终端客户的洞见,找到有吸引力的子行业和细分市场

  1. 根据不同船只类别的相对吸引力和风险水平优化船只组合

  1. 优化商业选择

  1. 提高现有货船的运营效率

根据对终端客户的洞见,找到有吸引力的子行业和细分市场

尽管全球行业前景不乐观,但某些子市场仍然具有吸引力(图3)。以铁矿石为例,它是一个庞大、稳定且高利润的市场——虽然在未来几年内将出现萎缩。

我们的模型表明,中国市场驱动着全球铁矿石海运运输的70%左右。然而,因为中国钢铁需求下降,废钢供应上升以及电弧炉使用增加的原因,中国铁矿石进口量预计将从2019年的9.9亿吨下降到2030年的7.69亿吨(每年减少约2.4%)。

TLI-Next-normal-bulk-shipping-Exs-CN_Exhibit-with-article-slug-copy.png

谷物和铝土矿的全球市场虽然较小,但却稳定,具有潜在的盈利能力。未来几年,这两个市场还将增长。大豆市场预计增速较快,将从2020年的1.3亿吨增加到2030年的1.63亿吨。铝土矿运输将在未来五年内快速增长,然后趋于稳定。铝土矿的供需格局也会改变。几内亚将贡献全球70%以上的铝土矿出口。中国将带动需求,预计到2023年,铝土矿将占中国从几内亚进口的80%。

数据驱动的洞见,例如哪些货物在哪些市场正在增长,应该用来指导所有的商业决策。船运公司应充分利用尽可能多的数据源进行验证,提高准确性,并遵循以下原则。

数据收集颗粒度越细越好。目前可获得的大多数预测都是在主要大宗商品层面上汇总的,但这还不够; 企业需要彻底、深入地了解哪些种类的货物可能会增长,哪些路线可能最有前景。预测应深入到具体的层面,例如,“从澳大利亚丹皮尔港到英国塔尔伯 特港的铁矿石”

对新的货物类别和新路线持开放态度。全球供需格局正在发生转变,航运公司需要做好准备适应变化。企业应确保将所有路线和货物类型纳入研究范围,包括自己尚不熟悉的领域。企业若能在开发或大宗商品趋势上占得先机,将能获得大量的新业务。例如,中国在大豆进口中占比很高,目前主要从美国和巴西进口大豆。然而,在未来,不断变化的全球贸易环境和国内政策变化意味着新兴地区占中国大豆进口的比例有可能增加。

TLI-Next-normal-bulk-shipping-Exs-CN_Exhibit-with-article-slug-copy-2.png

走近客户。客户是数据和洞见的重要来源。建立牢固客户关系的船运公司将更有可能了解客户的未来计划,从而找到满足客户需求的途径——通过核心运输服务和增值服务(例如混矿和转运)。

关于麦肯锡的贸易模型方法论

本文的洞见源自麦肯锡的贸易模型。该数据库涵盖了全球各个行业的大宗商品贸易流。输出的分析结果可以按运输方式(航空、海运集装箱或海运散货)、商品种类(如农产品、金属或机械)和特定的贸易路线来细分。输入的数据还可以根据用户的特定数据进行自定义。

该模型以历史贸易流为基准,然后应用特定的宏观经济情景和大宗商品行为(与供需有关),生成初步的大宗商品贸易流。得出的大宗商品预测前景会再经过内外部行业专家的讨论和调整。总体输出结果包含了一系列不同疫情恢复情景 下的精细的需求预测。这些模型产生的洞见可以用来指导战略(例如了解组合风险)、商业决策(例如销售团队在关键垂直行业和贸易航路中的关注重点和定位)以及运营决策(例如资产和劳动力部署、产能管理)。

根据不同船型的相对吸引力和风险水平优化船队组合

航运投资具有天然的风险。航运公司通常在船只上做出长期的投入,但却不会从客户那里得到类似的长约承诺。在一艘船大约25年的寿命中,需求模式、地缘政治和法律法规都可能发生重大变化。

在如今的航运业,中期不确定性尤其高。新冠疫情后需求恢复的时间和状况都很难预测,而环境法规的收严——包括国际海事组织2050年碳减排要求——直到2030年之后才有可能带来实质的行业变化。

情景规划可以用来了解有哪些可能的结果,还应包括深入分析不同情景中各资产类别的相对吸引力。不同船舶组合的风险和回报取决于四个因素:宏观因素、需求前景、供应前景和盈利性(图4)。对于每种情景,绘制不同资产组合的风险和收益图可以帮助确定特定风险水平下的最佳组合。

许多公司目前持有的组合并非最优。2008年之前的高速经济增长意味着许多散货航运公司拥有大型自有船队,通常包括一些大型的好望角型散货船。在经济不景气时,这些资产风险更大,利润更低,因此企业应考虑改变货船组合,租赁这些资产(而不是拥有资产)或签订包运租船合同,最大程度降低风险。

