在我國(guó),由于大中型物流企業(yè)的管理幅度大,人員多,所以對(duì)數(shù)據(jù)管理的重視度遠(yuǎn)高于小微物流企業(yè)。好的數(shù)據(jù)管理工具,可以幫助高層決策者安上一雙“天眼”,運(yùn)籌帷幄,決策千里。如果沒有及時(shí)的數(shù)據(jù)采集與數(shù)據(jù)匯總,對(duì)高層領(lǐng)導(dǎo)者就如同瞎子摸象,看不到全局,決策憑感覺。
云鏈咨詢將物流企業(yè)數(shù)據(jù)管理體系分為以下六個(gè)層次:
第一級(jí):Excel數(shù)據(jù)匯總+Excel公式處理+Excel數(shù)據(jù)可視化圖表+手工分發(fā)。這個(gè)級(jí)別針對(duì)沒有大量數(shù)據(jù)的物流企業(yè)較可行,并且企業(yè)地理位置集中,職能簡(jiǎn)單。手工分發(fā)過程需要每天人為介入,無論是數(shù)據(jù)處理還是報(bào)表制作,工作重復(fù)性很高,對(duì)員工來說容易產(chǎn)生厭倦感。
中型物流企業(yè)或大型初創(chuàng)企業(yè)一般都處于這個(gè)級(jí)別,他們有操作型業(yè)務(wù)系統(tǒng),但業(yè)務(wù)系統(tǒng)數(shù)據(jù)報(bào)表開發(fā)成本高,只能選擇指定人員手工統(tǒng)計(jì)。數(shù)據(jù)匯總及時(shí)性差,數(shù)據(jù)易篡改。這個(gè)問題在德邦曾經(jīng)是頭疼的問題,比如質(zhì)量數(shù)據(jù),由于是本營(yíng)業(yè)點(diǎn)手工計(jì)算,又關(guān)乎考核,因此在匯總的時(shí)候人為刻意進(jìn)行數(shù)據(jù)篡改是常有的事情,總部也無法監(jiān)控處罰。國(guó)內(nèi)70%以上中大型物流企業(yè)處于這個(gè)階段。
第二級(jí):Excel數(shù)據(jù)匯總+VBA宏計(jì)算+Excel數(shù)據(jù)可視化圖表+手工分發(fā)。這一級(jí)別可以將每日重復(fù)的數(shù)據(jù)處理工作變?yōu)?a href="http://www.zulingongsi.com.cn/sell/search.php?keyword=%E8%87%AA%E5%8A%A8%E5%8C%96" title="自動(dòng)化" target="_blank">自動(dòng)化,前臺(tái)圖表設(shè)置可以固定配置好,只需要修改引用源即可。雖然這個(gè)過程數(shù)據(jù)處理只需人為點(diǎn)VBA編譯好的按鍵,但是數(shù)據(jù)分發(fā)仍然必須手工進(jìn)行,在分發(fā)過程中既要注意數(shù)據(jù)安全,又要達(dá)到管控,仍然只能針對(duì)集中數(shù)據(jù)少的物流企業(yè)適用。
物流企業(yè)中有一部分員工學(xué)習(xí)能力強(qiáng)創(chuàng)造性高,他們會(huì)自行改進(jìn)原有的重復(fù)性工作。雖然引用VBA宏進(jìn)行數(shù)據(jù)計(jì)算,但是這類計(jì)算不能處理大量數(shù)據(jù),經(jīng)常遇到Excel奔潰死機(jī)。物流企業(yè)數(shù)據(jù)匯總及時(shí)性差,數(shù)據(jù)易篡改的問題無法根本上解決。
第三級(jí):Excel數(shù)據(jù)匯總+Access+VBA數(shù)據(jù)處理+Excel數(shù)據(jù)可視化圖表+手工分發(fā)。隨著物流企業(yè)訂單量級(jí)的增加,EXCEL數(shù)據(jù)處理的能力會(huì)變得相當(dāng)有限。因此不得不借助于數(shù)據(jù)庫類型的處理工具,此時(shí)Access處理+VBA+Excel的前臺(tái)圖表制作就變成一個(gè)可行的方式。這一級(jí)別雖然數(shù)據(jù)處理能力變強(qiáng)了,不再會(huì)有Excel死機(jī)造成的麻煩,但是數(shù)據(jù)分發(fā)仍然并不便捷。
比如物流企業(yè)的當(dāng)日貨量:總部統(tǒng)計(jì)員統(tǒng)計(jì)出總貨量,但是地方分公司需要逐一分發(fā),如果細(xì)化到分撥級(jí)別逐一分發(fā)更加不可行,一股腦兒發(fā)在同一個(gè)郵件中沒有針對(duì)性,對(duì)員工來說垃圾郵件太多。
