要做好一个物流信息化管理系统，最重要的一点是需求必须明确。而在需求中，数据又起关键性作用。在一个项目规划中，重点数据也就那么几个。

比如：收货量、发货量、库存量、拆零量、SKU等等，为了便于读者理解，我们可以从物流的仓储环节给大家进行形象的描述。

收货相关

与收货相关的数据：到货量（单位）、订单数、车辆的装载量、收货区域面积、收货作业时间、每天收货SKU数等。

车辆的装载量和卸载时间主要对于站台设计有影响，包括车辆大小、载重量等。一般情况下还要分析卸货的方式、速度，以便详细规划站台的数量。

很多人对于此方面的设计影响可能并不是特别关注。比如高点平均值及算数平均值的计算数据会对整个的设计过程产生什么样的影响？

可能大部分人心中并无清晰答案。通俗讲，将一一定时间的收货量除以特定时间的实际工作天数，即得到每天收货量。一定时间中最大收货量的一天即为最大收货量。

在实际设计中，如果要按平均值设计，则会使加班天数增加很多。如果按最大值进行设计，就会出现很多工作无人干，设备闲置。

所以要根据实际情况在这两个算术值中取一个特定值进行实际设计。

存储相关

库存能力设计对整个系统来说又是很关键的一步，而确定库存能力又是非常具有技巧性的。除了库存总量W，还要考虑SKU数，以及各种存储方式下的存储要求。

普遍情况下，仓储情况下并非单一。所以设计的时候要考虑清楚库存的方式，以及有哪些要求。

大部分时候，存储方式主要分为两种：以托盘为单位存储（立体库和平面库）和以箱为单位存储。其他形式不再赘述。在设计中，要充分考虑这两种方式，有时也会出现两种方式同时采用的方式。

库存能力的计算与箱规以及平均库存天数也有关系。SKU对库存资源分配有很大的制约作用，尤其影响作业面设计。当然发货量对于库存设计也有不小的影响，比如拆零量。

库存ABC分析对于仓库设计也是一个比较重要的因素。一般情况库存ABC分析决定了存储形式，它的定义随着业务的不同而不同。

在实操中，往往要对够托盘，并将比例分配好，从而正确决策。

而且随着电子商务的迅猛崛起，SKU会不断壮大，会更加依赖ABC分析。并且箱式存储方式会越来越受到关注，它的比重也会越来越高，从而影响库存分析

对于存储能力的计算，人们对于库存总是存在一些疑问。托盘或者货箱并不能做到100%的利用率，为了作业的顺利，货位不可能全部饱和。

所以，总是要留出少许空地。这种情况也应该在考虑范围内。

拣选相关

对设计产生重要作用的除了以上我们所说，拣选的订单数，订单行数，发货量等都会比较重要的数据。

连选环节能对设计产生关注的主要有拣选，包装和输送问题。这里涉及三个参数：整盘出库量、整件出库量和拆零出库量。这对于设计都非常重要。

当然，一些基础信息也是要非常清楚的。比如拣选效率，播种效率以及包装效率。有些数据可以通过项目经验获取，有些应该进行实际测量。

不过测量结果与作业流程，工位设计以及测量方法有很大的关系，难以获得一个准确的 结果

不同的拣选方法对应的效率有很大的不同。一定要注意这一点采用怎样的技术手段，对最后的设计结果有很大的影响。所以在数据分析中，一定要考虑全面。

发货相关

发货路向、数量、车辆形式、作业时间、暂存时间等数据是发货设计阶段的基础。

众所周知，分拣机的格口不可能无限增加。因此，设计中应考虑波次问题，以便控制格口数量。有些物流中心的发货区设计很小，站台停车位很少，给发货造成很大困难。

集货区的大小与发货波次有关。很多小的物流中心，每天只安排一次发货，其发货区就要大一些；对一个大型的物流中心来说，一般要按照多个大波次组织发货，每个大波次还有若干小波次，由此可以大幅度降低对集货区的需求。

这在设计中是要注意的。

随着大家对物流认识越来越深刻，发货装车环节越来越受到重视。因此，设计中也要与时俱进，考虑自动化系统对发货区的影响。

退货相关

退货很重要也很困难，但容易受到忽视。

在通常的数据分析中，退货分析也是不充分的。事实上，退货与收货的过程是不一样的。这主要是因为退货收货需要处理的数据量远远大于普通收货。

退货作业不是均衡的，有很大的波动性。因此，在数据分析中（实际作业也是如此），要将退货收货与退货处理分开来。其作业时间和作业量都不会一样。

对退货来说，其作业流程对于设计会产生影响。一般数据分析仅仅提供退货量即可，包括订单数、订单行、SKU、数量等。

要注意的是，退货有两种形式，其一是终端退回到物流中心；其二是物流中心退回供应商或者报废处理。两者差异是很大的。在数据分析时，要分别对待。

其他

数据分析很重要，也有一定难度，这是需要指出的。经验和专业知识对于数据分析很重要。此外，数据分析结果必须得到用户确认才能用于设计。

最后要说明一点的是，数据分析的结果并不是直接应用于设计，而是要据此提出设计指标。其中有些数据的变化是比较缓慢的，如产品特点、订单结构、品项数、作业方式等，有些却会变化剧烈，如设计指标等。

这些除了经验、行业情况能够提供帮助外，关键的是要认真分析，找出规律。在这个过程中，充分的调研，与用户充分的沟通尤其重要。