量化你的仓库运营状况，从这些数据统计开始！物流文视界

通过仓库数据分析可以精确掌握仓库运行状态，也可以为未来企业战略提供有效依据。很多管理者对于具体化的一些细节有着很好的敏感度，能够及时的对工作中出现的问题加以调整。但对于数据分析就不是那么在行了。

数据分析首先最重要的第一步就是数据统计。将运营的关键性指标加入统计范围内，可以较为清晰的量化你的仓库运营状况，快速挖掘出一些问题的关键，下面为大家来一一介绍。

01 收货数据

与收货有关的数据，包括到货量（箱）、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。

很多人对高点平均值和算术平均值对于设计的影响不甚了解。简单来说，将一年（或一定时间）的收货量除以一年（或一定时间）的实际工作天数，即得到平均每天收货量，一年中最大收货量的一天，即最大收货量。在实际上设计中，如果按照平均值设计，则使得加班的天数会很多；如果按照最大值进行设计，则会出现工作很不饱满，设备闲置的现象。因此，一般取平均值和最大值之间的某个值进行设计，具体要根据实际需要确定，发货也有这种情况。

储存数据

库存能力对系统的设计非常重要。但如何确定库存却是非常有讲究的。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，不再详述。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。

计算库存能力当然与箱规有关，也与平均库存天数有关，这是基础。SKU对库存分配的要求有很大的制约作用，往往与作业面设计有关。此外，发货量对于库存设计也有非常大的影响，如拆零量，就要求对拆零区有一定限制。

库存ABC分析也是非常重要的，对于仓库设计起到重要作用。一般情况下，库存ABC分析结果决定了储存形式，ABC的定义将随着不同业务有所不同，要因地制宜。实际操作中，往往要对够托盘，够1/2托盘的SKU及这些SKU所占库存比例进行分析，以便正确决策。

随着电子商务的兴起，SKU不断扩大，ABC分析尤其重要。此外要注意的一个趋势是，箱式存储方式越来越受到重视，其占比越来越高。也影响库存的分析。

在计算储存能力时，人们普遍对库存充满率感到困惑。一般情况下，我们知道，托盘或货箱并不能完全被充满，而为了满足作业的顺利进行，货位也不能完全被充满。因此，要留有余地，这两个系数在不同的案例中会有差异，但都不应该忽视。

拣选数据

拣选的订单数、订单行数、发货量是比较重要的设计数据。

发货ABC分析同样重要，要注意的是：发货ABC分布与库存ABC往往是不相同的，分析时要注意加以区分。

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。

一些基础信息也是要清楚的，如拣选效率、播种效率和包装效率等，有些可以通过其它项目经验获得，有些应进行实际测量。需要指出的是，测量结果与作业流程、工位设计以及测量方法有关，有时很难确定一个准确的结果。

不同的拣选方法其效率差异很大，这是设计要特别考虑的地方。事实上，采用什么样的技术手段，对设计结果影响甚大。这一些问题，在数据分析时，就应该有所考虑。

发货数据

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。

众所周知，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。

退货数据

退货很重要也很困难，但容易受到忽视。

在通常的数据分析中，退货分析也是不充分的。事实上，退货与收货的过程是不一样的。这主要是因为退货收货需要处理的数据量远远大于普通收货。

退货作业不是均衡的，有很大的波动性。因此，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不会一样。

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。

要注意的是，退货有两种形式，其一是终端退回到物流中心；其二是物流中心退回供应商或者报废处理。两者差异是很大的。在数据分析时，要分别对待。