产品
解决方案
产品说明
关于我们

Data Analytics

这是一款用于企业数据可视化分析的自助式敏捷BI产品,可以针对企业业务数据进行自由维度的探索式分析,释放IT压力,真正将数据分析工作交还给最懂业务的人,提高企业决策效率。

典型客户:小米、克丽缇娜、雀巢、联合利华.....

Data Analytics 点击试用

Data MAX

这是一款用于企业数据可视化展示呈现的标准+自由定制化产品,将业务数据经过处理后以实时的炫酷的可视化形式展示出来,广泛应用于领导驾驶舱、指挥中心、展览展会等场景。

典型客户:人民日报、富力集团、OPPO、民生银行.....

Data Max 点击试用

咨询电话

400-1024-262

关注DH小助手

可随时微信沟通

首页 > 关于我们 > 行业信息 > 文章详情
借助数据思维,让你的物流效率更进一步
2020-05-25
近期,丰巢收费的“连续剧”惹人关注,最新消息,丰巢已经调整收费策略,将免费保管的时间延长6个小时、赠送一个月会员、写字楼周末节假日免费。至此,此前“抵制”的小区已经握手言和重新启用丰巢快递柜。
 
快递柜作为现在人社会生活的重要组成部分,已经在一二线城市的大量上班族日常生活中验证为刚需,而它更是作为物流行业的“最终客户端”起到提升物流周转效率、节省人力成本的重要作用。
 
说到这里就不得不讲讲物流行业。2020年新冠肺炎疫情期间,物流配送成为保障民生的关键一环,不论是跨省市运送医疗物资、社区周边配送生鲜和生活用品,还是线上消费激增产生的大量需求,物流行业可以说全方位展示了其在全国范围内安全有效传递物品的能力。
 
2020年物流行业数据尚未出炉,而2019年度数据显示, 2019年社会物流总费用约为14.1万亿元,较2018年同期增长6.0%,从增速角度讲是呈下降趋势的。物流行业从业者纷纷认为,从运输、配送、跨境、物流服务等环节拆分看,物流行业供应链服务能力依然有很大的改善空间,并开始思考提高物流效率的方法;思考如何做到成本最优、资源最小;思考如何持续改进,不断优化……今天我们就来从物流行业面临的现状出发,说说物流行业的数据思维。 

 

 
一、物流行业公司面临的现状
 
虽然我国社会物流总费用的增速可能放缓,但总量仍然处增长态势,在中国物流业总量和增量持续增长的过程中,我们发现中国物流业总成本仍然偏高,中国物流行业长期存在着组织效率低、信息不对称等问题。

 

 
随着时间的推进,行业长期存在的问题越发凸显,它们将进一步加剧物流服务供给和需求之间的矛盾。
 
因此,改变物流行业传统经营模式、提升物流行业运行效率、降低社会物流费用的变革需求日趋强烈。进一步降低社会物流总费用是促进社会经济高质量发展的重要保障之一。总的来说,物流公司往往存在以下问题:
 
①货源不稳定,行业竞争激烈,利润率低;
②吞吐量增加带来的库存管理难度增大;
③人才成本高,高素质人员招聘难;
④自有车辆管理成本高,有大量隐藏风险;
⑤信息化程度低,可控性差,难服务好客户。
 
沟通过程中,也有从业者向数猎哥透露了税赋压力与国家政策方面的苦衷,而面对宏观调控下的市场环境,我们应该更加关注的,也大有可为的其实依然是借助自身已有资源提高资源产出效率。比如说,用数据的思维来运营物流企业。
 
 
二、现代物流行业相关数据梳理
 
在如今的信息化时代,物流行业已经摆脱了人工控制,而转向信息管理,同时也从单一环节的管理转为了更替化、系统化的管理。
 
在现在的物流体系中,运输、仓储、货运,以及派送环节,已经没有界限,因此首要问题就是整合资源,使之充分、有效、高效而协调地运行。当吞吐量和并发量大到一定的程度,只有数据的方式才能实现更好的跟踪与分析调配。
 
 
对于一个物流项目来说,其要害数据包括:收货量、发货量、库存量、拆零量、SKU等。在进行体系性描绘之前,必定要清楚:物流的作业当量最终是以小时来核算的(还能够细化到半小时,乃至更小单位)。当然,如果我们以年度来进行作业纲要的规划,如年配送100亿。我们要清楚,这个数据十分重要却也是十分不确定的。因为如果从这个方针推导下来,每年的作业天数、每天的作业时刻、货物的价值、库房库存周转次数等,在实际运营过程中存在很大的不确定性。
 
相关数据梳理:
 
