供应链管理中的4种数据分析

数据分析是供应链管理者的必修课，我们整天都在和各种报表和数字打交道，在日常工作中锻炼出分析数据的能力。我们可能没有意识到，数据分析早已经融入在供应链管理人士的DNA里，所以它是一门必须掌握的技能。

数据分析是一个很广泛的概念，大体上可以分为以下4种。

1.描述性分析

描述性分析向我们揭示了过去发生了什么，例如前一天的销售和交付情况，上个月的库存水平，也就是 “What has happened?”

供应链经理就像是飞机的驾驶员，需要跟踪、监控几十个不同的指标，例如库存水平、人工成本、运输费用、材料费用、客户的交货及时率、缺货数量、供应商的准时交货率等等。

重要的描述性分析指标就是KPI，它们给管理者发出信号，表明企业运行的情况，是良好或是欠佳。描述性分析通常使用电子表格和系统软件进行分析。

描述性分析报告使用基本的统计数据，包括总和、平均值、标准偏差、百分比和比率等。尽管统计数据不复杂，但不是每个人都对数字有敏锐感，面对一大串的数字，有些人可能会感到茫然。

为了更好地传递信息，我们经常使用各种图形、图表，这就是“一图胜千言”的作用。现在很流行使用可视化图表，也叫做Dashboard，用一页纸把最重要的KPI展现出来。

此外，自动化的系统可以向管理者发送预警，例如无法按时完成产量或是交货率低于设定的目标。

每个供应链管理者都会在工作中遇到描述性分析，通常是一线基层的统计数据，报告供应链运营中发生的事情。

部分数据是实时的，使用描述性分析的人需要相当高的供应链管理水平，因为他们需要快速地做出反应，采取行动。

我们需要具备使用电子表格、制作图形或开发可视化仪表盘的技能，并且能够在PPT中使用这些数据和工具，向领导和其他团队成员解释数据。

描述性分析是回顾过去发生的事情，但是它无法判断为什么会发生这种情况，也不能预判接下来会发生什么，所以我们需要使用其他的分析方法。

2.诊断分析

当运营KPI没有达标时，我们就需要调查问题原因，这就是诊断分析的作用，告诉我们为什么会发生这种情况，提供洞察力。

举个例子，描述性分析显示某件商品的缺货数量增加了，造成缺货的原因可能是需求增加了或是供应不足，想要找到问题的根源，就需要使用诊断分析工具，例如鱼骨图、5Why分析法等。

我们从库存水平、上周或是去年同期需求变化、商品损坏率、供应商或零售店的延迟交货等方面开始调查，这些都可能导致缺货。

资深的人员可以使用分析工具和凭借他们的经验，快速找到主要原因，然后制定补货计划以避免更多的缺货。这些分析是在进行统计分析后得到的，包括数据挖掘、根本原因分析、线性回归、敏感性和相关性分析。

诊断分析的专家就像是供应链的“侦探”,当出现问题时，他们会根据描述性分析的结果找出“罪魁祸首”。追溯物料在供应链中的活动，包括采购、制造、移动和销售等过程，了解不同事件和结果之间的关系。

从事诊断分析的人员需要相当高水平的供应链知识，强大的统计能力，使他们能够在复杂环境中找出关键性的因素，解开供应链之谜。

3.预测分析

描述性分析是“事后诸葛亮”，是向后看的分析方法，只能告诉我们发生了什么，但是给不出任何的指导意见，所以我们还需要向前看的工具。

预测分析告诉我们接下来会发生什么，帮助我们展望未来，提供正确的决策，避免犯重复的错误。

例如，描述性分析告诉我们，在某一年出现了冷饮畅销的情况，这与当年夏天气候炎热有相关性。我们可以使用历史销售数据和实时的气候数据，通过模型来预测未来冷饮的需求。

供应链团队要监控预测与实际销售量的差异，然后修正模型的参数，以期获得更加准确的预测。随着预测准确率逐渐提高，我们的销售损失和废弃库存会不断减少，运营结果将会得到改善。

线性回归和时间序列分析都属于预测分析。线性回归是根据已知，预测未知的模型，比如我们可以根据已发生的物流运输费用，来预测未来可能发生的运费。

在时间序列分析中，时间是基本的维度，主要的元素有需求的基线、季节性因素、趋势和其他因素。

预测分析的应用场景非常广泛，当我们拥有了大量的数据，包括销售、供应商、物流等结构化数据，以及非结构化的社交媒体数据，我们就可以构建复杂的模型。

这些数据可以用于模拟多个场景，它们都有不同的概率和可能的结果。企业可以预测库存水平、运输费用、缺货损失等情况。

相比于描述性和诊断性分析，预测分析要更加复杂。预测天气、汇率和股市的波动、体育赛事结果等都是困难的。在大量的变量之中，有哪些会对结果产生影响？

预测分析专家需要数据、统计和编程方面的高级技能。随着历史数据和实时数据的爆炸式增长，企业需要借助于数据科学家来开发预测模型，实施机器学习系统，并进行模拟和验证。

在当今世界，懂得供应链管理的数据科学家是最紧俏的人才，处于供不应求的情况，所以拥有预测分析能力的人，未来一片光明。

4.指示性分析

指示性分析可以推荐决策和行动，它比预测分析更进了一步。经典的经济订货模型(EOQ)就是指示性分析。

企业想要保持最低的订货和库存持有成本，同时满足客户需求并避免缺货，我们需要在这两个目标之间找出一个最佳方案。前文提到的描述性、诊断和预测分析都不能给出答案，而指示性分析就能提供解决方案。

在EOQ模型中，订货成本和持有成本之和的最小值就是最优解。

在规划运输网络时，混合整数线形规划根据所有线路的运输费用、客户需求数量、供应能力和其他变量，建立起多个方程式，然后求出了网络运输费用的最小值以及每条线路运输量的最佳方案。

有些公司使用软件来实施指示性分析策略，还有些公司自主开发工具和模型，以完美地适应他们的供应链。

企业需要博士级别的高级人才来处理复杂的统计数据、算法和每天产生的大量供应链数据。

既了解供应链，又是精英数据科学家的人才比熊猫还珍贵，真可谓是“千军易得，一将难求”。符合这些要求的高级人才可以自己创业，或是在行业头部企业里出任首席供应链管理管，或是从事咨询行业，前途不可限量。

附：卓弘毅老师课程推荐，点击课程名称即可跳转查看。

《汽车制造业供应链与物流管理》是根据卓弘毅老师10余年汽车制造业工作经验，结合世界权威供应链协会组织ASCM的理论研究，融会贯通之后，精心制作的一套课件，来帮助更多的朋友来学习先进的制造业供应链物流知识。