TLI-Next-normal-bulk-shipping-Exs-CN_Exhibit-with-article-slug-copy-3.png

改善商业选择

在2008年全球金融危机之后,大多数大型航运公司(以及船东)表现出更高的风险规避意识,不再为经济增长押上赌注。航运公司现在通常选择稳定性或周期性的模式来管理风险。两种模式都是有效的,但是不同模式的选择会对商业决策带来实质性的影响。

无论选择哪种模式,所有散货运输公司都需要决定如何定价。散货运输和油轮运输经常依靠判断和经验,尽管现在也有一些行业领导者开始使用数据驱动的洞见作为补充。

数据应该为所有商业决策提供至关重要的指导作用, 短期货物。高级模型甚至可以利用历史数据确定最但是长期合同和短期合同对精确数据的需求是不同的。对于长期合同,未来一到三年的定期租船费率预测将直接影响每份合同的目标期限和价格。为了预测未来的价格,公司应该使用既有行业需求(精细的需求侧数据)、又有行业供应的模型。对于短 期合同,时刻变化的市场受长期供需格局的影响较小,但更多地取决于即时运力需求(随着本地短期供需失衡而变化)。

数字化和高级分析可以帮助船运公司发展洞见,从而在竞争中占据优势。数据可以通过多种创新的方式来加强商业决策。

分析竞争对手的货船定位。如今,自动识别系统(AIS)让所有货船的航行透明化,船运公司可以了解到竞争对手公司货船的实时位置和历史位置。算法还可以帮助船运公司了解竞争对手的载货量和客户,甚至可以预测他们的部署,从而使公司更快更好地做出商业决策。例如,可以利用竞争对手的货船 信息制定出关于船舶利用率的假设,进而得出成本状况的假设,而这些假设又可以用来指导商业谈判。

使用算法预测在现货市场上找到货物。航运公司现在可以跟踪一系列指标(包括关键经济指标、贸易相关指标、工业和零售指标)进行建模,找出预计货物量和运价上涨的大宗商品,从而找到有前景的短期货物。高级模型甚至可以利用历史数据确定最佳路线和区域,使船舶能够选择地点,获得时机适当的机会和最大的回报。

使用卫星或无人机图片跟踪价值链上的动向。利用卫星和图像分析软件,跟踪油田或炼油厂的维护进度。其中一种方法是计算进入某个站点或在该站点运行的维护机器的数量。这样的信息可以帮助公司跟踪上游市场。例如,公司能够因此了解可能产生的运力需求,及早做出相关的战术决策。

稳定或灵活——两种可能的风险管理策略

采用稳定模式的公司将船舶所有权期限和长期货运量合同相匹配,这些合同通常在投入购买船舶之前就已锁定。在过去的五年中,日本的商船三井(MOL)对船队进行了重组,减少市场风险¹。在重组之前,MOL的长期运力严重失衡。MOL 利用自己的集团来确保新订单,在找不到长期客户的地方缩减船队规模。这一重组使MOL在最近的动荡时期仍然保持了稳定的利润率水平。

采用灵活模式的公司更愿意管理市场风险。这些公司倾向于拥有更灵活的业务模式,并利用租船市场根据需要买卖额外的运力。一些公司,例如Oldendorff, 甚至反周期购买船只;他们在需求低迷时扩大船队,然后活跃于短期市场上的交易²。目前在Oldendorff的船队中,只有25%为自有货船(如图)。这种战略通常需要一个强大的全球销售网络,以及与租船代理和经纪业的良好关系。而对船舶的私人所有权,加上与之相关的资本结构和回报期望,也可能会带来额外的好处。

TLI-Next-normal-bulk-shipping-Exs-CN_Exhibit-with-article-slug-copy-4.png

卓越绩效来自于对子市场、最终客户、竞争对手和船舶性能的深刻理解。

提高现有货船的运营效率。提高资产效率和成本竞争力是成功的关键,尤其是在当前的市场低迷时期。航运业在使用数据支持运营决策方面落后于其他大多数行业。数据和分析应该通过多种方式指导有关货船运营的决策:

通过竞争分析提高货船利用率。自动识别系统可以提供有关位置、船速、吃水深度和路线的实时信息, 还包括总体资产利用率、装货前时间、装货、重载航行、卸货前等待时间、卸货、压载航行和干船坞停靠时间等信息。航运公司应该利用这些数据,了解导致船舶利用率低下的原因,并在船舶层面上与竞争对手进行对标。这些数据还可以用来找出最高的绩效表现,从而指导关键绩效指标和其他绩效指标的制定。

