• 案例干货!如何构建物流行业的数据分析模型?


    综合物流行业有三个普遍的特点,一是规模巨大,规范缺乏;二是集中度低,市场分散;三是货物复杂,需求复杂。这三个特点衍生出了物流企业四大问题,分别是数据匮乏,过程管控无力;利润口径不一,经营决策分歧;成本分摊不明确,客户质量模糊;管理目标不清晰,工作难聚焦。

    这四大问题导致了企业难管理、难壮大,成为企业发展的瓶颈。如何高效处理好上述的四大问题,实现企业管理升级?下面我将以盛丰物流公司为例,展示一下如何通过多维度数据分析,建立物流行业的数据分析模型,解决解决综合物流的四大问题,助力企业管理升级。

    一、从信息化角度看综合物流四大问题

    盛丰物流2001年创建于福州福兴经济开发区,是一家专注于国内干线运输、货物仓储、市区配送、物流解决方案策划与设计的国家5A级综合物流企业,先后获得中国物流百强企业、中国民营物流企业十强、全国制造业与物流业联动发展示范企业等多项荣誉称号。

    同时,该公司业务范围涉及全国,拥有280家分公司,规模巨大,市场分散,公司涉及国内干线运输、货物仓储、市区配送等一系列业务内容,货物复杂,需求复杂。

    案例干货!如何构建物流行业的数据分析模型?

    公司信息部总监认为,从信息角度来看物流行业有四大问题所在:

    1. 数据匮乏,过程管控无力。在物流行业主要体现在对订单进行闭环流程管理的仓储运输和交易账目进行事后记录的财务系统上。

    2. 利润口径不一,经营决策分歧。企业的运营、营销、财务等人员站在各自的数据维度思考问题从而导致观点不一,产生分歧,造成一定的内耗;

    3. 成本分摊不明确,客户质量模糊。在运输行业,一个订单往往会通过多段运输来完成,而每一段运输成本又会涉及到其他数个订单。这导致公司在分析客户优劣的时候,更多的情况下是主观的,缺乏客观数据去衡量客户的价值;

    4. 管理目标不清晰,工作难聚焦。在解决问题的过程中会发现在很多问题在管理上没有抓手,导致管理下沉时没办法聚焦。

    这些原因汇集在一起最终导致了企业管理难度高,管理复制困难,阻碍企业的进一步发展壮大。

    二、多维度数据分析解决综合物流四大问题

    为解决上述四大问题,盛丰物流决定从运输、结算、经营三个大维度入手,并将其分为货物调度与货物跟踪、应收账款与过程监督、毛利与管理报表这几方面来分析。通过多维度数据分析,使得管理者可以聚焦问题货物,扩大了分公司的管理半径,目前公司的运输订单交付的延迟率降低了53%,应收账款的周转率提高21%,外部审计从最初35天到现在只需5天。

    (一)运输管理——货物跟踪与调度

    1. 货物跟踪

    举一个简单的例子,你在淘宝上买了一件心仪的礼物送给朋友,你总要时常看一下物流信息,礼物有没有发货,到了什么位置,能不能准时送达等等,如果没有货物跟踪,物流信息,相信我们会胡思乱想,甚至会忧心忡忡的,由此可见货物跟踪的重要性。同样对于企业而言,了解货物目前的状况,跟踪货物信息也是尤为重要的。

    管理货物运输过程存在两个痛点问题:

    • 时效要求不统一,较依赖人员对客户及货品熟悉程度;
    • 管理边界宽,日常工作难以聚焦。

    针对这些问题,制定了如下的几个步骤进行处理。第一步,按照日期进行分组,了解到每一天的总票数;第二步,将时效规则嵌入到整个报表中,包括了普运、快运及客户的合同约定,城市、门到门、站到站等信息;第三步,明确节点个数,了解到这些票是停留在始发方,还是在途,还是到达或者是其他状态

    案例干货!如何构建物流行业的数据分析模型?

    通过前三步便可覆盖全部货物,聚焦问题货物。并且可以根据时效规则,方便快捷地观察到订单的延误状态。通过GPS、北斗、司机端小程序、客服电话等方式,获取货物最新的位置信息。

    案例干货!如何构建物流行业的数据分析模型?

