供应链管理中的4种数据分析

正文

请到「今天看啥」查看全文

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。

请到「今天看啥」查看全文