数据被誉为是数字经济时代的“石油”，在供应链管理中有大量的数据，准确地获取它们，从中提炼出有价值的信息，这将会提高管理的效率，降低供应链的成本。我们在采集数据的时候需要考虑这6个关键因素。

1.数据量

【资料图】

数据量就是采集数据的工作量。想要获取的数据越多，工作量也就越大。但是心急吃不了热豆腐，收集数据的工作量可能会超乎你的想象，要有足够的心理准备，别想着一口吃个胖子！渐进式的收集和改善是比较务实的做法。

我曾参观过国外的一家标杆工厂，现场管理得井井有条。仓库里所有的原材料都有对应的照片，标记了物料编号、包装数量等信息，让人一目了然，给我留下了深刻的印象。

回到国内后，我想要复制这个方法，把我公司库房里的所有原料也拍成照片，在货架上做目视化的管理。这是一个很好的设想，我们仓库的工人流动率较高，新员工在拣选货物时经常会出错，配上实物的图片后就可以提高作业的准确率。

说干就干，我拉上助手一起在仓库里做了起来，收集数据，拍摄照片。但是，仅凭借着一腔热血是不行的，我忽略了工作量。第一天加班到晚上10点也仅完成了很小的一部分，距离目标完成之日遥遥无期。

我连续加班了3天后被迫暂停这项工作，因为我还有更重要的事情要做，比方说处理紧急发货，客户缺料停线了可是杀头的大事。我实在是顾不上了，只能把这个工作交给其他同事继续做下去。

不过这是很好的开始，整理数据、目视化管理使得仓库管理更加规范了，每一个细微的改善都对结果有帮助，正所谓“不积跬步无以至千里”。每天进步一点点，坚持带来大改变。

2.有部分数据总比没有数据好

Something better than nothing.

哪怕只有部分的数据，我也能用它们做分析，提供洞察。我在做库存和运输分析的时候，如果数据量不足，就会和领导解释我的困难，只能使用手头上现有的、不完整的数据做分析，他们都表示理解。

罗马不是一天建成的，数据也不是一天能收集齐的，总会有一个过程。即使部分的数据也可以提供循序渐进地改进，并在收集的过程中评估哪些是重要的数据，哪些不是必须的，然后把时间花在关键数据收集上。

3.抓住源头，获 取第一手的数据

我们在收集数据的时候要找到它的源头，这里是最为真实、可靠的数据源。从“二传手”那里得来的数据很可能是被加工过的，删减了部分关键的信息，数据的质量可能受损，影响了输出结果的准确性。

需求管理的源头数据更加重要，拿到第一手的数据可以避免牛鞭效应。我们要获取到最终用户的购买信息，而不是零售商或是经销商的数据，因为他们提供的信息会逐渐失真，被人为地放大了。

4.数据采集应该是手动或是自动？

首选是自动采集，因为这种方式的准确率和效率更高。举个常见的例子，我要从Excel工作表中根据SKU名称找到对应的商品单价。

我会打开存储单价的表格，然后在收集数据的表格中输入“Vlookup”公式，最后复制粘贴所有的单元格，就可以自动获取到数据。

如果是手动模式是怎么做的呢？这会是非常笨拙的过程，我要先复制SKU，然后在价格表单中搜寻相关信息，再复制对应的价格，最后粘贴在单元格里，整个过程很容易出错。

所以说，能自动采集的，绝不手动操作。有条件要上，没条件创造条件也要上。手动采集意味着大量的、无意义的工作，会降低数据的准确率。我们始终要思考如何用自动采集的方式来提高工作效率。

5.如果不费事，尽可能多采集数据

有些数据暂时好像没什么用，我们是不是也要采集？如果不会占用额外的资源，可以先采集，因为在大数据的时代，说不定哪天就要用上这些数据。

但有时候过多的数据会影响我们的分析判断，有些数据的属性差别不大，例如船运信息中有到港时间、集装箱卸货时间和装运卡车时间等等，到底要用哪一个信息？需要根据使用者的经验来判断。

过多的数据可能会阻碍分析，并掩盖真正的指标，这是我们要留意的。

6.实时数据还是近于实时的数据？

实时数据是时刻更新的数据，例如我发起一个位置共享，别人可以看到我所处位置的变化。

一般来说，实时数据技术是比较昂贵的。在工厂的机器上安装传感器，对生产出的成品自动进行统计，我们可以得知每时每刻的产出量数据。

这种技术很先进，但是否有必要部署这套系统？这就是实时数据的关键思考，它对于生产运营并没有实质性的帮助。

如果工厂发货的频率是每天一次，我们只需要在交接班或当天结束时统计产量就可以了。没有必要使用实时数据采集技术，近于实时的方法就足够用了，而且更加便宜。

在目前阶段，许多企业在使用近于实时的采集技术，例如快递跟踪、产量统计等等。还有一些企业既有一个用于实时数据检查的交易系统，也有一个用于近于实时的数据报告系统，使用混合型的方式来收集数据。