2. 數據分析手法與分析步驟

2-6. DATA分析所需的項目與分析邏輯

數據分析的目的

數據分析的真正目的，在於以數值（事實/Fact）精準表現現況的物流實態，並定量且客觀地明示「導入提案系統後，設備、人員、空間、作業時間將發生何種變化」。

配送中心設計的基礎為EIQ分析（E: 送貨目的地、I: 單品、Q: 數量），然而僅憑單純「向A目的地出貨了10個B商品」的資訊無法進行高階倉庫設計。Tera計算採用由以下基本項目與追加項目構成的出貨數據匯入格式。

項目名稱	說明與實務上的作用
列流水號	出貨數據紀錄的連續順序編號。
出貨日期・出貨時間	出貨實績日期與時間段。用於每小時物量統計與出貨波動分析。
送貨目的地 (Entry)	交付商品的送達點（公司名稱、門市名稱、配送據點代碼）。
單品/Item (Item)	可於SKU（最小管理單位）層級進行辨識的商品代碼或商品名稱。
散貨數 (Quantity)	進出貨與作業・管理中的最小管理單位（SKU數量）。
外箱裝數	用以從散貨數計算換算外箱值，並自動判定整箱出貨與散貨出貨的主檔基準值。
棧板外箱堆疊數	每張棧板（PL）可堆疊的外箱數。用以從外箱數導出換算棧板值。
外箱容積・重量	每箱外箱的外寸容積（m³）及總重量（kg）。用以從散貨數換算為容積與重量。
商品類別・出貨區分	用於篩選或排除特定分析對象範圍（例如：排除直貼直送品等）的旗標項目。
出貨路線	管理裝載於同一輛貨車的群組或配送路線名稱。

一般分析模型（假設為小型家電・電子設備之BtoB中心等）中的數據規模感範例：

出貨物量會因季節、月份、星期、天氣、特賣活動、新門市設立等而每日變動。此現象稱為「出貨波動」。

【經濟規模設計要點】

最大尖峰日設計的失敗: 若配合年度或月度最大尖峰日設計配送中心的保管貨架與物料搬運設備，離峰期將產生龐大的浪費空間與過剩設備，極不經濟。
目標日之選定: Tera計算並非選擇週物量最高尖峰日，而是選擇經過平準化的特定星期（例如：星期四等）作為系統設計的目標日。
尖峰對策的全社合意: 針對尖峰日的超量物量，透過「延長作業時間」、「臨時增員」、「委託外部倉庫」、「提前出貨營運」來涵蓋。由於這些營運也會影響營業部門與採購部門，事前形成全公司合意是成功的關鍵。

匯入作為原始數據的出貨數據後，透過以下步驟進行自動加工，生成核心的「T200」整合數據資料表。

從散貨數自動換算為各單位:
- 換算外箱值＝散貨數 ÷ 外箱裝數
- 換算棧板值＝換算外箱值 ÷ 棧板外箱堆疊數
- 換算容積＝換算外箱值 × 外箱容積／換算重量＝換算外箱值 × 外箱重量
整箱出貨與散貨出貨之自動分離:
- 未滿1箱（換算外箱值＜1） ──＞ 散貨出貨（從作業貨架揀貨）
- 1箱以上且無零數（換算外箱值≥1 且零數＝0） ──＞ 整箱出貨（從庫存區域整箱出庫）
- 1箱以上且有零數（例如：外箱裝數5的商品訂購9個） ──＞自動分割為 1箱作為整箱出貨，4個作為散貨出貨
5階段等級劃分（EIQ分析之擴充）:
擴充傳統ABC分析（3區分），以 A1 (50%)、A2 (20%)、B (15%)、C (10%)、D (5%) 5區分對單品及送貨目的地進行等級劃分。
- Tera計算1（出貨能力設計）: 整箱出貨採用「換算外箱值」，散貨出貨採用「出庫次數（列數）」作為等級金鑰。
- Tera計算2（保管量設計）: 為算出保管空間，整箱與散貨皆採用「換算棧板值」作為等級金鑰。
整合資料表「T200」之生成: 透過建立整合換算值與各類等級資訊的「T200」，實現極速的統計處理。

紀錄筆數與出庫次數: 於1筆紀錄中出貨「1箱＋3個」時，紀錄筆數為1，但因產生整箱出庫與散貨揀貨2個工程，出庫次數計為「2次」，藉此正確補記與計算實際作業負荷。
用語定義（入庫・出庫・分揀・揀貨）:
- 入庫／出庫: 入庫至保管空間（貨架等）及取出。
- 分揀（種播）: 將整批取出之商品分配至各送貨目的地的作業。
- 揀貨（摘取）: 從作業貨架（流利貨架等）依指示揀取商品的作業。
尖峰時間段提前考量: 從出貨完成時間倒算編排上游工程（揀貨與補充作業）的時程表，因此設計時需考量作業開始與結束時間的時差（Time lag）。