大數據是信息時代的典型特征，即通過收集、輸入、儲存、管理、分析對傳統數據進行整合，在互聯網的發展中其重要作用。目前大數據已經應用在很多領域中，并影響著各行各業，也有越來越多的行業開始關注大數據，例如“菜鳥網絡”的建設就是阿里巴巴公司旗下物流行業應用大數據的典型案例，通過在電商平臺和消費者共同進行商品時間的預算和運輸，這就需要大數據的計算和支持。

那么物流行業究竟如何如大數據聯系起來？有哪些重要的數據指標？如何利用數據分析提升效能呢？

01、物流行業常見的五類指標

數據也稱觀測值，是實驗、測量、觀察、調查等的結果，常以數量的形式給出。現代物流系統是一個龐大復雜的系統，包括運輸、倉儲、 配送、搬運、包裝和再加工等諸多環節，每個環節信息流量十分巨大，產生了巨大的數據流。對物流數據加以分析能夠幫助物流企業及時、準確地收集和分析客戶、市場、銷售及整個企業內部的各種信息，對客戶的行為及市場趨勢進行有效的分析，了解客戶各自的偏好，了解企業內部物流問題的關鍵所在，從而在提高服務質量和物流效率的同時，降低企業物流成本，這就是物流行業的數據指標的意義所在。

物流行業的常見數據指標，大致有收貨數據，儲存數據，挑選數據，發貨數據，退貨數據這5類。

1、收貨指標數據

收貨數據，包括到貨量，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。

2、儲存指標數據

貨物儲存是一個十分重要的運輸過程，庫存能力對系統的設計非常重要，但如何確定庫存是非常有講究的。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）和以箱為單位儲存。

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。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。

3、挑選指標數據

挑選分揀數據，包括挑選的訂單數，訂單行數，發貨量，整盤出庫量，整件出庫量，拆零出庫量是比較重要的。

在挑選管理貨物的時候，物流行業有一個非常重要的ABC分類法，根據貨品的重要程度把貨品歸為A、B、C三類，進行分別管理：

A類貨品：品種比例在10%左右，占比很小；但年消耗的金額比例約為70%，比重較大，是關鍵的少數，需要重點管理。
B類貨品：品種比例在20%左右；年消耗的金額比例約為20%，品種比例與金額比例基本持平，常規管理即可。
C類貨品：品種比例在70%左右，占比很大；但年消耗的金額比例在10%上下，此類物品數量多，占用了大量管理成本，但年消耗的金額很小，只需一般管理即可。
在管理倉庫的時候，拿出主要精力處理主要事情，不是說不去管理B類、C類的貨品。

在B類、C類貨品中也有相對重要和次要的貨品，可以循環使用ABC分類法進行分類管理，有利于減少庫存，節約管理費用，從而降低管理成本。

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。

4、發貨指標數據

在發貨階段，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。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。

5、退貨指標數據

退貨數據不是均衡的，有很大的波動性，相關的數據有訂單數，SKU。

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會不一樣，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。

02、物流行業數據分析的四大環節

數據分析是指用適當的統計方法對收集來的大量第一手資料和第二手資料進行分析，以求最大化地開發數據資料的功能，發揮數據的作用；是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。而具體到物流行業則是因為物流的覆蓋范圍很大，從物料計劃、采購、倉庫、生產計劃、配送中心和進出口，都是數據密集的部門，都需要對數據進行匯總分析并對運作進行安排的關鍵部門。總的來說，物流行業的數據分析有以下4個環節：

1、采購環節

采購是物流中不可忽視的重要環節之一，原材料的獲取是企業生產的基礎，一個好的全面的采購分析對于領導制定下一步采購策略是至關重要的。而在這里遇到的問題是，如何在如此龐大的供應商中選擇適合企業自己的，如何把握好供應商的產品質量，以及業務員績效如何評價等等問題。對采購環節的數據分析可實現供應商信用評價、業務員績效考核等決策分析, 幫助企業為后續生產、銷售等環節的順 利進行打下堅實的基礎, 為最終產品在質量和成本上的定位提供科學的依據。

