数据分析帮助企业降“三高”

小提示：您能找到这篇{数据分析帮助企业降“三高”}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的数据分析帮助企业降“三高”内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

本文从数据分析角度，谈谈如何通过数据产品帮助工业企业、商贸企业或电商企业降低“高成本、高库存、高交货期”的“三高”问题。

随着To C领域消费互联网“流量红利”的见顶，近两年To B领域工业互联网逐渐热了起来。

工业互联网，不是开通“两微一抖”（微信、微博、抖音），不是入驻电商平台；它涉及企业方方面面的数字化、互联网化。比如营销、供应链、生产、财务、人力资源的互联网化、物联网化。

工业互联网既然涉及企业方方面面的互联网化，一篇文章就不能大而全的去写了。本文从数据分析角度，谈谈如何通过数据产品帮助工业企业、商贸企业或电商企业降低“高成本、高库存、高交货期”的“三高”问题。

01降成本

在工业企业，一般情况下，生产成本主要由材料成本、人工成本、期间费用等构成。人工成本比较好归集与分摊。那么，我就主要谈一下构成材料成本的采购成本，以及期间费用里面的物流费用，如何通过数据分析产品进行降低。

1. 降低采购成本

在企业的采购管理中，经常遇到如下两类问题：

• 一是因采购计划准确性低，造成停工待料或库存积压。停工待料浪费时间，库存积压造成库存资金占用，横竖都是增加企业的采购成本。
• 二是因缺乏对供应商全面的数据分析，造成主要靠经验判断供应商的服务质量。这导致重点供应商管理不到位、配合不到位、协作不到位，无形中导致采购价格没优势。

对于第一个问题，数据产品中可以设计“平均采购频率、平均库存可用天数、平均采购量、日均消耗量”四个指标。理清它们之间的关系并进行分析，帮助制定合理的采购计划，进而降低采购成本。

在解说这四个指标如何降低采购成本之前，先解释一下这四个指标，分别代表什么含义？需说明一点，这四个指标都是按物料计算的。

1. 平均采购频率，就是多久采购一次。比如找出最近一段时间的采购数据，计算出每次的采购间隔天数，除以采购次数，就是平均采购频率。
2. 平均库存可用天数，指仓库里的数量，平均够多少天用的。计算这个指标前，先需要求出一段时间内，每天的现存量、每天的消耗量之和。然后把这两个和相除，即可得到平均库存可用天数。
3. 平均采购量，就是把每次的采购数量相加，除以采购次数。具体取多长时间的采购单据，这个根据实际需要即可。
4. 日均消耗量，这个指标比较容易理解，就是每天用掉多少。

下面解释这四个指标在降低采购成本中，如何用？

“平均采购频率”与“平均库存可用天数”这两个指标反映采购与消耗之间的关系，理想情况下“平均采购频率”应是“平均库存可用天数”的2倍。

倍数越大越容易引起缺料，越小越容易引起积压。比如平均30天采购一次，平均持有5天的库存，二者是6倍关系，不缺料才怪呢？同理，平均5天采购一次，平均持有30天的库存，不爆仓才怪呢？

那又为什么2倍关系合理呢？

理想情况下，最高库存可用天数是平均库存可用天数的2倍，把采购入库那一时刻视为最高库存。“平均采购频率”与“平均库存可用天数”在数值上就是2倍关系了，即刚没库存就立即补上了。

所以两者是2倍关系时，理论上既不缺料，也不积压。所以从二者之间的关系，我们能够看出采购计划的时间合理性。

平均采购频率，反映的采购时间间隔，此指标主要从时间间隔角度反映最新的采购动向。但是，采购不仅要关心时间间隔，而且要关心数量；所以“平均采购量”也非常重要。

产品经理在设计数据产品时，把“平均采购量”“平均采购频率”“日均消耗量”一块儿对比分析，会更有价值。理想情况下，“日均消耗量”等于“平均采购量”除以“平均采购频率”比较合适。

