電商O2O供應鏈系統實操記錄——數據統計模塊
此系列文章主要是根據作者自己所在公司的業務模式,介紹供應鏈系統整個設計過程的思路、方法和核心要點。本文所講的內容是數據統計模塊。
電商、O2O行業的產品線中,后端的業務支持系統占據了很大的比重,比如訂單系統、供應鏈系統等。供應鏈系統是為公司提供商品進銷存業務的管理系統。大部分以交易為核心業務的公司,都有自己商品進貨發貨的供應鏈業務,供應鏈系統是公司供應鏈業務的支持,是公司后臺產品線重要的一環。
作為一個后端產品的產品經理,日常工作的核心在于深入地挖掘業務,梳理流程,產出模塊化的系統設計方案,和C端產品有著不小的差別。該系列主要寫我在公司設計供應鏈系統的實操記錄,根據我所在公司的業務模式,介紹供應鏈系統整個設計過程的思路、方法和核心要點。由于供應鏈具體的業務和流程每個公司不一樣,因此這些內容僅供參考。
一、業務模式
在前面寫的采購模塊的文章中,已介紹了公司的基本業務模式,可移步參考。
二、為什么要單獨寫數據統計
我前面寫了兩篇,分別介紹了采購和調撥。寫完后我發現單純描寫一大堆業務流程意義不大,一是因為那些是供應鏈系統們共有的東西,已經被很多文章寫過了;二是因為流程只是基礎支持,不能體現一個供應鏈系統對公司業務的價值。
電商、O2O領域的供應鏈系統,其核心價值有兩點:
- 一是管理,通過規范化的流程、庫存和成本規則,將公司的資產(貨和錢)算清楚;
- 二是數據,通過各項業務數據的統計分析和智能計算,提高庫存流轉的效率和準確率。
作為業務方的供應鏈部門,數據的統計分析是他們的日常工作。倉管和采購的很多決策和管理,都需要依照數據進行。如果系統只有基礎的業務流程操作,那么業務方只能手工導出明細,來人肉計算各項業務數據。
這樣的話,第一,他們會在統計數據上花費大量的時間,數據不一定準,不同部門之間的數據口徑會存在不一致。并且當數據量越來越大,導出明細這件事情會越來越困難;第二,作為后臺產品,準確、即時、智能的價值無法體現出來,一些實時的數據變化靠人工不一定能統計到。
所以,在基本的業務流程之外,提供一些數據統計分析方向的功能,包括核心業務數據的統計報表,和一些數據的智能計算,是供應鏈系統能為公司實際業務帶來的價值。
本文就簡單介紹一下電商、O2O領域的供應鏈后臺系統中,會有哪一些較為常見的數據統計分析功能。
三、數據對業務驅動的幾個階段
不同于基礎流程和業務功能,數據統計部分不是一上來就有的,而是會在迭代的過程中,先通過業務操作積累基礎數據,再將統計功能逐個上線。從產品迭代的角度來看,數據對業務的作用,大致會經過三個階段:
(1)基礎數據積累
在產品上線的早期,先通過實現各項業務流程,完成業務各環節基礎數據的收集、積累,保證數據正確,不遺漏。通常這個時候的系統還是處于補全各業務模塊的階段,業務方的數據分析工作,先通過實現明細記錄的查看、導出功能,保證數據能夠被下載下來即可。
(2)數據統計報表展現
核心業務流程已經運轉起來之后,在保證數據本身正確的前提下,可以逐步實現各項核心業務數據的統計和展現。
統計報表的價值:
- 第一,在于提升了業務方的統計效率和準確度,不用手工計算;
- 第二,通過系統實現統一的數據計算規則和查詢出口,避免各個部門間數據各自算數據、口徑不一致的情況;
(3)業務流轉半自動化
當業務成熟后,可以借助基礎數據,智能計算各項業務數據,實現供應鏈系統的半自動化。
智能計算的價值同樣有兩點:
- 第一,系統計算肯定比人工準,可以提升業務決策的準確率,避免庫存缺貨或者浪費;