第四級(jí):直接讀取系統(tǒng)數(shù)據(jù)庫+數(shù)據(jù)庫運(yùn)算+Excel數(shù)據(jù)可視化圖表+手工分發(fā)。這個(gè)階段已經(jīng)繞過Access層面,直接將數(shù)據(jù)源頭引自系統(tǒng)數(shù)據(jù)庫,此時(shí)數(shù)據(jù)的讀取更為直接與實(shí)時(shí)。當(dāng)然生產(chǎn)數(shù)據(jù)庫一般并不會(huì)直接開放給用戶,因?yàn)橐坏┌l(fā)生復(fù)雜的查詢,可能會(huì)造成生產(chǎn)庫拖庫。最好的解決方法是專門只讀數(shù)據(jù)的備份庫,不對(duì)生產(chǎn)庫有影響。而備份庫一般只有只讀權(quán)限,只能做查詢數(shù)據(jù),不能進(jìn)行數(shù)據(jù)處理,這個(gè)查詢過程導(dǎo)出后的進(jìn)一步處理可能還是需要借助Access及Excel的能力。但是這個(gè)過程,還是需要每天人工進(jìn)行定時(shí)運(yùn)行。有的公司會(huì)使用R語言功能的定時(shí)機(jī)制進(jìn)行自動(dòng)數(shù)據(jù)運(yùn)算,也可以使用oracle或者mysql的定時(shí)任務(wù)減少勞動(dòng)力。此階段數(shù)據(jù)處理更為實(shí)時(shí)簡(jiǎn)化,但數(shù)據(jù)分發(fā)仍然為手工分發(fā)。對(duì)決策者而言至少數(shù)據(jù)的及時(shí)性已經(jīng)解決,數(shù)據(jù)篡改的可能極大降低。
這個(gè)級(jí)別要求物流企業(yè)培養(yǎng)研發(fā)人員,成本高。
第五級(jí):直接讀取系統(tǒng)數(shù)據(jù)庫+BI平臺(tái)處理+BI數(shù)據(jù)可視化+BI自動(dòng)分發(fā)。對(duì)于企業(yè)是全國(guó)分公司性質(zhì)或者崗位職能比較多的公司,數(shù)據(jù)分發(fā)如果都是靠人為處理,工作量還是巨大的。這時(shí),BI系統(tǒng)就不得不出現(xiàn)了,BI可以替代原有的人工數(shù)據(jù)分發(fā),通過權(quán)限管控,將數(shù)據(jù)分發(fā)自動(dòng)化,數(shù)據(jù)查詢自主化。所有的數(shù)據(jù)后臺(tái)邏輯寫好之后,無需人工干預(yù),可以自動(dòng)分發(fā)的各自的郵箱或者在系統(tǒng)前臺(tái)查詢。
許多大型成熟物流企業(yè)研發(fā)自行開發(fā)一套BI系統(tǒng)成本代價(jià)太高,他們會(huì)在市面上尋找已有的成熟BI工具。云鏈咨詢服務(wù)大型上市物流企業(yè)數(shù)據(jù)管理服務(wù)多年,我們認(rèn)為將場(chǎng)景與數(shù)據(jù)應(yīng)用有機(jī)交融并深入管理才能真正用好BI工具。
第六級(jí):Spark/hadoop處理數(shù)據(jù)+BI平臺(tái)處理+BI數(shù)據(jù)可視化+BI自動(dòng)分發(fā)。隨著企業(yè)數(shù)據(jù)量倍增,數(shù)據(jù)庫處理能力變的更加重要。如果oralce數(shù)據(jù)庫數(shù)據(jù)處理效率不足,那么要引入hadoop多線程數(shù)據(jù)處理方案,或者用spark這種運(yùn)算能力極強(qiáng)的工具進(jìn)行數(shù)據(jù)處理,數(shù)據(jù)可視化前臺(tái)仍然以BI為主。
這種方法可以大大提高數(shù)據(jù)處理能力,在一些快遞企業(yè)中,由于日單量較大,必須進(jìn)行多線程的數(shù)據(jù)處理以較快的產(chǎn)生分析結(jié)果。當(dāng)然隨著硬件價(jià)格的下降,提高服務(wù)器本身的運(yùn)算能力,用oracle或mysql就可以做到快速運(yùn)算,未必需要使用對(duì)技術(shù)要求較高的hadoop。
在沒有參照對(duì)象的過去十年,達(dá)到第六級(jí)物流企業(yè)一定是從第一級(jí)開始,層層上升,每一級(jí)都是他們走過的路。作為新興大型物流企業(yè),可以站在巨人的肩膀上,直接走到第五級(jí)。
下圖表示上述級(jí)別的演進(jìn)過程:
不同級(jí)別的數(shù)據(jù)管理層級(jí)決定了企業(yè)管理能力的深入程度,底子越深,數(shù)據(jù)管理層級(jí)就越深,并且能與流程及場(chǎng)景良好嵌套,環(huán)環(huán)相扣。如同大樹,根系穩(wěn)健,才能枝繁葉茂。
(以上數(shù)據(jù)管理能力也不僅僅局限于物流企業(yè),任何需要數(shù)據(jù)管理企業(yè)都適用。)
2025-04-28 14:41
2025-04-27 18:25
2025-04-24 13:29
2025-04-21 08:38
2025-04-20 07:42
2025-04-19 09:16
2025-04-18 09:06
2025-04-18 09:06
2025-04-16 13:34