可以用一个生活中的例子，简单证明一下它们之间的关系。比如我家每天吃5个鸡蛋，一盒鸡蛋30个，平均6天去一次超市即可。

因一些行业的销售、生产会有季节性波动，建议在使用上述四个指标时，根据实际情况取当前旺季或淡季这段时间做为计算的基准天数。这样，可以有效避免因市场波动而造成指标计算不准确。

到这里，把上述四个指标的取值、关系、用法分析完，相信你定会理解如何通过数据分析产品避免采购计划波动，避免停工待料、避免库存积压，进而实现均衡采购，降低采购成本。

我们再看一下如何通过数据分析，优化供应商的管理，达到降低采购成本的目的。

首先，可以根据采购额大小对供应商进行ABC的 “二八”分类，把不同重要程度的供应商分门别类。

然后，再通过 “四象限分析法”，分析A类供应商的“交货及时率、质量合格率”等指标，找到交货及时率高、质量合格率高的供应商，与其形成战略合作，甚至开展JMI（联合管理库存）、结成新产品开发联盟等方式，达到降低采购成本的目的。

还有对独家供货的供应商，以及特殊物料供应商，可以通过“四象限分析法”分析采购单价与应付账龄的关系，在企业现金流允许的前提下，可以通过缩短应付账龄撬动采购价格的降低，进而达到降低采购成本的目的。

只要大家开动脑筋，多实践、多思考，在数据分析中可以设置更丰富的指标，从多个角度帮助企业实现更理性的采购决策，进而降低采购成本。

另外，在数据分析产品中，可以把指标的取值做成可配置，以增加产品的灵活度。比如“平均采购频率”，是取采购入库单数据，还是取采购订单数据？完全可以做成可选项。

“平均采购频率”在淡旺季差异很大，那么企业可以设置参数，是取最近几次的采购单据进行分析，还是取最近多少天的采购单据进行分析，建议在数据产品中都做成灵活配置项，供业务方灵活选择使用。

2. 降低物流成本

很多工业企业的财务处理中，把物流费用最终归入生产成本。因此，我把物流费用放在降低成本中进行论述。日本早稻田大学西泽修教授曾提出了“物流冰山学说”，阐述了企业向外部支付的物流费用是很小的一部分，真正的大头是企业内部发生的物流费用。

现在很多企业也深刻的意识到了这个问题，所以越来越多的企业逐步把利用自己的车辆运输费、库房保管费、装卸等费用也列入物流费用。甚至，把一些物流设备的折旧费、维修费、电费等也列入了物流费用。本人很赞同这种做法，从精细化管理的角度，本人也推荐这种做法。

基于企业把内部物流费用清晰归集的前提下，我们可以通过数据产品进行多维度、多层次的分析，并可以采用丰富的图形化展示。这样就能看到以前想看看不细、想看看不到的数据，进而找到降低物流成本的空间。

拿我服务过的企业举个例子，该企业在设备管理中把制造费用中的燃料费（烧油的钱）又按仓库、按车间、按项目进行了细分。有了这些基础，在数据产品中，不但可以分析每一个月的燃料费用构成，而且可以查看趋杭州速擎网络势、同比、环比等等，甚至可以通过回归分析，进行预测。

结合生产产量等其他因素，我们便可以分析燃料费发生的合理性，可以直观的判断是否存在浪费，是否有降低的空间。

02降库存

在家里，是不是时常感到自家冰箱小？

经常有些东西装不下。其实，家里的冰箱再大几号，也会装满，同样还有东西装不下。在企业中，也时常发现仓库再大，也有点不够用。

这都是为啥呢？

其实这都是对降库存的方法认识不足，对库存管理不到位导致的。对家庭来讲，无大妨碍，大不了先少买点，或快吃点，适当清理冰箱。这个道理，用在企业上就不灵了。材料买少了，可能影响生产、影响销售。要想快速清理库存，那还要看销售情况，以及物料是否齐套。若不齐套，该生产时，不但不能清理库存，还要购进材料。

