物流行業的數據分析,主要分析什么?

1 評論 21598 瀏覽 73 收藏 15 分鐘

編輯導語:在做物流規劃設計時,數據分析是個很重要的步驟,如果不做這些準備,可能會在做方案時手腳慌亂;注重數據分析,認真分析,找出規律,與用戶充分的溝通。本文作者分析了物流行業的數據分析主要分析什么。

做物流規劃設計時,人們往往對設計指標感到茫然,對新員工尤其如此;有些設計人員比較急躁,一上來就急于做方案、畫圖,結果畫來畫去,就不知道自己到底要做什么了;耽誤了不少時間不說,設計方案要么不知所云,要么離題萬里,對用戶是一個很大的傷害。

一個良好的設計習慣,往往是應該首先明確設計目標,了解清楚設計要求之后,再去動筆。

就比如寫文章,總應該先確定寫什么主題、目的是什么、給誰看;然后才開始寫提綱、反復推敲提綱、找好素材和參考資料,再動筆寫;然后再反復推敲、修改潤色。不然,就很難寫成一篇有質量的文章。

畫圖雖然很重要,但到底只是一種比較簡單的勞動,而畫什么、表現什么主題、達到什么目標才是設計的關鍵。

設計是如此,對一個設計方案的評價也是如此;我遇到很多客戶要求評價一個總體的方案,其實這是很難的;其中關鍵的一點就是:方案是設計需求的響應,對方案進行評估,首先要對設計目標進行分析和評估,這才是根本。

數據分析是一件很嚴肅和需要專業知識的工作,并非僅僅對數據進行簡單的加減排列組合就可以了。

我特別反對那些不注重數據分析的客戶,一項設計,設計指標是基礎;基礎出現問題,你選用的設備再好,系統再先進,也是于事無補的。

其實物流倉儲系統的規劃設計也沒有那么難,關鍵一點是需求要清楚明確;而需求是可以用數據來描述和定義的,一個項目,其關鍵數據也就那么幾個而已,如收貨量、發貨量、庫存量、拆零量、SKU等,并不難掌握。

本文就講一講這些最基本的需求,為了便于理解,主要從物流倉儲的幾個環節進行描述。

一、基礎數據

在進行系統性描述之前,一定要清楚物流的作業當量最后是以小時來計算的(當然還可以細化到半小時,甚至更小單位)。

所以,我們所有的物流量,最終要以小時當量來計算;然而,從用戶那里得到的實際的設計指標,很可能是年度的作業綱領,如年配送100億——這個數據非常重要,卻也是非常不確定的;因為從這個指標推導下來,就會看到,每年的作業天數、每天的作業時間、貨物的價值、倉庫庫存周轉次數等,對最終設計都有很大的影響;所以,這些關聯數據應該是要首先明確的。

假設設計綱領是G(年配送目標,億元),單箱價格是p,則年度總配送箱數是:

Q = G/p

假設每年作業天數是N(天),每天工作時間是t,則每小時的作業量是:

q = Q/N/t

如果庫存周轉天數為D,則庫存量的計算公式如下:

W = q*t*D

以上的數據關系都很容易推導,但在實際中要注意的是:不同的作業,其作業時間可能是變化的;如高峰時期每天作業時間要大于平常作業,發貨時間有時也與收貨時間不同等,會增加計算和分析的難度。

在進行具體數據分析時,還要明確箱與托盤的對應關系。

托盤一般選擇標準托盤(1200*1000),假設平均的滿盤量為n,則庫存托盤數應為:

P = W/n

當然,在描述具體數據時,要區分收貨、發貨還是退貨,每一個作業也許是不一樣的。

很多時候,用戶是不清楚這些差異的,或者表述不清楚,那么我們就應該將自己的經驗或理解進行分享,以便雙方達到認識的一致。

二、收貨有關的數據

與收貨有關的數據,包括到貨量(箱)、訂單數、車輛的裝載量、收貨區域大小、收貨作業時間、每天收貨SKU數等。

車輛的裝載量和卸載時間主要對于站臺設計有影響,包括車輛大小、載重量等;一般情況下,還要分析卸貨的方式、速度,以便詳細規劃站臺的數量。

收貨一般是比較簡單的,但也有比較復雜的情形,比如新華書店圖書的收貨即是如此;因為每天到貨的品種很多,還有大量混包的情形,因此收貨要進行專門的處理;有些電商的收貨也比較復雜,包括要進行QC等動作,對收貨區的要求就不一樣。

很多人對高點平均值和算術平均值對于設計的影響不甚了解;簡單來說,將一年(或一定時間)的收貨量除以一年(或一定時間)的實際工作天數,即得到平均每天收貨量,一年中最大收貨量的一天,即最大收貨量。

在實際上設計中,如果按照平均值設計,則使得加班的天數會很多;如果按照最大值進行設計,則會出現工作很不飽滿,設備閑置的現象。

因此,一般取平均值和最大值之間的某個值進行設計,具體要根據實際需要確定,發貨也有這種情況。

三、儲存有關的數據

庫存能力對系統的設計非常重要,但如何確定庫存卻是非常有講究的。

除了庫存總量W以外,還要考慮SKU數,以及各種存儲方式下的庫存要求等;很多情況下,倉庫的設計并非是單一的,所以,設計的時候就要清楚庫存的方式是什么、有什么要求。

一般的儲存形式分為2種主要方式:

  • 以托盤為單位儲存(分為立體庫和平面庫兩種最基本形式);
  • 以箱為單位儲存。

當然還有其它形式,如包裹、麻袋、散料等,也有條狀物(如鋼材)、異形物品(如服裝的掛裝等)等,不再詳述;在設計中,這兩種方式都要考慮,有時以托盤為主,有時以箱儲存為主,有時兩者比較均衡。

