仓库中，难免数据和实际会出现这样那样的差距，如何查找并解决仓库问题数据呢？也许，我可以试试这样的方法：

数据中的差异

你的数据中将有所差异，希望他们有一个处理问题的策略。首先找到他们并记录他们的严重程度。例如，明确SKU数据库中出现在客户的订单上和没有出现的SKU比例是多少？如果它是一个小问题，它可以因为仓库分析的目的而忽视；但仓库IT员工应被告知，这样他们才可以解决这个问题。

请务必特别仔细检查最繁忙的SKU、地点、时间等等。错误往往出现在ABC分布的极端值。这里是发生在我们身上的两个例子。在一个案例中，我们发现从仓库运来特定风格的纸张占所有立方英尺的巨大的比例。这让我们的客户很惊讶。进一步检查我们明白了销售的这种纸张是用张数记录的，不是用箱数，正如我们的猜测。同样我们也惊讶地发现最受欢迎的书写板几乎在运送产品的立方英尺里占比为零。垫板已经被自动化设备测量了，设备捕获了它的尺寸为8.5英寸*11英寸*0英寸=0立方英寸。

出现的很多问题，是因为订单历史的时间间隔跨度；然而该SKU文件可能代表的是一个即时快照。因此，你可能会发现SKU出现在一个数据库中，但不是其他的。

交叉检查的重要性

你可以通过大力地交叉检查所有数据并分析来减少问题，得习惯于使用不方法问相同问题或到不同的资源（人，数据库）中访问它。检查答案是否一致。例如，仓库每天货运的线路有多少条？订单有多少？每个订单的平均线路是多少？数学检查做了吗？

一些现有的工具使交叉检查很容易。

仓库的总共流入的与总流出的平均值是相等，所以利特尔定理（Little's Law）应用：

近似的：一个包装很紧53英尺（16.15米）长的拖车载有约2000立方英尺（56.6立方米）的产品，这大约有20托盘。

一个人每小时步行4英里（6.44公里）

解释方式

在解释数据时很容易犯错误，这里有一些避免措施。

谨防小数目如果SKU是异常地缓慢移动，比如在典型的服务零件配送中心，那么在一年期间很多SKU将只有极少的出售量。在绝对值上小的需求量统计波动可能表示巨大的百分比增加，所以误导分析。

在一个站点我们估计供应天数由现有库存的每个SKU表示，因此我们可以评估适当的库存水平。（在财务报告中，供应时段一般称为在库天数或DIO）。这个仓库向美国军方提供的服务零件，并拥有成千上万的SKU。像大多数服务零件仓库一样，大多数SKU需求频率较低。

我们收到库存水平与前一年的销售历史记录的快照。我们估计供应时段，如下所示：如果一个SKU去年卖了Q单位，而目前有现货q单位，然后我们估计有足够量到最后为q/Q年。然后我们对SKU的计数为1年供应，2年供应等等，结果如下所示。

为什么刚好半年供应会有这么多SKU?

初看这个模式很容易被迷惑，有三个事情要解释。

为什么这么多货物在供应时段都集中在一起

为什么最平常的时间供应值刚好是6个月，一年等等？

为什么我们要准确观测那些任意一个日期的值？

与库存管理和采购部门讨论中，有些建议该模式反映了采购模式；其他人认为有可能被要求掌握，例如，某些SKU一年的供应；有的认为这个库存水平可能已被军事训练时间表来间接设置，可能消耗该供应。所有这些在一定程度上可能是真的，而且似乎解释了为什么在供应时段可能的高峰，而一些甚至可以解释为什么那些高峰会发生在自然间隔，比如半年或一年，没有解释为什么那些自然间隔在我们任意一天的数据研究中被观察到。即使如果一个特定的SKU被要求保持至少一年的供应量，我们为什么要发现存货正好是一年的供应？为什么不能是1.2年？

事实上，这个解释是从任何这些完全不同，它并没有涉及到物流。该模式是一个简单的数值加工。回想一下，配送中心拥有非常多的SKU，它们移动是非常缓慢的。去年数万个SKU里只有一个或两个被运出。因为这些是很慢的搬迁，配送中心可能只持有少量的库存，比如，去年有数以千计的SKU是只卖出一个单位，而且目前在仓库里只有两个或两年的供应。对于所有这些SKU，只卖出几台和几台库存的，供应天数的估计（库存的个数除以去年的销售数量）只有极少数可能的价值。例如，去年所有卖出1个或2个单位的SKU，现在有1-3个单位的库存可能被认为有要么1/2或1或1.5或2或3年的现货供应。换句话说，这是较小数字的一个加工。

请注意，因为这些是缓慢的移动者，这种情况仍然存在。一个SKU去年卖出一个单位，同时有两个在库存现在估计2年供应；此外，该库存水平将几乎在任何时候检查这个SKU时被观察到。

声明：本文内容部分来源于网络，图片来源于摄图网，版权归原作者所有，经本平台整理和编辑，仅供交流、学习和参考，不做商用，转载请联系授权。若有来源标注存在错误或侵犯到您的权益，烦请告知，本平台将于第一时间整改处理。