看来，企业要想解决降库存的问题，临时抱佛脚不灵，需要提前制定合理的方法。对于如何降库存，我还是先从指标谈起，因为对管理指标理解透彻以后，数据分析产品的设计的运用便是小菜一碟。

降低库存的分析指标有很多，在本文中，我想有代表性的谈“库存周转天数、库存可用天数预测、超储标准、物料未动期”这四个指标。这四个指标也是按物料划分的。

对这四个指标的含义，还是先稍作解释。

• 库存周转天数，是指企业从取的物料或产品入库开始，至消耗或销售为止所经历的天数。周转天数越少，说明物料消耗或变现的速度越快。
• 库存可用天数预测，就是按照近期日均消耗量计算，预测着仓库里的物料可以用多少天。举个生活中的类似例子，家里有一箱24盒的奶，最近家里有2人在家，每天共喝4盒，那预测着够喝6天呗。
• 超储标准，就是根据上海企业如何开展口碑营销日均消耗量或根据经验，给物料制定一个存储数量的上限。比如针对某物料，按仓库人为制定了一个存储上限为1000件，当此仓库中，此物料库存量超过1000件时，就是超储了。
• 物料未动期，是指多长时间内物料的库存数量未变化过。物料未动期是判断物料呆滞的重要条件。

了解了这四个概念的含义后，下面我们一起看看它们之间的逻辑关系，以及如何帮助降低库存。

若是工业企业，通过分析原材料、半成品的库存周转天数，我们可以清楚地知道供应链每个环节的物料流动效率，找到问题症结，进而保持物料流动均衡，降低整体库存。比如大多数原材料的库存周转天数是5天，而大多数半成品的库存周转天数是10天，说明由半成品到成品环节是瓶颈，应该着重考虑提高车间生产效率。

通过上述分析，同时也想告诉大家不能孤立的看原材料或半成品的“库存周转天数”。需从企业内部整个供应链上去分析，以免引起单看原材料、半成品，甚至成品的库存周转不错，但是某个环节的周转瓶颈没引起关注，造成局部最优、全局次优”的孤岛卓越效应。

在计算“库存可用预测天数”之前，我们需要先得到“日均出库量”，然后对“库存可用预测天数”与物料的“平均库存可用天数”一块儿进行分析和对比。

根据“库存可用预测天数”我们能够估计现有库存量，可以用多少天，如果远高于“平均持有库存天数”，说明库存足够用，不用着急订货或生产。否则，应该再结合一下物料的采购提前期或生产提前期（提前期，指从下单到入库的天数），看看是否该订货或生产了。

当明白了超储标准的含义后，在降库存方面的应用比较简单。比如企业根据物料过去30天的日均消耗量，自动计算超储标准。针对超储物料每天生成一个日报，这样一看便知，是否超储了。一旦超储，随即才去措施，便可以避免库存的再次升高，避免库存积压、呆滞的产生。

资金是有时间成本的，仓库里长期不用的物料，会造成大量资金的占用，会降低库存周转率、资金周转率。物料未动期长的物料，非常影响企业用钱来挣钱的速度。因此，需要先找出未动期长的物料，然后想办法消耗掉；若是产品，需尽快想办法降价促销、清仓处理。

分析清楚上述几个指标的业务含义与应用价值后，相信大家在数据分析产品中的落地不难。我就不再一步步说产品设计了，但这里我强调一点参数化设置的思路，以便产品的适用性更广，适应能力更强。

首先，数据分析产品背后要有数据仓库，数据仓库能高效地满足大量数据计算与存储的需求。其次，在数据分析产品中，我们可以根据企业实际需要进行参数化设计，以便满足指标计算的灵活化需要。

比如，我们可以按日均出库量灵活设置超储标准，旺季大于30天日均出库量为超储，淡季大于45天日均出库量为超储，并支持企业随时调整参数。再比如，支持企业按仓库、按物料设置未动期，同种物料在原材料库的未动期短、在不合格品库的未动期长，以满足不同场景下的需要。

