亿信ABI

一站式数据分析平台

ABI(ALL in one BI)是亿信华辰历经十六年匠心打造的国产化BI工具,技术自主可控。它打通从数据接入、到数据建模与处理、再到数据分析与挖掘整个数据应用全链路,可满足企业经营中各类复杂的分析需求,帮助企业实现高效数字化转型。

首页亿信动态行业资讯数据分析

物流行业如何搭建数据分析指标和领导驾驶舱?

时间:2022-07-17来源:小亿浏览数:155

截止到2022年,目前国内上市的快递公司有顺丰控股,圆通速递,韵达股份,申通快递,京东物流,中通快递,德邦股份和百世集团。

据国际会计师事务所普华永道发布的报告指出,2021年中国物流行业交易数量同比增长38%,达到创纪录的190宗,连续3年实现正增长;交易金额同比大幅攀升1.58倍,达到2247亿元人民币。2021年交易频率高达每2天一宗,行业并购整合步伐加快,其中,综合物流和物流智能信息化成为最受关注的领域。

面对激烈竞争的市场,如何通过分析庞大的业务数据量,包裹数据,运输物流设备,管理众多的快递站点,快递员,保证品牌服务质量,提高管理水平,增加业务量,是物流行业管理者思考的头等大事。

在数据分析辅助决策时,数据指标是提炼重要关键数据,找到数据之间的逻辑关系,快速定位问题的重要关键。

01、物流行业认知及4大特点

根据百度百科定义:物流业是将运输、储存,装卸、搬运、包装、流通加工、配送、信息处理等基本功能根据实际需要实施有机结合的活动的集合。物流业是一个新兴产业,不能仅仅等同于运输业或者仓储业,是一个整体综合的产业。

1、物流速度快速化

随着生产端,消费端对于物流的上下游,配送的速度要求越来越快,前置时间越来越短,配送间隔越来越短,物流配送速度越来越快,商品周转次数越来越多,物流速度一直呈现快速化增长的状态。比如京东商城,通过大数据仓储物流的高效管理,可以实现全国100多个城市当日送达产品,这就是大数据与物流行业结合的案例。

2、物流功能集成化

现代物流,开始将物流与供应链的其他环节进行集成,包括:物流渠道与商流渠道的集成,物流渠道之间的集成,物流功能的集成,物流环节与制造环节的集成等。

3、物流数据智能化

随着采集数据设备,感应器,数据系统的建设完成,现在我们可以追踪一个包裹的所有数据,包括最开始的收集,运输运转,仓库点,送货快递员等数据全部智能化。随着大数据的积累,物流企业可以根据业务量,快递员数量,运输效率,搭建最合适的仓库,确认收集运输时间,降低仓库占用时间,提高运输速度。

4、物流手段现代化

现代物流采用先进的技术,从物品的收集,存储,包装,流通加工等服务外,运输工具也方式多样,有空运,货运,陆运,管理手段也方式多样。 

02、数据指标体系对物业行业的3大价值

数据分析指标,它是通过对数据进行分析得到的一个汇总结果,是将业务单元精分和量化后的度量值,使得业务目标可描述、可度量、可拆解。我们可以简单理解,数据指标,指的是一些反映问题的重要数据,比如在物流行业中,到货量,包裹数量,发货量,车辆形式,每天收货SKU,都是重要需要关注的数据指标。

△图为亿信ABI信息化指标图形看板

数据指标体系,即将零散的数据指标串联起来,成为一整套体系使其具备业务参考价值。我们可以理解,数据指标体系是数据指标的集合。

1、建立业务化衡量的标准

指标体系可以建立业务量化的标准,数据分析的目的,就是说明,衡量,预测业务的发展,这是单一数据指标无法做到的。比如在物流行业中,收货量是重要的关注指标,它取决于我们的业务收入,但是后续的运输时间,货损率也是关联非常重要的。只判断收货量,后续的运货时间无法满足客户的期望,货品损坏过多,用于物品赔偿花费大笔支出,会影响用户的后续消费,引起企业品牌受损,后续的订单数。所以我们会发现,单一数据指标衡量非常容易片面化,需要通过补充其他的指标,搭建一个体系,才能全面衡量业务发展情况,促进业务稳定长期良好地发展。

2、减少重复工作,提高分析效率

有了指标体系后,它可以覆盖大部分临时数据分析需求,可以让数据工程师少干一些临时,突发的数据分析工作,经过长时间固定的工作经验,可以提高数据分析师的工作效率。

3、帮助快速定位问题

建立了系统指标体系,有了过程和结果指标,明白指标之间的前后关联关系,就可以通过回溯和下钻,快速找到关键指标波动的原因。

比如物流企业发现某一地区的收货量下滑,根据收货业务客户指标,可以看出是个人C端用户,电商商家,B端企业用户中哪一块业务量下降,找到下滑原因,分析每一类用户的需求情况,物品运输情况,分析用户是否需求下降,是否对运输的服务不满意,是否竞争对手降价抢占市场等。

