写在前面 在数字化、智能化背景下，制造业“以客户为中心”的生产运营模式，生产、销售、存货部门，通过产销计划对接和整体资源平衡，在最大限度满足客户需求前提下实现部门间的高效协同，成为了行业趋势。本案例通过对制造行业生产、销售和库存的核心指标的统计分析，及时发现产销存协同过程中的问题，寻找解决方案。 团队介绍 陈信宏：队长 自信阳光的的淡竹:END 在已知宇宙：哈哈END 久远： Emmm：emmmEND 问题背景及分析目的 问题背景 制造型企业务流程较为复杂，销售、生产、仓储 各部门独立运作，信息无法及时共享,且数据在传递的过程中逐渐失真，导致信息偏差较大； 生产计划不准确，导致生产过剩或者存错不足的现象发生，造成无法及时发货或者库存积压，给客户和企业的经营管理带来很大的困扰，甚至由于客户的不满意导致订单流失。 分析目的 （1）借助BI分析平台，对核心指标（销售，库存、计划）的目标达成风险，进行监控、预警、并积极协调资源，确保各项业绩目标达成； （2）整体把控企业的产、销、存的整体情况，并层层递进和钻取的方式洞察指标的异动的原因，为企业经营管理者提供决策支持； （3）实现销售、生产、仓储的高效协同，提升企业的整体运营效率，降低企业的存货和资金成本，提升企业的市场竞争能力。 指标及原型设计 分析思路说明 指标体系 统计维度：公司、产线、产品 数值指标： 销售量：统计时间范围内，对应的销售订单的产品需求量之和 库存量：统计时间范围内，对应的统计开始时间的库存量，即期初库存 实际生产量：统计时间范围内，对应的产品的生产量之和 计划生产量：统计时间范围内，对应的产品的生产计划量之和 派生指标： 计划达成率：实际生产量/计划生产量 计划偏离度：(实际生产量-计划生产量)/计划生产量 存销比：库存量/销售量 产销比：实际生产量/销售量 原型设计 三、开发过程 3.1数据处理 1.ETL过程 1.ETL过程正如业务方案和精心设计的原型设计所描述的那样，进行了系统和审慎的分析，以确定数据的必要层面。因数据内容不规范，脏数据较多导致工作繁琐，因此为了提高工作效率，也为了方便数据脱敏，我们先对数据进行清洗，最后脱敏使用。 2.由ODS层通过接口从业务系统中抽取产品的总销量、总库存量计划产量、实际产量、计划达成率、产销比等信息，抽取完成将同类信息整合建立产销存分析、客户情况分析、存销分析、客户情况分析、存销分析、库龄分类占比分析、销售情况说明、销售趋势分析、库存分类分析、库存趋势分析、计划达成率分析等应用主题。 3.经过上述过程之后，将收集的数据无缝集成到结构化的关系数据库中。值得注意的是，此集成过程的执行非常谨慎，以维护数据安全的首要原则。加密机制因其稳健性而得到认可，被我们应用于强化数据，使其不受未经授权访问的影响。 4.此外，采用严格的脱敏协议来精心混淆敏感信息，保护个人隐私并遵守最严格的数据保护法规。这种加密和脱敏的双重性证明了我们对数据隐私和安全的坚定承诺。 5.这些细致努力的工作体现在提取、转换、加载 （ETL） 流程中，其中处理和转化的数据从其安全地精心提取并引导到高级数据存储 （ADS） 表中。这种复杂的编排在尖端ETL工具的帮助下执行，确保了数据的无缝流动，同时保持了其结构的完整性和安全性。 6.综上所述，我们的处理步骤及方法不仅强调了我们对数据安全的坚定不移的奉献精神，而且还体现了我们在数据集成、加密、脱敏和存储的复杂环境中处理的精确性和有条不紊的能力。 2.数据清洗及加工处理 数据清理及处理是数据预处理中的关键步骤，旨在识别和纠正数据集中的错误、不一致和不准确之处。以下是我们在本作品中使用的一些常见的数据清理方法，以及每种方法的详细说明： 1.缺失值插补：缺失值会破坏分析的完整性。