干货 | 汽车零部件企业库存改善路线图(三)

[罗戈导读]对于一个处在发展上升期的公司来说,内外部可使用的资源始终是稀缺的。如何分配有限的资源,实现资源利用的最大化,这个是需要通过缜密的数据分析来完成的。

首先我们来温习一下本系列文章一、二(点击标题即可查看原文):

干货 | 汽车零部件企业库存改善路线图

干货 | 汽车零部件企业库存改善路线图(二)

接下来,一起来看一看系列文章三,内容如下:

一、库存改善的基础和核心内容

如果从技术方面来讲,供应链管理的核心内容之一是数据分析。通过数据分析,我们可以把各种繁杂的数据转化为可供决策的信息。

这些信息是有相关性的,且来源可靠的,比如需求预测的信息是来源于历史销售数据、销售人员的预估、客户的相关数据和促销计划等等,以上信息对于做预测来说都是息息相关的。

我们以需求预测信息为基础,使用定量的或是定性的分析方法,制作出月度的或是年度的预测计划,提供给公司的管理者作为决策的依据。

对于一个处在发展上升期的公司来说,内外部可使用的资源始终是稀缺的。如何分配有限的资源,实现资源利用的最大化,这个是需要通过缜密的数据分析来完成的。

数据分析的活动贯穿于公司运营的各个层面上,从战略部署、到策略规划,直至实施操作

战略层的内容比如是在国内多地设立区域性的配送仓库,提高订单的响应时间,更好地满足客户需求。

策略规划层就可能是考虑在哪些城市设立仓库,是采用自建还是租赁的方式,物流配送的频率和路线设计等等。

在进一步下沉的实施层面上,需要分析的每天的实际运营的结果,仓库配送订单履行率,送货及时率,包装完好率等等。

二、数据的收集

不管是战略部署、策略规划层还是具体操作实施的层面,都需要收集海量的信息用以分析。如果想要优化配送仓储运输网络,可能需要收集的信息包括以下内容:

A.客户、配送中心、制造工厂的地理位置。

B.产品SKU的包装数量,长宽高和重量。

C.产品在运输过程中是否有特殊要求,托盘是否可以堆叠。

D.产品的需求预测,历史销售数据,退货比率等等。

某个著名的运输网络优化软件商,就要求其客户提供的信息越详尽越好,如果客户在项目开始阶段就收集了大量的优质相关数据,那项目成功实施的可能性就会得到有力保障。

在ERP项目实施上也存在同样的原理。主数据Master Data的收集情况直接关系到项目最终能否成功上线。

如果项目前期收集到的数据存在大量的错误,那么在ERP实施以后极有可能会遇到各种各样的问题,导致系统无法发挥出应有的作用。

我们常讲的一句英语俗语“Garbage in,garbage out”,代表的就是这层意思 输入的信息是错误的,输出的结果必然是无法有效使用的。

数据收集方面总结下来包括两个关键点,第一是需要收集大量的数据,第二是要确保数据的准确性。

1.数据收集的要点

(1)有数据比没数据好

在数据收集的时候,我们可能受制于客观条件,无法收集到所需要的全部信息,比如说在做销售需求预测的时候,新品缺少历史销售数据,或者一些客户无法给出相关信息。

在这种情况下,我们仍然需要收集可以收集到数据,并以这些信息为基础做预测。当我们在经历了一些预测和实际需求有偏差的情况后,我们可以采取修正预测的模型,调整公式的常数,考虑季节的因素等方式来改善提高预测的准确性。

通过一次次地改进和持续地收集数据活动,我们终将可以获得更加接近现实的预测模型。但是如果不采取任何行动,抱怨因为没有充足数据的话,那最终无法获得工作上的进步和成就。

(2)尽量自动导入数据

一些数据收集软件可以批量地自动识别关键数据,剔除错误的或是无用的数据,提高数据收集的效率和准确性。人工输入方式导入数据不仅费时费力,而且还容易出错

(3)尽量收集实时数据

实时数据代表了在当时发生的真实情况,最能够反映目前的运营水平。

比如在收集库存数据的时候,最佳的方案就是使用系统内当前的库存数量来进行分析,而不是用前一天的数据,因为在隔天以后,原材料、在制品和成品的数量都已经发生了变化,已不能反映出最真实有效的库存情况,会对最终分析结果产生一定的偏差。

如果想要获取实时数据,需要企业在软硬件方面进行投资,比如安装条码系统Barcoding和与之配套的软件同步系统数据。这种软硬件的投资费用不菲,企业视业务发展的需要来决定是否要进行投入。

2.确保数据的准确性

数据的准确性是进行数据有效分析的基础。保证数据的正确输入和辨别可能存在的错误是一项持续长久的工作。

企业如果大量依赖于人工输入数据,就更加需要采用一系列的流程和方法来控制数据输入的质量

一些细小的输入错误,可能会对企业运营造成巨大的影响。比如在进行库存盘点的时候,负责点数的员工在盘点纸上多写了一个零,负责盘点结果输入的员工在系统里少打了一个零。

差之毫厘,谬以千里。最终出来的库存结果定然会导致盘盈或是盘亏,不管是出现了哪种情况,都是属于库存管理中的异常,需要花费额外的时间进行二次盘点。

再例如物料清单中一些包装材料或是耗材的消耗量,此类物品的实际使用情况往往容易被忽略,日积月累到一定程度以后,系统里和实际的库存之间的差异可能会相当惊人。维持BOM表数据的准确性也是一项长期而且重要的工作。

(1)如何提高数据准确性

一个最主要的方法就是把控住数据的源头,力求在初始数据输入的时候就把正确的信息传输进入数据库。

在这个阶段,可以使用自动化的方式,比如通过EDI或是Web EDI传送采购订单,并且在仓库收货的时候使用扫描条码完成入库确认。

在制定数据格式的时候,需要考虑采用国际通用的度量衡单位或标准格式的字符内容。比如重量单位是以公斤(KG)为统一标准,避免使用其他的重量如磅或盎司等。

(2)如何维护数据准确性

数据的创建与修改都应该设定相关的流程和政策,明确什么岗位的员工拥有创建或是修改数据的权限。

每个使用者都有自己的账号,而且不允许他人共享使用。对于初始用户,企业的信息系统和人力资源部门需要安排相关的培训。

另外还需要设立专人,来对于数据的准确性进行定期的检查,比如生产工艺需要核对BOM的实际使用量,ERP主数据维护人员需要检查各种系统参数,物料计划员需要查看采购订单中的parameter等等。

能否收集到充足的、有效的数据,直接关系到下一步库存改善的行动计划和与之相应的结果。同时,维护数据的准确性又是一项需要长期坚持做的工作,要求我们不断检查和清理错误的信息,以防止小问题变成大漏洞。(未完待续)

此文系作者个人观点,不代表物流沙龙立场

上一篇:深度 | 快消品 B2B 七大仓储物流模式解析
下一篇:干货 ┃ 如何将仓储运作系统场景化、可视化、绩效化、图表化?
1元 2元 5元 10元

感谢您扫码二维码打赏

罗戈快讯 更多