- 第二,發揮系統的即時性,對庫存情況進行實時調配和數據更新,這一點僅靠人工無法實現。一些電商領域的大公司比如京東等,靠的就是全自動化計算實現的高效供應鏈體系,因此這是供應鏈后臺產品最大的價值所在。
拿我接觸過的供應鏈系統中采購模塊舉個例子。
- 在第一階段,上線整個采購的標準流程,借助采購、發貨、收貨、入庫等各環節的操作,把采購申請量、供應商發貨量、質檢合格量等過程數據收集起來。同時做一些采購入庫明細的導出功能,先滿足早期的數據統計需求。
- 第二階段,借助基礎數據完成一些業務方需要的統計報表功能,比如采購成本統計、供應商良品率統計、供應商滿足率統計等,讓采購部門能夠直觀地通過數據,對采購的成本支出,和供應商的質量做管理。
- 第三階段,系統結合當前庫存、庫存需求預測量、供應商良品率等數據,在每次采購時,通過公式計算需要采購的數量,給到業務方合適的采購方案。
當然以上的三個階段不是要整個系統嚴格按照次序進行,要分不同模塊、不同類型需求來看。有些比較關鍵的數據計算,比如安全庫存,可以在系統上線的早期就實現。
四、幾種常見的業務數據統計功能
本節從供應鏈業務的目標方向入手,簡單介紹幾種比較常見的數據統計報表功能。從產品角度而言,這幾項數據需求相當于上一節寫的第二階段。不過供應鏈數據統計的業務,不同公司的業務形式、數據計算規則會有差別,不能生搬硬套,我分享下我接觸過的業務數據,僅供參考。
1. 倉庫效率分析方向
倉管人員日常會對倉庫的庫存效率進行統計以及考核,需要分析庫存的流動性是否足夠強,庫存呆滯、損壞的損耗是否足夠低,發貨效率是否足夠高等等。
常見功能:
1)庫存周轉率/庫存周轉天數統計
庫存周轉率/天數是個比較常見的倉庫考核指標,指得是某一時段內貨物周轉的次數,它能從財務的角度反應供應鏈的流動性、資金占用情況。庫存周轉需要控制在一個合理的范圍內,一般來說,周轉率高說明流動性強,存貨占用水平低。
計算規則:
庫存周轉率(次)=該期間內庫存消耗金額/[(期初庫存金額+期末庫存金額)/2]
庫存周轉天數(天)=該期間的天數/庫存周轉率
庫存周轉天數通常會按月或按年統計。按月統計,該期間的天數即為30,按年統計即為360。
其中,庫存消耗金額、期初庫存金額和期末庫存金額是基礎數據。期初和期末庫存金額指的是某個時間點的實時庫存情況,系統需要在某些固定時刻(比如每月1日0點)保存下庫存明細快照,再提取數據用于統計。
形式:
業務方需要每個月的庫存周轉數據,并對比變化趨勢。因此我們時間維度上提供按月查看的選項,并顯示逐月的趨勢圖用于直觀對比。
界面大致如下:
2)呆滯庫存數量和占比統計
呆滯庫存,指的是一件貨品入庫后,留在倉庫中超過一定時間沒有出庫的情況。如果有庫存長時間沒有出庫,會造成庫存積壓,對流動性和成本產生影響。因此呆滯庫存數量越低越好。
計算規則:
呆滯庫存數量=入庫時間超過N天的庫存數量(N為呆滯定義的天數)
每個庫存的入庫時間為基礎數據。
2. 成本分析
供應鏈的采購和倉儲業務,都和公司的財務強相關。成本相關的統計,會被用于采購對供應商價格的管控,倉庫對庫存金額的統計,和財務對公司資產的成本計算,有些公司老板也會親自看部分庫存的成本。
常見功能:
1)采購成本統計
采購成本統計是根據每個時間段內所有批次的采購結算業務,來計算每個SKU在各個供應商的采購成本。它能體現當前實時的市場價格,和一段時間內的價格趨勢變化。
采購成本會被公司的采購、財務部門用于做與供應商的財務結算管控。此外,很多公司核算庫存成本時,會直接取采購的結算價作為庫存成本,或者參照當前實時的市場價,因此采購成本統計也會被用于倉庫計算成本。