企业通过数据分析降库存的方法估计还有很多，笔者难以一一讲述。只要大家明白了这种思路，相信还会找到不少有效指标，然后通过数据分析产品把其落地。到那时，企业再也不用担心，挣的钱没攥到手里，都变成库存了。

03降低交货期

企业产品的交期长，无形中影响资金周转率，影响挣钱的速度。影响交期的环节也非常多，比如采购周期、生产周期、供应链网络规划、仓储中心布局、配送流程等等。本文不能面面俱到，仅从数据分析角度切入，谈谈如何通过数据分析降低交货期。

在谈论数据分析如何帮助企业降低交货期前，需要先讲清“客户订单分离点（Customer Orde Decoupling Point,CODP CODP）”的概念。客户订单分离点，讲的是客户在什么节点表达购买需求，决定了企业在什么节点才能得到准确的销售计划或销售订单。

在上图中，每行三角的位置，便是此类型的客户订单分离点的位置，根据客户订单分离点把工业企业的制造类型分了五类。在客户订单分离点之前，是推式阶段，企业根据自己的预测进行采购与生产的备货。在客户订单分离点之后，是拉式阶段，团建人体奥赛罗大赛由客户订单或合同拉动产品的生产与交付。

从上图中，我们能够看出，不同类型的产品其客户订单分离点不同。所以企业在考虑如何降低交货期时，需要在客户订单分离点前后，考虑不同的策略。

理想情况下，不考虑客户订单分离点，企业在各个环节备的库存越多，越能够降低交货期。但是，这种方式是以极大的提高库存资金占用为前提的，显然不可取。所以，在现实情况下的理想情况是，在客户订单分离点前，通过合理计算采购周期、生产周期，来少备库存；在客户订单分离点之后，需要更关注齐套率，以便能够迅速的组织生产与交货。

把客户订单分离点前后一结合，这样就清楚了，通过合理制定采购周期、生产周期，根据齐套率倒推采购批量、生产批量。综合这五个指标，就能有的放矢的降低交货期了。

降低交货期中，用到的五个指标，除“齐套率”之外，前面已经解释过含义及用法了，这里仅针对齐套率单独解释一下。生产企业的产品是根据零部件或配方的配比构成的，把零部件或配方用量能构成最终产品的完成程度称为齐套率。

配齐一套产品不难，难的是当生产产品数量巨大时，可能造成不是缺这个零件就是缺那个零件，导致齐套率迅速下降。尤其是，当某零件能用在多个产品上时，更容易造成缺料，导致齐套率降低。

举个生活中的例子，比如把下厨炒的每道菜，看做一种产品。当你炒2道菜，可能什么也不缺，当你炒4道菜可能缺酱油，当你炒8道菜可能同时缺酱油和味精。因为酱油、味精是每道菜的共用料，这样齐套率随着生产种类的增加立即下来了。

齐套率随着产量增加的下降，也是同一个道理。当你炒2盘宫保鸡丁，啥也不缺，当你炒4盘宫保鸡丁可能缺鸡肉，当你炒8盘宫保鸡丁可能既缺鸡肉又缺花生米。

当明白了客户订单分离点，我们知道在订单分离点前，应该着重去利用采购周期、采购批量、生产周期、生产批量，做到增加库存与降低交货期的平衡，在订单分离点后，结合当前订单的需求，更加注重齐套率，以便迅速完工及交货，降低交货期。

04写在最后

“三高”之痛，像人的高血压、高血糖、高血脂的三高一样，属于慢性病，没有速效药；需要防微杜渐，从日常管理抓起。结合业务找准关键指标，用数据分析的思维与产品去解决，是一个高效的途径。

愿所有工业企业，在互联网化、物联网化的道路上，结合业务抽象指标、充分利用数据，降低三高，提高盈利能力！

作者：王晓明；微信公众号：产品人晓明；多年ERP、互联网产品经验。

本文由 @王晓明 于。，

，基于CC0协议