插补是用估计值或推断值填充缺失值的过程。有多种方法可用于插补缺失值，如均值、中位数、模态插补、回归插补和 K 最近邻插补。方法的选择取决于数据的性质和缺失的程度。 2.异常值检测和处理：异常值是明显偏离分布其余部分的数据点。它们可能会扭曲分析结果。检测方法包括 Z 分数、IQR（四分位距）方法和基于聚类的方法。一旦检测到异常值，可以通过删除、变换它们或使用插补技术来处理异常值。 3.数据类型转换和标准化：不一致的数据类型会妨碍分析和建模。数据类型转换可确保列中的所有数据都遵循一致的格式。此外，标准化涉及缩放数值特征以具有通用尺度（例如，平均值为 0，标准差为 1），这可以提高某些算法的性能。 4.重复数据删除：重复的记录可能会扭曲分析并导致错误的见解。重复数据删除涉及识别、删除或合并重复条目。方法包括精确匹配、模糊匹配和聚类技术。 5.不一致和错误的值处理：由于数据输入错误，可能会出现不准确或不一致的值。技术涉及使用领域知识、正则表达式和验证规则来识别和纠正此类值。例如，更正拼写错误的名称或转换不一致的日期格式。 6.规范化和转换：归一化涉及将特征转换为具有相似尺度，这对于对尺度差异敏感的算法（例如，k 均值聚类）至关重要。另一方面，变换可以涉及对数或幂变换，以实现更正态分布。 7.特征工程：特征工程涉及创建新特征或修改现有特征，以提高机器学习模型的性能。这可能包括从分类变量创建二进制标志、派生比率或比例，或应用数学运算。 8.解决偏态分布：偏斜的数据分布会影响模型性能。解决偏度的方法包括对数或平方根变换、Box-Cox 变换，或使用能够很好地处理偏斜数据的稳健算法。 9.处理不一致的分类数据：具有多个拼写或类别的分类变量可以通过手动映射或模糊匹配或聚类等高级技术进行协调。 10.数据验证和交叉验证：在清理之前和之后，可以实施数据验证检查以确保数据符合预定义的条件。交叉验证有助于评估不同数据子集的模型性能，防止过度拟合并确保泛化性。 有效的数据清理是一个细致的迭代过程，需要结合领域知识、统计技术和编程技能。本作品选择的方法取决于数据集的特定特征以及分析或建模任务的目标，对明显有问题的数据进行替换，对产量、销量、库存量的显示格式进行统一。 四、数据可视化及分析结论 1.核心指标展示 (1)主要内容：进行统计分析，对存销分析和生产计划分析的主要指标进行展示。 (2)核心指标：总销量、总库存量、计划产量、实际产量、计划达成率、产销比。 (3)分析思路如下： (4)展示效果： 4.2.1整体分析 存销分析，销售与库存情况分析，主要通过供应商（客户）、产品维度来分析销售，库存情况。存销比过高，意味着库存总量或结构不合理，存销比过低，意味着库存不足，生意难于最大化。 1.产销存分析 (1)主要内容：进行产销存分析，对不同公司的存销比和产销比等主要指标进行展示。 (2)核心指标：存销比、产销比、公司类别。 (3)分析思路如下： (4)展示效果： 读图：产品TT01、TT06存销比偏高，占比分别为40%、36%，TT02、TT04、TT05存产销比都偏低。TT07、TT09的产销比偏高，占比分别为151%、155%。 解图：产品TT01、TT06产能正常库存也正常，TT02、TT04、TT05产能不足，库存也不足，说明产品有问题，需要仔细排查产品。TT07、TT09当前产能过剩库存不足，需要建增加产量，带动销量提高。 2.整体分析结论模块 (1)主要内容：显示存销比和产销比的产能和库存情况以及象限分布情况。 (2)展示效果： 4.2.1整体分析 1.客户情况分析 (1)主要内容：进行客户情况分析，对不同客户的销量和累计占比指标进行展示。 (2)核心指标：销量、累计占比、客户类别 (3)分析思路如下： (4)展示效果： 读图：客户01的销量最高，达到了59万，销量前8名的用户累计占比达到了90%，完美符合了二八原则，属于优质客户。 解图：建议加大和前八名用户的合作程度，并尝试进行新用户的拓展。具体方法为：1.个性化沟通：与主要客户保持开放和个性化的沟通。 客户反馈：积极寻求主要客户的反馈，并用它来改进您的产品或服务。展示您对他们成功的承诺可以促进更牢固的伙伴关系。 2.价值主张增强：量身定制的解决方案，定制您的产品以满足主要客户的独特要求。重点介绍您的解决方案如何解决其痛点并为其特定业务目标做出贡献。3.新用户扩展策略：有针对性的营销活动：制定有针对性的营销活动，以吸引符合您理想客户资料的潜在新用户。使用各种渠道，例如社交媒体、内容营销和电子邮件营销。4.网络和行业活动：参加特定行业的贸易展览、会议和活动，与潜在的新用户和主要客户建立联系。这些活动提供了交流和展示产品的机会。5.数字形象和在线声誉：优化在线状态，确保网站用户友好、信息丰富且针对搜索引擎进行了优化。吸引人的在线形象可以吸引和吸引潜在的新用户。6.数据驱动的见解： 利用数据分析来识别趋势、模式和客户行为。这种洞察力可以指导主要客户合作和新用户扩展策略。 2.存销分析 (1)主要内容：进行存销分析，对不同产品的销量和库存量等主要指标进行展示。 (2)核心指标：销量、库存量、产品类别 (3)分析思路如下： (4)展示效果： 读图：TT01、TT06销量和库存量都偏高，分别为90486、35925及74099、25209。其他产品的销量和库存量都偏低。 解图：增加除TT01、TT06外其他产量，从而带动销量增加。具体方法为： 1. 市场研究和扩展：进行彻底的市场调查，以确定未开发的需求和潜在的新市场。扩大客户群可以提高生产需求。 2. 促销和营销：推出有针对性的营销活动、折扣或特别优惠，以刺激需求并推动更高的销量，从而需要增加产量。 3. 产品创新：引入新的产品变体、升级或扩展，以吸引更广泛的客户群并为您的产品产生额外的需求。 4. 产能扩张：投资额外的产能、设备或设施，以适应更高的产量并满足不断增长的需求。 5. 供应链强化：通过确保可靠的供应商和优化交货时间来加强您的供应链。这确保了稳定的材料流，以支持增加的产量。 6. 流程自动化：实施自动化和技术解决方案，以简化生产流程、减少人为错误并提高吞吐量，而不会显著增加劳动力。 (1)主要内容：进行库龄分类占比分析，根据库存的存储时长进行分类并进行展示。 (2)核心指标：时段分类、库存量数量、库存量占比。 (3)分析思路如下： 展示效果： 读图：根据库存存储时间进行分类，其中库存中大于一个月小于90天的数量占比最高，比例为61.06%，大于90天库存占比最低为3.38%，小于1个月的库存占比为35.57%。 解图：库存存储时间中大于一个月小于90天的数量占比最大，说明库存周转时间偏长，相关产品应当适量减产，使得库龄时间保持在小于一个月的范围内。具体解决方法为：1. 需求预测和规划：准确的需求预测有助于预测未来的销售并相应地规划生产和采购。通过了解客户偏好和市场趋势，可以调整生产数量以符合预期需求，从而减少库存过剩和储存期过长的可能性。 2. 库存优化： 实施库存管理技术，如 ABC 分析、EOQ（经济订单数量）和 JIT（即时），以保持最佳库存水平。这些方法有助于防止积压并降低产品在储存中老化的风险。 3. 产品生命周期管理： 定期查看库存中每种产品的生命周期阶段。在引入、增长、成熟和衰退阶段积极管理产品。考虑停产不再需要的产品，以防止储存时间过长。 4. 促销和营销策略： 开展营销活动、折扣或促销活动，以刺激对储存时间长的产品的需求。这有助于清除旧库存并在客户中产生紧迫感。 5. 