04项目二任务一调配有序-卸货作业分析

《数字化物流商业运营基础》配套课件项目二数字化物流入库作业目录CONTENTS任务一调配有序-卸货作业分析010203任务二问题有源-验收作业分析任务三改进有规-入库流程分析项目导学现代信息技术的快速发展，促进物流业务产生的大数据更丰富、更多层次地走进人们的视野。尤其是在物流数字化转型中，物流大数据的价值正在逐渐被物流人所意识到。在物流入库作业中，包含了大量的货物、人员、设备、场景等物流信息和数据，这些数据背后可能隐藏着许多规律和趋势。在数字化时代，需要物流人提升对物流数据的敏感度，并通过数据分析，帮助我们了解过去和现在的数据情况，并通过模型和算法，预测未来的变化和趋势；通过数据分析，发现物流业务运行中存在的问题和瓶颈，从而进一步优化业务流程和决策。例如，通过分析入库作业环节产生的数据，可以了解不同时间的业务量差异，分析产生差异的因素，从而调整作业资源的分配。学习目标01任务一调配有序-卸货作业分析情境引入在物流企业中，数据源于业务，并服务于业务。卸货作业是仓库运营中的关键环节，其效率和准确度直接影响物流运营成效。高效卸货能够减少货物在仓库的停留时间，提高货物的周转率，降低仓储成本；入库卸货作业量可能受到季节性变化的影响。例如，在促销购物节期间，由于消费者需求增加，出入库量明显上升，卸货效率至关重要，客观的卸货作业数据，能够帮助物流企业化繁为简，直接看到物流运营中存在的问题，更好地优化决策，实现降本增效。可以说，物流企业数字化转型，不仅是技术方面的升级，更是企业文化、思维方式的转变，在入库的卸货作业中，运用常见的Excel，同样可以对卸货作业中的数据进行分析，探索改进的方向。任务要求1．掌握卸货效率的度量指标相关知识。2．能够掌握不同方法计算出卸货效率指标。3．提升卸货效率改进优化意识。任务准备数字化应知准备物流运营数据分析准备软实力准备1．卸货效率的度量指标度量物流卸货作业的效率，一般有两个维度的指标：一是以时间维度指标进行度量，如平均每车卸货时长指标、平均每托货物卸货时长指标；二是以能力维度指标进行度量，如平均每小时卸货托数指标、平均每小时每人卸货托数指标。2．重视卸货作业分析的原因卸货作业是入库作业的首要环节，提高卸货效率可以加快物流仓库的作业速度，提高物流运营效率和降低成本。通过对卸货效率的分析，可以发现资源配置中的问题和不足，以便及时调整改进，提高资源利用效率。此外，在卸货中，如果操作不当或缺乏有效管理，则有发生安全事故的隐患，通过对卸货效率的分析，可以发现和解决这些问题，保障生产安全。任务准备数字化应知准备物流运营数据分析准备软实力准备描述性统计：在入库卸货这一常见物流作业中，会产生大量作业数据。此时，通过统计学中常用的指标，可以对卸货作业数据进行描述性统计，找到卸货作业的规律，主要包括均值、众数、中位数、标准差、方差和变异系数，它们在监测数据的集中趋势、离散程度和分布形态等方面有着不同的应用和特点。任务准备数字化应知准备物流运营数据分析准备软实力准备均值（Mean）：均值是所有数值的总和除以数值的数量，它反映一组数据的集中趋势，即该组数据的“平均水平”，它对极端值比较敏感，如果数据集中存在一些非常大或者非常小的值，可能会对均值产生较大影响。在Excel中求均值的函数表达式为AVERAGE()。众数（Mode）：众数是出现次数最多的数值，它反映了数据的“多数水平”。众数只适用于分类数据，而且当数据集中有多个众数时，无法确定真正的集中趋势，需要结合其他指标判断。在Excel中众数的函数表达式为MODE()。任务准备数字化应知准备物流运营数据分析准备软实力准备中位数（Median）：中位数是按大小排列后，位于中间位置的数值，也称为中值。它对极端值不敏感，即使数据集中存在一些异常值，中位数也能相对稳定地反映数据的集中趋势。在Excel中，中位数的函数表达式为MEDIAN()。标准差（StandardDeviation）：标准差是反映数据离散程度的重要指标，它表示每个数据点到均值的距离的平均平方值。标准差越大，说明数据点的离散程度越大，数据的分布越不集中，也可对比多组数据的离散程度。在Excel中，标准差的函数表达式为STDEV.S()。任务准备数字化应知准备物流运营数据分析准备软实力准备方差（Variance）：方差是每个数据点到均值的距离的平方的平均值，它是标准差的平方。方差和标准差都是反映数据离散程度的指标，但是方差对极端值较为敏感，在Excel中方差函数表达式为VAR.S()。变异系数（CoefficientofVariation）：变异系数是标准差与均值的比值，用于比较不同数据集的离散程度，变异系数越大，说明数据的离散程度越高。它常用于比较单位不同的数据集或者不同群体的数据离散程度。这些指标各有特点，适用于不同的场景和目的。