(1)假定规划纲要是G(年配送方针,亿元),单箱价格是p,则年度总配送箱数是:Q = G/p
 
(2)假定每年作业天数是N(天),每天作业时刻是t,则每小时的作业量是:q = Q/N/t
 
(3)假如库存周转天数为D,则库存量的核算公式如下:W = q*t*D
 
以上的数据联系都很容易推导,但在实践中要注意的是:不同的作业,其作业时刻或许是改变的,如高峰时期每天作业时刻要大于往常作业,发货时刻有时也与收货时刻不平等,会增加核算和剖析的难度。
 
(4)在进行具体数据剖析时,还要清晰箱与托盘的对应联系。托盘一般挑选标准托盘(1200*1000),假定均匀的满盘量为n,则库存托盘数应为:P = W/n
 
当然,在描绘具体数据时,要区别收货、发货或者退货,每一个作业也许是不一样的。物流系统应该将这些差异标记清楚。
 
 
三、如何做好物流行业数据分析?
 
当我们弄清数据之间的关系,就需要针对数据背后的意义进行层层解析,找到可能提升整体运营效力的方向。
 
1.与收货有关的数据
 
收货一般是比较简略的,但也有比较复杂的景象,比方新华书店图书,由于每天到货的品种许多,还有大量混包的景象,就要对收货进行专门的处理。现在,很多电商的收货也比较复杂,包含要进行QC(QUALITY CONTROLLER,品质控制)等动作。但总的来说,与收货有关的数据,包含到货量(箱)、订单数、车辆的装载量、收货区域巨细、收货作业时刻、每天收货SKU数等。
 
在收货分析的过程中,也要关注车辆的装载量和卸载时刻,这与站台规划很大关联,如同重要的客运枢纽要有清晰的调度排班表一样,收获站台规划包含车辆巨细、载重量等。一般状况下,还要剖析卸货的办法、速度,以便具体规划站台的数量。
 
许多人对高点均匀值和算术均匀值关于规划的影响不甚了解。简略来说,将一年(或必定时刻)的收货量除以一年(或必定时刻)的实践作业天数,即得到均匀每天收货量,一年中最大收货量的一天,即最大收货量。在实践上规划中,假如依照均匀值规划,则使得加班的天数会许多;假如依照最大值进行规划,则会呈现作业很不饱满,设备闲置的现象。因而,一般取均匀值和最大值之间的某个值进行规划,具体要根据实践需求确定,发货也有这种状况。
 
2.与储存有关的数据
 
库存能力对整个物流体系的十分重要,因为确定库存这一环节大有讲究。除了库存总量W以外,还要考虑SKU数,以及各种存储办法下的库存要求等。
 
许多状况下,库房的规划并非是单一的。所以,规划的时就要清楚库存的办法是什么,有什么要求。
 
一般的贮存办法分为2种首要办法:以托盘为单位贮存(分为立体库和平面库两种最基本办法)和以箱为单位贮存。当然还有其它办法,如包裹、麻袋、散料等,也有条状物(如钢材),异形物品(如服装的挂装等)等。在规划中,这两种办法都要考虑,有时以托盘为主,有时以箱贮存为主,有时两者比较均衡。
 
核算库存能力当然与箱规有关,也与均匀库存天数有关,这是根底。SKU对库存分配的要求有很大的制约作用,往往与作业面规划有关。此外,发货量关于库存规划也有十分大的影响,如拆零量,就要求对拆零区有必定约束。
 
在这里向大家推荐ABC分析法,又称为巴累托分析法,德鲁克在1963年将这一方法推广到全部社会现象,使ABC法成为企业提高效益的普遍应用的管理方法,其基本原理可概括为“区别主次,分类管理”,将管理对象根据事物在技术或经济方面的主要特征分为A、B、C三类,以A类作为重点管理对象,区别一般的多数和极其重要的少数,有区别地实施管理。
 
对库存进行ABC分析法是十分重要的,关于库房规划起到重要作用。一般状况下,库存ABC分析成果决定了贮存办法。这里需要注意的是,ABC的界定将跟着不同事务有所不同,要因地制宜。实践操作中,往往要对够托盘,够1/2托盘的SKU及这些SKU所占库存份额进行剖析,以便正确决策。
 
跟着电子商务的兴起,SKU不断扩大,不仅ABC分析变得特别重要,大家还要注意的一个趋势是,箱式存储办法也正在受到重视,占比越来越高。其对库存分析的影响是,在核算贮存能力时,人们遍及对库存充溢率感到困惑。一般状况下,托盘或货箱并不能彻底被充溢,而为了满足作业的顺利进行,货位也不能彻底被充溢。因而要留有余地,这两个系数在不同的事例中会有差异,但都不应该忽视。
 
