编者按：在物流规划设计中，数据分析是一个非常重要的步骤。


如果你不做这些准备，你可能会惊慌失措；注意数据分析，仔细分析，找出规则，与用户充分沟通。


本文作者分析了物流行业数据分析的主要分析。


在进行物流规划设计时，人们往往对设计指标感到困惑，尤其是对新员工；一些设计师不耐烦，急于做计划，画画，不知道该做什么；延迟了很多时间，设计方案要么不知道，要么离开数千英里，对用户是一个很大的伤害。


良好的设计习惯往往是先明确设计目标，了解设计要求后再写。


比如写文章，首先要确定写什么主题，目的是什么，给谁看；然后开始写大纲，反复推敲大纲，找到好的材料和参考资料，然后写；然后反复推敲修改抛光。


否则，写一篇高质量的文章就很难了。


虽然绘画很重要，但它只是一项相对简单的劳动，设计的关键是画什么，表达什么主题，实现什么目标。


设计也是如此，设计方案也是如此；我遇到了很多客户要求评估一个整体方案，这实际上是困难的；关键是：方案是对设计需求的响应，评估方案，首先分析和评估设计目标，这是基础。


数据分析是一项非常严肃和需要专业知识的工作，不仅仅是数据的简单加减排列组合。


我特别反对那些不注重数据分析的客户。


设计指标是基础；如果基础有问题，无论你选择的设备有多好，系统有多先进，都没有用。


事实上，物流仓储系统的规划设计并没有那么困难。


关键是需求要明确；需求可以用数据来描述和定义。


对于一个项目，只有几个关键数据，如收货量、交货量、库存量、拆卸量、SKU等等，不难掌握。


本文将讨论这些最基本的需求。


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 在进行系统描述之前，一定要知道物流的运营当量最终是按小时计算的(当然也可以细化为半小时甚至更小的单位)。


因此，我们所有的物流最终都应该以小时当量计算；然而，从用户那里获得的实际设计指标可能是年度运营计划，如100亿元的年配送——，这是非常重要和不确定的；因为从这个指标中，我们可以看到年度运营天数、日常运营时间、商品价值、仓库库存周转次数等对最终设计有很大的影响；因此，首先要明确这些相关数据。


假设设计纲领是G(年配送目标，亿元)，单箱价格为p，年度总配送箱数为： Q = G/p 假设每年的工作天数是N(天)，每天的工作时间是t，每小时的工作量为： q = Q/N/t 若库存周转天数为D，库存的计算公式如下： W = q*t*D 以上数据关系易于推导，但实际上需要注意的是，不同的操作时间可能会发生变化；例如，在高峰期，每天的操作时间大于正常操作，交货时间有时不同于交货时间，这将增加计算和分析的难度。


在分析具体数据时，还应明确箱与托盘的对应关系。


标准托盘(12000托盘)*假设平均满盘量为1000)n，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、发货或退货，每个操作可能都不一样。


很多时候，如果用户不知道这些差异或表达不清楚，我们应该分享我们的经验或理解，以便双方达成共识。


二、收货相关数据 与收货有关的数据包括到货量(箱)、订单数、车辆装载量、收货区域大小、收货时间、日常收货SKU数等。


车辆装卸时间主要影响站台设计，包括车辆尺寸、负荷重量等。


；一般来说，分析卸载方法和速度，以便详细规划站台的数量。


收货一般比较简单，但也有比较复杂的情况，比如新华书店图书的收货；因为每天到货的品种很多，混包也很多，所以收货要专门处理；有些电商的收货也比较复杂，包括QC对收货区的要求因动作而异。


许多人不太了解高平均值和算术平均值对设计的影响；简单地说，除以一年（或一定时间）的实际工作天数，即平均日收货量，一年中最大收货量，即最大收货量。


在实际设计中，如果按平均值设计，加班天数会很多；如果按最大值设计，工作不全，设备闲置。


因此，设计平均值与最大值之间的一定值一般应根据实际需要确定，交货也存在这种情况。


三、存储相关数据 库存能力对系统设计非常重要，但如何确定库存却非常讲究。


除库存总量W外，还应考虑SKU数字，以及各种存储方式下的库存要求；在许多情况下，仓库的设计并不单一，所以在设计时，有必要知道库存的方式和要求。


一般的存储形式分为两种主要方式： 以托盘为单位存储(分为三维库和平面库两种基本形式)； 以箱为单位存放。


当然还有其他形式，比如包装、麻袋、散料等。


，还有条状物(如钢材)、异形物品(如服装挂装等)。


)，不再详细描述；在设计中，应考虑这两种方法，有时主要是托盘，有时主要是盒子储存，有时两者相对平衡。


当然，计算库存能力与箱规和平均库存天数有关，这是基础。


SKU对库存分配的要求有很大的限制，往往与操作面设计有关；此外，交货量对库存设计也有很大的影响，如拆卸量，对拆卸区域有一定的限制。


库存ABC分析对仓库设计也很重要。


一般情况下，库存ABC分析结果决定了存储形式，ABC不同的业务会有不同的定义，因地制宜；在实践中，通常需要足够的托盘和1/2的托盘SKU及这些SKU对库存比例进行分析，以便做出正确的决策。