    将时效规则植入计算机,利用数据分析,可以有效解决货物跟踪问题,使得管理者可以聚焦问题货物,扩大了分公司的管理半径。

    2. 货物调度配载

    货物调度要求调度员及时了解车辆、货物信息,对货物的重量和体积比标准掌握得当,做出合理明确的安排。货物调度合理能够将公司的利润最大化,调度不合理会造成资源浪费以及经济损失。目前货物调度配载存在三个痛点问题:

    • 对个人能力依赖比较严重
    • 实现传承比较困难
    • 工作方法难以复制推广

    如何解决上述问题呢?如下图所示,其中运单数据边界包括目前已经在做的货,已经到达了但还没有卸车的货,也包括在途中马上到达的货。通过预约的时间,可以跟客户确定货物运送时间。还可以进行车型和货物的匹配,包括方向、货重、载重。最终实现,晚上货物可能还在路上或者还在卸货中,公司员工就可以做出一个配载的计划。第二天一早,就可以把单子拿走,装货发车,相当于把整个作业都提前了。

    案例干货!如何构建物流行业的数据分析模型?

    案例干货!如何构建物流行业的数据分析模型?

    利用数据分析作为支撑的辅助时间,从个人能力到群体的复制。截至目前公司的运输订单交付的延迟率降低了53%。

    (二)结算管理——过程监督与应收账款

    1. 结算过程监控

    结算数据一般来讲都是由运输系统产生,财务根据评审记录结果,哪个过程有所缺失,这些钱有可能会被挪用掉。

    案例干货!如何构建物流行业的数据分析模型?

    案例干货!如何构建物流行业的数据分析模型?

    报表明确了业务收款人员,移交人员,复核人员,出纳四个岗位。根据这张报表可以得知,哪些是已经收款没有移交;哪些是已经移交没有复核的以及已经收到钱还没有到账的。

    2. 应收账款监控

    应收账款问题,它是一个连续的订单,很多时候发生最大的问题就在于没办法对客户应收账款进行精准分析,宏观有余,微观不足。

    案例干货!如何构建物流行业的数据分析模型?

    收到钱以后,最核心的是要把钱分解到票,为此制作了这么一个报表,如图 9所示。其核心是聚焦未对账金额,倒推数据问题,聚焦业务源头,找出目标问题。

    案例干货!如何构建物流行业的数据分析模型?

    案例干货!如何构建物流行业的数据分析模型?

    通过以上集中的改造,可以有效地解决成本分摊不明确,客户质量模糊问题。公司的应收账款的周转率提高了21%。

    (三)经营分析 ——毛利与管理报表

    1. 毛利

    经营分析的三个维度,销售毛利(客户毛利)、线路毛利、单票毛利。这里以单票毛利进行说明,单票毛利是最核心的,单交毛利是客户利润、项目利润、机构利润的基石,单品毛利的难度,是在于说数据的完整性,因为成本它是不是一票一成本,它是多票对应低成本,这样一个分摊的规则,包括数据的变动和评断。通过帆软的产品,公司员工不需要花大量的时间用于数据的录入等方面,数据获取更加及时快捷。

    案例干货!如何构建物流行业的数据分析模型?

    2. 管理报表

    运营日报是经营中最常用的报表,能准确清晰地把不同条块的成本、收入、利润呈现出来,对整个经营了如指掌。

    案例干货!如何构建物流行业的数据分析模型?

    公司分总每天只需打开运营日报,查看合计数据,就可以了解到公司整个场站的一个真实的运行情况。对管理来讲,它让经营达到了可视化的效果,更重要的是把管理的难度降低了。

    综合这两种方式,能够对利润进行有效统一,避免经营的决策分歧,减少内耗。目前,盛丰物流员工无需在花费大量的时间用于基础数据收集,填报,极大地提高工作效率,降低了人力成本。整个月度财报每月1号准时推出。外部审计最初需35天,现只需5天。

    三、结语

    综上,我们可以看出通过运输、结算、经营多维度数据进行分析,更加高效地解决了数据匮乏,过程管控无力;利润口径不一,经营决策分歧;成本分摊不明确,客户质量模糊的问题,帮助决策层明确自身的管理目标,聚焦工作重点。

  • 相关阅读:
    代码块
    hp g6 2328tx 加装ssd 机械硬盘安装到光驱位置 问题小结
    thinking java
    命令设计模式
    内部类
    模板方法模式
    UIAlertController
    一个基于qml的网络封装库
    qml package 的使用
    一个QMLListView的例子--
  • 原文地址:https://www.cnblogs.com/hzcya1995/p/13325681.html
Copyright © 2020-2023  润新知