借助數據思維,讓你的物流效率更進一步

近期,豐巢收費的“連續劇”惹人關注,最新消息,豐巢已經調整收費策略,將免費保管的時間延長6個小時、贈送一個月會員、寫字樓周末節假日免費。至此,此前“抵制”的小區已經握手言和重新啟用豐巢快遞柜。


快遞柜作為現在人社會生活的重要組成部分,已經在一二線城市的大量上班族日常生活中驗證為剛需,而它更是作為物流行業的“最終客戶端”起到提升物流周轉效率、節省人力成本的重要作用。

說到這里就不得不講講物流行業。2020年新冠肺炎疫情期間,物流配送成為保障民生的關鍵一環,不論是跨省市運送醫療物資、社區周邊配送生鮮和生活用品,還是線上消費激增產生的大量需求,物流行業可以說全方位展示了其在全國范圍內安全有效傳遞物品的能力。

2020年物流行業數據尚未出爐,而2019年度數據顯示, 2019年社會物流總費用約為14.1萬億元,較2018年同期增長6.0%,從增速角度講是呈下降趨勢的。物流行業從業者紛紛認為,從運輸、配送、跨境、物流服務等環節拆分看,物流行業供應鏈服務能力依然有很大的改善空間,并開始思考提高物流效率的方法;思考如何做到成本最優、資源最;思考如何持續改進,不斷優化……今天我們就來從物流行業面臨的現狀出發,說說物流行業的數據思維。

一、物流行業公司面臨的現狀

雖然我國社會物流總費用的增速可能放緩,但總量仍然處增長態勢,在中國物流業總量和增量持續增長的過程中,我們發現中國物流業總成本仍然偏高,中國物流行業長期存在著組織效率低、信息不對稱等問題。


隨著時間的推進,行業長期存在的問題越發凸顯,它們將進一步加劇物流服務供給和需求之間的矛盾。

因此,改變物流行業傳統經營模式、提升物流行業運行效率、降低社會物流費用的變革需求日趨強烈。進一步降低社會物流總費用是促進社會經濟高質量發展的重要保障之一?偟膩碚f,物流公司往往存在以下問題:

①貨源不穩定,行業競爭激烈,利潤率低;

②吞吐量增加帶來的庫存管理難度增大;

③人才成本高,高素質人員招聘難;

④自有車輛管理成本高,有大量隱藏風險;

⑤信息化程度低,可控性差,難服務好客戶。

溝通過程中,也有從業者向數獵哥透露了稅賦壓力與國家政策方面的苦衷,而面對宏觀調控下的市場環境,我們應該更加關注的,也大有可為的其實依然是借助自身已有資源提高資源產出效率。比如說,用數據的思維來運營物流企業。

二、現代物流行業相關數據梳理

在如今的信息化時代,物流行業已經擺脫了人工控制,而轉向信息管理,同時也從單一環節的管理轉為了更替化、系統化的管理。

在現在的物流體系中,運輸、倉儲、貨運,以及派送環節,已經沒有界限,因此首要問題就是整合資源,使之充分、有效、高效而協調地運行。當吞吐量和并發量大到一定的程度,只有數據的方式才能實現更好的跟蹤與分析調配。


對于一個物流項目來說,其要害數據包括:收貨量、發貨量、庫存量、拆零量、SKU等。在進行體系性描繪之前,必定要清楚:物流的作業當量最終是以小時來核算的(還能夠細化到半小時,乃至更小單位)。當然,如果我們以年度來進行作業綱要的規劃,如年配送100億。我們要清楚,這個數據十分重要卻也是十分不確定的。因為如果從這個方針推導下來,每年的作業天數、每天的作業時刻、貨物的價值、庫房庫存周轉次數等,在實際運營過程中存在很大的不確定性。

相關數據梳理:

(1)假定規劃綱要是G(年配送方針,億元),單箱價格是p,則年度總配送箱數是:Q = G/p

(2)假定每年作業天數是N(天),每天作業時刻是t,則每小時的作業量是:q = Q/N/t

(3)假如庫存周轉天數為D,則庫存量的核算公式如下:W = q*t*D

以上的數據聯系都很容易推導,但在實踐中要注意的是:不同的作業,其作業時刻或許是改變的,如高峰時期每天作業時刻要大于往常作業,發貨時刻有時也與收貨時刻不平等,會增加核算和剖析的難度。

(4)在進行具體數據剖析時,還要清晰箱與托盤的對應聯系。托盤一般挑選標準托盤(1200*1000),假定均勻的滿盤量為n,則庫存托盤數應為:P = W/n

當然,在描繪具體數據時,要區別收貨、發貨或者退貨,每一個作業也許是不一樣的。物流系統應該將這些差異標記清楚。

三、如何做好物流行業數據分析?

