数字化物流商业运营基础 课件全套 张齐 项目一任务一 以旧推新-移动平均分析 -项目八任务三 安全且速-快递服务的运营分析

《数字化物流商业运营基础》配套课件项目一数字化采购目录CONTENTS任务一以旧推新-移动平均分析010203任务二因变而变-回归预测分析任务三权衡库存-EOQ采购分析项目导学在数字时代大背景下，物流行业正在积极进行数字化转型，以便更好地服务客户企业和自身，不断提高效率、优化服务和降低成本。采购作为企业运营的重要成本投入活动，倍受企业经营管理者的关注，尤其是采购数量、采购时机、采购供应商，是关于降低采购成本的重要方面。数字化技术的应用，可以带来采购智能化的效率提升，对采购数据的数字化分析，将使采购数量、时间的预判更精准、及时，降低物流风险，提高客户满意度，实现上下游企业的“多赢”。同时在数字化转型中，更需要物流企业对采购相关数据进行收集、处理和分析。学习目标01任务一以旧推新-移动平均分析情境引入亿邦智库联合中国物流与采购联合会公共采购分会于2023年7月12日共同发布了《2023数字化采购发展报告》。根据报告统计，截至2022年，全国企业采购规模已经超过173万亿元，其中电子商务采购总额达到14.32万亿元。这表明越来越多的企业正在采用数字化采购方式进行商务交易。在数字化采购方式中，离不开先进的数字化技术、手段，以及便捷的网络平台支撑，这一切促进了企业不断提高采购效率，降低采购成本。最典型的应用就是依靠数字化手段，能让企业根据运营现状，更容易准确地预测未来。其中，采购数量的预测是企业及相关物流企业所关注的重点。本任务学习利用移动平均法，依据企业前期各月的采购数量，预测下期的采购数量。任务要求1．掌握采购的数字化相关知识。2．能够掌握基础的采购预测方法——移动平均法。3．提升采购中的数据分析素养。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．数字化采购的概念数字化采购是利用大数据、云计算、人工智能、物联网及区块链等数字技术，更及时准确把握企业采购需求，以及优化采购过程，优化库存水平，并及时调整采购计划，从而提高采购效率，降低采购成本。2．重视采购预测分析的原因数字化时代的采购，首先需要根据企业实际的需要，准确预测采购的数量，把握采购的时机。这需要企业在以往的生产经营基础上，运用科学的数据分析方法，测算未来一定时期内，某种原材料或商品的供求关系及变化趋势，从而为降低采购成本、制订采购计划提供科学的依据。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3．采购预测分析的适用范围在数字化时代，采购预测分析的意义重大，应用广泛，对于企业而言，采购预测分析的应用场景主要包括两种类型，一种是商贸物流企业的采购预测，另一种是生产制造企业的采购预测。两者有一定的区别，运用的采购预测分析也不尽相同。商贸物流企业采购预测的重点是紧跟市场需求趋势，以销定采，采购的商品种类、数量尽可能及时地对接下游客户多样化需求，并尽量提高库存周转率；而生产制造企业的采购预测重点是紧跟生产制造需要，在需要保有一定库存量的基础上，预测原材料的采购需求。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在采购预测分析中，比较简单且常用的预测分析方法就是移动平均法，它在生活、生产实际中均有着较为广泛的应用。它是一种最基础的时间序列分析方法，通过将以往采购量按时间顺序排列后，逐项推移，依次计算一个固定时间段数内的采购量平均值，以反映未来的采购预测趋势，如在月份和季节上，预测采购数量的变化趋势。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如A公司使用移动平均法进行采购量预测，可以以每6个月作为固定时间段，表示为N=6，依次计算预测的采购量，若要预测7月采购量，可以计算1至6月的平均采购量，若要预测8月的采购量，可以计算2至7月平均采购量……以此类推。如果有连续的数据，可以通过进一步的数据分析，获得采购量的预测趋势，并通过图表方式，直观显示实际采购量与预测采购量的数据情况。在移动平均法的应用中，可以通过分析一年或几年累计的数据，进一步探求数据是否随季节变化，是否在一定时期内存在变化规律，这样可以从多角度应用移动平均法。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请仔细观察针对某公司采购需求实际值与预测值曲线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从上图可以看出，移动平均法的缺点是存在滞后偏差，即当序列呈明显上升或下降时，移动平均的预测值会产生明显的滞后偏差，即预测值比实际值偏低或偏高，因此在实际使用移动平均法时，一般会从多角度进行分析，优化其应用，以提高预测的准确性。尤其对于采购需求预测，可通过以往数据分析，探究其变化的规律。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．关注数字素养中央网络安全和信息化委员会2021年印发的《提升全民数字素养与技能行动纲要》，提出了提高公民的数字素养能力。数字素养是数字社会公民学习工作生活应具备的数字获取、制作、使用、评价、交互、分享、创新、安全保障、伦理道德等一系列素质与能力的集合。其中数字思维能力是指能用数字技术（如大数据、人工智能等）解决自己或他人在生活、工作中的问题。无论是物流企业还是生产制造企业的运营，都离不开采购的驱动，如生产制造企业的原材料、制造设备、工具等，如物流企业根据客户企业的需求变化，配合开展采购活动，均离不开大量数据的收集、处理和分析，如运用物联网、人工智能技术、云计算等数字化技术，会更深度地融合到物流及采购中问题的解决，尤其是在不同情形下，采购数量、采购时机的选择等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．把握任务内涵以旧推新的价值：在数字化物流商业运营中，移动平均法虽然是最简单、最基本的预测分析方法，但是由于其易操作、直观性强的特点，因而应用广泛。在物流的数字化采购中，物联网、人工智能等技术，可以实时获得大量采购相关的时间、数量、货物信息等，因此在预测分析中，我们可以站在时间维度，养成一种时常观测物流企业、生产制造企业的采购相关数据，以“以旧推新”的思路，养成对未来采购趋势预测的工作意识，这样有助于及时发现和改进采购中的问题，提高采购效率。