從事物流系統(tǒng)設(shè)計，物流園區(qū)規(guī)劃，首先就要進行數(shù)據(jù)分析，這一觀點逐漸為行業(yè)所接受。數(shù)據(jù)分析分析什么，已經(jīng)有專門的教科書進行講解，不是本文的重點。本文重點是談數(shù)據(jù)背后的邏輯問題。

        對于數(shù)據(jù)分析，大家普遍感到困惑的是分析的是否正確有用和如何使用，哪些數(shù)據(jù)是不對的和失真的，哪些數(shù)據(jù)需要修正，哪些數(shù)據(jù)需要補充。對這些問題的回答，核心問題是探討數(shù)據(jù)背后的邏輯，理清數(shù)據(jù)關(guān)系，才能正本清源，數(shù)據(jù)分析的結(jié)果才有意義。

數(shù)據(jù)失真是一種客觀存在

        數(shù)據(jù)作為反映客觀世界的一種方式，有時會失真，從而使真實世界發(fā)生扭曲。失真的原因很多，主要有以下幾種：其一是數(shù)據(jù)記錄問題，數(shù)據(jù)記錄有記錯和數(shù)據(jù)丟失，這一問題發(fā)生的可能性非常大。數(shù)據(jù)不管是記錄在何種載體上，由于記錄手段問題，接口問題，傳感器問題，存儲媒介問題以及環(huán)境問題，錯誤和丟失在所難免；其二是人為造假，這個更為普遍。造假是人類不可杜絕的一個現(xiàn)象，每個時期，每個國家，每個地方，每個角落都存在。無論是處于何種動機，造假的代價之一就是使真實世界不再真實，這是十分令人痛惜的；其三是偶發(fā)數(shù)據(jù)，雖然可能是真實反映，但又非常態(tài)，或者是經(jīng)過調(diào)整后的數(shù)據(jù)，并非第一手數(shù)據(jù)。

        人們有時候調(diào)侃，歷史沒有真相。是指歷史上的很多事件，真真假假，其真相成為永遠的迷。這里既有歷史事件記載者的故意，也有以訛傳訛的原因。有的真相很簡單，但如果當(dāng)事人或傳播者故意誤導(dǎo)，可能真相真的就成為歷史之謎，再也無人知曉。

        現(xiàn)實中的實例也不勝枚舉。比如國民經(jīng)濟統(tǒng)計，看起來很簡單的一件事，但實際就很難做到十分真實準(zhǔn)確，有時還相差甚遠。物流行業(yè)數(shù)據(jù)統(tǒng)計也是如此。我們到現(xiàn)在也沒有一個權(quán)威的統(tǒng)計數(shù)據(jù)，告訴人們每年的堆垛機的產(chǎn)量，輸送機的產(chǎn)量，分揀機的產(chǎn)量，貨架的產(chǎn)量等，都只是一個大概估計。

        總之，數(shù)據(jù)失真，既有技術(shù)原因，也有人為因素，人的因素又分為主觀故意、無心之失或能力所不能及。這是一種客觀的存在，誰也改變不了。

數(shù)據(jù)之間的邏輯關(guān)系

        面對一個不真實數(shù)據(jù)所描述的世界，人們往往難以分辨數(shù)據(jù)真假。其實，熟悉數(shù)據(jù)分析的人，一般會從數(shù)據(jù)之間的邏輯關(guān)系中判斷出數(shù)據(jù)的可信程度。雖然我們不知道真相的具體細節(jié)，但通過邏輯分析和比對，會基本還原真實世界大致的情況。

        一句謊話，往往要10句謊話去掩蓋。這句俗語說明了一個基本事實，就是事物之間是有千絲萬縷的聯(lián)系的。反映到數(shù)據(jù)，就是數(shù)據(jù)之間是具有邏輯關(guān)聯(lián)性的。這一事實為人們甄別數(shù)據(jù)的真?zhèn)翁峁┝藚⒖己头椒?，但有時也不是萬能的。

       對物流數(shù)據(jù)分析來說，年銷售額、箱單價、日收貨量、日發(fā)貨量、庫存量、退貨量、庫存周轉(zhuǎn)天數(shù)等這幾個數(shù)據(jù)是互相影響的，所以我們可以從彼此的關(guān)系中，發(fā)現(xiàn)問題所在，可以判斷數(shù)據(jù)是否真實可靠。

        特別是在大數(shù)據(jù)時代，對事物的真相判斷會更加準(zhǔn)確。因為大數(shù)據(jù)會從多個角度去描述同一件事情。比如一家企業(yè)的運營狀況，可以從員工人數(shù)、營業(yè)額、收入、納稅額、工資、獎金、辦公開銷、投資、研發(fā)經(jīng)費、宣傳費、差旅費、按月度計算的流水等多個維度進行分析，還可以從行業(yè)平均利潤分析其利潤額合理性等。一旦某些數(shù)據(jù)出現(xiàn)大的偏差，則可以判斷其數(shù)據(jù)真實性值得懷疑。

