2. 數據分析方法與分析步驟

2-6. DATA分析所需項目與分析邏輯

數據分析之真實目的

數據分析的真諦在於透過精確的數據（Fact）呈現當前物流作業實況，並定量且客觀地展示「導入建議系統後，設備、人力、空間及作業時間將產生何種具體改變與效益」。

物流中心設計的基礎為 EIQ分析（E: 出貨點、I: 單品商品、Q: 數量），但若僅有「向A出貨點發送10個B商品」等基礎資訊，無法進行高精度的倉庫規劃。Tera計算採用包含下列基礎與擴充欄位之出貨數據匯入格式：

欄位名稱	說明與實務作用
列流水號	出貨數據各筆紀錄（Record）之唯一一連編號。
出貨日・出貨時間	出貨日期與時間時段。用於每小時物量彙總與出貨波動分析。
出貨點 (Entry)	商品送達之客戶名稱、門市名稱或物流中心代碼。
商品品項 (Item)	可區分SKU（最小管理單位）之商品代碼或商品名稱。
零散數量 (Quantity)	作業與庫存管理之最小單位（SKU數量）。
每箱裝數	用以將零散數量換算為整箱數，並自動判定整箱出貨與零散出貨之基準值。
每棧板箱數 (Ti-Hi)	單一棧板（PL）可堆疊之外箱數量。用於箱數導出棧板換算值。
外箱容積・重量	單一外箱之體積容積（m³）與總重量（kg）。用於將數量換算為容積與重量。
商品類別・出貨類別	用於篩選或排除特定分析範圍（如排除廠商直交單）之旗標欄位。
出貨路線	管理裝載至同一裝運貨車或配送路線之出貨點群組名稱。

一般基準分析模型（如小型家電與電子產品BtoB物流中心）之數據規模範例：

出貨物量會隨季節、月份、星期、天氣、促銷活動及新開門市而產生起伏，此現象稱為「出貨波動」。

【經濟規模設計之關鍵點】

最大高峰日設計之盲點： 若完全依據全年或全月之最高高峰日物量來設計貨架與自動化設備，將導致淡季時產生大量閒置空間與設備浪費。
目標日（Target Day）之選定： 在 Tera計算中，不會選取週物量最高峰日，而是選定經平準化之特定星期（如木曜日/星期四）作為系統設計目標日。
高峰期對策之跨部門共識： 超出目標日之高峰物量，透過「延長作業時間」、「臨時增派人力」、「外租倉庫」或「提前進行揀貨」等營運手段因應。此類營運調整涉及業務與採購部門，事前取得全公司共識為成功關鍵。

匯入原始出貨數據後，系統會自動執行下列步驟進行數據加工，並建立核心 「T200」整合數據資料表：

零散數量之自動單位換算：
- 外箱換算＝零散數量 ÷ 每箱裝數
- 棧板（PL）換算＝外箱換算 ÷ 每棧板箱數
- 容積換算＝外箱換算 × 外箱容積／重量換算＝外箱換算 × 外箱重量
整箱出貨與零散出貨之自動判別分離：
- 未滿1箱（外箱換算＜1） ──＞ 零散出貨（由作業貨架進行摘取式揀貨）
- 1箱以上且無餘數（外箱換算≥1 且餘數＝0） ──＞ 整箱出貨（由保管區整箱出庫）
- 1箱以上且有餘數（如訂購裝數5之商品共9個） ──＞自動拆解為 1箱整箱出貨＋ 4個零散出貨
5階段分級分級（EIQ分析之擴充）：
將傳統ABC分析（3等級）擴充為 A1 (50%)、A2 (20%)、B (15%)、C (10%)、D (5%) 共5個等級進行商品與出貨點分類。
- Tera計算1（出貨能力設計）： 整箱出貨採「外箱換算」、零散出貨採「出庫次數（列數）」作為分級基準（Rankey）。
- Tera計算2（保管量設計）： 為計算保管空間，整箱與零散出貨均採「棧板（PL）換算」作為分級基準。
建立整合資料表「T200」： 將換算值與分級資訊整合至「T200」，以支援後續高速SQL查詢與模擬計算。

紀錄列數與出庫次數之差異： 若單一數據列包含「1箱＋ 3個」，資料列數為1，但實際產生整箱出庫與零散揀貨2個工程，Tera計算會精確記錄為出庫次數「2次」，以真實反映勞動負載。
作業用語定義：
- 入庫／出庫： 泛指將物品放入或取出保管貨架（如棧板架）。
- 分揀（播種式）： 將整批出庫之商品按出貨點進行播種分配。
- 揀貨（摘取式）： 按訂單直接從作業貨架（如流動架）挑選商品。
上游作業時段前移： 為確保於定時發車前完成裝車，上游揀貨與補貨作業時間需提前規劃，設計時必須考量時差（Time-lag）。