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物流公司采购部主管根据2022年前11个月的M客户的装饰材料A的出库情况，进行第12个月的采购量预测分析，请利用Excel工具，采用简单移动平均法，在固定时间段N=1，N=3，N=5时，分别对12月的采购量进行预测，具体数据见表1-1。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：对于固定时间段N=1时，即下个月预测值等于上个月数据，即第12月的采购量预测值与第11月相同，即为46t。步骤二：利用第一种方法利用Excel工具的求平均数公式来完成，当固定时间段N=3时，前3个月的平均值作为第4个月的预测值，当固定时间段N=5时，前5个月的平均值即为第6个月的预测值，这样分别在相应的N列，分别在第4个月和第6个月的单元格中，输入等号后，列出求平均数的计算公式，然后选中D5单元格，调整鼠标在单元格右下角变成黑色十字时，单击，并向下拖动，自动填充至第12月的预测值即可，具体数据如图1-2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下面采用第二种方法，不使用公式，直接使用Excel“数据分析”功能，实现数据可视化呈现。具体做法见图1-3。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菜单栏中选择“数据”，在工具栏中选择“数据分析”，在弹出的窗口中选择“移动平均”选项，单击“确定”按钮。如果工具栏中无“数据分析”，则通过单击“文件”-“选项”-“加载项”，在弹出的对话框中单击“Excel加载项”旁边的“转到”按钮，勾选“分析工具库”，并单击“确定”来启用；在输入区域中选择“$B$2:$B$12”，即1—11月份的数据，固定时间段（即间隔）为“3”，输出区域选择“$D$3”（无论固定时间段N为多少，均将表第二行的对应单元格位置作为输出区域），最后勾选“图表输出”复选按钮，此时表中N=3列填充数据，小数点后位数过多，将数据选中后，单击右键，找到“设置单元格格式”，将其中的“小数位数”选为“0”。重复同步骤得出N=5时的预测图表。生成的两种预测图如图1-4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这样可以更直观地看到实际值与预测值之间的误差。通过观察发现，采用第二种方法不仅可以获取预测值，还能直观看到预测值和实际值的偏差情况，帮助我们选择合适的移动平均间隔。应用场景及资料数据分析步骤数据可视化呈现那么，当出现两个预测结果时，应该选择哪一个呢？这里就要用到方差知识了。方差就是各数据距离该组数据平均数的差距值的平方值，将每个数据与平均数据的差距值进行平方后，再求和即可求出。该指标反映了该组全部数据离平均值的分散程度，在今后的学习和工作的数据分析中会经常运用到。通过理解其思想，再通过Excel计算，就能看出N=1、N=3和N=5时，移动平均法预测结果的准确度。任务实施应用场景及资料数据分析步骤数据可视化呈现具体步骤是：在函数编辑栏，先输入“=”，再输入“VARP”，在后面出现的括号中，选中数据，如果是大量数据，则用“:”表示起始单元格和结束单元格位置，即可求出方差。如图1-5所示，当N=5时，方差最小；这说明，当使用移动平均法时，运用的“旧”数据越多，预测出的值越能反映数据的发展趋势（在其他条件不变的条件下）。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一、背景在上述任务实施的基础上，事隔一年后，该物流公司的采购部主管发现2023年12月该客户的A装饰材料实际需求大幅减少，导致库存量有所增加，占用了周转资金，于是与客户共同分析装修市场的需求，通过讨论，他们决定进一步优化移动平均法，以便更好地反映消费市场的淡旺季趋势变化。该公司2023年实际的采购量，见表1-2，请利用Excel，使用加权移动平均法完成2024年1月的采购需求预测。任务拓展任务拓展二、探究及分析1.完成移动平均法的采购需求预测选择不同固定时间段，如N=3和N=5时，分别完成移动平均法的采购需求预测，如图1-6所示。请同学在完成上述分析后，探究以下问题：（1）观察图中预测值在N=3时和N=5时的变化趋势有什么特点？（2）在提高采购需求预测值的准确度上，同学们有什么改进思路？任务拓展任务拓展2．探究移动平均法的优化改进思路通过上述分析，可以看到本案例中的采购需求数据存在一定变化规律，即符合家装市场春夏秋季对A装饰材料需求量较高，而秋季以后的需求量基本呈走低趋势，在此基础上，探究以下优化方式，如图1-7所示。（3）请各组同学利用Excel，完成移动平均法的优化改进图表，并观察图1-7中不同的移动平均法预测、有什么特点。结合本次任务，选出你认为更准确的预测计算方式。（1）基于最近的实际采购量，同时加与上次的采购值的差值，即假设数据存在着固定间隔的增减趋势，来预测最新的采购数据，可称其为差额累计移动平均。（2）基于最近的实际采购量，乘上一个系数（这个系数是本次与上次采购值的比例，即假设数据存在着固定比例的增减趋势）来预测最新的采购数据，可称其为比例累计移动平均。任务拓展任务评价《数字化物流商业运营基础》配套课件下课《数字化物流商业运营基础》配套课件项目一数字化采购目录CONTENTS任务一以旧推新-移动平均分析010203任务二因变而变-回归预测分析任务三权衡库存-EOQ采购分析02任务二因变而变-回归预测分析情境引入随着数字化的推进，与物流紧密相关的采购数据成为企业越来越重视的数据资产之一。但在实际工作中，数据来源的多样性、信息孤岛的普遍性，使企业内外部和上下游企业间，仍然缺少对数据及时有效的统计分析，比如采购经理想查看采购从下订单到入库的情况，需要多次登入信息系统的供应链模块中查看。与此同时，想要查看外购入库单和其他入库单的数据，也需要多次查阅不同单据。这说明企业需要具有数据分析能力的技术技能人才，能针对降本增效需要，进行数据分析，在物流采购中，需要多渠道获取数据，并掌握科学预测采购数量的数据分析方法，这是未来物流企业运营中数字化采购的重要工作之一。任务要求1．掌握采购需求回归预测分析的内涵。2．能够掌握采购预测中简单的散点图法和回归分析预测。3．提升采购中的数据分析意识。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．