熟女人妻水多爽中文字幕,国产精品鲁鲁鲁,隔壁的少妇2做爰韩国电影,亚洲最大中文字幕无码网站

       人們經常抱怨沒數據，其實一個公司數據再少，也會有發貨數據，因為他們要靠這個來向客戶收錢。光從這些發貨數據 中，我們就可以發現很多有用的信息，幫助我們更好地理解客戶期望，判斷供應鏈的績效，識別能力短板。比如你新到一個企 業，人家給你一個幾十兆、幾百兆大的Excel文件，是這幾年的發貨記錄，你該怎么分析呢?

　　先看發貨數據的時間單元，是按 月還是按周劃分，也就是說，每周還是 每月的發貨量?在供應鏈運營上，周是 個比月更理想的時間單元，是企業運 營管理細度的體現。管理能力越強， 管理力度越深，企業的時間單元也越 小，越可能用周而不是月。試想想，如 果拿一個季度的需求歷史為基準，預測 未來的需求。 一個季度有3個月，三個 數據點，能做什么樣的分析?但如果分 成13周，我們就有13個數據點，數據 樣本更大，在數理統計上更有意義。另 外，按月劃分， 一個季度只有三個控制 點;按周劃分， 一個季度就有13個控 制點，有13次發現問題、改進問題的 機會。

　　講到這兒，可能有人說，我們按 天劃分，數據點不是更多、更好嗎?不 過對一般的企業來說，這樣做太細分 了，需求的“噪音”會不必要地放大，可能誤導你多放安全庫存來應對。而且 數據可能更加不符合正態分布， 一個我 們最常用的數理統計模型。相反，按月 劃分，則可能掩蓋很多本來不應該掩蓋 “噪音”，造成錯誤的決策。舉個極端 的例子：每月需求是100個，這100個 集中在某一個星期，與平均分散到四個 星期，對供應鏈的挑戰可大不一樣。如 果按月匯總，我們看不出需求的波動; 如果按周分解，需求的波動則清晰地反 映在數據中和統計結果中。

　　再看客戶的期望，以及企業的實際 交付能力。你問企業的管理者，客戶對 我們的期望是什么?大家往往是大眼瞪 小眼， 一筆糊涂賬。那好，發貨歷史可 以給你相當可靠的判斷：客戶訂單是什 么時候錄入的(訂單錄入日期)，客戶 希望什么時候發貨(客戶需求日期)， 我們是什么時候實際發貨的(發貨日 期)，這些數據一般的企業都有。需求日期與錄入日期之間的差值，這就是客 戶的期望;而錄入日期與發貨日期之間 的差值，這就是企業的實際交付表現。 你馬上就看得出兩者的差距。

　　有些差距可能不需要關閉，因為有 些客戶習慣性地“高要價”——今天下單 明天要貨，期待你3天后送來，供他們 7天后用——這點你需要銷售、客服的判 斷，數據沒法100%告訴你。有的差距 你可要關閉，不能因為你一直不及格， 就以為客戶可以接受不及格——你可能 因此在損失營收。怎么才能知道?你不 用問銷售——發貨歷史就能告訴你。

　　比如對于客戶A，從去年到今年， 平均交貨周期在縮短;但你知道，作為 一個公司，你的整體交付能力沒改變 ——這從針對所有客戶的交付周期上可 以看得出。那一個原因呢，就是對于你 的交付周期長的產品，客戶A給你們的 訂單更少了：他們根據你們的交貨能 力，給你們更多的是你交付周期短的產 品。這在統計學上叫“選擇偏差”——你 看到了你看到的，你沒看到你沒看到 的。打個簡單的比方：敵人新近投入了 秘密武器，后方醫院接到的傷兵突然 少了。如果你據此認為這秘密武器沒什 么，那就打錯特錯了，因為這武器一擊 致命，受傷的就根本回不來了。 一線的 指揮官不會犯這錯誤，因為他“看到” 了那些沒能回來的士兵——清點士兵的 數量就知道了。

