物流行业的特征有涵盖行业面广、专业深、学科交叉多、系统复杂等。物流规划的类型也繁多,从供应链角度可以细分到不同的物流环节,从企业分类角度可以分出至少几十种类型,从物流功能的角度可以作多种拆分,从创新应用的角度也是与时俱进。因此物流规划的涉及面很广阔,如何利用物流专业知识和经验进行物流规划,需要从聚焦问题、精确定位、搭建结构、特征分析、归纳推理、数据建模、解决方案,这几个步骤出发去考虑。结合我们对物流、生产、零售等类型的大型上市公司、中型企业、政府机构,也包括物流网络、智能工厂、城市配送、物流战略、物流园区、仓储规划等规划与设计的项目经验,对物流规划步骤作了一个说明,供参考,对象和环境不同,可作调整,后续也有各类型规划的参考目录发布。
步骤一:解决什么问题
首先我们要明确用我们的专业去解决的是一个什么样的问题,这里说的“问题”,不一定是客户说描述的问题,因为客户描述的常常是表象或是在经营或者操作层面,而我们需要对问题进行分类。不同的问题可能是用不同的方法解决,也有可能把问题拆分过后发现这些子问题并不能一次性解决,而需要分阶段去解决。比如,需要解决生产或者仓储包装标准化的问题,不一定通过生产或者仓储环节就可以优化,而需要从供应商的源头进行调整,那就需要增加一个优化模块,对于规划方案的复杂度也将增加。
在规划问题中,我们将供应链物流规划大致分为了,物流网络规划、城市配送规划、生产物流规划、物流园区规划、仓储规划……,每一种的规划又可以细分为数十个、上百个要素,甚至更多,底层的逻辑和关系比较复杂,所以一定要通过对表象问题的分类,找到真正需要解决什么样的问题。
有时候客户提出的问题要点可能会比较多,那么可以将这些问题与方法要素融合以后,再层层整合,最后将问题提炼为一两句话,找到牵一发而动全身的要点,那就是最佳的选择。
步骤二:规划内容定位
在从专业的角度明确需要解决什么问题以后,那么需要对这次规划方案作定位。物流是一个复杂系统,节点种类很多,在服务不同的商业形态或者行业的时候功能各不相同。比如从环节角度看,有供应功能,有分销配送功能,有生产供给功能等,从属性看,有战略储备功能,有快速补给功能,有中转功能等。如果对于需要规划实现的物流系统定位错误的话,系统逻辑会有问题,方向不对的话那么输出的结论也肯定有较大的偏差。因此,不管是解决一个网络规划、仓储规划还是配送规划,都需要明确其在供应链环境中,也就是上下游的态势中处于什么样的位置,需要达到什么样的目的,同样,这样的定位也不是拍脑袋拍出来的。
当然也有的会通过经验分析,得出一个经验性的定位,我认为最好的方式也是通过对要素的拆分,并且和方法结合,分析其输入、输出与自身的逻辑,从战略层面和运营层面,包括时间、空间、流量、流向等几个核心要素的分类分析后得到一个科学理性的规划定位。
步骤三:构建房子模型
构建属于这次规划的房子,房子的结构是一个很好的分类模型,包括顶层目标、中间结构和支撑,需要解决的问题可以放到顶层目标,中间层的结构可以是按供应链物流的环节分类,也可以按需要解决的问题模块进行分类。可以构建一个层级,也可继续分类构建多个层级,只要是能把系统结构体现清楚,就可以那样去构建。
对于在整个房子的支撑层面里,可以将规划方案里面实施层面的内容放进去,比如需要什么样的设备支持、什么样的信息化支持以及什么样的标准化运作程序支持等。当然,这里的支持并不是一个笼统的概念,而是通过充分的分析,确定了具体的流程配置后才去构建的这些支持实施的模块。在我们的方法里,把流程作了详细的拆分,基本上大部分的物流活动都放到了不同环节的流程里面。规划的房子构建完成后,对于整个规划方案的结构也就基本清晰,一目了然,既方便团队和客户沟通,也方便在后续进行更加深入的分析或者是规划周期内发生了局部需求改变后的模型修正。
步骤四:数据特征分析
物流规划肯定离不开数据分析,有的数据可以直接帮助形成分析报告,也有的数据是作为仿真模拟的输入。这里强调,对于数据分析,其中一个非常重要的目的是寻找业务特征。也存在一个问题,数据来源在哪里?这里的来源有多种意思,来源于信息系统,还是人工采集?来源于ERP,还是TMS或者WMS?来源于SAP,还是用友、金蝶?不同的来源数据字段、格式、数据量都不同,而且数据的准确性也不能完全保证,因此对于数据,要进行专业分析,也要谨慎,不能依赖数据,如果过于依赖数据容易陷入数字陷阱中。从技术手段上,首先将数据进行标准化,然后通过统计工具或者仿真工具,对数据进行可视化、拟合,找到其特征,返回到业务层面,找出异常点或者问题点,帮助确定解决方案的方向,并且数据特征出现后,需要多与客户的业务人员进行沟通确认,避免被数据误导。
上面是从构建企业运作的物流系统规划角度看数据分析,也有些物流规划是偏宏观层面比如园区规划、战略规划,也有的是从政府视角进行规划,那么对于数据的要求不一定特别精确,只要能反映趋势就可以。这样数据分析只要逻辑正确,输入数据来源可靠,数据分析后反应出的结论没有明显偏差就可以接受。
步骤五:归纳推理