物流中应用的数字技术和数据分析的关系物流中应用的数字技术主要包括增强现实和虚拟现实、人工智能、物联网、区块链、全程自动化机器人、自动驾驶等，物流业企业可以通过利用上述数字技术，推动业务、运营和组织流程转型，不断提高物流企业核心竞争力；数据分析是指通过收集、整理、分析和引用数据，以揭示隐藏在数据中的规律，并为企业物流的决策和行动提供方向和指导，提高工作效率和降低物流成本。因此，前者是后者的技术支撑，而后者是在物流业务场景中运用、优化前者的依据，后者也是助力物流数字化转型关键。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．采购预测中会运用的数字化技术在采购预测中，会通过物联网技术、大数据技术、人工智能、数字化平台等，可以自动获取客户销售和采购数据、库存信息等数据，根据可以自动化的采购流程，预测采购货物类型、采购数量、采购时机、物流运输计划等数据，不断简化采购环节、减少手工录入差错，以及掌握供应商绩效，从而降低采购成本。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3．回归分析的概念在数字化时代，大数据的作用日益显著，我们可以通过大量观察数据，建立因变量与自变量之间回归关系的函数表达式。对于物流采购需求预测而言，移动平均法一般根据固定时间段N的不同，用于近期的采购预测；而回归分析，可以根据全部的自变量和因变量数据，经探究后建立一个函数，从而计算出未来当某个自变量出现时，因变量数据是怎样的。对于此次任务，运用一元线性回归分析，最后形成一个一次函数表达式，并可通过Excel画出采购预测趋势图，实现采购预测趋势的可视化。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回归分析可以帮助我们从以往采购数据中，找到一定的采购数量变化的趋势，这是一种常见的数据分析方法，回归可以说是用已知样本对未知公式参数的估计，即：Y=f（X1,X2,X3），这里回归函数f（X1,X2,X3）代表任意函数。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在一次函数的基础上，通过分析自变量和因变量之间的关系，从而对已知数据的拟合结果进行预测，这种最基础、最常用的回归分析方法就是一元线性回归分析，它是回归的一种，利用最简单的一元一次函数关系，一元线性回归的函数模型可以表示为：Y=f（X）=aX+b其中，X是自变量，Y是因变量，a，b是一次函数模型的未知参数，通过对以往X和Y数据的统计、分析和拟合，获得a和b两个参数值，即确定了这个一元线性回归分析的模型。如果建立了一元一次函数模型，则可根据自变量，求出相应的因变量。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关键点是求出参数a和b,常用的有两种方法，公式计算法和散点图法，这两种方法均可以利用EXCEL工具进行数据分析。如下图1-8，找出自变量和因变量数据，判断数据变化趋势。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通过图1-8，可以发现X自变量的数值变化，导致Y数据变化后的数据，基本落在一条直线的周围，可以说Y因变量与X自变量的关系为一元线性回归关系。基于此，我们可以预测Y因变量的数值，用这个一元一次方程求解即可。这里要注意，X自变量也有可能是时间序数，此时这个问题类似于移动平均法预测的情形。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下面从一个生活中的实例，分辨哪些数据是自变量或因变量，哪些数据没有任何关系。某知名奶茶连锁配送中心的原料采购中心通过大数据平台，获得了近三年的奶茶原料浓缩果汁A的采购数据，以及采购时的气温（C）、折扣比率（R）和浓缩果汁种类（K）数据，通过回归分析后，最终发现了奶茶原料A的采购数量与气温和折扣比率两个自变量存在相关关系，是气温（C）越高，奶茶原料A的采购量越大，折扣比率（R）越大，奶茶原料A的采购量也越大，而浓缩果汁种类（K）对于奶茶原料A的采购量无明显影响。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散点图法是将以往的X和Y数据点，直接绘制到直角坐标系象限中，如果利用Excel工具，可以拟合出一条直线，直接求出斜率a和截距b。对于一元线性回归分析，下面我们来了解自变量和因变量两者存在的相关关系，即正相关和负线性相关关系。这里关注参数R，将其称为相关系数，将R的平方（R2）称为判定系数，R的值在1与−1之间，R的绝对值越接近1，两个变量线性相关性越强。在此不展开R的计算过程。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例如，企业的销售额中涵盖了销售利润和各类成本等，通过收集企业2008年—2023年某品牌小家电的销售利润与销售额的数据，并进行一元线性回归分析后，大致可以看出，销售利润（因变量），随着销售额（自变量）的增长而增长，由于其他不确定因素影响，数据点基本落在斜率为正的一次线性函数的直线周围，这种因变量与自变量基本成正比的情况，称为正线性相关，此时R>0，见图1-9的左侧分图。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

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如果是X、Y，即自变量与因变量均准确落在一条直线上，则为完全线性相关。当R=1时，自变量X与因变量Y完全的正相关；当R=−1时，X和Y完全的负相关。回归分析的完全相关分析图，如图1-10所示。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．关注数字素养通过刚才的学习发现，采购预测分析中需要提升数字思维能力，如移动平均法和一元线性回归分析，都可用于采购需求预测，同时借助Excel工具，可以通过散点图方式，判断下一步是否能用一元线性回归分析，预测采购需求。在实际工作中，我们需要善于发掘和运用积累的采购数据，从而发现采购及相关物流的规律，将有助于物流企业优化储存空间，提高物流收益。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．把握任务内涵因变而变的价值：在采购需求的回归预测分析中，因变而变，即通过数据处理和分析后，发现某两组数据存在一个规律，即自变量X在一定范围内变动时，相应的Y因变量的值，落在一条直线上或直线周围，这样符合一元一次线性回归分析的规律。