計算規則:
選定時間范圍和供應商,某SKU平均成本=采購結算總金額/采購入庫總數量。
形式:
業務方需要當前(當月)的實時價格,以及之前每個月的價格變化趨勢。因此界面上提供時間、供應商維度的篩選,以及按月的趨勢圖。
3. 供應商質量分析方向
在采購業務中,采購人員會對供應商的質量進行分析,包括各家供應商采購的需求是否能滿足,質量合格率是否夠高,到貨時間是否及時等,并根據各項分析的結果進行后續采購業務的供應商調整,以及采購數量分配。
常見功能:
1)供應商發貨滿足率
向供應商下采購單后,供應商可能會出現缺貨,或者到貨不及時的情況,采購發貨的滿足率體現了各家供應商多大程度能滿足我們的需求,業務方需要實時統計每個采購批次的到貨情況,以便做調整,以及作為供應商評價的依據。
計算規則:
一段時間內,某供應商發貨滿足率=采購收貨總數量/采購訂單總數量;
時間維度上,還可以選取幾個時間點(當天、一天內、兩天內),實時統計當前進行中的采購批次的滿足率。
2)供應商質檢合格率
向供應商采購商品后,公司的質檢團隊會對這批貨品進行質檢,質量不合格的需要退回去。商品質檢的合格率體現了各家供應商的商品質量,供應商的評價,以及采購數量的制定,都需要參考合格率數據。
計算規則:
一段時間內,某供應商商品合格率=質檢合格入庫數量/采購收貨總數量
五、幾種常見的數據智能計算功能
本節簡單介紹幾種比較常見的數據智能計算功能。從產品的角度而言,這幾項數據需求相當于上一節寫的第三階段,發揮后臺產品的特點,將數據挖掘出價值,反過來提升業務本身,提高供應鏈實際業務決策的準確性、即時性。
具體的方向,可以簡單地概括為計算過去,管控當下,預測未來。通過過去庫存消耗情況的統計,進行當前實時庫存的管控,和未來庫存需求量的預測,并根據需求量智能計算訂貨、采購最優的方案,給到業務方參考。以上這些需求的價值在于盡可能優化庫存成本,減少庫存積壓、浪費的損失,避免缺貨的情況發生。
我對供應鏈業務流轉半自動化的定義,是系統能智能給出以上數據的計算和調配方案,給到業務方輔助決策。供應鏈系統再高一層是自動化,即不用人工操作,達到這個標準的都是成熟的大公司。
下文列舉幾種常見的數據功能,并給出我現在所接觸的業務計算規則。由于不同公司的業務形式有差別,而且各項數據計算的規則跟業務的相關性更大,因此以下內容僅供參考。
(1)庫存消耗情況統計
庫存消耗情況是對過去一段時間內的計算,針對各個地區倉庫的各個SKU,被訂單消耗的數量。這項數據會作為很多統計功能的基礎數據,安全庫存、庫存預計消耗、以及訂貨和采購計劃,都需要參考過去的消耗情況來計算。
計算規則本身比較簡單,統計下單數量、訂單消耗數量兩項即可。通常業務方需要觀察每類SKU消耗的時間趨勢,和類別、城市占比,因此在產品設計上可以通過統計圖等形式,進行更直觀的展示。
(2)安全庫存計算
安全庫存是最為常見的數據計算需求。安全庫存可以看做庫存的閾值,是為了預防不確定性的缺貨而預留庫存數量。正常的庫存水平需要維持在安全庫存以上。當實際庫存低于安全庫存時會發生庫存預警,需要通過調撥、采購等業務補充庫存,以避免缺貨的情況。
安全庫存的數值,通常是通過庫存預計的需求量,和到貨周期的時間等基礎數據計算得到。具體計算規則每個公司因不同的業務形態會有差別,我接觸過的業務計算規則如下:
各倉庫安全庫存數量=上周庫存消耗量的平均值 × 到貨周期(到貨周期每個SKU需要獨立配置)
安全庫存數值每周一0點自動更新。
(3)庫存預計消耗情況統計
