数分菜鸟，写文章更多是为了对自己的工作进行总结，同时为同行中提供一些思路。文章内容为我在互联网上搜集并自己总结归纳的结果，不涉及具体数据及客户信息。有新意见新想法欢迎随时沟通。

一、场属性

1.仓库

1）基本信息

仓库的基本情况是要有的，如对接的门店ID（一般来讲同一片区域3-6个门店会对接一个仓库），仓库的仓管员ID等基本数据。

2）入库前：采购流程

采购三度

【品类广度】

广度=采购的商品品类广度比=采购的商品品类数÷可采购的商品总品类数×100%

广度关系到商品品类多样化，很多追求消费者一站式购买的卖场就是追求大广度。例如一个服装专卖店，公司当季商品有20个品类，买手实际采购了16个品类，则广度为16，广度比80%。广度也不是越大越好，这和零售店铺的消费群体有关，也和营运成本有关，所以最佳的广度是指用最经济的成本且最能满足目标消费群体绝大部分需求的值。

【SKU宽度】

宽度=采购的SKU总数宽度比=采购的SKU总数÷可采购的商品SKU总数×100%

商品的宽度代表了商品的丰富且可供选择的程度，宽度越大的店铺消费者挑选的余地就越大。而宽度比则是反应和竞争对手宽度、自己目标宽度或上游供应商宽度的对比程度。

例如对于一个化妆品专卖店来说，店铺共有1000个SKU商品在销售，而最大的竞争对手同期销售的商品是1500个SKU，则该专卖店商品的宽度为1000，相对于竞争对手的宽度比67%。由于资源局限性，大型超市等一般会限定商品的宽度值，所以就会出现每新增一个商品必须要剔除一个旧品的规定，这与互联网电商不同，电商网站陈列没有实体零售店铺的空间限制，所以理想状态下宽度是可以做大无限大。

【数量深度】

深度=采购的商品总数量÷采购的SKU总数

深度比=深度÷采购目标深度×100%

深度是指平均每个SKU的商品数量，它的意义代表了商品可销售的数量的多少，比如某个服装专卖店某次采购了400个SKU的商品，一共1000件，则深度为2.5。深度越大越不容易缺货，但是也可能会造成高库存。

采购匹配度

采销匹配度不是一个具体的指标，它实际上是一种分析方法。通过对比品类、型号、价格等方面在某段销售周期内采购和销售的比重来判断商品销售进度的一种方式。

（2）入库后：供应链管理

库存

还是基本信息：期初库存，期末库存，平均库存，库存天数

进阶指标：库存周转率，库销比….

管理

【动销比】品类销售SKU数/品类库存SKU数

【库存准确率】1 – (实际库存数 – 系统库存数) / 系统库存数

【订单满足率】订单库存满足率指当顾客发出某个订单需求时，库存系统中有该订单中的所有产品，能够立刻满足顾客需求的百分率。满足率越低，那么缺货的概率就越大（但不代表一定会缺货）。

【仓库缺货率】缺货量/需求量×100%

例如，某库存昨日共计接到客户订单1000单，共计缺货50单，则仓库缺货率=50/1000*100%=5%。

【安全库存量】

安全库存量是为防止未来物资供应或需求的不确定性因素（如大量突发性订货、交货意外中断或突然延期等）而准备的缓冲库存。其大小取决于供应和需求的不确定性、顾客服务水平(或订货满足率），以及缺货成本和库存持有成本。

【采购提前期】

采购提前期指商品采购需要的时间，从下采购单，到供应商备货、供应商送货到目标库房、库房入库的全周期。

2. 从仓库到门店

1）补货

补货时间，到店时长，安全库存…

2）调货

调货次数，调货量，到店时长，丢失率

3. 门店

1）基本信息

还是基本信息，如门店编号，试衣间数量，店员数量等。

2）销售链路

形成一条具体销售链路，深挖异动变化是出现在哪个环节的，如进店->路过>触摸>试穿>下单这个环节。（此处不过多赘述，订单环节销售链路将在下一篇讨论）

3）业绩

涉及到门店管理，类似于坪效及人效等。

二、人属性

对于传统门店库存管理（指非互联网）来说，人主要指的是仓管员和店员，紧接上文提到的仓库和门店。虽然顾客也很重要，但是由于不是仓库管理的重点内容，因此本文不放入讨论。

1. 仓管员

基本信息数据是需要有的，比如姓名，员工号，性别，年龄等。

此外为了衡量仓管员的工作水平，也可以加入每天送货次数，数量，准确率等指标。

2. 店员

同样的基本信息：姓名，员工号，性别，年龄等。

衡量业绩指标：每天调货次数，数量，订单成交率，客户投诉率等。

三、货属性

1. 基本信息

商品性质：名称，种类，尺码，货龄等。

商品位置：楼层，货架号。

2. 售中

（1）结构：品类销售额占比，价位段销售额占比，时段销售额占比，畅滞销状况…

（2）数量：客件率，成交率。

3. 售后

退货率。

四、如何赋能业务？

在真实的商业环境中，数据是次要的，主要是如何从数据中得出结论，赋能业务。根据以上归类的指标体系，我简单总结了几个可能的价值点：

1.销量提升

（1）订单异动分析

• 形成订单漏斗，计算转化率，可追溯到到销售的每个环节分析订单量变动原因。
• 通过检测销售额与店铺面积及人数可帮助门店分析效率（坪效及人效）。

（2）商品售卖情况监控

更快速找出畅滞销商品，针对商品特性设置个性化营销策略。

2.员工管理

员工业绩管理

通过计算仓管员送货量和店员成单率，对其工作进行数据监控，有效管理员工，提高工作效率。

3.库存管理

（1）采购计划调整

从采购的品类广度、SKU宽度、数量深度制定采购计划，有效改善积压货状况。

（2）调货中商品安全防控

追踪丢失情况，确保货品安全。

（3）补货计划调整

追踪每天库存量，有效计算安全库存量，制定对应补货计划。

参考文章

1. “人货场”模型，该怎么搭建？https://www.51cto.com/article/683553.html
2. 如何做服装零售数据分析https://www.linkflowtech.com/news/665
3. @你关注的供应链常用指标，整理完了。https://www.cnblogs.com/purple5252/p/15471838.html
4. 门店销售额下降该怎么分析？人货场分析方法精准定位问题！https://www.bilibili.com/read/cv35062703/：
5. 什么是智慧门店，如何打造智慧门店？https://www.woshipm.com/it/4294294.html