质量控制和保存： 实施严格的质量控制措施，以确保产品在储存过程中保持其质量。适当的包装、储存条件（温度、湿度）和轮换做法可以延长产品的保质期。 6. 供应链协作： 与供应商密切合作，管理交货时间和订单数量。响应速度更快的供应链可以帮助您减少维护过剩库存以覆盖更长交货时间的需求。 7. 报废管理： 识别由于客户偏好变化或技术进步而面临过时风险的产品。制定策略，在这些产品成为存储负担之前逐步淘汰它们。8. 数据驱动分析： 利用数据分析工具监控库存周转率、存储年龄和销售趋势。这种数据驱动的方法可以帮助您主动识别储存时间长的产品并采取适当的措施。 3.销售情况说明 (1)主要内容：进行销售情况说明，对不同产品的销量及占总销量的比例进行展示。 (2)核心指标：产品类别、销量、销量比例。 (3)分析思路如下： 展示效果： 读图：图中显示了2022全年销售库存分析，其中2022年4月的销售计划量和销量以及，分别为21.70万和21.88万。2022年10月则为最低，分别为16.03万和14.12万。说明销售计划和实际销量相差不大。 解图：建议3、4、6月增加生产，因为实际销量高于销售计划量，当月库存量也相应减少，全年起伏平缓，整体情况良好。 4.销售趋势分析 (1)主要内容：根据月份进行销售，销售计划量，销售偏离度分析。 (2)核心指标：销售，销售计划量，销售偏离度。 (3)分析思路如下： (4)展示效果： 读图：2022年1月至12月销售量整体小于销售计划量，只有3月和6月销量超出预期销量。销售偏离度大14%，最小1%，整体销售偏离度波动属于季节波动。 解图：从整体上看，销售偏离度的范围较大。这意味着销售业绩的波动性较大，可能存在一些不确定性因素，例如市场竞争、经济状况或销售策略，春节长假加上疫情的变化。这些数据可以用于评估销售团队的绩效和销售目标的设定。 5.库存趋势分析 (1)主要内容：根据月份进行库存量，库存量环比分析。 (2)核心指标：库存量，库存量环比。 (3)分析思路如下： (4)展示效果： 读图：2022年1月至12月整体库存量维持在6万左右，只有2月份库存量较小为5.11万，环比分析1月份数据缺失，2、3月份环比波动较大，其他月份库存量环比较为平缓。 解图：整体库存量保持相对稳定。整体库存量维持在6万左右，22年大部分月份库存量环比较为平缓，库存量保持在一个大致相同的水平。这可能意味着供应链管理和库存控制相对稳定，并且能够满足市场需求。表明市场需求和供应计划之间可能存在一定的平衡。这可能表明供应链管理和库存控制相对有效，能够满足市场需求。2月份的库存量为5万，略低于其他月份，2、3月份环比波动较大。这可能表示2月份的市场需求相对较低或供应链管理在该月份遇到了一些挑战。可能的原因包括季节性需求变化、节假日或特殊促销活动等因素。需要进一步分析2月份库存量较低的原因。如果这是一个持续的趋势，可能需要调整供应链策略，以确保在需求低谷期间库存量的合理控制，避免库存过剩或不足的问题。 生产计划分析        生产计划分析，通过分析计划达成率、计划偏离度和生产流向来评估生产计划的执行情况和生产效率。这些指标可以帮助我们发现生产中的问题，并采取相应的措施进行调整和改进，以提高生产计划的准确性和生产效率。 6.计划达成率分析 (1)主要内容：根据月份进行产量，计划量，计划达成率分析。 (2)核心指标：产量，计划量，计划达成率。 (3)分析思路如下： (4)展示效果： 读图：22年1月至12月整体产量较为接近，整体计划达成率超过90%计划达成率预警线，只有1月份生产计划量较大，产量处于平均水平，计划达成率较小。 解图：产量稳定，22年1月至12月整体产量较为接近，说明整体上生产计划的执行相对稳定。这表明生产部门在大部分时间内能够按照计划生产，满足市场需求。