在物流采购中，也是经常遇到的情形，汽车制造企业的销售订单越多，各种汽车零件采购需求量则越大，这样借助数字技术，上游供应商的汽车空调生产厂家，则能很快得到订单信息，从而缩短供应周期。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H物流公司为天津地区的化工类生产制造企业，主要从事储存、运输普通化工品的工作。由于碳达峰、碳中和的国家“双碳”目标正在逐步推进，传统的化工类生产制造企业正在进行转型升级，该公司常规大量采购储存的A物料采购需求用量有所降低，H物流公司想通过回归预测方法，预测下半年A物料的采购量减少的幅度，以便H公司优化物流仓储管理，提高仓库利用率。2025年1月—6月，H物流公司对A物料的采购量见表1-3，预测2025年7月—12月的采购需求量。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步骤一：将数据录入Excel中，注意“月份”信息的处理，将其转化为1、2……12的阿拉伯数字。然后选中1月—6月的采购量两列，在菜单栏中单击“插入”，选择“折线图”的第一种，生成的图表如图1-11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步骤二：在折线上单击鼠标右键，单击“添加趋势线”命令，选中“线性”单选框和“显示公式”“显示R平方值”复选框，R平方值可以测算各数据值与回归线的离散程度，通过此图能看出数据与回归线一致性很高。原图上生成一条虚线，旁边显示了这6个月采购量趋势的一元一次回归方程，如图1-12所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤三：此时要用这个一元一次方程，预测7月—12月的采购量，可以发现该方程的形成实际是以1月—6月的时间趋势，所以后半年预测时，X值即为月份数字，就是第几个数字点，这就是之前步骤一，处理数据时，将中文月份转化为数字表示。请思考，如果需要预测2026年1月的数据时，应该怎样操作。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤四：利用Excel工具，双击7月采购量的空白格，输入“=”，再输入图中显示的一元一次线性回归方程，此时，需要将方程中的X替换为乘号和数字月份“7”，即可自动显示预测结果，最后，拖拽所求值，直到12月为止，具体如图1-13所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤五：利用Excel工具，选中1月—12月份的全部数据，重新插入折线图，适当调整Y轴的采购量范围，如图所示。一、背景某大型商贸物流公司L拥有医药物流事业部、快消品事业部和家电物流事业部，现需要考察各事业部的物流业务发展效益，具体是对该公司发展近二十年的日化品物流经营效益进行分析，探究采购金额对收益值的影响程度。表1-4统计了L公司2004年—2023年，日化品的采购金额与其对应的收益值的数据，请用散点图法，分析采购金额与收益值之间是否存在线性相关关系，并预测今后日化品物流采购金额的发展趋势。任务拓展任务拓展二、探究及分析插入散点图。打开Excel，选中所有数据，在菜单栏中选择“插入”，直接选用“散点图”，在生成的散点图上，勾选“添加趋势线”复选框，双击生成的趋势线，打开“设置趋势线格式”页面，勾选“显示公式”复选框，即可完成利用散点图进行采购金额与收益情况的数据分析。利用散点图完成物流采购金额的预测分析如图1-14所示。任务拓展针对本次任务，请完成以下两方面的分析：（1）对比散点图和一元线性回归分析的异同。（2）上网查询一元线性回归分析在物流采购预测中应用的典型实例。任务拓展任务评价《数字化物流商业运营基础》配套课件下课《数字化物流商业运营基础》配套课件项目一数字化采购目录CONTENTS任务一以旧推新-移动平均分析010203任务二因变而变-回归预测分析任务三权衡库存-EOQ采购分析03任务三权衡库存-EOQ采购分析情境引入在物流企业运营中，当仓库出现爆仓，无法存放更多货物时，这时需要对仓库中货物的库存进行控制，但采用什么样的方法可以站在仓储的角度，向公司提出合理的库存或者库容策略？此时可以采用经济订货量（EconomicOrderQuantity，EOQ）分析方法进行解决，EOQ是订货量确定的一种方法，它的重要意义在于将储存成本纳入采购订货量确定的核算中，从而综合评估订货量是否合理，通过EOQ分析，可以帮助物流仓库考虑订货量、储存成本及总成本之间的关系。任务要求1．掌握EOQ采购分析的内涵。2．能够利用EXCEL绘制基于总成本随订货量变化的图表。3．提升数字化手段解决二律背反现象的意识。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．学习EOQ分析的原因EOQ采购分析的主旨是找出一个阶段或时期，平衡采购进货成本和保管仓储成本核算，以实现总库存成本最低的最佳订货量。这是一种基本的估算分析方法，可以帮助企业降低库存成本，找到相对最佳的采购量。随着数字技术的快速发展，EOQ分析将依托大数据，以更及时地适应市场的需求变动，帮助企业确定最佳采购量。2．EOQ分析的优缺点EOQ分析的优点是聚焦采购形成库存成本的关键点，并适用于整批定量间隔进货、不允许缺货情形下的采购分析，但是其不足是没有考虑需求的不确定性和订货提前期的影响，这需要企业需要根据实际情况加以考虑，并定期审查和调整经济订货批量法，以确保它仍然符合物流企业的实际需求。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3．数字技术在经济订货批量的应用在数字化时代，利用大数据、云计算等数字化技术，能够让我们运用数据分析技术和手段，实现采购数据的收集和分析，判断物流企业各环节、各时间节点的采购、库存情况及变化趋势，在动态中找到EOQ，实现采购需求的预测和优化，实现总成本整体最优，以提高采购决策的准确性和效率，提高采购效率和成本控制水平。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在掌握的EOQ分析公式中，重点学习其影响因素，并能够利用相关数据，完成物流采购与库存相关的运营要素分析。EOQ是一种基于平衡采购进货成本和保管仓储成本的核算，可以用来确定企业一个长时期内的定量、定期的订货数量，以实现总库存成本最低的最佳订货量。当企业按照经济订货批量来订货时，可实现订货成本和储存成本之和最小化，对于物流公司或生产制造企业都有较强的实际应用意义。