目前随着大数据的广泛应用，数据赋能已经成为各大公司的重点，无论是用户画像还是现在火爆的直播带货，都是离不开平台后端的数据建设能力，在仓储的管理、运营过程中也离不开数据，仓储已经进入到数字化、智能化管理的时代。
本篇就以仓储为例谈下我对数字化建设的一点想法，供大家参考！
仓储管理的几个痛点
现实场景中，绝大多数据的仓储管理还是停留在标准流程化和手工作业的阶段，虽然已经有PDA、WMS等系统模块，但是都是些基本的，这些基本的功能虽然已经满足了中小型仓储作业的需求。随着业务发展，单量、用户的不断攀升，场景变的更加复杂，逐渐暴露出亟待解决的一些痛点，如：
1.基础数据采集不足
前面梳理过，仓储的数据来源一方面是上位系统，如OMS、ERP的采购、商品等子系统，另一方面是WMS的基础配置和作业生产中产生的数据。
做过系统对接的同学都清楚，数据同步依赖于接口的标准化，实时性要求比较好，数据采集过多也会影响仓内的正常作业，所以一般情况都是只传输关键数据，这就造成了一些数据缺失，为后来的数据分析带来不足。
2.仓内设备与工具标准化程度低
仓内作业离不开各种设备，如电子秤、自动传送带、导引机、笼车、自动货分拣设备等。对于这些设备缺乏统一的全流程容器管理，使得空间利用率低，在作业环节的工具标准化不足等问题。
3.数据服务化程度低
前面在梳理仓内作业流程时介绍过预约、到货、入库、库内拣货、分拣、打包、出库、退货等一系列流程，虽然各个模块都涉及，但是对于各个环节的数字服务还是不足，有些环节还依赖于纸质单据的传递，需要进一步的完善。
4.库内作业流程与运作模式不匹配
仓内作业包括入库、库存管理和出库几部分，对于不同的出库单据有不同的作业流程，但是上位系统业务模式变化太快，WMS处于下位，为了能快速满足业务需求有时只能套用现有的作业流程去生产。这个在几年前公司做门店业务时就曾采用ToC的流程是实现ToB的业务，后来不得不重构。
5.系统对决策支持不足
仓库作业依赖于标准流程，现场任务调度也依赖于仓管人员的经验，对于员工作业效能分析缺乏精细化的设计。虽然WMS系统中有一些报表，但还不能满足决策需要，之前曾和负责后端的产品同事讨论过针对订单从产生到最后出库进行时效的跟踪与管理。但仓内作业由于使用的是第三方WMS系统，它们对于一些节点的数据和分析都需要二次开发，最后也不了了之。
6.移动化作业不足
移动化作业在今天似乎已经很普遍，但是有些仓RF枪使用率仍不高，且有些设备还是几年前的，便捷性和精准度都不高。对于打包、发货等都有固定的区域，但通常适合于体积不太大的商品，满足不了大件或高峰场景（大促时如618、双11等）。
数字化建设的几个方向
上图是涉及入库、库内作业和出库的主要工作节点，数字化建设就是围绕这些节点进行，通过实施数字化建设实现仓储全流程的线下转变为线上监控，让业务更透明。
针对前面描述的痛点，有针对性的进行工作，应该从下面四个方面开始
1.流程重建及改造
个人觉得做数字化仓储建设，首先要对流程进行梳理，即具体如何做，在电商仓储的关键环节应该集中于：预约、收货、上架、库内补货、盘点、拣货、播种及异常处理。
要针对这些环节的问题进行重新梳理，从全流程上再造，这样才能让数字化建设更有意义；因为业务流程与操作流程的匹配是至关重要的。
2.加强基础数据采集
尽量避免线下操作，通过改造系统，使一切操作都要有数据记录，实时作业数据收集、运算，并通过大屏进行监控；让仓内实现现场管理和资源调度可视化。
通过对历史数据的梳理，发现其影响因素，制定商品基础数据及相关单据规范化采集，完善底层数据建设。
最近和朋友讨论仓储计费的功能发现，有的WMS系统有的按板位费、仓储费、装卸费、包材费等多种费用模型的方式进行复杂的计算进行，但是最终计算出的费用结果并不能让客户信服，这种场景在前公司时也曾遇到过，业务部门觉得每月仓储费用过高，但自开发一套费用平台专门计算各种仓储费用用以与仓库进行对账。
