零售业供应链.pptx
零售行业供应链,目录,零售业供应链采购体系库存管理物流中心物流配送IT系统财务管理数据分析,零售业的典型供应链组成,正确的货物、正确的成本、在正确的地点取货、正确的时间、正确的运作成本低成本、高效率运行,信息流,货物流,原材料,生产商,零售商,顾客或公司本身,批发商,传统供应链体系,不介绍内容,市场、营销以顾客需求为中心，与市场有关的一系列经营活动人资行政,采购体系-产品规划,现有流程梳理：内部、外部关系品类结构树商品新增汰换供应商：品牌定价策略价格带并不是越便宜越好卖区别对待敏感商品与非敏感商品促销策略28原则分析销售分析环比同比,采购,第三方物流,各家供应商,销售部门,财务部门,各分公司,物流,采购体系-核心业务,供应商引进流程供应商选择及评估商品询价体系购销合同管理采购单审批体系新品上架“定量”管理“定量”审批流程老品下架供应商管理评估、后续跟踪、更换,采购体系-KPI考核,销售额、毛利额（毛利率）GMROI到货率、晚到率、缺货率、库存周转其他费用,库存管理,核心：库存合理性、资金利用率、低缺货、低滞销解决问题：确定采购数量、采购时间库存管理策略、补货方法手工+系统库存信息共享的问题供应商管理库存分仓库存策略合理的库存管理方案,库存管理-自动采购算法运作流程,物流结构及商品状态核心算法库考虑因素季节曲线历史趋势近期销售送货周期安全库存,库存管理-库存控制策略,建议策略与S-s策略比较建议策略：管理简单S-s策略：对采购要求很高畅销类商品，“限”会自动调整慢销类商品仅设一条限即可,库存管理-计算公式,安全库存设置满足正态分布：低销量商品：平均销售*固定安全库存天数可以按照类别分别指定计算公式预期销量预期采购量,库存管理-实施效果,物流中心管理,物流中心承担着物品的入库、出库、保管功能显著的减少货物出入库的处理时间优化在仓库内的操作行走距离降低库存损耗自动化技术自动数据追踪(条形码技术)射频技术、分拣技术、无纸拣货技术改进方法更合理高效的流程、单据自动化设备提升效率仓库内部的优化：货位管理、仓库分区,物流中心-布局图,物流中心-内部物流运作流程,货物接收,检验,存储,补货,二级订单分拣,交叉理货,货物集拼,发货,拣单,物流中心KPI,物流成本一次性资产投入(分摊)租金、人工、耗材配送费：车辆、B2C配送KPI物流费用占比！出入库金额损耗退换货率人均配销额、人均配货量空间利用率,物流配送体系,通常配送占物流成本50%以上分仓物流成本运输网络分析物流公司管理第三方物流公司的评估KPI考核运输成本费用准时性、损坏率,供应商,物流中心2,物流中心1,物流中心3,物流中心4,物流中心5,信息系统(IT),供应链：物流、信息流、资金流信息流在供应链里面具有重要的意义信息系统提供实时信息便于决策提供历史信息便于中长期的规划、计划控制运营流程常用信息系统ERPWMS财务HRCall Center信息系统是否适用、可靠？运维流程安全风险评估,供应链系统的信息流,进货订单,存货管理,供应商,财务管理,应付帐款,应收帐款,销售订单,客户,销售预测,订货预测,资金的计划、管理,存货控制,财务管理,记账：出纳、记录、简单核算、报税五大余额的正确性预付应付预收应收库存余额销售收入确认虚增收入与退货积分、代金券、帐户余额等负债预算管理商品资金预算、费用预算、人员预算(人资)财务分析：战略选择费用分析、销售分析,运营风险控制,零售业企业风险无处不在，防患未然，确保经营绩效主要控制点法律：合同产品安全认证财产保险其他防范方法内审：单据复核、流程监管、匿名举报文档安全性,数据分析-主要功能与技术,功能 技术 适用领域关联性(Association)案例库推理/集合理论/统计 购物篮分析时间序列(Sequence)类神经网络/统计 利率预测分类(Classification)基因演算/类神经网络/统计/客户评鉴分类 模糊逻辑案例推理/决策树公式(Modeling)基因规划/基因演算/回归 销售预测群组(Clustering)类神经网络/模糊逻辑/市场区隔基因演算/统计,数据分析-会员分析,各渠道会员注册/登记统计按渠道查询销售、毛利会员消费全渠道统计订单量统计群发短信查询,数据分析-购物篮,用途找出购物篮里面有用的、明显的、无法理解的规则有会员卡购物篮：购物习惯、购物周期、流失概率商品关联性的零售意义交叉陈列：关联性强的商品陈列在一起捆绑促销：关联性商品捆绑促销目前研究结果基于4级和6级品类的任意2个品类的关联性(AB和BA结果不一致)基于客户生日的月份购买情况分析,相关性分析,相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。计算公式：图示,聚类分析,聚类（Clustering）就是将数据分组成为多个类。在同一个类内对象之间具有较高的相似度，不同类之间的对象差别较大。聚类所说的类不是事先给定的，而是根据数据的相似性和距离来划分。聚类的数目和结构都没有事先假定。比如：按忠诚卡记录的光临次数、光临时间、性别、年龄、职业、购物种类、金额等变量分类。聚类算法,谢谢!,