計算庫存能力當然與箱規有關,也與平均庫存天數有關,這是基礎。

SKU對庫存分配的要求有很大的制約作用,往往與作業面設計有關;此外,發貨量對于庫存設計也有非常大的影響,如拆零量,就要求對拆零區有一定限制。

庫存ABC分析也是非常重要的,對于倉庫設計起到重要作用。

一般情況下,庫存ABC分析結果決定了儲存形式,ABC的定義將隨著不同業務有所不同,要因地制宜;實際操作中,往往要對夠托盤,夠1/2托盤的SKU及這些SKU所占庫存比例進行分析,以便正確決策。

隨著電子商務的興起,SKU不斷擴大,ABC分析尤其重要;此外要注意的一個趨勢是,箱式存儲方式越來越受到重視,其占比越來越高,也影響庫存的分析。

再計算儲存能力時,人們普遍對庫存充滿率感到困惑。

一般情況下,我們知道,托盤或貨箱并不能完全被充滿,而為了滿足作業的順利進行,貨位也不能完全被充滿;因此,要留有余地,這兩個系數在不同的案例中會有差異,但都不應該忽視。

四、揀選有關的數據

揀選的訂單數、訂單行數、發貨量是比較重要的設計數據。

發貨ABC分析同樣重要,要注意的是——發貨ABC分布與庫存ABC往往是不相同的,分析時要注意加以區分。

揀選環節設計關注的主要是揀選、包裝和輸送問題,因此,有關揀選的細節問題就非常重要;如:整盤出庫量、整件出庫量和拆零出庫量,這三個參數對于設計也是非常重要的。

一些基礎信息也是要清楚的,如揀選效率、播種效率和包裝效率等,有些可以通過其它項目經驗獲得,有些應進行實際測量;需要指出的是,測量結果與作業流程、工位設計以及測量方法有關,有時很難確定一個準確的結果。

不同的揀選方法其效率差異很大,這是設計要特別考慮的地方;事實上,采用什么樣的技術手段,對設計結果影響甚大;這一些問題,在數據分析時,就應該有所考慮。

五、發貨有關的數據

發貨路向、數量、車輛形式、作業時間、暫存時間等數據是發貨設計階段的基礎。

眾所周知,分揀機的格口不可能無限增加;因此,設計中應考慮波次問題,以便控制格口數量;有些物流中心的發貨區設計很小,站臺停車位很少,給發貨造成很大困難。

集貨區的大小與發貨波次有關——很多小的物流中心,每天只安排一次發貨,其發貨區就要大一些;對一個大型的物流中心來說,一般要按照多個大波次組織發貨,每個大波次還有若干小波次,由此可以大幅度降低對集貨區的需求;這在設計中是要注意的。

隨著大家對物流認識越來越深刻,發貨裝車環節越來越受到重視;因此,設計中也要與時俱進,考慮自動化系統對發貨區的影響。

六、退貨有關的數據

退貨很重要也很困難,但容易受到忽視。

在通常的數據分析中,退貨分析也是不充分的;事實上,退貨與收貨的過程是不一樣的,這主要是因為退貨收貨需要處理的數據量遠遠大于普通收貨。

退貨作業不是均衡的,有很大的波動性;因此,在數據分析中(實際作業也是如此),要將退貨收貨與退貨處理分開來,其作業時間和作業量都不會一樣。

對退貨來說,其作業流程對于設計會產生影響;一般數據分析僅僅提供退貨量即可,包括訂單數、訂單行、SKU、數量等。

要注意的是,退貨有兩種形式:

  1. 終端退回到物流中心;
  2. 物流中心退回供應商或者報廢處理。

兩者差異是很大的,在數據分析時,要分別對待。

七、其它

數據分析很重要,也有一定難度,這是需要指出的,經驗和專業知識對于數據分析很重要;此外,數據分析結果必須得到用戶確認才能用于設計。

對一個數據樣本的預處理,是分析數據的第一步;什么數據是有效的,什么是無效的,要有明確的規則。

剔除無效數據對于數據分析是很關鍵的一步,當然,要做到這一點,除了認真調研和分析外,經驗和常識也很重要。

數據要有典型性,因此,數據量不能太少;比如,一年四季的數據是變化的,一個季度之中的數據也是變化的;每月、每周、每天,甚至每個小時的變化如何,要有系統的分析。

一個靜止的和孤立的數據是沒有意義的,必須與系統環境相關聯,這一點也很重要。

有時,數據分析與方案設計不是一個人,這時就需要注意溝通;數據分析不可能完全獨立進行,它需要與設計方案相匹配,正因為如此,每個項目的數據分析的重點也是不一樣的。

數據分析人員至少要對設計需求有所了解,才能知道如何分析數據,如何從成千上萬的數據中找到規律并抽出有用的東西。

最后要說明一點的是:數據分析的結果并不是直接應用于設計,而是要據此提出設計指標;其中有些數據的變化是比較緩慢的,如產品特點、訂單結構、品項數、作業方式等,有些卻會變化劇烈,如設計指標等。

這些除了經驗、行業情況能夠提供幫助外,關鍵的是要認真分析,找出規律;在這個過程中,充分的調研,與用戶充分的溝通尤其重要。

 

作者:李啟方,公眾號:數據分析不是個事兒

本文由 @李啟方 原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 庫存量的計算公式如下:

    W = q*t*D
    請問庫存量的單位是什么呢?還有如果我是成品油行業中轉貿易商的話,D該怎么計算呢,是以車輛在押時間算,還是以我再次去拉油的時間算呢?

    來自黑龍江 回復