仓库数据分析应用实例

其中，必须分析客户订单模式和它如何决定设施内的工作量。下面，我们来看看如何进行仓库数据统计分析：

数据来源：

主要有三类必需的数据用于支撑性能分析：每个SKU有关的数据，客户订单有关的数据和仓库内位置相关的数据。

SKU数据收集关于每个SKU包涵的有用的信息

一个区别于其他所有SKU的唯一ID，能够允许我们将其他资料和这个数据连接起来

一个简短的文本解释，用于确认和检查错误

产品系列可能对存储和操作有一定的影响，这些尤其成为产业的趋势，所以必需了解内容。比如，一个药品连锁店的产品系列可能包括护发产品，牙科产品，剃须产品等，在零售店里都摆放在一起。对于杂货店经销商来说，产品系列可能包括干货、日化、生产、冷藏、冷冻等。

对于一个糖果经销商来说，产品系列可能包括巧克力（对热度过敏），薄荷味的糖（有气味），棉花糖（轻，容易吸收其周围的气味）等等。对于一个服装经销商来说，产品系列可能包括服装类型，磨（mill），款式，颜色或大小。请注意，一个SKU可能会超出一种产品系列。

仓库内存储位置的地址，可能包括区，过道，部件，货架和货架上的位置

对于以这种SKU存储的每个位置

存储单元的规模，如托盘或箱子，有利于验证和检查错误

存储单元的物理维度（长度，宽度，高度，重量），都有利于认识所需求的空间

销售单位的规模，如箱数或件数，这利于验证和检查错误

每个存储单元所销售的数量，这可能是1

推出日期，这有助于识别可能因新推出的在作业中所代表数不足的SKU

按月或周的最大库存水平，这有助于确定有多少空间必须提供给这个SKU

仓库所使用的不同类型的存储单元和销售单元是有区别的，了解这些约定显得尤为重要，例如，词语“纸箱”通常被称为其它名称（“箱”，“盒”），并根据其在一个仓库中使用时所能具有本质上的不同的含义。

例如，一个供应商出货的一个纸箱内可能包含几个包，每个包内包含几个盒子，每个盒子包含着件数（如图2.2），一个标准的例子，办公产品经销商提供一个标准SKU的圆珠笔，制造商可能会提供12只产品作为一盒（如同你在商店里看到一样），12盒为一个内包装（放在一个薄纸箱容器），4个内包装为一个纸箱，供应商的纸箱（或货运单位）里总共有576只笔。虽然每个术语，盒、内包、纸箱、货运单位都普遍使用，也并没有约定它们适用于哪个级别的包装。

了解这个包装的数据如何存储在数据库中，是很重要的，常常零售客户（经销商的）必需购买的销售单位的整数倍数量，笔的销售单位可能是每一个，这意味着一个客户实际上可以订购不足一个12只笔的完整的盒子。在数据库中这些信息可能被存储为任一数字“1”或符号“EA”（代指每个），如果客户必需是购买盒数的，那么销售单位可能被列为“12”或“盒”。

现在假设数据库记录的客户购买是12，出现在订单拣选员的拣货单上的是什么？究竟是什么意思？12只笔（1盒）或12盒？如果您认为这意味着12只笔的时候，而实际上表示12盒，你会低估需求12的一个因素。如果制造商销售的笔以件数计，会计将以一只单一的笔为单位记录交易，尽管在出站端对它是如何被转售有限制。

为确保一致性，人们可以随时以最小的物理单位记录，钢笔数，但这要求订单拣选员清楚，如：156只=13盒。为了便于精确拣货，所要求的记录可能是13，同时订单拣选员需要知道，这意味着13盒。（当然，如果另种笔是以只数转售的，这会导致混乱），为了避免这种混乱情况，许多设施都以会计目的，将如何记录需求和如何将其呈现在拣货清单上分开处理，例如，拣货清单上应该这样说：需求=156=13盒12只装。

还有另外一个原因使这种包装的数据很重要，它总是以某种轻松手持容器而不是松散的件数，更高效的存储和处理产品。以笔作为案例，这个处理单元可以是12盒或12箱的内包。为了补充库存产品的货架，这将是更容易以内包装单位补货。为了货架的空间效率和订单拣选效率，堆放整齐的盒装产品将是更好的存储方式。

SKU的数据可能保存在一个公司内不同的数据库，所以收集所有数据可能会呈现出挑战，作为一般的规则，如果你认为一些数据可能是相关的有最小的机会，那么收集它！

订单历史订单历史就是在过去一年提交的所有顾客的购物清单的简单串联，它包含以下信息

这个订单唯一的ID，与其他客户的购物清单所区别，并从另一天或之后的同一天，区分同一客户的购物清单

SKU唯一的ID，可以让我们看见SKU就明白它存储的地方

客户

特殊处理

订单拣选日期/时间

出货数量

为了分析仓库操作，你必须要对你获得这个数据仔细，通常这个数据是来自于销售交易数据库，通过金融作业而不是仓库作业。结果，记录的日期可能是代表订单被放置或印刷时的日期，不是当它在设施中被处理的日期。

类似地，出现在销售交易数据库的订单也许实际上已经在另一台设备处理过了。然而，一般情况下，有些地方的信息是可用的，因为每天订单拣选员不得不知道要拣选的东西。

记住，一个订单历史记录的主要是财务信息，好的一点是它很可能是非常准确的；但它也可以是误导性的，因为它所代表的是金融交易，而不必是操作作业。例如，它可以发生这样的情况，所被要求的SKU显示的金额为负数，但这通常意味着类似的货物被退回和进货到货架上。

有一个简单的检查是否收到的订单数据大约是正确的，大部分公司持续跟踪每一天的发货线路，作为第一个验证检查的办法，按时间段计算在数据库中的线路数，这些数字应该与所记录的数据非常匹配。（如果您只是获知相信员工已经发货，当通过仔细处理数据库后得到的数字是明显不同时，请不要感到惊讶。）

订单数据将会是你必须管理的最大的文件，用一个粗略的估计预计每行每条线路约50个字节，每天的线路数可以涵盖从2000-8000条（每年0.5-2万条线路）为一般活跃的设施（例如办公用品，高级纸张，电信物资）。

到每天10000-40000条线（每年2.5-10万条）为一个非常活跃的设施（例如，服务配件，零售药店），更达到每天超过80000条线路（每年20万条）为最活跃的设施（例如，药物或目录分销）。因此，一年的订单数据可能超过100兆字节.

仓库的布局与选址一张仓库的地图让我们清楚每个SKU存储的地点，我们可以推断，一个订单拣选员不得不前往这个位置取回产品;并从图上我们可以推断一些关于所需行走的事情，这将使我们能够评估选择布局和仓库的设计。