2.3　产品发货数据的详细分析与应用

2.3.1　产品发货数据统计

在实践中，如果企业未实施ERP中的客户管理模块，而是依靠手工的电子表格记录订单数据，客户订单追踪表会存在数据准确性问题，包括客户订单修改、撤单、紧急订单、时间记录不准确等情况。在这种情况下，成品发货数据是更容易获取的数据，这里是基于成品发货数据进行分析。

成品发货数据是一个ERP的标准数据表，包含产品编码、客户、数量、单位、发货日期信息等。在多数企业这是一个准确的数据。

2.3.2　如何进行产品ABC分类

基于产品的销量进行产品ABC分类，按照用量进行排序，计算出每个产品的销量占比。占据总销量的70%的产品是A类，占据20%需求的产品是B类，占据10%需求的产品是C类。

ABC分类的逻辑是企业资源有限，需要聚焦资源来满足关键产品的交付率。如果不考虑客户的影响，A类产品可以考虑备库制；B类产品考虑按照订单制造；C类产品采用订单采购制造模式。在产品ABC分类后，需要对客户进行ABC分类。下面是某企业的产品ABC分类，包含317个产品。其中，40个A类产品，占据大约70%的销量；50个B类产品，占据20%的销量；其中的200多种C类产品只占据不到10%的销量。如表2-13所示。

表2-13　产品ABC分类

很多企业都做了产品ABC分类和客户ABC分类，然而并没有将方法真正用在业务管理中。并不能简单地说A类客户、B类客户、C类客户该采用什么策略，也不能简单的对ABC产品制定策略，产品—客户是交互作用的。

笔者在咨询中设计出来一种“产品—客户”组合分析方法，在一些客户中使用，效果不错。在产品ABC分析和客户ABC分析后，将客户ABC和产品ABC数据用VLOOKUP函数传回出货数据表，可以进行深入的数据分析。如表2-14所示。

表2-14　产品—客户组合分析方法

2.3.3　产品发货数据处理与产品发货模式分析

首先，至少下载2年的发货数据用于分析。这是因为分析产品出货是否存在季节性并计算月度指数需要2年的数据。

其次，要对数据进行处理。加一列“基础产品名”，在流程行业里面，很多产品是替代关系，本身就是换了个印刷包装，重新起了名字。按产品物料编码分析，很多产品销售记录都没有2年的数据，因此要将新老产品销量合并起来考虑。增加时间函数，笔者常增加的是年（year）、月（month）、周（weeknum）、周几（weekday）等时间函数。如表2-15所示。

表2-15　处理数据

整理好数据后，可以使用数据透视表进行分析，可以从下面的角度分析：

产品线的销售增长趋势和季节性。

产品的综合分析，包括使用客户、发货频次等。

客户的综合分析，包括使用产品数目、发货频次等。

（1）分析产品线的总体销售增长趋势和季节性

将2年数据整理成表格，如表2-16所示。计算每月销量占全年销量的百分比。可以看到9月-10月是旺季，1月-2月是淡季。这个系数后面可以用于预测的统计模型。

同样，基于2年的数据可以计算出每种产品的销售趋势，是增长还是下降。

表2-16　分析产品线的总体销售增长趋势和季节性

（2）产品发货详细数据分析及应用

在表2-16的基础上经过透视表分析可以得到表2-17。

表2-17　产品发货详细数据分析及应用

这个表格包含产品编码、产品分类、全年的发货数量、发货的订单笔数、ABC类客户的发货数量、ABC类客户的发货笔数、ABC类客户的数目、52周中有多少周有发货。

例如1001产品是A类，有2个A类客户、1个C类客户，52周有38周有发货；1100产品只有1个B类客户使用，只发了三次货。一年周发货周次超过70%发货周次的产品可以考虑备库生产，而低于50%发货周次的一般可以采用订单生产。

一些供应链文章建议根据波动性将产品分为XYZ进行备库/订单决策，波动性=标准差/平均值。但这个公式是建立在需求服从正态分布的假设前提上，实际运营中，需求很少服从正态分布。

这家企业明显的问题是C类产品过多，但并不能简单停产C类产品。如果一个产品是C类，但有A类客户使用，则必须继续生产；如果一个C类产品只有C类客户使用，可以研究是否停产。

对于一个产品，客户数目越多，出现呆滞的可能性越低，采用备库制的可行性越高。

这里只是简单地进行了分析，更深入的分析可以采用自己企业的数据进行分析。

（3）客户购买详细统计分析

在发货数据表基础上，采用透视表处理，可以得到表2-18。

表2-18　客户购买详细统计分析

续表

包含客户类别、合计购买量、购买的品种、一年订单笔数、订货周次等。

企业肯定希望一个客户能购买更多的品种，有些客户购买品种明显得多，有些很少，这是扩大销售的机会。

对于C类客户，如果购买A类或B类产品，因为不是专供，相关成本较低；如果C类客户只购买C类产品，如果考虑综合成本公司肯定是赔钱的，是否要长期合作需要进一步分析。

单次订单笔数和每次发货量可以综合考虑以降低成品发运成本。

（4）产品—客户周发货量

这个表在预测时应用较多，此处不详细展开分析，会在需求预测一章进行详细展开。如表2-19所示。

表2-19　产品—客户周发货量

（5）产品的周中每天发货比例

可以分析仓储作业量是否均衡，从数据看周二、周五发货量较高，这在企业中是普遍现象。因为很多客户是周一和周四下达订单，因此周二、周五发货较多。如表2-20所示。这会影响仓库的资源配备，例如笔者服务过的几家医药分销企业，医院的订货就集中在周一和周四，公司必须按照周二和周五的送货需求配置资源，从而增加了车队和司机的成本。

表2-20　产品周中每天的发货量与比例

这张表还可以进行更多的分析，但常用的分析就是上述几个内容。

这里介绍了对“成品发货表”数据进行分析的一些方法，大家可以看到即使一张简单的数据表，都可以挖掘出来这么多信息供企业管理层进行决策。国内很多大企业都实施了SAP的软件系统，其中一些企业还实施了BW商业数据库系统，但很少人对数据进行深入分析。数据和事实决策这个六西格玛中最基本的原则并没能在国内的企业中落地。

2.3.4　不同类别产品的齐套交付策略

从供应链部门的角度，A类产品需求比较稳定，可以设置安全库存，直接库存发货；B类产品可以提前备好物料或者半成品，接到客户订单，简单包装出货；C类产品接到订单再生产。但从销售部门角度，这种模式是无法接受的。因为一个客户下达一个订单会包含多种产品，很多销售人员希望这些产品同时交付，是一样的交付周期。

可以采用的变通方法是同时进行产品ABC分类和客户ABC分类，然后A类产品都采用备货制，B、C类产品中的B-A（客户）也采用备库制，这样可以满足关键客户的短交付周期的需求。

当产品采用备库制，成品交付周期一般是2～4天；而产品如果采用订单制，那么交付周期是由产品生产周期和物料采购周期决定的，需要基于生产数据和采购数据进行进一步分析。