传统行业与供应链数据分析的“势”、“道”、“术”.pdfVIP

传统行业与供应链数据分析的“势”、“道”、“术”

所谓数据分析的势、道、术，就是指数据分析的方向、方法和工

具，也是提出问题、分析问题、解决问题的思维逻辑。供应链上的数

据是从制造型企业，到物流企业，再到零售业的过程。而这三者均是

传统型企业，而如今更多的商流数据是通过互联网，而实际的企业经

营、运营数据仍旧是在供应链上的各个企业手中。本文从一个传统型

行业如物流、零售、制造业等的角度来看数据分析，而并非如今数据

分析做的很火的互联网或金融行业的角度。

势

“势”——数据分析的方向，此处不是指数据分析行业的发展方

向，而说的是数据分析的分析方向，抑或说一个物流公司的角度如何

做数据分分析。对于一个传统行业的公司，数据分析应当从三个方面

进行。

首先，市场端的数据分析。这类的数据分析主要是针对零售业、

电商等2C类企业。市场端的数据分析主要是两个方面，一个是外部的：

客户数据；一个是内部的：产品数据。

所谓客户数据，若是2B的企业便是客户的体量、客户的数量分布、

基础信息等等。若是2C的企业（如快递、零售等），可以研究人口的

分布，网购人群的情况。阿里有阿里指数、百度有百度指数，目前其

数据开放的越来越少了，但是还是可以看出主要的人群，以及相关产

业的区域分布。以物流企业为例，通过探知货物类型，加之以现场调

研，便可以得出大致的货品类型，而进行有针对性的物流服务；若是

2B的企业（如大零担、三方、专线等），可以通过分析目标企业的市

场分布，有针对性的在工业园区进行地推、宣传。如今工商企业对企

业信用数据的公开，就有像天眼查、企查查等这类查询工商企业信息

的网站，通过地址信息确定坐标，进而分析企业的集中地区，找出地

推区域，进而有针对性的进行2B的业务拓展工作。如图则是四川成都

市的食品制造业企业热力图。

通过地图，我们可以清晰的看到成都市食品制造型企业的集中区

域，虽然企业名录可能不够全，但是整体的分布结构是一定的，因而

最终的市场分析结果是可用的。而这也是大数据的概念中的更注重数

据结构，而一定程度的忽略数据质量。

其次，是经营数据，此部分数据多是财务数据，是直接反映企业

经营情况的数据，适用于供应链上各种类型企业。

经营数据主要是财务报表中的收入、成本、毛利等等，一般小企

业多看的是利润表，大企业会看资产负债表和现金流量表。所谓利润

表可以直接反映企业的经营情况，也就是企业是赚了、还是赔了。此

部分主要是财务数据的分析，做经营数据分析的部门一般是公司的财

务部。经营数据主要是收入、成本（直接成本、间接成本）、费用。

其中成本和费用有着一定的关系，因为间接成本中的人力成本增加便

会在一定程度上造成费用的增加。

当然，经营数据的分析有着很多方法，也有很多的管理会计方面

的书籍可以参考。在财务数据分析中，最最基本的就是看财务报表，

常见的财务报表便是三张：资产负债表、现金流量表和利润表。这三

张报表至关重要，而其中逻辑也是纷繁复杂，这部分的数据分析对于

财务人员来说比较专业，但财务电算化虽然已经推行多年，但是其具

体的使用效果也有待提高，更多新的数据分析技术也有待运用到财务

数据分析中。当然也有一些其他的财务分析方法，如图便是著名的杜

邦分析法：

最后，便是运营数据，目前对于运营数据，不同行业的运营数据

分析能力参差不齐，而不同行业对运营一词的定义也有所不同，这类

数据主要是集中在成本控制，客户运营、会员运营等。

例如，对于物流行业来说，大部分企业其实还停留在KPI的搜集

和整理上，没能做到通过数据进行事前预测。除非像京东、苏宁等其

销售段就是自身的物流，可以通过销售情况进行预测。第三方物流的

货量过多依赖于其客户的计划，而客户往往只会给相对的淡季旺季，

而缺少明确的货量预测。大部分企业运营分析相对匮乏，需要建立一

个可视化仪表盘对数据进行实时监控和钻取。

而仪表盘的好坏，最需要注意的便是其内在的逻辑和数据对业务

的帮助，而其实现技术则在其二。目前，仪表盘的实现技术包括

PowerBI、D3.JS、highcharts甚至Excel等等。

道

所谓企业数据分析的道，即为企业数据分析的方法。对于企业而

言，数据分析需要与业务紧密结合，一切脱离业务的数据分析，都是

耍流氓。而要数据紧贴业务，则数据分析人员需要对整个业务流程了

解，明白所有数据的出处、流向。此概念类似于在做企业信息资源规

划（IRP）的过程中的数