数据分析在物流中心的应用.pdfVIP

数据分析在物流中心的应用 摘要： 随着信息时代数据量的剧增， 深化物流管理的最有效方法是通过企业对物流 数据进行分析和预测，帮助决策者做出快速、准确的决策。本文通过对物流中心的数据 进行描述， 引入物流数据分析路径这种方法， 给物流中心进行数据分析提供了一个良好 的思路，从而实现数据分析在物流中心的应用。 一、应用背景 随着企业物流信息化的快速发展，很多企业在经营了多年后积累了海量的数 据。对于一部分企业而言，这些海量的数据只是一串串没有意义的数字符号 ;对于另一 部分企业而言，他们能够意识到数据是非常有用的，却找不到数据处理的出路 ;很少企 业能够很好的利用到这些数据。 企业的多年物流数据对于企业而言，也无异于是一座埋 葬在地底的宝藏，通过对这些数据的分析与挖掘，能够为企业提供众多有价值的情报， 例如对公司内部所有车辆的运营数据，如 GPS 定位跟踪数据、车辆的行驶时间、行驶 距离、完成的吨公里数进行分析，发现内在的规律，从而更有效地进行企业的物流运输 规划。当然，数据分析在物流中心远不止这些，对物流数据加以分析能够帮助物流企业 及时、准确地收集和分析客户、市场、销售及整个企业内部的各种信息，对客户的行为 及市场趋势进行有效地分析，了解客户的偏好，以及企业内部物流问题的关键所在，从 而在提高服务质量和物流效率的同时，降低企业物流成本。 ( 一) 数据分析的含义 数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进 行分析，以求最大化地开发数据资料的功能，发挥数据的作用。是为了提取有用信息和 形成结论而对数据加以详细研究和概括总结的过程。数据也称观测值，是实验、测量、 观察、调查等的结果，常以数量的形式给出。 ( 二) 数据分析的意义 数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。在物流 中心任何一个流程、一个动作、一个商品的流动轨迹都会被记录到系统中，形成各式各 样的数据， 在系统中形成一个庞大的数据仓库，这个数据仓库不仅仅包含物流中心的相 关数据而且还涵盖上游供应商到下游门店的部分数据， 而数据分析的意义就是在这样一 个庞大的数据仓库中寻找到数据之间的关联， 找到理解事物发展的规律，最终取代经验 论，对物流中心科学的经营管理。 图 1 数据分析层级模型 1) 基础资源级：在这个层级中，需要搜集的数据主要有人力资源数据、设备 资源数据、货位资源数据、容器资源数据等等。资源级的数据主要用来描述物流中心的 各种资源的属性、数量、状态、场景等。 2) 物流流程级：在这个层级中，需要搜集的数据主要有几个流程的数据，包 括收货流程的数据、出货流程的数据、出车流程的数据、门店退货流程的数据、供应商 退货流程的数据等等。 仓库流程级的数据主要用来描述流程的运作情况，需要集合的数 据包括各个流程的对象、过程、输入、输出、资源、绩效等。 3) 供应链运作级：在这个层级中，需要搜集的数据主要有供应商与物流中心 的供应数据，物流中心与门店的供应数据，供应商与门店的供应数据。这个层级的数据 主要用来描述供应链的运作情况，比如说供应商的送达率，物流中心的周转率，门店配 货的差错率，门店的满足率，门店送货的准点率以及整个供应链运作的成本等。 三、物流中心数据分析路径模型 在物流中心， 由于物流数据层级的不同， 数据平台采集数据也会根据分析的目 的而有所不同。在一次分析的过程中，通常会用到不同级别的数据，比如说在分析物流 中心的送货差错时，会用到流程的数据，也会用单基础资料数据，当然一次分析中也会 只调用一个层次的数据， 比如说分析人员的拣货情况，则只需要了解物流流程的数据即 可。本文把数据分析平台调用数据的方式成为数据分析路径，从而形成如 在数据分析路径模型中，分为两个部分，数据分析平台部分和数据部分。数据分