03、物流行业5大指标数据

物流行业,存在大量的员工,仓库,货物,运输传输设备,上下游供应商,客户的数据,想要管理起来十分困难。而用数据指标体系进行拆解和管理,可以抽丝剥茧,找到核心关键的指标,帮助管理者管理庞大组织,找到问题,做出精准决策。物流行业的常见数据指标,大致有收货数据,储存数据,挑选数据,发货数据,退货数据这5类。

1、收货指标数据

收货数据,包括到货量,订单数,车辆的装载量,收货区域大小,收货作业时间,每天收货SKU数等。

车辆的装载量和卸载时间主要对于站台设计有影响,包括车辆大小、载重量等。一般情况下,还要分析卸货的方式、速度,以便详细规划站台的数量。

收货一般是比较简单的,但也有比较复杂的情形,比如新华书店图书的收货即是如此。因为每天到货的品种很多,还有大量混包的情形,因此收货要进行专门的处理。有些电商的收货也比较复杂,包括要进行QC等动作,对收货区的要求就不一样。

2、储存指标数据

货物储存是一个十分重要的运输过程,库存能力对系统的设计非常重要,但如何确定库存是非常有讲究的。除了库存总量W以外,还要考虑SKU数,以及各种存储方式下的库存要求等。

很多情况下,仓库的设计并非是单一的。所以,设计的时候就要清楚库存的方式是什么,有什么要求。

一般的储存形式分为2种主要方式:以托盘为单位储存(分为立体库和平面库两种最基本形式)和以箱为单位储存。

当然还有其它形式,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。在设计中,这两种方式都要考虑,有时以托盘为主,有时以箱储存为主,有时两者比较均衡。

3、挑选指标数据

挑选分拣数据,包括挑选的订单数,订单行数,发货量,整盘出库量,整件出库量,拆零出库量是比较重要的。

在挑选管理货物的时候,物流行业有一个非常重要的ABC分类法,根据货品的重要程度把货品归为A、B、C三类,进行分别管理:
A类货品:品种比例在10%左右,占比很小;但年消耗的金额比例约为70%,比重较大,是关键的少数,需要重点管理。
B类货品:品种比例在20%左右;年消耗的金额比例约为20%,品种比例与金额比例基本持平,常规管理即可。
C类货品:品种比例在70%左右,占比很大;但年消耗的金额比例在10%上下,此类物品数量多,占用了大量管理成本,但年消耗的金额很小,只需一般管理即可。

在管理仓库的时候,拿出主要精力处理主要事情,不是说不去管理B类、C类的货品。

在B类、C类货品中也有相对重要和次要的货品,可以循环使用ABC分类法进行分类管理,有利于减少库存,节约管理费用,从而降低管理成本。

拣选环节设计关注的主要是拣选、包装和输送问题,因此,有关拣选的细节问题就非常重要。如整盘出库量、整件出库量和拆零出库量,这三个参数对于设计也是非常重要的。

4、发货指标数据

在发货阶段,发货路向、数量、车辆形式、作业时间、暂存时间等数据是发货设计阶段的基础。分拣机的格口不可能无限增加。因此,设计中应考虑波次问题,以便控制格口数量。有些物流中心的发货区设计很小,站台停车位很少,给发货造成很大困难。集货区的大小与发货波次有关。很多小的物流中心,每天只安排一次发货,其发货区就要大一些。对一个大型的物流中心来说,一般要按照多个大波次组织发货,每个大波次还有若干小波次,由此可以大幅度降低对集货区的需求。这在设计中是要注意的,随着大家对物流认识越来越深刻,发货装车环节越来越受到重视。因此,设计中也要与时俱进,考虑自动化系统对发货区的影响。

5、退货指标数据

退货数据不是均衡的,有很大的波动性,相关的数据有订单数,SKU。在数据分析中(实际作业也是如此),要将退货收货与退货处理分开来。其作业时间和作业量都会不一样,对退货来说,其作业流程对于设计会产生影响。一般数据分析仅仅提供退货量即可,包括订单数、订单行、SKU、数量等。

04、物流行业搭建数据指标体系5步骤

前面我们了解了数据指标体系的重要性,对物流行业及物流行业中的数据指标都有一定了解,那么如何搭建物流行业的数据分析指标呢?主要有5个步骤:

1、确定指标目的和范围

首先,第一步,我们需要确定指标的目的和范围,指标需要达到什么样的目的,做到什么程度,需要管理层达成共识。
同时,组织需要划分数据指标管理的范围,哪些数据需要指标化,哪些不需要指标化,比如物流中的仓储,成本,配送等数据,都需要进行指标化。

2、明确分析模型

第二步,我们需要制定数据分析的模型,保证指标数据之间有关联性,逻辑性,便于我们能够了解数据之间的逻辑关系。常见的物流分析模型,有加法模型,EIQ分析。
比如物流行业的订单量,按照业务类型分类,有电商寄送,搬家,货物运输等多个类型,我们可以通过业务类型数据。我们根据市场需求的变化,来调整战略,做精细化运营。
EIQ分析也是物流企业非常常见的一种方法模型,E代表Entry订单,I代表Item品项,Q代表quantity数量

