加权平均值的使用和平均值是一样的，只是在具体操作上有些不同。例如绩效考核方式，一般是将一个人在不同方面的表现分配不同权重，最后得到一个加权平均值的，对库区的考核也有可能采用加权平均的方式，以便把不同方面的结果转化为一个综合性的代表数据。
对于仓库现场而言，其数据的分析仅用一些基础的数学概念即可。
一方面，仓库现场的的总体流程模式比较简单，仓库人员对现场的具体情况有比较切实的认知，不必用很复杂的方式来表现。
另一方面，太过深入的数据抽象不一定容易结合现场情况进行理解。
因此，常见的仓库现场数据描述主要分为三大类:
资料图，图源：今日头条
描述数据峰值的，也就是最大值和最小值；
描述数据中间值的，包括平均值、加权平均值、众数、中位数、分位数等概念；
描述数据离散程度的，常见的有极差、平均差、标准差等。
一 峰值类数据
对于现场操作，有些数据是需要参考峰值的。
比如说一些季节性货物仓库，库存量在一年内的起伏很大，真正有库存压力的时候是货物大规模存储的时候。
我们分析这样的仓库，按平均值的指标或者某个特定时候的指标都没有什么意义，按平均库存量准备库存空间的结果，就是在库存量逐步接近最大值的过程中一步步崩溃。
对于非季节性仓库来说，库存压力的大小也需要参考库存最大值。当然，在实际操作中，如果只是大规模库存的短期存放，比如说只需要存储一天甚至一个晚上，一般不会对库存空间造成非常大的压力，因为可以临时占用现场的暂存或过道空间，要是临时存放的时间超过了某个临界点，就可能对现场操作造成比较大的麻烦。
因此，一个很实用的指标是连续三天库存均值，比如说一个月内的平均库存并不高，但某个连续三天的平均库存很高，就说明这三天的库存空间可能是压力很大的，值得我们的重点关注。
类似的例子是操作量数据，只看平均数据也不一定意义很大，一些操作量暴增或暴减的情况需要被识别出来并重点关注。
操作量数据和库存数据不一样的地方在于，它没有临界点的概念，很大的操作量在短时间内的集中一般都会对现场造成比较大的影响，也是我们极力避免的。但操作量的集中也可能可以通过比较灵活的方式进行解决，比如说预操作，也就是提前做好操作准备或者提前完成一部分操作动作。
在实际分析的时候，我们关注的峰值都是一段时间内的峰值，而不一定是总体的最大最小值。比如一个月内可能有一个操作量最大值，但一周内，一天内也有峰值的出现。许多情况下，峰值一般也就意味着某种不稳定因素的存在，意味着未来成为某种瓶颈的可能，因此是需要重点关注，必要的时候甚至要提出一些调节措施或备用方案。
最小值的应用相对比较少，一般应用于资源的临时调整上。
比如说连续一段期间内，操作量都在某个阀值以下，就可能可以腾出部分操作资源做一些其它工作。
二 中间值数据
平均值的使用比较普遍。一方面，有些数据差异是没有意义的，通过平均值可以直接得到一个基本的代表性数字，不用再关注个别数据的差异，当我们提供平均值的时候，也可以让别人迅速地得到对某个事物的整体印象。
不论是库存量还是操作量，当我们觉得没有必要进行更细化的分析的时候，可能就直接使用一个平均值作为代表，这种思路虽然有时比较危险，但多数时候都可以很省事。
另一方面，平均值也是个别数据在整体中位置的有效参照，一个人每天操作10个订单，并不能说明他操作得是快还是慢，如果我们知道团队的平均操作量是5个订单，可能就有一个基本判断了。
加权平均值的使用和平均值是一样的，只是在具体操作上有些不同。例如绩效考核方式，一般是将一个人在不同方面的表现分配不同权重，最后得到一个加权平均值的，对库区的考核也有可能采用加权平均的方式，以便把不同方面的结果转化为一个综合性的代表数据。
众数是指一组数据中出现次数最多的值，实际中用得不算多，但众数的思想却无时无处不在。
众数的方便之处在于容易得到，一般不受特殊情况的影响，并且可用于非数值型数据。
比如说，我们统计仓库破损情况，可能涉及比较多个SKU，但比较集中的就是那么一两个，常见的表达方法是说，仓库现场80%的破损都发生于某个特定的SKU，这个SKU就是发生破损的SKU中的众数，值得我们的特别关注。
当我们对事物进行分类研究，判断需要重点关注的类别时，使用的也是众数的基本思想，比方说，我们判断库存货物中哪类物品最容易出现数量差异，这个最容易出现差异的物品类别，本质上也是众数的意思。
中位数和分位数其实是一个概念，中位数的意思就是二分位数。
分位的意思，就是说这个数据所处的位置，正好可以把这组数据分为不同的比例。比如说一共10个数字按顺序排列，第五和第六个数字的平均数就是二分位数（中位数），从这个数据往上下两边看，上面有一半，下面有一半，真正的比上不足比下有余。
在对比现场操作量的时候，我们也经常使用到分位数的概念。
分位数的使用，一般是让我们对事物的结构有一个相对具体的整体印象，比只用平均数要清楚一些。分位数的使用在许多情况下也能描述数据集中度的情况。
三 数据离散程度
数据的离散程度有时候很重要。比方说，同样是拣货操作，一个人平均每天操作20个订单，一个人平均每天操作10个订单，排除订单本身不一致的情况，这个差异就有点大了，现场就有必要跟踪这两个人的具体操作，看看到底是什么原因导致了这个差异。
一组数据，最大值减去最小值，就是极差，一般情况下，极差越大，数据的离散程度就越大，意思也就是差异越大。
极差反映的是数据中的最大差异，有时候不一定适用，可能存粹是因为有个人天赋异禀导致的。
平均差的意思，是算出一组数据的平均数，让每个数据都和平均数对比差异，再得出一个平均差异值。平均差反映的是一组数据的整体差异程度，就拣货操作的例子来说，可以部分消除个别人天赋异禀带来的影响，而得到一个基本的结论。
标准差和平均差所代表的意思是一样的，只是出于计算的方便，进行了一些计算过程的处理。对于现场的一些简单数据，可能平均差用起来还要直观一些。
来源：SmartWMS智慧仓储管理系统、网络
注：文章及图片除原创外均精选转载自网络，版权归原作者所有，意在分享如有侵权请联系删除
货之家专业提供：保税仓储、进口报关、跨境货源、海外仓储、国际物流、跨境平台、跨境购汇等定制一站式跨境进口无忧服务