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．从库存总成本的构成看EOQ如果说EOQ是平衡库存成本和采购成本的最佳订货批量，那么这是通过什么规律来获得的呢？我们来看下库存总成本是如何组成的。库存总成本一般按年核算，由采购成本、订货成本和储存成本三部分组成，对于采购需求预测来讲，需要考虑采购后的储存问题，以及采购时机是否最佳等问题，可使用以下公式了解下库存总成本的构成：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因此，通过公式可以得出，在库存总成本的三部分中：第一部分采购成本是由年度总采购量和货物单价共同决定的；第二部分订货成本，年度的订货成本与订购次数、单位订货费有直接关系，当确定了经济订货批量Q后，用D/Q即为年度采购次数；第三部分为储存成本，每完成一次采购，经过一段时间消耗库存变为0，平均库存量即为Q/2。对于K的数值，在物流企业实际工作中，其核算比较复杂，需要结合财务数据具体核算，要考虑物流企业存货储存成本的核算，存货储存成本一般指的是为保持存货而发生的成本，包括存货占用资金所应计的利息、仓库费用、保险费用、存货破损和变质损失等。从物流实践角度上讲，储存的货物价值越高，K值也越高，有时物流企业会以货值的百分比，作为一种简化方式来核算K值。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．EOQ在构成库存总成本的三部分中，采购成本由货物单价和采购量相乘得出；订货成本和储存成本，可以求得使其两者成本总和最低的订货批量，这个订货批量就被称为经济订货批量EOQ，如图1-15所示。当储存成本=订货成本时，总成本最小，此时的订货量即为最佳订货批量，可以表示为：年储存成本=仓库内年均储存件数×单件年储存成本=（Q/2）年订货成本=年订货次数×每次的订货成本=（D/Q）×S经过推导可得出经济订货批量EOQ为：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3．年订货次数的计算每年订货次数即为年需求量除以经济订货批量EOQ，即年订货次数4．经济订货周期的计算基于年订货次数，经济订货周期为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下面从物流的视角，分析人们生活中不可或缺类产品的物流特点，以食盐这一涉及民生的生活必需品，多年来始终处于供需相对稳定的均衡状态，这种供需均衡不仅是市场需求量与供给量的均衡，更是上游采购、储存和出库时间间隔的相对固定，因此，对于这类物资的采购与供应，在正常的市场经济条件下，物流公司可以从经济订货批量的角度，进行EOQ分析，这样既能满足下游客户需求，又能最大限度地降低库存成本。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在每一次完成经济订货批量采购后，就会生成储存成本，经过一段时间消耗库存变为0，平均库存量即为Q/2，这也是假设类似于食盐这类稳定供需的货物，其库存是稳定消耗、的情况，具体如图1-16所示。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《提升全民数字素养与技能行动纲要》中，提出了数字素养能力模型，其中数字思维能力，是利用数据发现问题、找到根因，进行精准研判的能力。对于本次任务，我们通过任务探究，将掌握利用最基础的Excel工具，进行采购成本与库存成本二者权衡的数据分析方法。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．把握任务内涵权衡库存的价值：这其实是物流中存在的二律背反，二律背反现象在物流业中普遍存在，它是指对于同一资源的两个因素，处于彼此对立的联系中，想要较多地到达其中一个方面的意图，必然会使另一个方面意图效果的达成受到影响。如在EOQ分析中，减少采购次数，意味着每次采购量的增加，这就会增加库存量和保管费用，可以说这是一对矛盾体，在解决这个问题时，就需要综合考虑各方需求来寻求最优解。在数字化时代，利用大数据、云计算技术，能够让我们运用数据分析技术和手段，判断物流企业各环节、各时间节点的采购、库存情况及变化趋势，在动态中找到经济订货批量（EOQ），实现总成本整体最优。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H公司某产品需求量为16000件，单件产品价格为1元，每次订货成本为600元，单位货物平均年存货储存成本为30元，订货量为600件，一年按360天算。解决问题：1．计算经济订货批量、年订货次数、订货间隔期。2．计算年订货成本、年储存成本和年总成本。3．当订货量在100～1500的范围内，以订货量每增加100为单位进行变化时，年订货量、年订货成本、年储存成本以及年总成本如何变化？4．绘制该产品的年订货成本、年储存成本和年总成本随订货量变化的图表。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1．利用Excel分析关键点1：经济订货批量（EOQ）步骤一：打开Excel软件，在表格中第三列“数据”中输入年需求量、单位订货费、单位年储存成本、单位采购成本、每次订货批量、年订货成本、年储存成本、年总成本、经济订货批量、EOQ下的年订货成本、EOQ下的年储存成本、EOQ下的年总成本，并将上述已知数据填入，具体见表1-5。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任务实施步骤二：将需要分析的订货量为600件及经济订货批量800件时，将求解公式，并使用Excel，得出相应数据值。应用场景及资料数据分析步骤数据可视化呈现任务实施2．利用Excel分析关键点2：订货量变化，分析年总成本变化趋势当订货量在100～1500件的范围内变化时，年订货量、年订货成本、年储存成本以及年总成本如何变化？这里要用Excel“模拟运算表”工具，可以快速实现，但需要严格按步骤操作。步骤一：在订货量F3单元格中输入“=C7”，在年订货成本G3单元格中输入“=C8”，在年储存成本H3单元格中输入“=C9”，在年总成本I3单元格中输入“=C10”，如图1-17所示。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任务实施接下来，引入“模拟运算表”工具，它是进行预测分析的一种工具，可以显示Excel工作表中一个或多个数据变量的变化对计算结果的影响，从而求得某一过程中可能发生的数值变化，同时将这一变化列在表中便于比较。