胡園  物流咨詢部 

隨著中國零售業的發展，這些年越來越多的便利店、大型連鎖超市、商場和電商都在積極地擴張。為了滿足其經營的需求，很多商家開始采用第三方物流進行配送，同時，有條件的廠商自建物流倉儲以便加強對物流的直接控制，同時提高自身的服務能力，例如上海華聯集團、蘇寧電器、京東商城等。對于這些公司來說，倉儲管理的好壞，直接決定了他們對客戶的服務水平和市場競爭力。

很多公司在倉儲管理上都會運用WMS系統，在物流配送效率、準確率及門店滿足率等方面有了巨大的提高，甚至對某些公司來說，有了質的提高，例如廣東宜美佳。但是，隨著門店數量的增多，訂貨量逐漸增大，同時品項也會沒規律地變化，這些慢慢地給自建物流公司的管理帶來困擾：貨品的存儲不科學，讓揀貨效率低下；門店訂貨品項和訂貨量的不當，導致商品滯銷；訂貨量的不穩，讓采購部門也很難協調等。這些看似是管理上的問題，其實，通過數據分析，是能夠將問題的影響最小化。本文將通過一些算例或者是模型來簡要闡述，如何通過數據挖掘出的信息來為管理做決策。

一、產品存儲優化方法

我們知道，在倉庫中貨位是一個稀缺的資源，同時，貨位的位置同樣是一個稀缺的資源，把適當的商品放到適當的位置上能夠讓貨物的進貨、出貨、補貨變得高效，也能大大地降低揀貨員、補貨員的勞動強度。通常情況下，我們在對產品的貨位規劃時采用EIQ（訂貨件數、貨品種類、數量）分析，這種方法能夠將出貨量大的產品、季節性產品都整理出來。實際操作中，將那些量大的產品放到離出貨口近的地方，量小的地方存放于離出貨口遠的地方。如果將IQ（貨品種類+數量）和IK（貨品種類+貨品收訂次數)分析結合，則可以將產品的儲位配置劃分出來。上述方法是一種通用的方法，但是這種方法還有進一步的改良之處，我們可以通過對產品的進出貨數據進行分析，將這些數據整理成不同的類別，通過數據挖掘軟件將類別之間的相關關系尋找出來，再配合海鼎的物流倉儲軟件HDWMS波次作業，按照訂單特性劃分為若干個揀貨單和補貨單，則一個優化過的揀貨單便出來了。

本文選取某大型超市連鎖企業的某個月份的部分配貨數據作為案例進行分析，用一個月的數據僅僅是作為參考。事實上要做到優化，需要用到企業的一年或者幾年的數據作為支撐，這樣才會有意義。

表1 某公司單月銷量數據

[if gte vml 1]>

   將采取數據導入到數據分析軟件SPSS， 在菜單中選擇“分析”→“相關性分析”→“雙變量”，進入如圖1所示界面，將左邊變量導入到“右邊變量（V）”選項框中，在“相關系數”中選擇常用的Pearson方法，顯著性檢驗選擇“雙側檢驗”（注：選擇單側檢驗最終結果一樣），在“標記顯著性相關”選項框中打鉤，然后“確定”。

[if gte vml 1]>

圖1 SPSS相關性分析界面

下表2 是相關性分析結果，分析的結果中主要包含三種信息，一是Pearson系數，二是顯著性值，三是變量參與分析記錄數。其中，Pearson相關系數用來衡量兩個數據集合是否在一條線上面，它用來衡量定距變量間的線性關系。相關系數的絕對值越大，相關性越強，相關系數越接近于1或-1，相關度越強，相關系數越接近于0，相關度越弱。顯著性檢驗即用于實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。檢驗的sig值越大說明二者相關性越小，sig值越小說明相關性越大，通常標準為0.05，當值小于0.01時，表明二者相關性非常大。變量N表示，在分析中，該變量參與分析的統計數量。

表2 相關性分析結果

    由分析的結果可知，酒類和飲料類、沖調類、休閑食品類的相關度低；飲料類與沖調類、休閑食品類的sig值為0.01級別，相關度高；沖調類與飲料類、休閑食品類的相關度高；休閑食品與飲料類、沖調類相關度高。這個結果表明，在實際的配貨作業中，貨品的出貨是有一定的規律可循的，一類貨品的出貨很可能就伴隨著另一類貨品的出貨，如果將這種規律在通過ABC分類之后，對貨位進行按類別的一個細分，出貨的效率會大大提高，揀貨人員的工作量也會降低。

    二、門店商品的合理訂貨決策

由于不同的商品有不同的特性，例如季節性產品，它在一定的季節出貨量非常大，還有部分如日化用品，它一年四季都會出貨，還有生鮮、冷凍等產品。不同類型的產品出貨量是不同的，這對于門店來說，它的訂貨很難，有時候某一種商品供不應求，也會有商品供過于求。對于這兩種情況，對門店來說都不是好事，前者直接影響利潤，后者影響資金周轉，于是找到需求與下訂單之間平衡點就成為一個關鍵的地方。