基于以上的問題，在采購環節的數據分析具體步驟如下：

首先是在采購價格上進行數據分析，分析價格波動規律，以及尋找出可能的商機。對采購商進行供應信用等級分析,從交付 日期、質量、數據和價格等方面評估供應商的表現。這些數據可以從企業的財務，庫存等部門獲得。對物品延遲交貨情況進行分析，對可能影響整個供應鏈的因素進行抑制，防止造成更大的損失。對采購項目中某種物料下一時期的需求進 行分析，依據物料長期以來的采購情況，找出規律，進行預測，從而幫助相關決策者作出正確的決策。采購成本差異分析，找出其中采購成本波動的原因，是因為質量問題，還是因為交通運輸等問題造成的成本差異，從而從根本上解決采購成本波動的問題。

2、銷售環節

數據分析在銷售環節應用的非常多，在現代企業的戰略寶典中，提高銷售利潤總是重中之中。現代物流中，已由傳統中推式生產轉為拉式生產，如何把握客戶不斷變化的需求，更好的滿足顧客需求已經成為每個企業必要思考的問題。銷售處于供應鏈的最下游，也就是最能得到顧客需求信息的環節，決策者如何準確、及時捕捉到銷售信息，分析銷售情況,隨時根據歷史的銷售情況,對下一步的生產經營科學地進行決策，成為企業是否能領先于競爭對手，保持企業生命活力的重要環節。

銷售分析需要的基礎數據主要來源于銷售、庫存、財務和人事等。對于零售物流等，大部分來源于POS終端系統所反映出來的信息情況。但實際中，由于銷售數據分析也是最煩瑣的一塊，利用率也常常不及 20%，如何能更好的利用這些有用的數據，成為我們研究的對象。專職銷售的企業數據分析：如超市，連鎖店等。在銷售商品數據中，哪些商品具有相關性，比如某些客戶 在買了牙膏之后都會買牙刷。這是比較顯性的相關，也有些是不明顯的相關，比如某些客戶購買了衛生紙產品后也會購買啤酒，這個就需要分析人員對其調查分析，這樣就可以更好的幫助企業提供更好的服務，也可以更好的進行促銷等活動。

在大量的銷售數據中，找到那些貢獻值最大的數據，也就是常說的“二八”原則，20%的產品，銷售額卻占到總銷售的 80%以上，對這一類產品需要重點關注。對某類商品的特殊銷售情況進行分析，在銷售數據中，可能發現某類商品銷售走向發生重大變化，對該類商品給予關注，找出原因，更好的進行采購。對滯銷商品進行統計分析，找出哪些商品滯銷，為什么滯銷，有什么好的方法處理這些滯銷商品等等。這些銷售數據都可以進行分析，以便更好的實行CRM（客戶關系管理）。多角度分析銷售成績，根據銷售數量，銷售金額，或者是為某新產品打開市場等等角度來對銷售員進行銷售數據分析，并據此展開績效管理工作。

3、運輸環節

運輸起著消除物流生產地與消費地之間空間錯位的作用，運輸在物流中通常占有大量成本，并且難以控制，給企業帶來了不小的風險，如何更好的改善運輸狀況，是物流企業中考慮最多的問題。建立智能交通系統，通過 GPS與 GIS等先進的物流信息技術，對整個運輸情況進行跟蹤處理，防止運輸過程中可能遇到的各種問題。同時通過GPS通信導航，可以為車輛提供及時的路面信息與道路狀況，為其選擇最佳路線與實時導航，也可以對公司內部所有車輛的運營數據，如GPS定位跟蹤數據、車輛的行駛時間、行駛距離、完成的噸公里數進行分析，以其發現內在的規律，從而更有效地進行企業的物流運輸規劃。