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤二：选中要进行模拟分析的数据，即选中F3到I18这个范围内的数据。这时注意到所选数据的第一行，均与左侧的C7到C10做了关联，而C7到C10数据也包含之前调用的公式；然后单击菜单栏的“数据”→“模拟分析”→“模拟运算表”，如图1-18所示。图1-18应用场景及资料数据分析步骤数据可视化呈现任务实施注意：因为分析订货量在100～1500件变化的影响，选择“输入引用列的单元格”，变量为“订货量（Q）”，选择“C7”单元格，不能选择“F3”单元格，因为F3单元格的值是随着C7单元格值的变化而变化的。单击“确定”后，当订货量在100～1500件的范围内变化时，年订货成本、年储存成本及年总成本等数据瞬间全部生成，如图1-19所示。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任务实施步骤一：首先选择表格，或者左击表格中的任一非空单元格，然后单击菜单栏中的“插入”→“图表”→“散点图”→“带直线和数据标记的散点图”，最后单击“确定”按钮，如图1-20所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤二：因订货量600件与下方F9数据重复，因此作图时不选中首行数据，右击图表后单击“选择数据”命令，选择自第二行起的全部数据，再将系列1、2、3分别设置为年订货成本、年储存成本和年总成本。双击图表，在打开的“设置数据系列格式”中，选择线条为“实线”，将各点数据连接起来，最后单击“图表标题”修改名称为“订货量变化对总成本的影响”。应用场景及资料数据分析步骤数据可视化呈现任务实施一、背景T物流公司由于业务发展，需要进一步提高现有物流中心的收益，准备从临近的外省再租赁一个仓库，需要从甲、乙、丙三种大宗稳定供需的原料中，选择一种原料移至新仓库，新仓库储存成本更低，请分别计算其经济订货批量和年总成本（一年按360天计算）。小组讨论哪种原料可能移至新库。任务拓展任务拓展二、探究及分析1．利用Excel工具，参照之前的任务实施，计算甲、乙、丙三种原材料的经济订货批量EOQ和最低的库存总成本，对比结果。2．请分析哪种原料移至新库更好。任务评价《数字化物流商业运营基础》配套课件下课《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作方法同理。任务拓展图2-10任务拓展图2-11任务拓展根据某一公司或仓库在某一时段（比如1个月）的卸货数量，使用Excel函数，计算这一时段卸货数量的均值、中位数、众数、方差、标准差、变异系数等，并通过这些指标来分析卸货数量的变化规律。请同学在完成上述分析后，探究以下问题：（1）3月、12月的标准差数值说明了什么？（2）如何提高卸货作业效率？任务评价《数字化物流商业运营基础》配套课件下课《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02任务二问题有源-验收作业分析情境引入数字化验收作业是指通过数字化技术手段，对货物进行快速、准确、高效的验收，包括检查接收数量、货物描述、产品代码和货物状况，有时可能需要进行更高级的检验，如需要检查货物的重量、尺寸、温度、批次、批号和序列号等。在入库作业中，最耗时、耗人力的任务之一是清点和验证损坏的货物，如果一件一件地入库验收，效率很低，如果运用基于仓库管理系统（WMS）的条码扫描仪或RFID等技术，则不仅可以提高工作效率，减少人工错误，还可以实现数据的实时共享和追溯，实现扫描数据与预设数据自动比对，以判断货物的数量、规格、质量等信息是否符合要求，这样将大大提高管理水平和质量，并能实时更新库存信息，实现库存的实时管理。任务要求1．掌握验收效率的度量指标以及计算公式。2．能够掌握数据透视表汇总统计数据的方法。3．提升物流作业归因分析意识。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．重视验收作业的原因货物入库验收是验证货物是否符合合同约定或相关标准的一项工作。通过验收不仅可以防止客户企业遭受经济损失，而且可以起到监督供货单位和承运单位的作用，同时也为货物保管和出库交接提供基础依据；入库验收记录是货主退货、换货和索赔的依据，也是分清责任、减少经济损失的重要手段；物流入库验收工作是一项常规性、技术性物流入库任务，同样需要科学严密组织，以提高验收作业效率，保障整个物流企业顺利运营，所以入库验收必须做到准确、及时、严格、经济。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．数字化验收的实施数字化时代的到来使物流验收方法、手段和技术向数字化转型，不断提升验收效率，如智能货物验收系统，可以通过手机App终端验收，如通过车牌扫描、自动识别、影像定位等功能，对货物进行现场验收，还可以利用蓝牙打印收货单、拍照、电子签名等，实现货物现场点验、交接等，最后再使用云平台随时查看验收详情，实现远程精细管控和验收过程全程数字化。数字化验收不仅可以对货物实施，还可以对货物集装箱进行智能验箱，以数字化方式采集集装箱及货物信息，实现数字化验收。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验收作业绩效评价:对入库验收数据进行分析，主要是为了对库存商品的质量和数量进行把控，对后续的仓储工作进行指导，可从质量和效率等方面，构建验收作业绩效评价的综合体系，以便评估验收作业的整体情况，主要指标如下：（1）收发货差错率：是指计算期收发货差错累计条目数与同期收发货总条目数之间的比率。直接关系到验收作业的质量，通过这一指标可以评估验收作业在保证产品质量方面的表现。（2）单位货品验收时间：衡量验收作业的效率，即完成一定数量的验收所需的时间，这一指标对于提高工作效率和优化工作流程具有重要意义，具体包括时间和能力两方面指标：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一是时间上，体现验收速度或效率，主要指标包括：平均每小时验收货物数=验收货物总数/验收货物总工时二是能力上，体现单位时间内验收货物的作业量，主要指标包括：平均验收一托货物时长=验收货物总消耗时长/验收托数平均验收一批货物时长=验收货物总消耗时长/验收批数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．