数据分析-供应链分析
2022-05-05 10:53:42 0 举报AI智能生成
物流需求数据分析与物流预测、采购数据分析与采购管理、生产数据分析与生产管理、库存数据分析与库存管理、配送数据分析与资源调配、营销市场分析
作者其他创作
大纲/内容
供应链概述
内容
采购
目标（5R）
适合的供应商（Right vendor）
适合的质量(Right quality)
适合的时间(Right time)
适合的价格(Right price)
适合的数量(Right quantity)
生产
目标
适应市场、环境的快速变化
保证企业实现经营目标
有效利用企业的制造资源
物流
销售
背景
客户可选性议价能力增强
竞争对手增多
产品同质化严重
技术壁垒不好建立
差异化容易模仿
免费模式替代付费模式
高利润过去微利润时代来临
体验式营销时代来临
应用
精确的需求预测
根据历史数据预测市场需求
敏捷、透明的寻源与采购
通过供应商绩效评估和合同管理，使采购过程规范化、标准化、可视化、成本最优化
协同效率
建立良好的供应商关系，实现双方信息的交互。
供应链计划与物料订单同步的生产计划与排程
库存优化
零库存、安全库存
物流效率
建立高效的运输与配送中心管理
网络设计与优化
从供应链角度分析成本、产能和变化，帮助企业完成配送整合和生产线设定决策
行业差异管理
分销（汽车）；冷链配送（生鲜）；高库存（服装）等行业特点
风险预警
设备健康度评估，预测设备发生概率，确保生产安全
作用
发现问题
经营杠杆
财务杠杆
分析问题
不能解决问题
能找出问题的痛点，为决策提供建议
发现趋势
发现规律
预测
数据分析思维
客观事物演变的方法论
客观事物划分
简单事物
不确定事物
确定事物
思维种类
相关系数
因果性
1因1果
小概率事件
多因1果
1因多果
多因多果
社会常态
多元相关分析
敏感性
抓住事物的关键点，影响因素不要超过3个
方法
分类
逻辑回归
K-近邻算法
决策树
随机森林
神经网络
朴素贝叶斯
集成学习
聚类
K-Means
K-Medoids
降维
主成分分析
把主成分变成原始变量的线性组合
因子分析
把原始变量表示成因子的线性组合
对应分析
相似系数
相关系数研究的是变量，相似系数研究的是样本
协同过滤
更适合分类分析
分为R和Q分析
推导过程
研究主成分分析
到因子分析
典型相关分析
最后对应分析
关联
参数
support
confident
lift
相关与关联的区别
相关，研究同类的属性相关问题
关联，研究不同类的相关问题
拟合
回归
f检验和t检验的区别
f
t
有相关关系与因果关系
时间序列
应用
供应商选择
评估及选择过程
选择供应商的必要性
识别关键采购需求
制定采购战略
识别潜在供应源
限制候选供应商数目
确定供应商评估及选择方法
选择供应商并达成协议
案例
1、建立层次结构模型--目标层、准则层、方案层
2、构造成对比较矩阵
3、计算单排序权向量，并做一致性检验
生产计划
生产计划的内容
生产什么东西（产品名称、零件名称、生产批次）；生产多少（数量或重量）；在哪里生产（部门单位）；要求什么时候完成（期间、交期）
生产计划安排原则
1、交货期先后原则：交期越短，交货时间越紧急的产品，月影安排在最早时间生产
2、客户分类原则：客户有重点客户一般客户之分，重点客户其排程应越收到重视
3、产能平衡原则：各生产线生产应顺畅，半成品生产线于成品生产线的生产速度应相同，及其负荷应考虑，不能产生生产瓶颈，出现停线待料事件
4、工艺流程原则：工序越多的产品，生产时间越长，应重点予以关注
物流选址与物流配送
影响因素
自然环境因素
气象条件
地质条件
水文条件
地形条件
经营环境因素
经营环境
商品特性
物流费用
服务水平
环境保护要求
周边状况
选址方法
单个物流中心选址方法
重心法
线性规划法
多个物流中心的选址方法
CELP法
Kuehn-Hamburger法
Baumol-Wolf法
0-1混合整数规划法
物流配送
直送式配送运输
最短路径法
分送式配送运输
节约里程法
营销分析
市场预测分析
预测原则
类推原则
定性：类比法
相关原则
定性：因素推算法；定量：回归分析
惯性原则
定性：生命周期法；定量：时间序列
概率原则
定性：德尔菲法
广告投放分析
核心问题
促销预算
促销组合
促销内容
评估促销效果
广告决策5M
任务（Mssion）、资金（Money）、信息（Message）、媒体（Media）、衡量（Measurement）
1、估算广告预算上限
量力而行、销售额百分比法、销售单位法、毛利百分比法、竞争对手对抗法
广告媒体决策
0 条评论
下一页