整体计划达成率大于98%，说明大部分时间内实际生产与计划生产基本一致。这表明生产计划的准确性较高，生产能力和供应链管理相对稳定。1月计划达成率较低：1月计划达成率为75%，低于整体计划达成率。同时，1月的计划量较大，为25万。这可能意味着在1月份遇到了一些生产挑战或问题，导致实际生产量低于计划。可能的原因包括生产设备故障、原材料供应延迟、人力资源调整等。也可能是制定销售计划不合理。 计划偏离情况 (1)主要内容：根据产线进行计划偏离度分析。 (2)核心指标：计划偏离度。 (3)分析思路如下： (4)展示效果： 读图：产线A最小计划偏离度0.46%，产线D最大计划偏离度8.15%，整体偏离度为负值，且偏离度不大. 解图：整体偏离度为负值，意味着整体的实际生产量低于计划生产量。这可能表明在整体生产过程中存在一些问题，导致实际生产量不足。但总体产量与计划相差不大。 7.生产情况流向分析 (1)主要内容：公司至产线流向分析。 (2)核心指标：产量。 (3)分析思路如下： (4)展示效果： 读图：公司003、公司005产量占比最大，流向产线C,产线G产量占比最大。 解图：根据流向图，我们可以看出公司003和公司005的产量在整体生产中占据了很大比例，而产线C和产线G负责生产的产品也占据了很大比例。这可能意味着公司003和公司005的产品是主要的输入源，而产线C和产线G是主要的生产线路。这些结论可以帮助管理团队更好地了解生产流程中的关键环节，优化资源配置，提高生产效率和产品质量。 8.生产计划明细 (1)主要内容：生产明细数据展示。 (2)核心指标：生产计划量、产量、库存量销售计划量、销量。 (3)分析思路如下： (4)展示效果： 读图：每天公司产线产品的明细数据 解图：通过每天的生产明细数据，可以分析每个产品或每个产线的实际生产量，库存量销量量。这有助于了解每天的总体生产情况以及各个产品或产线的生产能力和效率，每款产品的销售库存情况。 项目总体如下所示： 五、项目价值 1、通过整体情况分析，快速呈现：产、销、存的目标偏差和风险点； 2、通过核心指标层层分解和下钻分析，快速定位偏差的原因； 3、结合业务过程的分析，及时发现问题，管理者根据分析结果及时调整生产计划，提升产线设备的利用效率 4、产销存协同，降低库存成本和资金成本，保证安全库存。 六、结语 通过对产销存协同分析的研究，深入探讨了生产、销售和库存之间的相互关系，以及如何通过协同管理来优化整个供应链的运作。通过对销售偏离度、产品库存量和生产计划的分析，我们发现了潜在的问题和改进的机会。 在销售偏离度方面，我们发现销售目标未能达成或超出预期的情况。这提示我们需要更加精确地制定销售目标，并及时调整销售策略以适应市场需求的变化。 在产品库存量方面，我们发现存在差异，这可能涉及销售和供应链管理的因素。我们需要优化库存管理，确保库存水平与市场需求相匹配，避免过高或过低的库存水平对生产和销售造成不利影响。 在生产计划方面，我们的分析显示整体的生产计划达成率较高，但存在1月份计划达成率较低的情况。我们需要进一步分析每个产线的具体情况，找出导致偏离的原因，并采取相应的措施来改善生产计划的准确性和稳定性。 此外，我们还通过分析得出了公司003和公司005产量占比80%以及产线C和产线G产量占比80%的结论。这些结论为优化资源配置和提高生产效率提供了有价值的参考。 综上所述，产销存协同分析是优化供应链管理的关键步骤。通过深入研究和分析产销存之间的关系，我们可以识别问题、发现机会，并采取相应的措施来提高生产效率、降低库存风险、提升客户满意度和增加企业盈利能力。希望本论文的研究成果能够为相关领域的从业者提供有益的指导，并促进产销存协同管理的进一步发展和应用。