费用计算不准确的根源在于基础数据建设不完善，所以无论是仓储系统还是其他的ERP系统，在系统设计时都要考虑其有效、关键数据的完整性，为数字化建设提前做准备。
3.智能终端和引导式作业工具引入
使仓内人员有序的流动起来，不单纯的依赖工作台，不受网络的限制，实现移动化作业，使作业更高效。
所谓引导式作业主要是依赖于系统，简单、傻瓜式系统是最易使用的，快速上手，快速生产可以解决仓库人员流动性问题。
这部分需要结合前面的全业流程梳理，简化产品，消除多路径操作方法，通过环环相扣的步序引导用户简单、正确的使用系统，让仓管人员不需要思考，只需按提示做就行了。一直以来都觉得vancl的PDA系统做的就挺不错的，如拣货时货位、商品、数量等都有提示指引。
近几年仓内手持终端现在已经普遍采用Android系统，图形化或语音提示都可以在app上实现，如路径引导便可以极大的提升人员工作效率。
尽量的消除一些线下操作，为数据收集提供了极大的可能，这也是数字化的一部分。
4.运用大数据优化相关作业
通过作业、模型重点优化拣货路径、波次创建以及商品热度等方面的分析，指导仓内进行更合理的布局，提升作业效率。
依据底层数据进行分析与计算，为用户管理提供决策支持，优化管理模式，做到账实相符，并且任何节点都可追踪。
仓储管理有几个目标，即安全、高效、降本，对于降本和高效是需要系统与流程不断优化完善的过程，例如拣货路径优化了势必会减少仓储人员的走动距离，进而提高了订单生产速度，人效也就提高了，这样仓内管理成本也会降低。而拣货路径优化是依赖于仓储货位的布局，商品上架时选择的货位等诸多因素，这些则需要运用数据来计算。
经过了解，拣货路径通常采用「遗传算法、蚁群算法、模拟退货算法和禁忌搜索」等，基于波次产生的集合订单信息进行最短距离优的不断优化过程。
如果单一的考虑拣货路径，则可以采用固定货位、固定商品等策略，这样基于单sku对应单一库位的场景还好，但会影响到商品上架、仓库的利用率等诸多业务，所以要解决商品随机上架、多库位摆放充分利用仓库的货位，这就需要要据销售订单、采购、补货等数据综合进行计算。
在前期梳理WMS时介绍过整库（存货区）和零库（拣货区），从整库到零库是库内补货，补货策略是依赖销售预测和实时库存进行计算的，在商品存储过程中，整库一般有库区、货位、商品的属性要求，但拣货区则相对灵活，所以库区优化是根据历史销售数据动态地调整商品在仓库中的存储货位，将高销量、商热度的商品摆放在距离拣货路径的起点或终点更近的货位，将关联性高的商品临近摆放（这就是啤酒与尿布理论）。
仓储要实现数字化管理，离不开这些数据，通过数据的计算让商品动起来，让货位充分利用起来，让仓储人员的作业移动起来，最终目的是高效的低成本的安全的生产。
5.实时监控系统与可视化报表
前面简单针对一些内容做了简单总结，数字化仓储最重的就是数据，围绕数据进行业务流程、工作流程的改善。
仓储作业是实时的，所以也需要开发一套实时的监控系统，我们称之为大屏也罢，让仓内人员和管理者都可以看到目前的作业情况，知道在什么环节产生阻塞，在什么环节耗时最长等等，以便进行调度和优化。
之前曾针对客服系统开发过大屏报表，就是根据呼入呼出量、语音通话时长、坐席空闲率等进行分析统计，便于组长进行人员调度，提升服务率。
仓储工作涉及的工作组更多、作业流程更长，某一环节都可能会影响履单效率，所以实时监控系统的建设是必要的，也是提升数据化管理能力、推动运营改善与提升的一项重要工作，加之一些分析报表的建设，可以为数字化运营奠定基础。
在VANCL时记得当时WMS开发组单独成立一个X项目就是做可视化的仓储数字报表的，但遗憾的是随着13年底库存积压，人员流失此项目只完成了初步建设，还是很佩服当时技术部领导和仓储研发负责人的前瞻性。
总结
数字化其实不仅在仓储中重要，在整个供应链的系统搭建过程中都是有必要的，电商公司中最重要的是数据「用户数据、商品数据、供应商数据、销售数据等」，如何利用好数据「数字」是关键，未来工作的提升和改进离不数字化建设与分析。