提高油轮燃料消耗效率。船运公司可以针对历史运营数据对速度-燃料消耗进行线性分析(必要时可以使用历史数据追溯到达时的速度),结合天气、海况、到港港口拥堵情况等方面数据,调整未来的巡航速度,选取能平衡油耗与到港时间的最佳航行路线,以此优化燃油效率。

通过“油价–航线–加注点”数据动态分析,优化燃油采购与加注地点,降低成本。对于散货船运公司来讲,由于其航线不固定、且难以预判,难以在预判燃油需求与加注点;然而,燃油加注地点与时间点不同可带来巨大的成本优化空间,航运公司若可通过进阶分析工具与数字化手段,整合油价、加注点与航线等方面数据,则可以基于未来船舶航行路线,来预判未来最佳加注地点,从而提前进行采购,以降低加注成本。

优化滞港成本。船运公司可以使用卫星监控的货船数据和港口运营信息,确保轮船的到达时间,从而将滞期费的可能性降到最低。港口运营数据还可以用在滞期条款的谈判中。

使用传感器收集船载数据。从前公司每天只能收到一封“午间报告”了解轮船信息,现在情况已不再如此。货船上的数据上行线路无处不在,并且越来越经济有效。传感器可以安装在轮船的各个地方——包括船体、发动机和货物中——数据可以定期上传、远程分析,还能利用数据几乎实时地更改运行决策。

许多船运公司已经建立了陆上海运操作中心(MOC),分析来自货船以及与之相关的所有海量新数据。MOC是一套全面的海运管理系统,需要大数据驱动的技术架构。这些系统在拥有大型船队的集装箱海运公司中很常见。MOC每天24小时监控所有船舶的性能,提供任何问题的预警,就潜在的改进机会向船舶提供建议。MOC还将不同的数据源与中台相连,确保结果在发送到不同的应用程序层之前, 数据源已经标准化处理,从而增强了数据流通。

基于船舶设备实时运营数据,落实预见式维护,减少运营维护成本。对于散货船来讲,由于船舶航线不固定,在定期、定点维护维修方面存在一定难度与挑战;散货船通常采取依赖船员进行初级维护与修理工作,然而该类行为对散运船舶运营风险与成本水平方面三大影响(1)“计划外”船舶故障与维修,在造成额外停摆天数与损失之外,还造成大量紧急备件采购需求,大幅度拉高了维修成本;(2)由于  对船舶设备情况缺少了解,需要在船舶上以及各地仓库储备大量维修备件,拉高了库存压力;(3)维护所涉及的部件多样,维修复杂,对船员技能与操作经验要求高,部分维护工作流于形式;基于以上几个痛点,航运公司可以基于船舶感应器收集关键设备、部件运行情况与状态(例如传动轴震动幅度、噪音等),以此通过进阶分析工具与机器学习模型,持续跟踪设备实时情况,预判船舶各类部件维修需求,并与船舶维修安排,备件采购等相结合, 以此优化维修、采购作业工作,降低维护、备件成本。同时可根据部件表现与维护记录,对船员提供定向化的培训、甚至是实时远程指导,以此提升船舶维护效率。

散货和油轮运输公司的前进之路

上述的六个机会均围绕着数据和分析为核心。卓越绩效来自于对子市场、最终客户、竞争对手和船舶性能的深刻理解。做到这些,需要新的技能,还需要比当今许多散货运输公司更先进的IT和分析功能。

实现数据的潜力需要在多个方面进行投资与重组:

进行软硬件投资,充分利用新型数据,将需要船载传感器和数据连接,以及将数据转化为洞见的能力。分析能力应该包括在一些更大更复杂的数据集上使用人工智能技术和机器学习的能力。

扩大商业团队,与客户建立更紧密的关系,提供洞见,帮助了解潜在的未来需求。发展机会与客户紧密合作,制定物流解决方案,包括增值解决方案。

建立一个专门的供需分析师团队,设立在总部,负责跟踪需求信号、竞争对手的船舶动向和船厂新订单的进度。

建立24小时MOC监控和评估来自实时运营的所有洞见。

初期投资将是巨大的。大型企业能够将投资分散 到多艘货船上,因此可能会占据优势。这一点,加上运力的持续过剩,可能会促进行业内进一步集中化, 改善整体行业结构。

散货和油轮运输行业的未来是一个充满挑战的时代。更多、更具战略意义地利用数据会是重要的差异化因素。

Arjen Kersing是麦肯锡阿姆斯特丹分公司的资深知识专家,沈思文是麦肯锡深圳分公司合伙人,谢乔是麦肯锡北京分公司的董事合伙人,谢智是麦肯锡深圳分公司的副董事合伙人。

作者在此感谢Yue Deng、Yifan Jie、Martin Joerss、Xiaosong Li、Tewodros Tiruneh和Philip Zheng对本文的贡献。


 

相关服务

我们的客户