零售行业供应链管理核心KPI指标（三）

完美订单满足率和退货率

完美订单满足率有三个方面的因素影响：订单按时、足量、无损交货。通常情况下零售企业追求线上订单履行周期慢慢达到行业平均水平，就是交付的速度变快了，这个肯定是一件好事情，趋势越来越好。

同时，线上的业务增长越来越快，交付速度也有保障，但慢慢发现完美订单满足率下降了，就要去分析到底是因为什么原因？是没有按时交付订单？还是因为缺货影响的，还是出现了很多退货的情况。

所以，我们在关注一个指标趋势上升的时候，也要看相关联的一些分析指标有没有什么变化。

电商业务发展分析 - 派可数据商业智能BI数据可视化分析平台

做电商的，特别是服装鞋饰类目的直播带货，在618或者双11的大促，有些品类的退货率到了60%以上。主要的原因还是品控出了问题，或者夸大的宣传让消费者感觉与实际不符，也有的是因为不觉得物有所值、还有尺码不合适、物流配送问题等等。

不同的零售行业、产品品类、不同的消费场景比如线上或者线下渠道的、甚至不同的区域，退货率都是不一样的。

这个时候的分析就需要通过增加这些分析维度，比如商品品类、区域、渠道等等，一方面是看业务的增长趋势，一方面从大的指标看完美订单满足率，重点有问题的再结合这些维度细化分析退货率。

电商退货率分析 - 派可数据商业智能BI数据可视化分析平台

如果完美订单满足率下降明显，退货率趋势升高，对于零售企业和品牌零售商来说在未来就应该要关注的如何去提升交付质量。因为线上业务增长越快，退货率越高，整体物流运输成本、人力成本、仓库库存成本等等从总体上是不断在蚕食企业利润空间的。

库存周转天数、缺货率

库存周转天数实际上体现的是供应链背后的资金效率，库存本身就是企业资金占用的一种形式。对于零售企业来说，产品呆在仓库或者配送中心的时间越短越好。对于品牌制造商企业来说，不仅仅是产成品的库存，还有生产这个产品本身的原材料、半成品等库存，这些周转都是越快越好。

数据分析 - 派可数据商业智能BI数据可视化分析平台

通常情况下，一般的零售商品库存周转时间在30天左右是比较正常的。但比如像生鲜就不行，库存的周转天数不能超过7天，一般在5天以内。像一些巴氏鲜奶，7-21天左右。这些产品保质期比较短，超期就坏掉了，所以这些商品的库存周转天数最多不能超过保质期天数。临期的都没有人卖，更别谈超期的了。像食品饮料、非食品类的周转天数一般是40天到60天左右。每个行业都要看下这个行业平均的库存周转天数怎么样。

要想提升库存周转天数，上游的品牌制造商，就涉及到采购、生产、销售这三大环节的流程优化。采购的时间要快、生产要快、销售还有要快。下游的零售商，主要就是在销售环节。

还有比较特别的，有些零售品牌制造商在内部是多级的，比如先有销售营销公司卖给公司内部的比如渠道营销、电商营销，最后再由电商营销公司把产品卖到终端。这里就涉及到了库存的两次周转，内部周转一次，外部周转一次。有的时候，因为在内部这些数据是割裂的，造成了在分析的时候各顾各的，两边独立看这个库存周转都能在容忍的范围内，但实际上加起来看，远远低于行业平均水平。

库存分析 - 派可数据商业智能BI数据可视化分析平台

所以对于企业而言，最好是看整体的库存周转，就是一件商品从公司生产基地仓库出发，最终到终端的周转花了多少时间。这里面有时很复杂，涉及到多级仓储物流，内部对内部，内部对外部的，如何分析并且做到真正的优化，都是一个大的课题。涉及到跨部门、跨组织、跨系统，有的甚至将其中一部分业务单独成立一个公司，两边的信息化和数据就更加难以协调，这些都是实实在在的问题和挑战。

仓库缺货率在前几年的疫情期间肯定是非常严重的，跨省市的物流运输不畅通，停工停产、生产没法生产、配送没法配送，整个供应链订单的交付效率、能力都是下降的一个状态。这里面的业务背景实际上就跟企业的销售策略、生产制造策略都是息息相关的。

比如企业是按照以产定销的模式，还是以销定产的模式，就是推式供应链和拉式供应链。比如从 MTS 面向库存生产到 MTO 面向订单生产，对库存管理分析的重点也不一样。比如 MTS 库存管理的重点是在成品库，推式供应链，以生产为中心、交货期短，充分利用产能降低总成本。比如 MTO 库存管理的重点在原料库、半成品库，订单交付周期长。不管是那种方式，为了降低仓库缺货率，都是要降低需求和订单的不稳定性，最终实现降低仓库缺货率的目标。

产品纯销分析 - 派可数据商业智能BI数据可视化分析平台

像有些数字化做的比较好的零售品牌生产制造企业，他们在端到端的供应链建的相对完整，比如上游的供应商、外协生产，下游的零售渠道订单管理，通过数字化已经打通了上下游的系统和数据，所以这种协同机制能让整个供应链端到端的可视化相对比较清楚，在供应链整体运营效率和成本上能有很大的优化空间。

但有的时候，由于下游采用的经销商模式，经销商再往下游的动销数据就观察不到了，比如大型商超、大卖场的实际动销数据还是掌握不了，这些最细节的数据如果能够拿到的话，整体供应链的协同与补货机制就更加强悍了，很多指标的优化就具备了基础的数据条件了。