在选择使用指标时，需要根据数据的类型、分布和问题背景来综合考虑。任务准备数字化应知准备物流运营数据分析准备软实力准备1．关注数字素养在进行物流数据分析的指标选取时，需要考虑以下五方面，才能使数据分析更有价值：一是全面性：通过使用多个指标，可以更全面地考查数据特征，从而更准确地分析问题；二是针对性，即不同指标可能对不同的数据特征或规律更敏感;三是科学性即不同的指标可能基于不同的数学原理和统计方法；四是对比性，即不同指标之间可以相互对比，更全面地掌握数据的结构、趋势和关系;五是互补性，即不同指标之间可能存在一定的互补关系。任务准备数字化应知准备物流运营数据分析准备软实力准备2．把握任务内涵调配有序的价值：调配有序体现了对物流作业指标及数据的全面性、系统性分析的特点，在物流作业数据统计分析中，使用多种统计指标来全面地了解数据，能更全面地了解卸货问题或数据的本质和特征，才能满足卸货作业中各项人力、设备、时间等资源有序调配。假设有一家物流公司需要对其卸货数据进行全面思考，其卸货数据包括以下三个统计指标：一是平均卸货时间，；二是最高卸货时间，；三是最低卸货时间。如果从平均卸货时间这一指标来看，该公司的卸货效率可能是合理的，但是如果从最高卸货时间这一指标看，该公司的某些货物可能存在卸货时间过长的问题，甚至是该公司物流作业中的一个瓶颈，因此，需要多角度考量卸货作业分析指标，才能更全面地了解卸货问题，从而精准找到卸货作业改进举措。任务准备数字化应知准备物流运营数据分析准备软实力准备学习业内榜样：应用场景及资料数据分析步骤数据可视化呈现某仓库企业汇总出2023年3月和12月的每日卸货托盘数量，请利用Excel工具，进行均值、众数、中位数、标准差、方差和变异系数的计算，并对结果进行对比分析，具体数据见表2-1。任务实施应用场景及资料数据分析步骤数据可视化呈现步骤一：在G1单元格输入“统计指标”，H1单元格输入“3月”，I1单元格输入“12月”，并在G列依次输入均值、众数、中位数、标准差、方差和变异系数，如图2-1所示。步骤二：均值将光标放到H2单元格，单击菜单中“开始”选项卡“编辑”栏中“自动求和”项的下拉三角，选择平均值，此时选中B2至B32的数据，使用“Enter”键，即可生成结果，均值计算如图2-2所示。任务实施应用场景及资料数据分析步骤数据可视化呈现任务实施应用场景及资料数据分析步骤数据可视化呈现单击菜单栏中的“公式”选项卡，选择“插入函数”命令，在弹出的“搜索函数”对话框中输入众数函数名称“MODE”，单击“转到”按钮，在选择函数栏中双击“MODE”，如图2-3所示。任务实施应用场景及资料数据分析步骤数据可视化呈现在跳出的对话框中，Number1选择表格中的“B2:B32”，单击“确定”按钮，即可生成结果，如图2-4所示。中位数、标准差、方差和变异系数的操作同理。任务实施图2-4应用场景及资料数据分析步骤数据可视化呈现步骤三：根据同样的方法，计算出12月的均值、众数、中位数、标准差、方差和变异系数（计算结果保留两位小数）。计算步骤如图2-5所示。任务实施图2-5应用场景及资料数据分析步骤数据可视化呈现步骤四：选中单元格G1：I7，选择“插入”选项卡下“二维柱形图”中的“簇状柱形图”，如图2-6所示，修改柱状图标题为“统计指标”，右键单击3月份柱形图，在弹出的快捷菜单中选择“添加数据标签”命令，如图2-7所示，12月份操作同理，统计结果如图2-8所示。任务实施图2-6图2-7应用场景及资料数据分析步骤数据可视化呈现任务实施图2-8应用场景及资料数据分析步骤数据可视化呈现通过Excel函数计算3月和12月卸货托数的均值、众数、中位数、标准差、方差和变异系数，对比两组数据发现，从均值来看，12月份的卸货量整体高于3月份，从众数来看，12月份的众数多于3月份，且更接近于均值，说明12月份连续多日出现接近满负荷作业，从方差、标准差及变异系数来看，3月份的波动较大，说明3月份卸货作业有忙有闲，而12月份则一直处于忙碌状态，这与仓储物流行业年底旺季这一特点相符合。任务实施一、背景在任务实施背景基础上，请你利用Excel分析工具库插件，完成3月与12月的统计指标计算，并观察上述不同指标从何种角度分析卸货作业。二、探究及分析首先，调出“分析工具库”插件，方法是：在Excel的“文件”菜单下依次单击“选项”→“加载项”→“Excel加载项”→“转到”，勾选“分析工具库”后单击“确定”按钮。分析工具库调用如图2-9所示。任务拓展任务拓展图2-9单击“数据”选项卡，单击“分析”模块下的“数据分析”选项，在分析工具库中选择“描述统计”并单击“确定”按钮，如图2-10所示。根据分析需求选择输入区域为“$B$2：$B$32”，输出区域为“$K$2”，勾选“汇总统计”复选框，并单击“确定”按钮，如图2-11所示。12月份的统计指标计算操