随着电子商务的兴起，SKU不断扩大，ABC分析尤为重要；此外，需要注意的一个趋势是，箱式存储越来越受到重视，其比例越来越高，这也影响了库存分析。


在计算存储容量时，人们普遍对库存充满率感到困惑。


一般来说，我们知道托盘或容器不能完全充满，为了满足操作的顺利进行，位置不能完全充满；因此，这两个系数在不同的情况下会有差异，但不应忽视。


四、选择相关数据 订单数量、订单行数和交货量是重要的设计数据。


发货ABC分析也很重要，要注意发货ABC分布与库存ABC它通常是不同的析时要注意区分。


选择环节的设计主要集中在选择、包装和运输上。


因此，选择的细节非常重要；例如，整体出库量、整体出库量和拆卸出库量对设计也非常重要。


一些基本信息也应该清楚，如选择效率、播种效率和包装效率，有些可以通过其他项目经验获得，有些应该实际测量；需要指出的是，测量结果与操作过程、站设计和测量方法有关，有时很难确定准确的结果。


不同的选择方法有很大的效率差异，这是设计中应特别考虑的；事实上，什么样的技术手段对设计结果有很大的影响；在数据分析中应考虑这些问题。


五、发货相关数据 交货方向、数量、车辆形式、工作时间、临时存储时间等数据是交付设计阶段的基础。


众所周知，分拣机的格口不能无限增加；因此，为了控制格口数量，应考虑设计中的波次；一些物流中心的交货区设计很小，平台停车位很少，给交货带来了很大的困难。


集货区的大小与交货波有关——许多小型物流中心每天只安排一次交货，交货区较大；对于大型物流中心，一般按多波组织交货，每波有多波，可大大降低对集货区的需求；设计中应注意。


随着人们对物流的了解越来越深入，装运环节越来越受到重视；因此，在设计中也要与时俱进，考虑自动化系统对送货区的影响。


六、退货相关数据 退货既重要又困难，但容易被忽视。


在一般的数据分析中，退货分析不足；事实上，退货和收货的过程是不同的，主要是因为退货和收货的数据量远远大于普通收货。


退货操作不平衡，波动性大；因此，在数据分析中（实际操作也是如此），退货收货和退货处理应分开，操作时间和数量不相同。


对于退货，其操作流程会影响设计；一般数据分析只提供退货量，包括订单数量、订单线、SKU、数量等。


需要注意的是，退货有两种形式： 终端返回物流中心； 物流中心退回供应商或报废。


两者差别很大，在数据分析中，要分别对待。


七、其它 数据分析非常重要和困难，需要指出的是，经验和专业知识对数据分析非常重要；此外，数据分析结果必须在设计前得到用户的确认。


数据样本的预处理是分析数据的第一步；有明确的规则，哪些数据有效，哪些无效。


消除无效数据是数据分析的关键一步。


当然，除了仔细研究和分析，经验和常识也很重要。


数据应该是典型的，所以数据量不应该太少；例如，全年的数据都在变化，一个季度的数据也在变化；每月、每周、每天甚至每小时的变化，应该有一个系统的分析。


静态和孤立的数据毫无意义，必须与系统环境相关联，这也很重要。


有时，数据分析和方案设计不是一个人，然后需要注意沟通；数据分析不能完全独立，需要与设计方案相匹配，因此每个项目的数据分析重点不同。


数据分析人员至少需要了解设计需求，才能知道如何分析数据，如何从成千上万的数据中找到规则，提取有用的东西。


最后，需要注意的是，数据分析的结果不是直接应用于设计，而是提出设计指标；有些数据变化缓慢，如产品特性、订单结构、项目数量、操作模式等，有些会发生剧烈变化，如设计指标。


除了经验和行业情况的帮助外，关键是仔细分析和找出规则；在这个过程中，充分的研究和与用户的充分沟通尤为重要。


作者：李启方，微信官方账号:数据分析不是问题 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。


本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。


如有侵权行为，请联系网站管理员删除，。