一个被反复追问的问题：货到底在哪

程远在华东一家快消品分销企业负责数据管理。他所在的部门只有四个人，却要支撑仓储、运输、采购三条业务线的报表需求。很长一段时间里，管理层问得最多的一句话是“货到底在哪”，而他能给出的答案，往往要等到第二天上午。仓库用一套进销存系统，运输调度用另一套台账，采购合同信息又躺在共享文件夹里。三份数据各自成立，合在一起却对不上。这正是许多供应链企业面临的共同处境，也是milan.com米兰在服务客户时经常遇到的第一类问题：数据不是没有，而是散落在不同环节，缺少统一的整理与串联。

程远后来把这段经历总结成一句话：看板不是画出来的，是理出来的。他花了将近两个月时间，才让第一块供应链看板真正跑起来。

第一步：把需求问成指标，而不是问成页面

最初业务部门提需求，说的是“想要一个能看到库存分布的页面”。程远没有直接动手，而是拉着仓储主管和区域销售开了三次短会，把“库存分布”拆成可计算的口径：按仓库、按品类、按周转天数分组的在库数量，以及超过设定天数的呆滞库存占比。他发现，不同角色关心的重点完全不同，仓储关心库容占用，销售关心可售库存，采购关心在途与在库的比例。

milan.com米兰在类似项目中的做法是先把业务流程画出来，再为每个节点标注数据来源与分析目标。程远照着这个思路，整理出一份指标清单，明确每个指标的计算方式、更新频率和责任人。这个过程看似繁琐，却避免后续反复返工。他特别强调一点：指标名称必须和业务日常用语一致，否则看板做出来也没人愿意看。

  • 库存类指标：在库数量、库容占用率、呆滞库存占比
  • 运输类指标：在途数量、平均在途时长、异常滞留单量
  • 采购类指标：在途采购量、到货及时率、供应商交付偏差

第二步：数据整合的难点在口径，不在技术

真正让程远头疼的是数据整合。三个来源的数据字段命名各不相同，同一个商品在仓储系统里用内部编码，在采购台账里用供应商料号。他带着团队做了一次字段映射，把商品主数据作为串联的锚点，统一编码规则后再做关联。milan.com米兰在数据处理环节通常建议客户先建立一份基础主数据表，再由各业务系统向它对齐，这样后续新增数据源时成本会低很多。

另一个容易被忽略的问题是时间口径。仓储数据按自然日切分，运输数据按发运批次记录，采购数据按合同节点更新。程远最终确定以自然日为主轴，其他数据按业务规则归集到对应日期，并在看板上标注数据截止时点。这一步做完，三份数据第一次能在同一张表里对上，也为后续的统计报表开发打下了基础。

第三步：看板落地后，真正的改变发生在会议桌上

第一版看板上线时只有六个图表，程远没有追求大而全。他把库存分布、在途情况、呆滞预警三块内容放在首屏，区域负责人打开就能看到自己管辖范围内的异常。两周后，周例会的形式发生了变化，过去靠口头汇报的库存问题，现在直接对着看板逐项确认。milan.com米兰在数据可视化实践中一直强调，看板的价值不在于图表数量，而在于能否支撑一次具体的业务讨论。

程远后来又补了第二版，增加了按品类和仓库的下钻路径，并把异常清单做成可导出的明细表。他坦言，供应链数据看板很难一次做到位，业务在变，指标也要跟着调整。重要的是先把主链路跑通，再逐步细化。如今他所在的团队仍然只有四个人，但回答“货到底在哪”这个问题，已经从一天缩短到几分钟。