马丁表示，本质上，这归结为这样一个事实：传
“机器学习、区块链和物联网可以通过引入对新实时数据、新来源、数据聚合、更广泛的可视性、定义流程和高级分析来支持决策，从而帮助减少和防止延迟和中断，”他说。
马丁提出的其他观点：
机器学习 (ML) 是人工智能 (AI) 的一部分，它已经对供应链管理产生了影响，通过引入将历史或预测洞察转化为描述性数据的功能，推断未来趋势以做出预测 - 最后提出采取行动的规定性建议。
对于规划——机器学习可以将过去的需求与当前的社会情绪相结合，以判断生产什么、生产多少以及放在哪里——从而使规划以需求为驱动，而不是供应为驱动。
对于制造业——管理人员可以在高精度注塑机发生故障之前进行预先维护，或者发现高速包装线将出现故障的症状。
对于库存- ML 可用于设置最佳库存水平（尤其是易腐烂物品），以同时防止缺货，并根据天气、需求和促销等市场趋势减少过剩库存。
对于物流– ML 能够预测本地和全球交通的效率和效果，并根据成本、时间或质量提出建议。目标是达到约定的客户服务水平。
区块链是比特币等加密货币背后的底层技术，随着全球企业范围跟踪和追溯能力的思维模型和要求发生变化，它正开始改变供应链。区块链有可能为供应链管理带来可见性和可追溯性的新维度，从而为供应链管理和全球组织带来道德、社会和安全变化。区块
链在端到端供应链中的应用包括跟踪合乎道德规范生产的钻石、关键原材料 阿曼电子邮件列表 或救命药物。这项计划的总体目标是减少无冲突钻石、童工、假冒材料和非法来源原材料的贸易。例如，通过跟踪食品的来源、处理和运输方式，区块链可以大大提高供应链的安全性和完整性，如果使用了可疑批次的原材料，杂货商和餐馆可以单独联系消费者。
关键是提供从供应到市场的产品流以及资金回流过程中所有产品、流动和金融交易的端到端可见性。
物联网 (IoT)是一种业务流程和技术能力，它使数十亿台设备实时广播到供应链中的端到端预测分析和响应系统，然后根据分析和洞察采取适当的行动。其价值在于以尽可能智能的预测支持为规划、业务流程和端到端供应链权衡提供业务和智能洞察。
现实情况是，端到端供应链可视性和分析是大多数企业在响应满足客户服务水平方面面临的最大绩效制约因素之一。这是供应链的“圣杯”——从行业分析师和我们自己的 Oracle 经验来看，问题在于缺乏准确的端到端可视性来帮助企业做出正确的决策，在正确的时间满足客户服务水平。