當我們弄清數據之間的關系,就需要針對數據背后的意義進行層層解析,找到可能提升整體運營效力的方向。

1.與收貨有關的數據


收貨一般是比較簡略的,但也有比較復雜的景象,比方新華書店圖書,由于每天到貨的品種許多,還有大量混包的景象,就要對收貨進行專門的處理,F在,很多電商的收貨也比較復雜,包含要進行QC(QUALITY CONTROLLER,品質控制)等動作。但總的來說,與收貨有關的數據,包含到貨量(箱)、訂單數、車輛的裝載量、收貨區域巨細、收貨作業時刻、每天收貨SKU數等。

在收貨分析的過程中,也要關注車輛的裝載量和卸載時刻,這與站臺規劃很大關聯,如同重要的客運樞紐要有清晰的調度排班表一樣,收獲站臺規劃包含車輛巨細、載重量等。一般狀況下,還要剖析卸貨的辦法、速度,以便具體規劃站臺的數量。

許多人對高點均勻值和算術均勻值關于規劃的影響不甚了解。簡略來說,將一年(或必定時刻)的收貨量除以一年(或必定時刻)的實踐作業天數,即得到均勻每天收貨量,一年中最大收貨量的一天,即最大收貨量。在實踐上規劃中,假如依照均勻值規劃,則使得加班的天數會許多;假如依照最大值進行規劃,則會呈現作業很不飽滿,設備閑置的現象。因而,一般取均勻值和最大值之間的某個值進行規劃,具體要根據實踐需求確定,發貨也有這種狀況。

2.與儲存有關的數據


庫存能力對整個物流體系的十分重要,因為確定庫存這一環節大有講究。除了庫存總量W以外,還要考慮SKU數,以及各種存儲辦法下的庫存要求等。

許多狀況下,庫房的規劃并非是單一的。所以,規劃的時就要清楚庫存的辦法是什么,有什么要求。

一般的貯存辦法分為2種首要辦法:以托盤為單位貯存(分為立體庫和平面庫兩種最基本辦法)和以箱為單位貯存。當然還有其它辦法,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。在規劃中,這兩種辦法都要考慮,有時以托盤為主,有時以箱貯存為主,有時兩者比較均衡。

核算庫存能力當然與箱規有關,也與均勻庫存天數有關,這是根底。SKU對庫存分配的要求有很大的制約作用,往往與作業面規劃有關。此外,發貨量關于庫存規劃也有十分大的影響,如拆零量,就要求對拆零區有必定約束。

在這里向大家推薦ABC分析法,又稱為巴累托分析法,德魯克在1963年將這一方法推廣到全部社會現象,使ABC法成為企業提高效益的普遍應用的管理方法,其基本原理可概括為“區別主次,分類管理”,將管理對象根據事物在技術或經濟方面的主要特征分為A、B、C三類,以A類作為重點管理對象,區別一般的多數和極其重要的少數,有區別地實施管理。

對庫存進行ABC分析法是十分重要的,關于庫房規劃起到重要作用。一般狀況下,庫存ABC分析成果決定了貯存辦法。這里需要注意的是,ABC的界定將跟著不同事務有所不同,要因地制宜。實踐操作中,往往要對夠托盤,夠1/2托盤的SKU及這些SKU所占庫存份額進行剖析,以便正確決策。

跟著電子商務的興起,SKU不斷擴大,不僅ABC分析變得特別重要,大家還要注意的一個趨勢是,箱式存儲辦法也正在受到重視,占比越來越高。其對庫存分析的影響是,在核算貯存能力時,人們遍及對庫存充溢率感到困惑。一般狀況下,托盤或貨箱并不能徹底被充溢,而為了滿足作業的順利進行,貨位也不能徹底被充溢。因而要留有余地,這兩個系數在不同的事例中會有差異,但都不應該忽視。

3.與揀選有關的數據


揀選的訂單數、訂單行數、發貨量是比較重要的規劃數據。發貨ABC剖析相同重要,要注意的是:發貨ABC散布與庫存ABC往往是不相同的,剖析時要注意加以區別。

揀選環節規劃關注的首要是揀選、包裝和運送問題,因而,有關揀選的細節問題就十分重要。如整盤出庫量、整件出庫量和拆零出庫量,這三個參數關于規劃也是十分重要的。

一些根底信息也是要清楚的,如揀選功率、耕種功率和包裝功率等,有些能夠通過其它項目經歷獲得,有些應進行實踐丈量。需求指出的是,丈量成果與作業流程、工位規劃以及丈量辦法有關,有時很難確定一個精確的成果。