关注数字素养依据《提升全民数字素养与技能行动纲要》，企业需要数字化转型，物流企业运营的核心要素之一——“人”，也需要具备数字化转型的意识，强化数据意识，提高利用数据挖掘工作中的问题所在、趋势和原因，并能持续改进。在利用Excel这一基础的物流数据分析工具中，需要强化数据透视表的大量数据的处理和分析意识，如对数据进行排序、筛选、分组和汇总等操作，可以更好地了解数据的分布和关系，从而发现数据中的规律和趋势，更深入地理解数据的含义和价值，提升数据的分类、归类等数据分析和处理意识，发现数据的潜在价值和创新应用，改进物流企业运营。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．把握任务内涵问题有源的价值：物流入库的验收作业，应坚持问题导向、溯源导向，这是提升物流企业运营水平的重要原则，其内涵是强调在物流验收过程中，主动识别、分析货物存在的各种问题，并积极解决问题，找到造成问题出现可能的原因，不仅确保货物从入库到存储的每一个环节都符合既定标准与要求，同样将验收中出现的问题及可能原因，通过数字化手段及时反馈给供货方，共同深刻剖析问题，并消除问题出现的原因及可能隐患，形成逆向促动的思维模式，刨根问底、穷本溯源，彻底解决问题，不断提高验收质量，提高验收合格率。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H物流公司主要为天津地区快消品提供第三方仓储服务，表2-2记录了2023年12月仓库验收数据，请运用数据透视表汇总分析验收效率，即计算平均每人每小时验收件数及每件货物的平均验收时长。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：选中所有数据，单击“插入”选项卡中的“数据透视表”命令，在弹出的对话框中选“新工作表”，将数据透视表放在新的工作表中，避免数据透视表对原表数据位置的占用，插入数据透视表如图2-12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图2-12应用场景及资料数据分析步骤数据可视化呈现任务实施步骤二：在数据透视表中，右侧显示报表的字段，将“验收日期”字段拖入“行标签”区域，将“验收件数”和“验收时长（分钟）”字段拖入“数值”区域，此时生成统计结果，如图2-13所示。需要注意：如果“数值”区域中字段非“求和项”，则需要单击“三角按钮”，在“值字段设置”中修改为“求和项”，如图2-14所示。应用场景及资料数据分析步骤数据可视化呈现任务实施2-14图2-13应用场景及资料数据分析步骤数据可视化呈现任务实施步骤三：为了方便数据处理，将数据透视表结果复制到新的工作表，并增加“验收时长（时）”和“平均每人每小时验收件数”两列。将验收时长的单位由分钟转换成小时，即D2单元格输入“=C2/60”。下拉填充后，单击“减少小数位数”按钮，保留整数。想要计算平均每人每小时验收件数，需要在E2单元格输入“=B2/D2”，如图2-15所示。图2-15应用场景及资料数据分析步骤数据可视化呈现任务实施然后下拉填充，保留整数，整理美化表格，整理美化后的数据如图2-16所示。图2-16应用场景及资料数据分析步骤数据可视化呈现任务实施步骤四：返回数据透视表，去掉全部报表字段前的“√”，重新将“商品条码”字段拖入“行标签”区域，将“验收时长（分钟）”和“托盘条码”拖入“数值”区域，注意：如果“数值”区域中“托盘编条码”字段非“计数项”，则需要单击数值区域的字段，在“值字段设置”中修改为“计数项”即可，数据透视表字段列表设置如图2-17所示。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2-17应用场景及资料数据分析步骤数据可视化呈现任务实施步骤五：为了方便数据处理，将数据透视表结果复制到新的工作表，并增加“平均验收时长”，即D2单元格输入“=B2/C2”，下拉填充后，单击“减少小数位数”按钮，保留整数。计算后选中D1单元格，单击“排序和筛选”→“降序”，平均验收时长计算和降序排列如图2-18所示。图2-18应用场景及资料数据分析步骤数据可视化呈现任务实施步骤六：返回“平均每人每小时验收件数”页面，选中A1:A21区域，按住“Ctrl”键，鼠标框选E1:E21区域，单击“插入”选项卡下“二维折线图”中“带数据标记的折线图”命令，如图2-19所示，生成结果如图2-20所示。图2-19图2-20应用场景及资料数据分析步骤数据可视化呈现任务实施步骤六：返回“平均验收时长”页面，选择验收时长前10的“商品条码”及“平均验收时长”两组数据，绘制折线图，操作方法同前，生成平均验收时长结果如图2-21所示。。图2-21应用场景及资料数据分析步骤数据可视化呈现任务实施通过对验收效率时间和能力两个指标的汇总分析，得出12月12日平均每人每小时验收件数量最大为3375件，而这一数据与“双十二”业务量激增这一现象相吻合。693048633043、693048467216、693048053304三个货品的验收时长较长，验收效率较低，需要对这三个货品进行进一步分析，如入库件数及商品体积可能都会对验收效率产生影响。一、背景在任务实施案例基础上，利用数据透视图完成柱形图绘制，要求横坐标为验收时间，纵坐标为验收件数，数据透视图如图2-22所示。任务拓展图2-22二、探究及分析选中“验收统计表”中的数据，打开“插入”选项卡，单击“数据透视图”命令插入数据透视图，如图2-23所示，将“验收日期”拖入“行”字段，“验收件数”拖入“值”字段，右击上方“求和项：验收件数”，命令，在快捷菜单中选择“隐藏图标上所有的字段按钮”命令，如图2-24所示，将图表标题更改为“验收量统计图”，如图2-25所示。任务拓展任务拓展图2-23图2-24任务拓展图2-25利用Excel的“数据透视图”功能，对验收量进行图示展示。针对本次任务，请完成以下两方面的分析:（1）对比数据透视表和数据透视图的异同。（2）上网查询数据透视图中切片器的使用实例。任务拓展任务评价《数字化物流商业运营基础》配套课件下课《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03任务三改进有规-入库流程分析情境引入在物流企业运营中，在旺季时经常出现货物到达仓库后长时间无法完成入库作业的情况，这时需要对仓库的整体入库流程和作业进度进行分析，得到造成这一问题的原因是什么。