1-2. 傳統計算（ABC分析）與 Tera 計算 的差異
在現代的物流設施規劃中，僅憑單純的過去數據統計，無法對日趨高度化的物流中心進行最佳化設計。在 Tera 計算中，將長期於現場使用的傳統 ABC分析 按等級進行統計的手法稱為「傳統計算」。
本節將明確指出造成數據含義分割的傳統 ABC分析 之局限，並深入解析為了克服此局限而開發的 Tera 計算獨家「EIQ矩陣統計」之相異點，以及為了推導出更精準的設備規模計算而應採用的數據分析思考方式。
1. 傳統計算與 Tera 計算的基本概念差異
傳統計算（ABC分析）的局限與資訊的分割
傳統的 ABC分析，是從出貨實績中將單品統計（暢銷・滯銷）與出貨目的地統計（大口・小口）分別劃分為 A、B、C 3個等級進行獨立統計的手法。 該手法適合用來觀察各自的「結果分佈」，且兩張表總合計值會是一致的。
然而，其最大的缺點在於表格之間的相關性（Correlation）完全不存在。 因此，無法掌控「單品等級 A 的超暢銷商品，是以何種比例分配給何種出貨目的地等級（是大口批發商，還是小口個人客戶）」這種立體結構。 若缺乏這項資訊，便無法精準衡量揀貨區域的適當面積或分揀機等自動化設備的導入效益，作為最佳物流設施規劃或營運檢討的基礎數據實屬不足。
Tera 計算的提案：讓數據產生相關性的「EIQ矩陣表」
在 Tera 計算中，為了解決此「資訊分割」問題，將等級擴充為更精細的 5分割（A1, A2, B, C, D），採用單品等級（5）× 出貨等級（5）＝ 25個區塊的網格狀進行劃分，以實施交叉統計與相關分析。 這被稱為「EIQ矩陣表」。
其最大的特點在于，可以在同一等級劃分中，自由切換顯示物流現場不可或缺的指標，例如「列數（出庫次數）」、「單件數」、「整箱換算」、「PL（棧板）換算」、「容積換算」、「重量換算」等。 藉此，能夠立體地視覺化呈現各作業區域所需的物量（例如，在哪個區域會產生幾次揀貨、補充所需的整箱數是多少、搬運需要多少棧板等），從而實現精度極高的模擬。
2. EIQ矩陣統計表與圖表化的重要性
第1項 EIQ矩陣統計表的角色與可讀性提升
- 顯示單位的換算規則與一致性確保：
EIQ矩陣中的顯示單位整箱、PL、容積、重量，皆是由基準的「單件數」計算出的換算值。 藉此，矩陣表的橫向小計永遠與傳統計算的「單品統計」連結，縱向小計則與「送貨地址統計」連結，完美確保了整體數據的相符（一致性）。
- 巨量數據分組帶來的直覺理解：
原本原始的 EIQ 表（例如，送貨地址 400 筆 × 單品 4000 種等）巨大到連試算表軟體都無法完整捲動，人類肉眼無法讀取其趨勢，可讀性極低。 Tera 計算將其歸納分組為 5×5 的等級（EIQ矩陣表），提高了實用性，使經營層或現場作業員都能一目瞭然地掌握狀況。 此外，亦能輸出為可在畫面上視覺化確認分佈離散狀況的「EIQ散佈圖」，支援直覺式的分析。
第2項 設備規模計算中「Tera設定」的重要性
在物流設備選型（例如決定分揀機等每小時處理能力）時，為了防止瓶頸，通常會參考高峰期的物量。 然而，在決定建築面積或保管貨架總數的配送中心設備規模計算中，應採用不偏向特定單日的「出貨數據整體平均（Tera設定）」，這是本研究所的鐵則。
- 避免特定高峰日的原因1（全單品的完整涵蓋）：若僅截取特定出貨日進行計算，偶爾在該日沒有出貨的單品（如長尾商品等）資訊將會遺漏，導致倉庫整體的流動性評估與保管效率評估發生嚴重失真。 若以全數據為對象（Tera設定），即可精準涵蓋所有單品的動態。
- 避免特定高峰日的原因2（防止過度投資）：出貨高峰期的異常物量增加部分，原則上透過安全庫存提早出庫或增加人員調配等營運方式暫時吸收，這是物流的基本原則。 若以此為基準進行物流設施規劃，中心本體的廠房面積與固定設備將會變成過度規模（Over-spec），這是為了防止在淡季時持續支付無謂的折舊費用。
第3項 時間・路線・區分資訊的統計反映
為了擬定更貼近現場的物流設施規劃，EIQ矩陣也會將下列詳細屬性資訊反映至統計中。
3. EIQ矩陣統計表的營運應用範例
第6項 透過 EIQ 矩陣實現揀貨策略的最佳化
將送貨地址及商品按物量由多到少繪製成矩陣時，如何將該數值轉化為實際的營運規則，才是展現專業之處。 例如，當數據分析結果抽取出了「0.5 棧板以上/PIC（單次揀貨產生的量）」的物量群組時，將其定義為「棧板出貨」。
這個大口棧板出貨群組，若特地在 SAS（順序出庫系統）或小口用的通常揀貨區拆分處理，反而會增加動線與工時，大幅降低效率。 因此，可邏輯性地判斷，在保留寬廣通道的播種區域（分揀區），使用堆高機等設備將 2〜3 個送貨地址份一次性處理（總量揀貨後分揀）才是最優解。 另一方面，其餘的小口群組則可區分出來，適合在 SAS 或標準步行揀貨區進行保管與出庫。
透過這樣使用 EIQ矩陣 表，不僅止於現況分析，更能精準算出應於何時將何種單品補充至哪個揀貨區（SAS等），以及各區域所需的周轉箱數量，並落實至日常實用的作業時程表中。 這一連串流程的累積，最終結出無浪費的設備規模計算之果。