4、財務環節

對物流企業財務環節進行數據分析，可以滿足企業領導對各業務部門費用支出情況查詢的要求, 并實現了對應收款、應付款的決策分析，綜合改善企業的財務運行狀況。對物流企業財務環節進行數據分析，還包括分析各種材料成本在產品總成本中所占的比重，分析其與實際生產情況是否相符，存在什么樣的差距以及產生這種差距的原因，從而發現采購活動中可能存在的漏洞。對物流企業各部門的財務數據進行分析，發現其可能存在的壞賬，以及不正常金額出入情況，發現企業的不正常運作，為管理者更好的管理下面分屬企業提供決策支持。

物流企業財務環節數據分析，不應僅局限于本公司內部，還應該擴展到客戶與供應商甚至整條供應鏈上的各節點的財務數據。如對客戶財務交易情況進行數據分析，比如客戶的 欠款時間，欠款次數，金額等等，以此為依據建立客戶信用等級，為客戶管理提供參考數據。對供應商的財務交易數據進行分析，甚至對其采購情況、收支情況以及財務健康情況進行數據分析，從而更好的選擇財務穩健、信譽良好的供應商，從而提高企業自身的競爭力。

03、億信華辰物流行業數據分析解決方案

下面小億以億信華辰為某國家級研究所搭建的物流中心倉儲信息大數據平臺為例為大家講解億信華辰的物流行業數據分析解決方案。該案例主要是以億信華辰的指標管理平臺和大數據實時分析平臺兩種產品為主搭建的倉儲信息大數據平臺。

為建立物流中心倉儲信息大數據平臺，承載運營管理過程中需要收集、統計的倉儲數據，支持倉儲管理人員的日常工作，提升數據應用價值，該研究所18年下半年開始著手搭建倉儲管理系統。平臺建設充分考慮業務需求，滿足靈活的數據查詢及分析需求，用戶可針對系統內的指標、維度進行項目信息查詢。完善倉儲管理信息化系統，突出效率管理、時間管理和流程運行管理，針對物流過程和物流數據實現鉆取、穿透分析，建立物流中心倉儲信息的數據分析體系。

（1）平臺方案

（2）建設目標

1）物流大數據量的報表自動化生成
2）庫存物資全面分析與預警
3）年度庫存指標分析與預測
4）物流指標模型探索與分析
5）建立大數據分析應用標準

（3）建設內容

1）庫存關鍵指標
自動生成庫存關鍵指標主界面。

（以上為演示數據）

2）公共庫存分析
通過大數據分析的方法，將每一筆公共庫的來源區分清楚，找到產生的領域、項目和申請人，將這些數據按照一定的規則存儲在大數據平臺，數據分析的時候按照指標要求直接提取加工后的數據進行展現，方便又快捷。同時，可以對指標進行鉆取和穿透，可以通過公共庫存類別一直追溯到最初的源頭，包括產生的領域、項目和申請人，為有效解決公共庫存提供決策依據。

3）庫存指標分析
系統還實現了多角度的庫存結構分析、庫齡分析、周轉率分析、物流工作效率分析等，物流部門可以隨時掌握物流的各項指標，了解庫存的情況。

4）預警管理
復檢預警、報廢預警、積壓預警等預警數據每天自動生成，自動提醒，不需要再加工。

5）看板管理分析
系統抽取了物流作業的單據、操作人、操作時間，并計算出整體的作業效率看板，可以穿透到每一個人。同時對超期的任務進行預警，方便及時發現問題、解決問題，提升內部作業效率。
該項目基于大數據平臺和ERP，把物流應用經驗推廣到其他業務部門，為該所每個部門設計一套指標分析體系，并通過大數據平臺自動進行數據加工和展現。為高層領導設計整個所的指標體系和分管板塊的指標體系，通過大數據平臺自動進行數據加工，通過電腦或者大屏進行展現。

04、小結

在物流行業，統計方法及數據分析大多只到描述統計階段，即通過圖表展示一些數據指標。數據分析如何深入應用，仍然亟待思考與探討，故而物流行業的數據分析仍然需要大量的實際應用去尋找方向。