不同的揀選辦法其功率差異很大,這是規劃要特別考慮的當地。事實上,采用什么樣的技術手段,對規劃成果影響甚大。這一些問題,在數據剖析時,就應該有所考慮。

4.與發貨有關的數據


發貨路向、數量、車輛辦法、作業時刻、暫存時刻等數據是發貨規劃階段的根底。眾所周知,分揀機的格口不或許無限增加。因而,規劃中應考慮波次問題,以便控制格口數量。有些物流中心的發貨區規劃很小,站臺停車位很少,給發貨造成很大困難。

集貨區的巨細與發貨波次有關。許多小的物流中心,每天只組織一次發貨,其發貨區就要大一些;對一個大型的物流中心來說,一般要依照多個大波次組織發貨,每個大波次還有若干小波次,由此能夠大幅度降低對集貨區的需求。這在規劃中是要注意的。

跟著大家對物流知道越來越深入,發貨裝車環節越來越受到重視。因而,規劃中也要與時俱進,考慮自動化體系對發貨區的影響。

5.與退貨有關的數據

退貨既重要又困難,但容易受到忽視。在通常的數據分析中,退貨剖析也是不充沛的。事實上,退貨與收貨的進程是不一樣的。這首要是由于退貨收貨需求處理的數據量遠遠大于一般收貨。

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

對退貨來說,其作業流程關于規劃會產生影響。一般數據、僅僅供給退貨量即可,包含訂單數、訂單行、SKU、數量等。要注意的是,退貨有兩種辦法,其一是終端退回到物流中心;其二是物流中心退回供貨商或者報廢處理。兩者差異是很大的。在數據分析時,要分別對待。

四、電商企業在大數據時代如何更好地發展?

在在線購物方式變得越來越方便多樣的現在,電商物流已經成為物流行業中極具潛力與優化前景的組成部分。根據商品品類的多樣化,參與電商環節的物流領域公司也越來越多。

其實,大家要特別關注兩個方面的建設:一個是物流倉儲平臺建設,它對物流成本的影響至關重要。在未來全國產業布局調整完以后,物流倉儲平臺在全國如何布局是很關鍵的問題;另一個是物流信息平臺建設。未來的物流信息平臺,將是基于大數據的中轉中心或調度中心、結算中心。物流信息平臺會根據以往的快遞公司的表現、各個分段的報價、即時運力資源情況、該流向的即時件量等信息,進行相關的“大數據”分析。得到優化線路選項,并對第三方物流公司進行優化組合配置,系統會將訂單數據發送到各個環節,由相應的物流公司完成。

此外,未來的物流企業信息系統也將得到全面整合與優化,因此盡早獎自身的數據科學運營起來十分重要。

國家部委曾建議電商物流企業,首先借鑒新加坡貿易網經驗,高效率的信息管理,搭建網絡平臺簡化所有單證手續,節省時間和成本,提高效率。其次,引進電子數據交換系統,實現無紙化。建立交易商、貨運代理商、政府機構之間貿易文件、航空運單、托運單等的電子化鏈接。第三,發布物流系統電子數據交換標準,規范輔助各方面的電子聯系,如有必要,給予企業資助以實現電子交換系統可獲得性。第四,為倉庫和配送中心配套自動存儲和回復系統,倉儲管理系統,來提升運營。

五、小結

正如前文所說,物流行業是由于其原本形態,始終擁有著依賴數據的屬性,是進行數據化統籌管理的極佳行業,而借助可視化大屏等相應的數據手段進行詳細的成本效益分析將有助于提高一個企業的盈利能力、簡化供應鏈同時增加運營能力、優化準時交貨以確?蛻魸M意度、借助預測分析來估計未來的瓶頸和高峰,以及根據實時數據制定重要的業務決策等等。

如果您需要進一步有針對性的咨詢數據方面的建議,可以聯系我們,DataHunter作為專業的數據可視化和商業智能服務商,未來也將不斷深挖物流行業數據運用的場景,通過數據管理幫助到更多的物流企業獲得效率的提升,實現業務的持續增長。

*參考資料:

【1】《物流行業如何進行數據分析》大數匠

【2】《【干貨:通過危機管理看物流分析,大數據如何優化供應鏈(附案例)】》 曾志宏 物流指聞

【3】《數據分析|解決80%的交通物流行業信息難題》 智造微站

關于 DataHunter

DataHunter是一家專業的數據可視化分析和商業智能服務提供商,為企業提供數據可視化工具、數據大屏展示工具,同時提供配套的敏捷BI數據運營技術服務。目前有探索式數據分析平臺 Data Analytics、數據可視化大屏展示工具Data MAX、數據中臺Data Formula等多款核心產品。


專業的數據分析軟件旨在幫助企業提供從內外部數據源整合、數據治理到探索式分析,以及最終實現智能化決策的大數據分析能力,助力企業構建數據生態系統,幫助企業降本增收和實現數據資產的變現。 

相關產品

評論

重庆幸运农场挂机