供应链数据分析

一、数据采集与清洗 负责供应链核心数据采集：涵盖销量数据、库存数据、采购数据、物流数据等。 进行数据清洗与治理，处理数据缺失、异常等问题，保障数据准确性与一致性。 二、指标体系搭建与监控 搭建供应链核心指标体系： 库存类：断货率、库存周转、库龄、动销率、呆滞库存等； 采购类：到货及时率、采购准确率等； 搭建可视化监控看板，实现日/周/月数据实时监控，自动预警异常指标。 输出定期报表（周报/月报），清晰呈现供应链数据趋势、问题症结与优化方向。 三、核心场景数据分析与建模 销量与需求预测分析： 基于历史销量、活动推广、流量数据、季节趋势、竞品动态，构建SKU级销量预测模型，支撑备货决策； 库存优化分析： 分析库存结构健康度，识别爆款/平销/滞销SKU，输出库存调拨、清仓、停采建议； 优化安全库存与补货模型，通过数据测算最优补货点、补货量，补货频次等，平衡断货与积压。 采购与供应商分析： 评估供应商交付表现，为采购计划制定策略提供数据支持。 四、数据驱动决策与方案落地 针对供应链痛点（如库存周转高、断货频繁、交付成本高），开展专项数据分析，输出可落地的优化方案的数据依据。 优化方案落地效果，通过数据量化改善成果，形成“分析-方案-落地-复盘”闭环。 六、跨部门协同 对接与协同：库存计划、需求计划、履约计划、采购计划等部门； 同步数据洞察与分析结果，收集业务需求，确保数据分析与业务场景深度贴合。 供应链背景+数据分析能力（SQL+Python ）