物流行业的数据分析，主要分析什么？.docVIP

物流行业的数据分析，主要分析什么？ / 做物流规划设计时，人们往往对设计指标感到茫然，对新员工尤其如此；有些设计人员比较急躁，一上来就急于做方案、画图，结果画来画去，就不知道自己到底要做什么了；耽误了不少时间不说，设计方案要么不知所云，要么离题万里，对用户是一个很大的伤害。 一个良好的设计习惯，往往是应该首先明确设计目标，了解清楚设计要求之后，再去动笔。 就比如写文章，总应该先确定写什么主题、目的是什么、给谁看；然后才开始写提纲、反复推敲提纲、找好素材和参考资料，再动笔写；然后再反复推敲、修改润色。不然，就很难写成一篇有质量的文章。 画图虽然很重要，但到底只是一种比较简单的劳动，而画什么、表现什么主题、达到什么目标才是设计的关键。 设计是如此，对一个设计方案的评价也是如此；我遇到很多客户要求评价一个总体的方案，其实这是很难的；其中关键的一点就是：方案是设计需求的响应，对方案进行评估，首先要对设计目标进行分析和评估，这才是根本。 数据分析是一件很严肃和需要专业知识的工作，并非仅仅对数据进行简单的加减排列组合就可以了。 我特别反对那些不注重数据分析的客户，一项设计，设计指标是基础；基础出现问题，你选用的设备再好，系统再先进，也是于事无补的。 其实物流仓储系统的规划设计也没有那么难，关键一点是需求要清楚明确；而需求是可以用数据来描述和定义的，一个项目，其关键数据也就那么几个而已，如收货量、发货量、库存量、拆零量、SKU等，并不难掌握。 本文就讲一讲这些最基本的需求，为了便于理解，主要从物流仓储的几个环节进行描述。 一、基础数据 在进行系统性描述之前，一定要清楚物流的作业当量最后是以小时来计算的（当然还可以细化到半小时，甚至更小单位）。 所以，我们所有的物流量，最终要以小时当量来计算；然而，从用户那里得到的实际的设计指标，很可能是年度的作业纲领，如年配送100亿——这个数据非常重要，却也是非常不确定的；因为从这个指标推导下来，就会看到，每年的作业天数、每天的作业时间、货物的价值、仓库库存周转次数等，对最终设计都有很大的影响；所以，这些关联数据应该是要首先明确的。 假设设计纲领是G(年配送目标，亿元)，单箱价格是p，则年度总配送箱数是： Q = G/p 假设每年作业天数是N（天），每天工作时间是t，则每小时的作业量是： q = Q/N/t 如果库存周转天数为D，则库存量的计算公式如下： W = q*t*D 以上的数据关系都很容易推导，但在实际中要注意的是：不同的作业，其作业时间可能是变化的；如高峰时期每天作业时间要大于平常作业，发货时间有时也与收货时间不同等，会增加计算和分析的难度。 在进行具体数据分析时，还要明确箱与托盘的对应关系。 托盘一般选择标准托盘（1200*1000），假设平均的满盘量为n，则库存托盘数应为： P = W/n 当然，在描述具体数据时，要区分收货、发货还是退货，每一个作业也许是不一样的。 很多时候，用户是不清楚这些差异的，或者表述不清楚，那么我们就应该将自己的经验或理解进行分享，以便双方达到认识的一致。 二、收货有关的数据 与收货有关的数据，包括到货量（箱）、订单数、车辆的装载量、收货区域大小、收货作业时间、每天收货SKU数等。 车辆的装载量和卸载时间主要对于站台设计有影响，包括车辆大小、载重量等；一般情况下，还要分析卸货的方式、速度，以便详细规划站台的数量。 收货一般是比较简单的，但也有比较复杂的情形，比如新华书店图书的收货即是如此；因为每天到货的品种很多，还有大量混包的情形，因此收货要进行专门的处理；有些电商的收货也比较复杂，包括要进行QC等动作，对收货区的要求就不一样。 很多人对高点平均值和算术平均值对于设计的影响不甚了解；简单来说，将一年（或一定时间）的收货量除以一年（或一定时间）的实际工作天数，即得到平均每天收货量，一年中最大收货量的一天，即最大收货量。 在实际上设计中，如果按照平均值设计，则使得加班的天数会很多；如果按照最大值进行设计，则会出现工作很不饱满，设备闲置的现象。 因此，一般取平均值和最大值之间的某个值进行设计，具体要根据实际需要确定，发货也有这种情况。 三、储存有关的数据 库存能力对系统的设计非常重要，但如何确定库存却是非常有讲究的。 除了库存总量W以外，还要考虑SKU数，以及各种存储方式下的库存要求等；很多情况下，仓库的设计并非是单一的，所以，设计的时候就要清楚库存的方式是什么、有什么要求。 一般的储存形式分为2种主要方式： 以托盘为单位储存（分为立体库和平面库两种最基本形式）； 以箱为单位储存。 当然还有其它形式，如包裹、麻袋、散料等，也有条状物（如钢材）、异形物品（如服装的挂装等）等，不再详述；在设计中，这两种方式都要考虑，有时以托盘为主，有时以箱储存为主，有时两者比较均衡。 计算库