通常情况下，主要是仓库对入库作业规划不合理，一方面，仓库处理能力不足，仓库员工无法快速、准确地完成货物卸货，导致货车长时间等待；另一方面，货车到达仓库的时间不均匀，有的时间段内到达的货车数较多，导致排队等待卸货。任务要求1．掌握入库作业流程。2．能够利用甘特图绘制入库作业流程进度的图表。3．提升学生对时间数据分析的精准意识。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．入库作业流程入库作业是仓储物流管理中的一个重要环节，指的是从货物的验收、上架、存储到库存管理等一系列有序、规范的作业过程，良好的入库作业流程有助于提高物流效率、减少不良品进仓和管理混乱，以及降低运营成本。2．入库效率低的原因一是仓库布局不合理；二是缺乏信息化管理；三是缺乏有效的入库流程，也容易导致货物在入库过程中出现错误或延误问题；四是人员培训不足；五是仓库调拨问题。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甘特图：1．什么是甘特图甘特图（GanttChart）又称为横道图、条状图。甘特图通过活动列表和时间刻度表示出特定项目的顺序与持续时间。横轴表示时间，纵轴表示项目，线条表示活动的完成情况，直观表明计划何时进行，进展与要求的对比，便于管理者弄清项目的剩余任务，评估工作进度。用甘特图来展示仓储作业进度计划，将显得非常简洁直观。利用甘特图绘制入库作业流程进度的意义在于清晰明了地表示出各项任务的开始和结束时间，以及任务之间的依赖关系。通过甘特图这种数据可视化工具，可以通过对任务的分解和优化，发挥创新思维和寻找更好的解决方案。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．甘特图为什么能够展示出进度及流程问题物流工作跟其他很多项目性工作一样，需要在开始确定工作的具体内容，以及每个内容所需的时间，为合理安排各项资源提供指导。甘特图可以直观地展示工作流程及每个步骤的开始时间、持续时间。在Excel中，甘特图的制作主要是基于条形图来完成的，操作的关键点在于刻度的设置，尤其是时间和数字之间的转换。通过简化和优化入库和出库流程，可以减少物品流转的时间和错误率。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3．如何调整坐标轴的时间刻度Excel中时间可以用数字来表示，其中24时对应数字1，数值1=24小时=1440分钟=86400秒=24:00:00，这里的24、1440、86400以及24:00:00的本质还是数值1，只不过显示的方式不同，时间和数字可以相互转换。在制作甘特图时，为使时间刻度更为规整，可能需要在时间和数字之间多次来回转换进行调整。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．关注数字素养如今，大数据可视化技术和可视化分析已经成为提高劳动者数字工作能力的重要组成部分。数据可视化能够以直观、清晰和易于理解的方式呈现数据，帮助人们更好地发现、理解和利用数据中的信息。它能够提高数据分析的效率和质量，促进决策的科学性和准确性。本次任务就是将入库作业的时间以可视化的甘特图方式呈现，快速直接地体现出任务的进度及可优化的部分。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．把握任务内涵改进有规的价值：入库工作中的每一个细节都关系到整个入库的效率和质量。如果入库计划安排不合理，会导致整个入库流程混乱无序，影响整体效率。因此，在入库流程改进过程中，从货物预报、入库前准备、货位安排等方面入手，确保每个环节都符合规范要求。规则是保障流程顺畅运行的基础，在入库流程改造中，应制定详尽的操作规范与流程标准，并通过培训、考核等方式，确保每位员工都能熟练掌握并严格执行，同时，加强规则意识教育，让员工明白遵守规则不仅是职责所在，更是个人职业素养的体现。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管员汇总出某日的仓储活动作业时间表，见表2-3，请绘制甘特图，展示仓储作业的流程进度，并分析该流程进度是否还有优化改进的空间。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：打开Excel，将表2-3的数据复制到A1:C7单元格区域，单击“插入”选项卡下“二维条形图”组中的“堆积条形图”命令，绘制出的条形图如图2-26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步骤二：单击图表中“开始时间”数据系列（默认为蓝色条），将“填充”设置为“无填充”，修改数据系列格式如图2-27所示。图2-27应用场景及资料数据分析步骤数据可视化呈现任务实施步骤三：鼠标左键双击纵轴，在弹出的“设置坐标轴格式”对话框中勾选“逆序类别”复选框，完成对纵轴上项目顺序的调整，如图2-28所示。图2-28应用场景及资料数据分析步骤数据可视化呈现任务实施步骤四：选中B2:C7单元格区域，将单元格格式设置为“数值”型（原来的数据类型为“时间”型），小数位数设置为7位，设置过程和得到的结果如图2-29所示。图2-29应用场景及资料数据分析步骤数据可视化呈现任务实施步骤五：左键双击横轴刻度，进入“设置坐标轴格式”对话框，将“最小值”设置为“0.35”，“最大值”设置为“0.47”，“单位”设置为“0.0069444”，具体如图2-30所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤六：选中B2:C9单元格区域，将其单元格格式设置为“时间”型下的“小时:分钟”型，如图2-31所示。图2-31应用场景及资料数据分析步骤数据可视化呈现任务实施步骤七：选中图表，拖动右侧的控制句柄，扩展图表宽度，同时适当缩小横轴刻度字号，以确保横轴刻度能正常显示，将图表标题设置为“入库作业进度”，最终效果如图2-32所示。图2-32应用场景及资料数据分析步骤数据可视化呈现任务实施根据甘特图，从作业时长角度看，耗时最长的是货物到达阶段，作业耗时较短的是验收作业、搬运作业和上架作业，说明企业的作业设备及人力资源配置合理，因此独立的作业环节能够高效完成；但是货车到达阶段耗时较长，且作业环节间衔接较长，说明企业在各环节的衔接度不够，管理松散，各岗位人员各自为政，缺乏整体作业意识。一、背景T仓储物流公司有5个仓库，表2-4为某日仓库入库作业时间，请根据任务素材绘制入库甘特图，并分析5个仓库的作业情况。任务拓展任务拓展二、探究及分析1．利用