物流行业数据可视化分析解决方案

二、数据分析建设现状

物流数据分析建设可以划分为三类：第一是微观层面，包括了运输、仓储、配送、包装、流通加工登记处数据的分类；第二是中观层面，就是供应链、采购物流、生产物流数据分类；第三是宏观层面，基于商品管理，把商品分成不同的类型做数据分析。

其中微观层面及中观层面的数据一般掌握在物流企业内部，是物流大数据交易中最重要的、最基本的供应方。整合、处理、分析这些“源数据”得到的具有新价值的数据，即可在宏观层面，指导物流企业经营管理的各个方面。

商业智能等数据分析技术对物流行业最显著的影响是横向流程延拓，纵向流程压缩简化。从供需平衡角度出发，为供方(物流企业)提供最大化的利润，为需方提供最佳的服务。主要体现在以下几个方面：第一，提高运营管理效率，根据市场数据分析，合理规划分配资源，调整业务结构，确保每个业务均可赢利；第二，预测技术，根据消费者的消费偏好及习惯，预测消费者需求，将商品物流环节和客户的需求同步进行，并预计运输路线和配送路线，缓解运输高峰期的物流压力，提高客户的满意度，提高客户粘度。

建立 BI系统的好处在于能随时可以得到任何的分析报表，对于高级管理层的决策，将起到重要的作用。

三、商业智能的体系结构

商业智能(Business Intelligence，简称BI)通过对数据的收集、管理、分析以及转化，使数据成为有价值的信息，从而获得必要的洞察力与理解力，更好地辅助决策与指导行动，它能够以灵活的多维分析、丰富直观的数据展现形式，为管理者的日常决策提供帮助。

商业智能软件通过连接企业ERP、CRM、SCM等应用软件的数据库，对异构数据源进行整合，通过可视化数据集建模工具，得到企业数据的一个全局数据模型。在此基础上利用合适的查询和分析工具、可视化工具等对其进行分析和处理(这时信息变为辅助决策的知识)，最后将知识呈现给管理者，为管理者的决策过程提供支持(图1)。

（商业智能的体系结构）

四、物流企业商业智能平台需求分析

(一)物流企业BI需求

物流企业商业智能平台构建的目的是能够满足物流企业各部门的数据分析需求。更好地为管理者提供决策支持。所以，在平台设计时必须分析企业各部门的具体需求。目前物流企业在数据收集及分析方面普遍存在的问题有：在业务发展过程中收集了海量的数据，但缺乏数据间的连接及有效管理，形成数据“孤岛”。无法对数据进行分析利用：信息化程度不高，缺乏对数据进行深入分析的方法和系统；缺乏基于数据分析的决策辅助系统，如运输决策辅助、仓储决策辅助等。物流企业商业智能平台的建立应该有解决以上问题的能力，所以物流企业商业智能平台应当具备两个功能：第一，数据的收集及整合功能，商业智能体系中的数据仓库可以实现此功能；第二，数据的深入分析以及直观灵活的展示功能，以便辅助决策，通过商业智能平台的自助式分析、报表系统、主题分析等工具可实现此功能。

(二)商业智能平台功能

1．管理驾驶舱：通过折线图、柱状图、表格、地图等可视化方式，实现对当前关键业务数据的及时、直观展现，使管理者对企业当前运营状况有直观了解。

2．报表分析：提供各类统计和财务报表分析，可通过表格、矩表等组件，实现个性化中国式复杂报表分析需求，支持导出Excel、Word，支持打印，也可以通过柱状图、饼图、面积图等可视化展现形式。

3．即席查询：通过选择参数或用户输入参数，实现对企业数据库中数据的快捷查询。

4．主题分析：通过数据切片、钻取、联动等功能，实现不同主题的数据分析。如：市场细分、客户业务分析、客户优先权分析、库存情况分析等。

5. 数据填报：通过自定义表单，录入数据或者导入Excel数据，进行数据采集。

6．系统管理：提供用户管理、权限管理、参数配置、日志管理等功能。

五、物流行业商业智能分析主题

1、销售方面的分析主题：

客户构成分析；客户贡献度分析；客户利润率分析；收方风险客户预警，销售者评价，增值服务分析

2、财务方面分析主题：

收入分析、成本分析、应收账款、应付账款、费用分析：分区域，分客户，分营业模式，分线路，分营业项目，分时间等角度进行营业收入分析，可以采用钻取方法，挖掘历史数据进行对比分析；采用联动方法，对不同维度的数据进行联动分析。

3、营运 KPI分析

营业收入、成本、毛利、网点分布、固定资产、仓储、运输、公里费用、车次费用、油耗、物流成本等核心指标展示和分析。

六、示例效果

商业智能平台的成功构建很大程度地提高了物流企业数据整合以及数据分析的能力，为管理者的决策提供辅助。由于各企业的业务范围、管理模式和原有信息系统基础的不同，物流企业需要根据自身的情况去构建合适的商业智能平台。在物流行业竞争日益加剧的背景下，商业智能技术能够实现业务数据的有效整合及深入分析，为企业各方面的业务提供有力的决策依据，BI将成为物流企业提升综合竞争力的必然选择。