　　作為后端的供應鏈，你不是生活在 前線的炮火中，不大直接接觸到客戶， 也對銷售們的“危言聳聽”充滿戒心，但你可以分析數據來判斷發生了什么。 你可以繼續深挖，落實到具體的產品類 別、料號，從需求量的變化來判斷客戶 的行為變化。沒有對比就沒有傷害：對 于交貨周期短的產品，這個客戶的需求 一直在上升;而對于同類但交期長的產 品，這個客戶的需求一直在下降，你八 成可以看得出點什么了。

　　從發貨數據中，還蘊藏著更多的客 戶信息。比如客戶的訂貨習慣：每周還 是每月?是不是接受部分發貨?這跟我 們的關系可不小：如果是每月訂貨，而 且不接受部分發貨，那你就得備更多的 庫存來應對;否則，你可適當降低你的 安全庫存。訂貨越頻繁，需求量就相對 越穩定，計劃也就越容易。總體來說， 訂貨的頻次也反映了客戶的運營水平： 運營水平越高，訂貨的頻次一般越高， 訂貨量一般也越平穩，這些更可能是優 質客戶的體現。而習慣性地給你一個大 單子，讓你分N次送貨的客戶，就跟那 些習慣于大批量運作的企業一樣，往往 在管理上也更粗放。這類企業呢，整體 計劃性也往往有待提高。這點你也可從 數據中找出來：看看他們急單的比例就 知道了。

　　從發貨歷史中，你還可分析客戶 的集中度。摘取一段時間的需求歷史，比如6個月，按照料號、客戶、月份分 解，你就能判斷，對于特定的料號，是 否有客戶占了相當的比例。這些客戶就 是“大石頭”，在需求預測和需求管理 時要特別關注，比如積極對接銷售，了 解信息系統外的信息;緊盯客戶的需求 變化，及時采取補救措施。你不能寄希 望于銷售，因為他們知道自己的客戶， 并不熟悉別人的客戶，沒法告訴你他們 的客戶是否是“大石頭”。

　　當然，你還可以從發貨歷史中看 需求的變動性。比如基于13個星期的 發貨歷史，你可以計算每個料號的標準 差，跟13周平均需求值相除，就得到 相對的變動性。你馬上看得出，不同料 號的變動性大不一樣， 一刀切的管理方 式， 比如都設置x天的用量作為安全庫 存，就不合適。你還可以設定一定的規 則，比如過去4周的平均需求與過去8 周的相比，上升或下降超過一定比例， 就需要額外關注等。

　　從發貨記錄上，我們可探知的還 遠不止上面這些。就拿訂貨頻率來說， 當一個產品的訂貨頻率達到一定水平， 比如過去6個月里4個月有訂貨，我們 就開始定期預測這個產品;否則就只設 安全庫存。當然，行業不同，這些數值 不同。不過方法論挺一致：訂貨頻率越高，需求也相對越穩定，需求預測的準確度也越高，庫存風險也越低。對于多品種、小批量的企業來說，訂貨頻率尤其是個有用的決策參數。

　　再看貨是從哪里發出去的。比如某個客戶默認是由倉庫A發貨，但貨物實際是從倉庫B發送的，那往往意味著倉庫A的計劃薄弱。或許有人會說，為什么不是客戶需求問題呢，比如倉庫B的客戶調貨頻率高，每次調貨少，這樣好對付;而倉庫A的客戶三個月不訂貨，一訂要3個月的量，誰都難對付，所以就不得不向B庫借貨，由倉庫B發出?

　　那好，我們還是看數據。相同的料號，不同的倉庫，分析需求的變動性(需求的標準差除以需求的平均值)，計算相關客戶的需求變動性，這問題不就有了答案?你也用不著去問兩個倉庫的客服人員，或者相應的銷售人員 ——數據就放在那兒，答案就在數據里，你

先該到數據里看看。

　　要知道， 上帝只給你一張嘴，但卻給你兩只手，就是希望你多動手。沒有人比數據知道得更多。我們要做的就是在動嘴之前， 一定先動手分析數據。如果你從數據中看不出什么，很簡單，你的分析還沒到位，最直接的表現呢，就是你還沒有花足夠多的時間來分析。

聲明：本文為轉載類文章，如涉及版權問題，請及時聯系我們刪除（QQ: 2737591964），不便之處，敬請諒解！