3.与拣选有关的数据
 
拣选的订单数、订单行数、发货量是比较重要的规划数据。发货ABC剖析相同重要,要注意的是:发货ABC散布与库存ABC往往是不相同的,剖析时要注意加以区别。
 
拣选环节规划关注的首要是拣选、包装和运送问题,因而,有关拣选的细节问题就十分重要。如整盘出库量、整件出库量和拆零出库量,这三个参数关于规划也是十分重要的。
 
一些根底信息也是要清楚的,如拣选功率、耕种功率和包装功率等,有些能够通过其它项目经历获得,有些应进行实践丈量。需求指出的是,丈量成果与作业流程、工位规划以及丈量办法有关,有时很难确定一个精确的成果。
 
不同的拣选办法其功率差异很大,这是规划要特别考虑的当地。事实上,采用什么样的技术手段,对规划成果影响甚大。这一些问题,在数据剖析时,就应该有所考虑。
 
4.与发货有关的数据
 
发货路向、数量、车辆办法、作业时刻、暂存时刻等数据是发货规划阶段的根底。众所周知,分拣机的格口不或许无限增加。因而,规划中应考虑波次问题,以便控制格口数量。有些物流中心的发货区规划很小,站台停车位很少,给发货造成很大困难。
 
集货区的巨细与发货波次有关。许多小的物流中心,每天只组织一次发货,其发货区就要大一些;对一个大型的物流中心来说,一般要依照多个大波次组织发货,每个大波次还有若干小波次,由此能够大幅度降低对集货区的需求。这在规划中是要注意的。
 
跟着大家对物流知道越来越深入,发货装车环节越来越受到重视。因而,规划中也要与时俱进,考虑自动化体系对发货区的影响。
 
5.与退货有关的数据
 
退货既重要又困难,但容易受到忽视。在通常的数据分析中,退货剖析也是不充沛的。事实上,退货与收货的进程是不一样的。这首要是由于退货收货需求处理的数据量远远大于一般收货。
 
退货作业不是均衡的,有很大的波动性。因而,在数据分析中(实践作业也是如此),要将退货收货与退货处理分开来。其作业时刻和作业量都不会一样。
 
对退货来说,其作业流程关于规划会产生影响。一般数据、仅仅供给退货量即可,包含订单数、订单行、SKU、数量等。要注意的是,退货有两种办法,其一是终端退回到物流中心;其二是物流中心退回供货商或者报废处理。两者差异是很大的。在数据分析时,要分别对待。

 

 
四、电商企业在大数据时代如何更好地发展?
 
在在线购物方式变得越来越方便多样的现在,电商物流已经成为物流行业中极具潜力与优化前景的组成部分。根据商品品类的多样化,参与电商环节的物流领域公司也越来越多。
 
其实,大家要特别关注两个方面的建设:一个是物流仓储平台建设,它对物流成本的影响至关重要。在未来全国产业布局调整完以后,物流仓储平台在全国如何布局是很关键的问题;另一个是物流信息平台建设。未来的物流信息平台,将是基于大数据的中转中心或调度中心、结算中心。物流信息平台会根据以往的快递公司的表现、各个分段的报价、即时运力资源情况、该流向的即时件量等信息,进行相关的“大数据”分析。得到优化线路选项,并对第三方物流公司进行优化组合配置,系统会将订单数据发送到各个环节,由相应的物流公司完成。
 
此外,未来的物流企业信息系统也将得到全面整合与优化,因此尽早奖自身的数据科学运营起来十分重要。
 
国家部委曾建议电商物流企业,首先借鉴新加坡贸易网经验,高效率的信息管理,搭建网络平台简化所有单证手续,节省时间和成本,提高效率。其次,引进电子数据交换系统,实现无纸化。建立交易商、货运代理商、政府机构之间贸易文件、航空运单、托运单等的电子化链接。第三,发布物流系统电子数据交换标准,规范辅助各方面的电子联系,如有必要,给予企业资助以实现电子交换系统可获得性。第四,为仓库和配送中心配套自动存储和回复系统,仓储管理系统,来提升运营。
 
 
五、小结
 
正如前文所说,物流行业是由于其原本形态,始终拥有着依赖数据的属性,是进行数据化统筹管理的极佳行业,而借助可视化大屏等相应的数据手段进行详细的成本效益分析将有助于提高一个企业的盈利能力、简化供应链同时增加运营能力、优化准时交货以确保客户满意度、借助预测分析来估计未来的瓶颈和高峰,以及根据实时数据制定重要的业务决策等等。

 

如果您需要进一步有针对性的咨询数据方面的建议,可以联系我们,DataHunter作为专业的数据可视化和商业智能服务商,未来也将不断深挖物流行业数据运用的场景,通过数据管理帮助到更多的物流企业获得效率的提升,实现业务的持续增长。
热门文章
免费试用DataHunter产品
Data Analytics
业务驱动型BI工具
免费试用
Data MAX
极致性价比的大屏可视化产品
免费试用
Data Formula
敏捷型数据中台
免费试用
Copyright © 2018 北京数猎天下科技有限公司 | 京ICP备16063904号-1