分析内容主要有:
EN分析:即每张订单的订货品项数量分析。
即通常所说的订单结构或订单行数分析。EN分析可以对订单行的分布情况做出准确判断,从而对拣选策略尤其是拆零方式提供指南。
比如说B2C电商业务,其订单行很少,而对于医药的B2B配送,每张订单的行数会较多,两者在设计上的处理方法是不一样的。

EQ分析:每张订单的订货数量分析。
对一个订单的每行数量进行分析,就可以获得订单结构的基本情况。对一个订单行来说,会存在整件和拆零两种情况,因此,订单的分布情况还可以指导对库存分布、拆零拣选的具体设计。

IQ分析:每个单品的订货数量分析。
这种分析主要用于库存ABC分析。库存ABC对于仓库库存结构设计和拣选系统的设计都有非常重要的作用。

IK分析:每个单品的订货次数分析,也即产品订货的频率。
这是与发货ABC相关的指标。发货ABC分析对于货物存放的策略、补货策略,以及拣货策略的设计都是至关重要的。

EIQ分析一般是对历史数据进行。用于设计的分析,旨在确定订单结构和库存结构。对运营管理而言,EIQ分析则常常用于对实际运营的优化,如ABC分析即使如此,可以根据一段时间的ABC分析结果,及时调整库存的结构,以期达到提高拣选效率的目的。对一项设计而言,一般应选取1年以上的数据比较适宜。太少的数据可能缺乏代表性。当然也有例外,如数据量本身就不够,那就只有从行业中其他企业的数据中寻找规律了。

3、明确定义指标

第三步,就是明确指标的定义,有什么价值。比如物流行业常见的数据:收货量,发货量,库存量,拆零量,SKU,物流成本等。

物流成本分为显性成本和隐形成本,显性成本=运输配送成本+仓储成本+装卸搬运成本+物流信息成本,隐性成本=缺货成本+库存货损成本+库存资金占用的机会成本,衡量仓库的数据指标,有仓库仓容利用率,仓库面积利用率,库存周转率,库存量,库存保有单位(SKU)。装卸搬运的数据指标,有到货量,设备利用率,装卸搬运效率,装卸搬运货损率,每小时作业量。运输配送的数据指标,有配送量(年,月,周,日),运输设备情况,单位运输设备装载量,运输设备空载率,运输配送出错率。订单处理的数据标准,包括订单数,订单处理效率,订单处理出错率等。给每一个数据赋予定义,了解数据之间的逻辑关联,我们就能看懂数据变化的内在原因,找到问题。

4、指标管理平台
第四步,就是利用数据分析平台工具,设置相关指标要求,指标建模,指标数据落地,直接生成相关数据图谱,对指标进行增添删减,修改变更的管理工作。

以亿信华辰ABI数据分析工具为例,我们可以看到整个指标的流程:

△图为ABI指标管理流程图

5、领导驾驶舱数据展示

第五步,就是根据数据要求,最后生成了领导驾驶舱,生成相关的数据指标图形,表格展示,让管理层看到关键数据,根据数据指标逻辑关联,找到问题所在,利用手里的资源和权力去协调解决问题,让组织能够良好运运行。

05、亿信华辰ABI指标管理功能

亿信ABI是亿信华辰历经16年匠心打造的国产化BI工具,集数据源适配,数据整合与处理,指标管理,数据分析,挖掘与AI应用等核心功能于一体的一站式数据分析平台,可满足企业各类复杂的分析需求。

亿信ABI指标管理功能,可以对指标进行系统的增添删减管理,建立指标模型,指标数据展示,数据报告生成。

指标管理中内置敏捷看板,零学习成本,一分钟上手,具有拖拽式操作,全程无需编写表达式,直接查看各种指标。

敏捷看板有以下4大特点:

1、自动识别指标维度
导入数据无需任何处理,系统自动识别指标维度,自动关联系统维度,同时允许 人员绑定,自动识别字段类型,包括:字符串、整型、浮点型、日期型。

2、自动建立关联关系
智能判断两表之间字段名及类型,生成表关联关系,真正达到了智能化的“无” 建模,同时允许用户手动修改表关联关系。

3、维度指标自由切换
在制作看板过程中可随时调整维度指标,一键将维度切换成指标,也可一键将指 标切换成维度。

4、内置丰富组件
敏捷看板内置多种组件,包括:过滤条件、筛选面板、快捷标签、富文本、预警 区、图片、分组、选项卡、指标卡。

除了上述组件外,ABI 还内置有表格组件、快速标签、分组、图片多个组件。
(1)表格组件:方便拖入维度和指标生成表格;
(2)快速标签:对图表快速标记;
(3)分组:对图表进行分组显示;
(4)图片:在图表制作过程中,插入图片的功能

△图为亿信ABI指标管理功能界面
(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 申请试用

预约演示

您好,商务咨询请联系

咨询热线:400-0011-866