數據分析是供應鏈管理者的必修課，我們整天都在和各種報表和數字打交道，在日常工作中鍛煉出分析數據的能力。我們可能沒有意識到，數據分析早已經融入在供應鏈管理人士的DNA里，所以它是一門必須掌握的技能。

數據分析是一個很廣泛的概念，大體上可以分為以下4種。

1.描述性分析

描述性分析向我們揭示了過去發生了什么，例如前一天的銷售和交付情況，上個月的庫存水平，也就是 “What has happened?”

供應鏈經理就像是飛機的駕駛員，需要跟蹤、監控幾十個不同的指標，例如庫存水平、人工成本、運輸費用、材料費用、客戶的交貨及時率、缺貨數量、供應商的準時交貨率等等。

重要的描述性分析指標就是KPI，它們給管理者發出信號，表明企業運行的情況，是良好或是欠佳。描述性分析通常使用電子表格和系統軟件進行分析。

描述性分析報告使用基本的統計數據，包括總和、平均值、標準偏差、百分比和比率等。盡管統計數據不復雜，但不是每個人都對數字有敏銳感，面對一大串的數字，有些人可能會感到茫然。

為了更好地傳遞信息，我們經常使用各種圖形、圖表，這就是“一圖勝千言”的作用。現在很流行使用可視化圖表，也叫做Dashboard，用一頁紙把最重要的KPI展現出來。

此外，自動化的系統可以向管理者發送預警，例如無法按時完成產量或是交貨率低于設定的目標。

每個供應鏈管理者都會在工作中遇到描述性分析，通常是一線基層的統計數據，報告供應鏈運營中發生的事情。

部分數據是實時的，使用描述性分析的人需要相當高的供應鏈管理水平，因為他們需要快速地做出反應，采取行動。

我們需要具備使用電子表格、制作圖形或開發可視化儀表盤的技能，并且能夠在PPT中使用這些數據和工具，向領導和其他團隊成員解釋數據。

描述性分析是回顧過去發生的事情，但是它無法判斷為什么會發生這種情況，也不能預判接下來會發生什么，所以我們需要使用其他的分析方法。

2.診斷分析

當運營KPI沒有達標時，我們就需要調查問題原因，這就是診斷分析的作用，告訴我們為什么會發生這種情況，提供洞察力。

舉個例子，描述性分析顯示某件商品的缺貨數量增加了，造成缺貨的原因可能是需求增加了或是供應不足，想要找到問題的根源，就需要使用診斷分析工具，例如魚骨圖、5Why分析法等。

我們從庫存水平、上周或是去年同期需求變化、商品損壞率、供應商或零售店的延遲交貨等方面開始調查，這些都可能導致缺貨。

資深的人員可以使用分析工具和憑借他們的經驗，快速找到主要原因，然后制定補貨計劃以避免更多的缺貨。這些分析是在進行統計分析后得到的，包括數據挖掘、根本原因分析、線性回歸、敏感性和相關性分析。

診斷分析的專家就像是供應鏈的“偵探”,當出現問題時，他們會根據描述性分析的結果找出“罪魁禍首”。追溯物料在供應鏈中的活動，包括采購、制造、移動和銷售等過程，了解不同事件和結果之間的關系。

從事診斷分析的人員需要相當高水平的供應鏈知識，強大的統計能力，使他們能夠在復雜環境中找出關鍵性的因素，解開供應鏈之謎。

3.預測分析

描述性分析是“事后諸葛亮”，是向后看的分析方法，只能告訴我們發生了什么，但是給不出任何的指導意見，所以我們還需要向前看的工具。

預測分析告訴我們接下來會發生什么，幫助我們展望未來，提供正確的決策，避免犯重復的錯誤。

例如，描述性分析告訴我們，在某一年出現了冷飲暢銷的情況，這與當年夏天氣候炎熱有相關性。我們可以使用歷史銷售數據和實時的氣候數據，通過模型來預測未來冷飲的需求。

供應鏈團隊要監控預測與實際銷售量的差異，然后修正模型的參數，以期獲得更加準確的預測。隨著預測準確率逐漸提高，我們的銷售損失和廢棄庫存會不斷減少，運營結果將會得到改善。

線性回歸和時間序列分析都屬于預測分析。線性回歸是根據已知，預測未知的模型，比如我們可以根據已發生的物流運輸費用，來預測未來可能發生的運費。

在時間序列分析中，時間是基本的維度，主要的元素有需求的基線、季節性因素、趨勢和其他因素。

預測分析的應用場景非常廣泛，當我們擁有了大量的數據，包括銷售、供應商、物流等結構化數據，以及非結構化的社交媒體數據，我們就可以構建復雜的模型。

這些數據可以用于模擬多個場景，它們都有不同的概率和可能的結果。企業可以預測庫存水平、運輸費用、缺貨損失等情況。

相比于描述性和診斷性分析，預測分析要更加復雜。預測天氣、匯率和股市的波動、體育賽事結果等都是困難的。在大量的變量之中，有哪些會對結果產生影響？

預測分析專家需要數據、統計和編程方面的高級技能。隨著歷史數據和實時數據的爆炸式增長，企業需要借助于數據科學家來開發預測模型，實施機器學習系統，并進行模擬和驗證。

在當今世界，懂得供應鏈管理的數據科學家是最緊俏的人才，處于供不應求的情況，所以擁有預測分析能力的人，未來一片光明。

4.指示性分析

指示性分析可以推薦決策和行動，它比預測分析更進了一步。經典的經濟訂貨模型(EOQ)就是指示性分析。

企業想要保持最低的訂貨和庫存持有成本，同時滿足客戶需求并避免缺貨，我們需要在這兩個目標之間找出一個最佳方案。前文提到的描述性、診斷和預測分析都不能給出答案，而指示性分析就能提供解決方案。

在EOQ模型中，訂貨成本和持有成本之和的最小值就是最優解。

在規劃運輸網絡時，混合整數線形規劃根據所有線路的運輸費用、客戶需求數量、供應能力和其他變量，建立起多個方程式，然后求出了網絡運輸費用的最小值以及每條線路運輸量的最佳方案。

有些公司使用軟件來實施指示性分析策略，還有些公司自主開發工具和模型，以完美地適應他們的供應鏈。

企業需要博士級別的高級人才來處理復雜的統計數據、算法和每天產生的大量供應鏈數據。

既了解供應鏈，又是精英數據科學家的人才比熊貓還珍貴，真可謂是“千軍易得，一將難求”。符合這些要求的高級人才可以自己創業，或是在行業頭部企業里出任首席供應鏈管理管，或是從事咨詢行業，前途不可限量。

附：卓弘毅老師課程推薦，點擊課程名稱即可跳轉查看。

《汽車制造業供應鏈與物流管理》是根據卓弘毅老師10余年汽車制造業工作經驗，結合世界權威供應鏈協會組織ASCM的理論研究，融會貫通之后，精心制作的一套課件，來幫助更多的朋友來學習先進的制造業供應鏈物流知識。