        對一個物流中心來說，很多數(shù)據(jù)之間具有強相關(guān)的邏輯性。比如銷售額與發(fā)貨量的匹配，輸送線的輸送能力與系統(tǒng)產(chǎn)能的匹配，庫存與銷售的匹配，發(fā)貨區(qū)、發(fā)貨月臺與發(fā)貨量的匹配等，其中的邏輯關(guān)系其實并不復(fù)雜。然而，對一些用戶來說，并不完全知曉這些關(guān)系，從而對系統(tǒng)的能力產(chǎn)生認知上的錯誤。

        有了數(shù)據(jù)間的邏輯，就為我們處理數(shù)據(jù)提供了參考。有些數(shù)據(jù)需要刪除，有些需要修正，有些則需要補充。

數(shù)據(jù)的偶然性與必然性

        數(shù)學(xué)證明上有一個非常重要的證明方法-反證法。即要證明一個命題是否正確，只要證明其反命題不正確即可。而要證明一個命題不正確，則只需舉例一個反例即可。比如要證明是無理數(shù)，只要證明其反命題，即是有理數(shù)這個命題是錯誤的即可。這一方法對于數(shù)據(jù)分析也是非常有用的。

        大千世界，變幻萬千。對數(shù)據(jù)分析者而言，識別數(shù)據(jù)的真?zhèn)问且环矫?，而如何正確的分析，則是更為重要的方面。數(shù)據(jù)分析為我們描述了一個歷史現(xiàn)狀作為前提。因此，不要站在一個錯誤的前提下，對未來進行預(yù)測，那樣會毫無意義，且非常危險。

        如何去偽存真，不是一件容易的事情，尤其對于初學(xué)者而言。比如要如何篩選和修正一些歷史的數(shù)據(jù)，就是一項復(fù)雜且繁瑣的工作。有些數(shù)據(jù)是客觀存在的，也是真實的反映，但卻不具有普遍性，是一種偶然，一種異常。對這些數(shù)據(jù)的處理，即要求對偶然和必然的事件要有一個分析和判斷。

        我們常?？吹?，某一天的物流數(shù)據(jù)非常異常，但卻是客觀存在。比如某一商品銷量很大，或某一天的發(fā)貨量很大等，就可能是因為某一偶然事件所引起。而這一事件有時并不具備普遍性。有點類似于電信號中的干擾信號。對這一類數(shù)據(jù)的過濾和修正是必要的。不要一葉障目，不見泰山。

        另一方面，也不要輕易放過偶發(fā)事件背后的邏輯分析，有時甚至?xí)幸馔獾陌l(fā)現(xiàn)和作用。如對“雙十一”數(shù)據(jù)的分析，或?qū)δ骋痪W(wǎng)紅帶貨事件的分析等，就會指導(dǎo)物流設(shè)計在面對此類現(xiàn)象時，如何有效處理。

        在數(shù)據(jù)分析時，一旦遇到特殊的數(shù)據(jù)，既不能視而不見，也不能簡單的刪除。而是要做進一步的甄別。這一點考驗著分析師的敏銳和耐心。

        有很多數(shù)學(xué)方法可以用于辨別偶然性和必然性，過濾一些干擾數(shù)據(jù)。比如，為了避免算術(shù)平均值法給人的一種假象，可以用階梯算術(shù)平均來修正，或采用均方差來評估數(shù)據(jù)分布的偏離程度。我們在統(tǒng)計個人收入時，經(jīng)?？吹狡骄鶖?shù)有時沒有多大意義，而階梯分析的數(shù)據(jù)更加容易看清楚數(shù)據(jù)的真相，如分析1%的高收入人群，其對財富的占比等。階梯算術(shù)平均法在分析物流數(shù)據(jù)時，很容易得到庫存和發(fā)貨的ABC分布結(jié)果。更加深入細致的分析，還可以進一步對標(biāo)準(zhǔn)差進行分析，從而有助于確定設(shè)計指標(biāo)。例如在一個物流中心的設(shè)計中，人們常常需要一個較合適的設(shè)計目標(biāo)。這一目標(biāo)的確定就跟標(biāo)準(zhǔn)差有關(guān)。最簡單的做法是，約70%天數(shù)的作業(yè)在常規(guī)時間完成，其它30%天數(shù)的作業(yè)通過加班完成，這可能是一個比較合理的尺度。

