通過倉庫數據分析可以精確掌握倉庫運行狀態，也可以為未來企業戰略提供有效依據。很多管理者對于具體化的一些細節有著很好的敏感度，能夠及時的對工作中出現的問題加以調整。但對于數據分析就不是那么在行了。

數據分析首先最重要的第一步就是數據統計。將運營的關鍵性指標加入統計范圍內，可以較為清晰的量化你的倉庫運營狀況，快速挖掘出一些問題的關鍵，下面為大家來一一介紹。

01

收貨數據

與收貨有關的數據，包括到貨量（箱）、訂單數、車輛的裝載量、收貨區域大小、收貨作業時間、每天收貨SKU數等。

車輛的裝載量和卸載時間主要對于站臺設計有影響，包括車輛大小、載重量等。一般情況下，還要分析卸貨的方式、速度，以便詳細規劃站臺的數量。

收貨一般是比較簡單的，但也有比較復雜的情形，比如新華書店圖書的收貨即是如此。因為每天到貨的品種很多，還有大量混包的情形，因此收貨要進行專門的處理。有些電商的收貨也比較復雜，包括要進行QC等動作，對收貨區的要求就不一樣。

很多人對高點平均值和算術平均值對于設計的影響不甚了解。簡單來說，將一年（或一定時間）的收貨量除以一年（或一定時間）的實際工作天數，即得到平均每天收貨量，一年中最大收貨量的一天，即最大收貨量。在實際上設計中，如果按照平均值設計，則使得加班的天數會很多；如果按照最大值進行設計，則會出現工作很不飽滿，設備閑置的現象。因此，一般取平均值和最大值之間的某個值進行設計，具體要根據實際需要確定，發貨也有這種情況。

02

儲存數據

庫存能力對系統的設計非常重要。但如何確定庫存卻是非常有講究的。除了庫存總量W以外，還要考慮SKU數，以及各種存儲方式下的庫存要求等。很多情況下，倉庫的設計并非是單一的。所以，設計的時候就要清楚庫存的方式是什么，有什么要求。

一般的儲存形式分為2種主要方式：以托盤為單位儲存（分為立體庫和平面庫兩種最基本形式）和以箱為單位儲存。當然還有其它形式，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，不再詳述。在設計中，這兩種方式都要考慮，有時以托盤為主，有時以箱儲存為主，有時兩者比較均衡。

計算庫存能力當然與箱規有關，也與平均庫存天數有關，這是基礎。SKU對庫存分配的要求有很大的制約作用，往往與作業面設計有關。此外，發貨量對于庫存設計也有非常大的影響，如拆零量，就要求對拆零區有一定限制。

庫存ABC分析也是非常重要的，對于倉庫設計起到重要作用。一般情況下，庫存ABC分析結果決定了儲存形式，ABC的定義將隨著不同業務有所不同，要因地制宜。實際操作中，往往要對夠托盤，夠1/2托盤的SKU及這些SKU所占庫存比例進行分析，以便正確決策。

隨著電子商務的興起，SKU不斷擴大，ABC分析尤其重要。此外要注意的一個趨勢是，箱式存儲方式越來越受到重視，其占比越來越高。也影響庫存的分析。

在計算儲存能力時，人們普遍對庫存充滿率感到困惑。一般情況下，我們知道，托盤或貨箱并不能完全被充滿，而為了滿足作業的順利進行，貨位也不能完全被充滿。因此，要留有余地，這兩個系數在不同的案例中會有差異，但都不應該忽視。

03

揀選數據

揀選的訂單數、訂單行數、發貨量是比較重要的設計數據。

發貨ABC分析同樣重要，要注意的是：發貨ABC分布與庫存ABC往往是不相同的，分析時要注意加以區分。

揀選環節設計關注的主要是揀選、包裝和輸送問題，因此，有關揀選的細節問題就非常重要。如整盤出庫量、整件出庫量和拆零出庫量，這三個參數對于設計也是非常重要的。

一些基礎信息也是要清楚的，如揀選效率、播種效率和包裝效率等，有些可以通過其它項目經驗獲得，有些應進行實際測量。需要指出的是，測量結果與作業流程、工位設計以及測量方法有關，有時很難確定一個準確的結果。

不同的揀選方法其效率差異很大，這是設計要特別考慮的地方。事實上，采用什么樣的技術手段，對設計結果影響甚大。這一些問題，在數據分析時，就應該有所考慮。

04

發貨數據

發貨路向、數量、車輛形式、作業時間、暫存時間等數據是發貨設計階段的基礎。

眾所周知，分揀機的格口不可能無限增加。因此，設計中應考慮波次問題，以便控制格口數量。有些物流中心的發貨區設計很小，站臺停車位很少，給發貨造成很大困難。

集貨區的大小與發貨波次有關。很多小的物流中心，每天只安排一次發貨，其發貨區就要大一些；對一個大型的物流中心來說，一般要按照多個大波次組織發貨，每個大波次還有若干小波次，由此可以大幅度降低對集貨區的需求。這在設計中是要注意的。

隨著大家對物流認識越來越深刻，發貨裝車環節越來越受到重視。因此，設計中也要與時俱進，考慮自動化系統對發貨區的影響。

05

退貨數據

退貨很重要也很困難，但容易受到忽視。

在通常的數據分析中，退貨分析也是不充分的。事實上，退貨與收貨的過程是不一樣的。這主要是因為退貨收貨需要處理的數據量遠遠大于普通收貨。

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

對退貨來說，其作業流程對于設計會產生影響。一般數據分析僅僅提供退貨量即可，包括訂單數、訂單行、SKU、數量等。

要注意的是，退貨有兩種形式，其一是終端退回到物流中心；其二是物流中心退回供應商或者報廢處理。兩者差異是很大的。在數據分析時，要分別對待。