門店的某一單品的訂貨量和訂貨時間并不是固定不變的，下圖2為抽象出來的門店某品項A訂貨圖，其中橫軸表示時間，縱軸表示訂貨的數量。

 圖2 門店訂貨圖

圖中列舉了6個點P1、P2、P3、P4、P5、P6，每個點代表一次訂貨，不同的點的訂貨時間不同，數量也可能不同，每個點坐標在坐標軸里面分別為P1（t1，n1）,P2（t2，n2）,P3（t3，n3）,P4（t4，n4）,P5（t5，n5）,P6（t6，n6）。假設一，門店會在某一個存貨水平N時開始向DC定貨，門店的定貨周期固定為t，也就是t2-t1=t3-t2=t4-t3=t5-64=t6-t5，對于門店來說，每一次的訂貨量恰好為下一個周期DC的送貨量才算合理，因為訂貨量過大，導致店內庫存成本的積壓，資金利用率不高，訂貨量小，則導致利潤減少。實際上，這種情況在很多門店中是常見的現象。憑感覺訂貨是很不靠譜的行為。

要合理地訂貨，就需要知道A的平均日需求量是多少，根據日需求量和訂貨周期才能得到每次的訂貨數量是多少。計算日平均需求量可以采用兩種方法，第一種方法是采用平均值法，即：

N=(n1/t+n2/t+n3/t+n4/t+n5/t+n6/t)/6

 =(n1+n2+n3+n4+n5+n6)/6t。

由于t是一個常數，當采用的數據量越大時，得到的日需求量N就越精確。這種方法適合訂貨周期確定的門店。第二種方法就是采用回歸方程法，對采集的數據進行一個回歸分析，得到一條回歸方程，回歸方程得到的是一條訂貨量的曲線方程，然后通過用最新的數據對方程參數的不斷修正，就可以得到近乎接近實際的曲線方程，這種方法適合訂貨周期不穩定的門店，其具體的案例分析就不在此贅述。

假設二，門店的訂貨時間不確定，其日需求量也同樣可算出來，即：

N2=[n1/t1+n2/(t2-t1)+n3/(t3-t2)+n4/(t4-t3)+n5/(t5-t4)+n6/(t6-t5)]/6

對于此N2，數據量越大，其數據越趨于實際水平。由于其訂貨周期是不確定的，確定一個訂貨周期就成為重點，我們知道，DC是不可能日配的，不能因為日需求多少就配貨多少，這對DC來說，成本太高（特殊情況除外）。這就要考慮訂貨的成本和資金的成本，假設資金的成本為P，訂貨的成本為C，那么合理的配送周期應該由以下等式得到：

N2хPхT/2=C    （1）；

T=N2хP/2C  （2）；

     由上得該門店在訂貨周期不定的情況下，其訂貨最佳周期應該為T，訂貨水平為Q，如下所示：

Q=TхN2=N2²хP/2C     （3）；

在實際的訂貨中，由于不同產品受到的不同因素影響，導致其產品的銷售可能只在短時間內出現規律性，要把握到這些規律，就需要工作人員對門店的同期歷史訂貨數據拿出來進行分析，這樣的出來的結論就更具有說服力。

   三、門店商品的合理訂貨決策

在眾多的商家中，一部分是處于供應鏈的核心地位，例如沃爾瑪、家樂福、樂購等國際知名企業，還有如中百、聯華、美宜佳等國內知名企業，這些企業在供應鏈里面話語權大，處于強勢地位，因此在采購訂貨的時候可以考慮到供應鏈上、中、下游各個部分的情況，根據供應商庫存、門店庫存和DC庫存綜合來決策采購的量。然而在眾多中小零售企業，對供應商而言其話語權很小，無法考慮其供應鏈上的綜合庫存水平，只能根據自身的需求來考慮訂貨量，下文分析在無法通盤考慮整個供應鏈時，零售商應該采取的決策。

根據上面的分析，我們可以得到一家門店的單品平均日需求量是多少，如何根據這個日需求量來正確確定門店的訂貨數量呢？一般情況下，門店都會有一個訂貨周期t，同種類型的門店其訂貨周期是相同的，便利店訂貨周期為t1，超市訂貨周期為t2，這樣便于管理。又由于每家門店的訂貨時間都不是相同的，從第一家門店訂完貨到最后一家門店訂完貨，令其周期為T1，如下圖3所示。在這一個周期T1內，每家門店都會對同一種品項有一個平均的訂貨量，單日的訂貨量累加起來，就是一些門店一天的總訂貨量。一個周期內，便是物流中心需要準備的該貨品數量，而周期T則可定為供應商的送貨周期。

在這種訂貨模式下，物流中心不需要準備足夠的庫存來應付不明確的需求，最大限度的減少庫存的占用，為新的商品或者銷售旺季的商品留出存儲空間，同時也能夠加快庫存周轉率，減少資金的占用，從而提高物流中心的效率。

通常來說，很多的商品銷售都是有季節性的，對于這類商品的訂貨，需要根據歷史的數據進行分析，也可以根據歷史的數據進行預測，例如采用SPSS的時間序列分析方法，可以根據歷史的銷售數據來預測本季度的銷售。當然，預測的數據只是作為一個參考的對象，沒有一個模型能夠提供完美的預測，我們能做的只是在預測的模型上進行不斷的完善，使之能夠更加接近真實數據。