庫存預計消耗天數是根據過去的庫存消耗情況(或者對未來的需求預測),計算當前實時的庫存量預計能消耗多久。這項數據可以反應當前庫存的情況,給公司各個部門參考,看是否有庫存嚴重不足需要盡快補貨,做運營活動的庫存數量是否足夠,節假日準備的庫存數量能支撐多久等。
計算規則:
庫存預計消耗天數=(當前庫存量+當前在途庫存量)/過去一周內日均庫存消耗量。
(4)需求預測
需求預測是通過庫存過去的消耗情況,利用一些公式算法,對未來的庫存消耗量進行預測。比較常見、簡單的做法是通過過去一段時間內的庫存消耗情況,預測接下來的庫存需求量。需求預測數量會作為采購和分倉訂貨的參考值。業務方會有專門的物控計劃員(簡稱pmc)來做這個事情。
我所在公司業務的波動跟星期相關,因此業務方會按周計算需求量,計算規則:
下周預計需求量=過去4周內,周消耗量的平均值
進一步擴展,需求預測有分長期、短期,定性、定量等。一些大公司的需求預測業務會有較多的因素,規則比較復雜,會考慮過去時間段的權重、季節性的變化、或者不同類型的趨勢等,這里就不展開了。
(5)訂貨計劃數量計算
訂貨指的是各城市的分倉向總倉發出訂貨申請,由總倉調撥的業務,是庫存流轉的源頭。
訂貨的要求是滿足接下來幾天的庫存需求,并保證在安全庫存之上。訂貨的SKU和具體數量,需綜合考慮當前的庫存量、安全庫存量、庫存消耗情況和需求預測值,計算得出。
需求預測值按周計算。訂貨的時間由業務方根據公司業務情況,設置固定的時間,比如每周一三五,然后每批次訂貨時,再將周需求預測值,根據實際業務情況拆分到每天。
計算規則:
下周訂貨數量=下周需求預測量 + 安全庫存量 – 當前庫存量 – 當前在途庫存量
每批次的訂貨可以進行微調。
(6)采購計劃數量計算
采購部門收到物控計劃員的需求預測后,分配到每家供應商,制定采購的SKU和具體數量。采購計劃數量,需要在需求預測值的基礎上加上供應商的質量合格率,讓實際入庫的數量和需求量相等。選取供應商的時候,要綜合考慮供應商的滿足率、發貨時效,以及當前價格,制定一個合適的供應商采購方案。
采購計劃按周進行,每周給到供應商采購單,供應商再在周中逐批次發貨。
計算規則:
各供應商的周采購計劃數量=下周需求預測量 ?× 該供應商采購比例 / 該供應商質量合格率
供應商采購比例,由采購人員自行制定。
半自動化的供應鏈系統,除了以上的數據計算之外,還有庫存的智能調度、分配、缺貨實時跟蹤方向的事項。那一塊的規則涉及到比較復雜的策略算法,本文不再深入了。
相關閱讀
#專欄作家#
潘帕斯雄鷹,人人都是產品經理專欄作家,進擊、踩坑中的產品狗一枚,關注互聯網,寫過小說,看過哲學。簡書:潘帕斯雄鷹。
本文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。
專欄作家
潘帕斯雄鷹,人人都是產品經理專欄作家,進擊、踩坑中的產品狗一枚,關注互聯網,寫過小說,看過哲學。簡書:潘帕斯雄鷹。
本文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。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
sku不是細分到手機是64g內存還是128g內存嗎
額
你這個是spu不是sku吧
原型中sku只是編號,那能一眼看清楚哪個是哪個商品啊看的一臉懵逼吧
你這個4.1.1里面 庫存周轉率的計算公式和例子中的數據差了一個期初+期末除以2,是公式錯了還是例子錯了。
厲害了我的哥