2.3　產品發貨數據的詳細分析與應用

2.3.1　產品發貨數據統計

在實踐中，如果企業未實施ERP中的客戶管理模塊，而是依靠手工的電子表格記錄訂單數據，客戶訂單追蹤表會存在數據準確性問題，包括客戶訂單修改、撤單、緊急訂單、時間記錄不準確等情況。在這種情況下，成品發貨數據是更容易獲取的數據，這里是基于成品發貨數據進行分析。

成品發貨數據是一個ERP的標準數據表，包含產品編碼、客戶、數量、單位、發貨日期信息等。在多數企業這是一個準確的數據。

2.3.2　如何進行產品ABC分類

基于產品的銷量進行產品ABC分類，按照用量進行排序，計算出每個產品的銷量占比。占據總銷量的70%的產品是A類，占據20%需求的產品是B類，占據10%需求的產品是C類。

ABC分類的邏輯是企業資源有限，需要聚焦資源來滿足關鍵產品的交付率。如果不考慮客戶的影響，A類產品可以考慮備庫制；B類產品考慮按照訂單制造；C類產品采用訂單采購制造模式。在產品ABC分類后，需要對客戶進行ABC分類。下面是某企業的產品ABC分類，包含317個產品。其中，40個A類產品，占據大約70%的銷量；50個B類產品，占據20%的銷量；其中的200多種C類產品只占據不到10%的銷量。如表2-13所示。

表2-13　產品ABC分類

很多企業都做了產品ABC分類和客戶ABC分類，然而并沒有將方法真正用在業務管理中。并不能簡單地說A類客戶、B類客戶、C類客戶該采用什么策略，也不能簡單的對ABC產品制定策略，產品—客戶是交互作用的。

筆者在咨詢中設計出來一種“產品—客戶”組合分析方法，在一些客戶中使用，效果不錯。在產品ABC分析和客戶ABC分析后，將客戶ABC和產品ABC數據用VLOOKUP函數傳回出貨數據表，可以進行深入的數據分析。如表2-14所示。

表2-14　產品—客戶組合分析方法

2.3.3　產品發貨數據處理與產品發貨模式分析

首先，至少下載2年的發貨數據用于分析。這是因為分析產品出貨是否存在季節性并計算月度指數需要2年的數據。

其次，要對數據進行處理。加一列“基礎產品名”，在流程行業里面，很多產品是替代關系，本身就是換了個印刷包裝，重新起了名字。按產品物料編碼分析，很多產品銷售記錄都沒有2年的數據，因此要將新老產品銷量合并起來考慮。增加時間函數，筆者常增加的是年（year）、月（month）、周（weeknum）、周幾（weekday）等時間函數。如表2-15所示。

表2-15　處理數據

整理好數據后，可以使用數據透視表進行分析，可以從下面的角度分析：

產品線的銷售增長趨勢和季節性。

產品的綜合分析，包括使用客戶、發貨頻次等。

客戶的綜合分析，包括使用產品數目、發貨頻次等。

（1）分析產品線的總體銷售增長趨勢和季節性

將2年數據整理成表格，如表2-16所示。計算每月銷量占全年銷量的百分比。可以看到9月-10月是旺季，1月-2月是淡季。這個系數后面可以用于預測的統計模型。

同樣，基于2年的數據可以計算出每種產品的銷售趨勢，是增長還是下降。

表2-16　分析產品線的總體銷售增長趨勢和季節性

（2）產品發貨詳細數據分析及應用

在表2-16的基礎上經過透視表分析可以得到表2-17。

表2-17　產品發貨詳細數據分析及應用

這個表格包含產品編碼、產品分類、全年的發貨數量、發貨的訂單筆數、ABC類客戶的發貨數量、ABC類客戶的發貨筆數、ABC類客戶的數目、52周中有多少周有發貨。

例如1001產品是A類，有2個A類客戶、1個C類客戶，52周有38周有發貨；1100產品只有1個B類客戶使用，只發了三次貨。一年周發貨周次超過70%發貨周次的產品可以考慮備庫生產，而低于50%發貨周次的一般可以采用訂單生產。

一些供應鏈文章建議根據波動性將產品分為XYZ進行備庫/訂單決策，波動性=標準差/平均值。但這個公式是建立在需求服從正態分布的假設前提上，實際運營中，需求很少服從正態分布。

這家企業明顯的問題是C類產品過多，但并不能簡單停產C類產品。如果一個產品是C類，但有A類客戶使用，則必須繼續生產；如果一個C類產品只有C類客戶使用，可以研究是否停產。

對于一個產品，客戶數目越多，出現呆滯的可能性越低，采用備庫制的可行性越高。

這里只是簡單地進行了分析，更深入的分析可以采用自己企業的數據進行分析。

（3）客戶購買詳細統計分析

在發貨數據表基礎上，采用透視表處理，可以得到表2-18。

表2-18　客戶購買詳細統計分析

續表

包含客戶類別、合計購買量、購買的品種、一年訂單筆數、訂貨周次等。

企業肯定希望一個客戶能購買更多的品種，有些客戶購買品種明顯得多，有些很少，這是擴大銷售的機會。

對于C類客戶，如果購買A類或B類產品，因為不是專供，相關成本較低；如果C類客戶只購買C類產品，如果考慮綜合成本公司肯定是賠錢的，是否要長期合作需要進一步分析。

單次訂單筆數和每次發貨量可以綜合考慮以降低成品發運成本。

（4）產品—客戶周發貨量

這個表在預測時應用較多，此處不詳細展開分析，會在需求預測一章進行詳細展開。如表2-19所示。

表2-19　產品—客戶周發貨量

（5）產品的周中每天發貨比例

可以分析倉儲作業量是否均衡，從數據看周二、周五發貨量較高，這在企業中是普遍現象。因為很多客戶是周一和周四下達訂單，因此周二、周五發貨較多。如表2-20所示。這會影響倉庫的資源配備，例如筆者服務過的幾家醫藥分銷企業，醫院的訂貨就集中在周一和周四，公司必須按照周二和周五的送貨需求配置資源，從而增加了車隊和司機的成本。

表2-20　產品周中每天的發貨量與比例

這張表還可以進行更多的分析，但常用的分析就是上述幾個內容。

這里介紹了對“成品發貨表”數據進行分析的一些方法，大家可以看到即使一張簡單的數據表，都可以挖掘出來這么多信息供企業管理層進行決策。國內很多大企業都實施了SAP的軟件系統，其中一些企業還實施了BW商業數據庫系統，但很少人對數據進行深入分析。數據和事實決策這個六西格瑪中最基本的原則并沒能在國內的企業中落地。

2.3.4　不同類別產品的齊套交付策略

從供應鏈部門的角度，A類產品需求比較穩定，可以設置安全庫存，直接庫存發貨；B類產品可以提前備好物料或者半成品，接到客戶訂單，簡單包裝出貨；C類產品接到訂單再生產。但從銷售部門角度，這種模式是無法接受的。因為一個客戶下達一個訂單會包含多種產品，很多銷售人員希望這些產品同時交付，是一樣的交付周期。

可以采用的變通方法是同時進行產品ABC分類和客戶ABC分類，然后A類產品都采用備貨制，B、C類產品中的B-A（客戶）也采用備庫制，這樣可以滿足關鍵客戶的短交付周期的需求。

當產品采用備庫制，成品交付周期一般是2～4天；而產品如果采用訂單制，那么交付周期是由產品生產周期和物料采購周期決定的，需要基于生產數據和采購數據進行進一步分析。