物流數(shù)據(jù)背后的邏輯

        在實際應(yīng)用中，抽樣統(tǒng)計在統(tǒng)計中有非常大的作用。比如市場調(diào)查和輿情調(diào)查，目前還基本采用這一方法。我們在物流作業(yè)中，往往也采用隨機抽樣的方法，對產(chǎn)品質(zhì)量進行評估。為什么1%甚至更低的隨機抽樣會大致反映真實情況呢？這就是概率論給我們帶來的啟示。其實，我們在做物流數(shù)據(jù)分析時，隨機抽樣仍然不失為一種有效的方法。

        對很多系統(tǒng)來說，數(shù)據(jù)反映的往往只是表象。比如，人們對于一個物流中心的評估，每年的發(fā)貨量反映的其實只是一個非常粗略的總數(shù)，背后隱藏的真相往往大相徑庭，兩個具有同樣發(fā)貨能力的物流中心，往往不具有可比性。因為差異是多方面的。

1）工作時間

        從大的方面講，工作時間可能是單班、雙班和三班，其差異已經(jīng)是非常大的了。而進一步分析，每個班次有的只有4~5小時，有的會有9~10小時，差異也很大。有的年工作360天，有的只有200多天。這些差異，會導(dǎo)致分析的結(jié)果出入很大。

2）單元貨物的價值

        單箱價格也是影響非常大的因素。物流系統(tǒng)能夠比較的是物流量而非銷售額。但往往被人們忽視。就如同錯把物流費用與GDP做比較，不考慮產(chǎn)業(yè)結(jié)構(gòu)、地域、道路收費、工資等差異，從而得出我國物流技術(shù)水平低的結(jié)論一樣，其實是不真實的。一個以日用、食品配送為主的配送中心，其單件價格只有幾十元，而一件藥品會高達上千元甚至幾千元，即使是同類商品，因為構(gòu)成品質(zhì)不一致，產(chǎn)地不一樣，價格也會相差很大。比如進口產(chǎn)品和國產(chǎn)的比較。

3）業(yè)務(wù)的均衡性

        有的配送中心，其業(yè)務(wù)波動性大，隨季節(jié)變化幅度非常大，而有的會比較均勻。這在數(shù)據(jù)分析時容易被忽視。但其影響巨大，比如圖書與醫(yī)藥。圖書，尤其是教材教輔類圖書表現(xiàn)出明顯的季節(jié)性，而藥品的季節(jié)性影響就要低很多。如果再細分到每一天，每一周，每一個月和每一季度的話，會得到非常驚人的結(jié)果。如何均衡業(yè)務(wù)，其實對于提升物流系統(tǒng)的處理能力有非常大的作用。這就是物流反過來促進管理，促進市場的典型例子。與此類似的還有庫存周期和庫存量，這兩個指標(biāo)其實決定了物流中心處理能力的天花板，但又不是物流系統(tǒng)本身所能解決的問題，必須要與采購策略進行聯(lián)動?？傮w來說，我國很多行業(yè)的物流管理還是粗放的，可以優(yōu)化的方面很多，而業(yè)務(wù)均衡性則是一個有很大潛力的優(yōu)化目標(biāo)。

4）拆零比

        隨著電子商務(wù)的興起，拆零作業(yè)在物流配送中心的比重越來越大，也嚴重影響了物流作業(yè)的效率。一方面，人們看到定制化帶來的服務(wù)提升，另一方面，配送成本也隨之大幅度提升。特別是最近幾年，圍繞拆零揀選的技術(shù)投入大幅度提升。面對這一現(xiàn)狀，對于toB業(yè)務(wù)，是否可以從提高整件配送比例出發(fā)，降低物流成本，成為一個新的課題。即使對于拆零揀選，如何采用單元化技術(shù)，使揀選更高效，其意義是多方面的，未來肯定會成為企業(yè)關(guān)注的方向。

        除此之外，可比較的方面還有很多，如作業(yè)人員的數(shù)量，設(shè)備的投入，自動化水平等，均影響物流配送中心的作業(yè)和業(yè)績，有些還互相關(guān)聯(lián)和影響。而這些都是表面數(shù)據(jù)看不到的，或表現(xiàn)不出來的。

        總之，數(shù)據(jù)分析不是簡單的數(shù)據(jù)堆砌和結(jié)果呈現(xiàn)，而是要挖掘其背后隱藏的真相。數(shù)據(jù)分析的價值在于發(fā)現(xiàn)數(shù)據(jù)背后的邏輯和特征，找出普遍性和規(guī)律性的東西，找出導(dǎo)致問題發(fā)生的根本原因和改進方向，從而指導(dǎo)未來進行的科學(xué)預(yù)測和規(guī)劃。

部分圖片來源于網(wǎng)絡(luò)