供应链之逾期订单处理
某家大型企业的供应链部门正遭受着不能按时交货的困扰,由于产品不能如期递交给客户,严重影响了客户的满意度,另外由于延期交货导致的违约金补偿也影响了公司的整体利润。
针对上述情况, 该部门的负责人需要弄清楚以下三个问题:
1. 如何评价逾期订单对企业利润的影响?2. 能否找到影响订单延期的关键因素3. 如何通过构建模型对可能发生的逾期订单及利润进行预测?
我们选取了一个月的货运数据和订单延迟与否以及相关的违约金罚款信息,来进行探索性数据分析和挖掘, 预测发生订单延迟的概率及其带来的影响。主要的输入数据包括发货日期,货运方式(火车/汽车),货运类型(一般/加急);交货地点,配送方式(JIT配送/标准配送),货物种类,装货量等。
首先也就是第一步我们来看一下现有逾期订单对利润的影响,下表是通过JMP的快速制表功能得到的一张汇总表,蓝色部分代表高利润,低损失;红色部分代表低利润,高损失;我们可以看到不同的供应商之间的销售利润和因延迟交货带来的违约金罚款存在很大的差异, Smith表现最差(60%-80%),Perkins表现最好(20%左右)。
供应商 | 交货地 | 总收入 | 违约金 | 损失占比 | 净利润 |
Colby | M | $2,052,465 | $1,279,646 | 62% | $772,819 |
Colby | N | $2,181,647 | $1,202,744 | 55% | $978,903 |
Colby | S | $1,310,764 | $721,493 | 55% | $589,271 |
Johnson | M | $1,259,241 | $475,609 | 38% | $783,631 |
Johnson | N | $1,393,917 | $545,572 | 39% | $848,345 |
Johnson | S | $869,336 | $442,682 | 51% | $426,653 |
Perkins | M | $318,289 | $52,369 | 16% | $265,920 |
Perkins | N | $342,979 | $72,261 | 21% | $270,719 |
Perkins | S | $230,413 | $33,144 | 14% | $197,269 |
Smith | M | $2,498,971 | $1,557,797 | 62% | $941,175 |
Smith | N | $2,627,310 | $2,006,461 | 76% | $620,849 |
Smith | S | $1,610,027 | $1,201,784 | 75% | $408,243 |
表1 订单延迟对利润的影响
图1 订单延迟损失
图2 订单延迟对利润的影响。
图3 随着时间变化的订单延期情况
第二步,我们要查找影响订单逾期的关键因素,通过JMP特有的分布图,我们可以看到所有的订单中逾期订单量占到12%,而且订单逾期与否与运输类型、运输方式(铁路)、以及产品等级相关联。除此之外,我们还可以看到相对于其他供应商来讲,Smith大部分采用的是铁路运输,由此便可以解释为什么其存在大量的逾期订单了。
图4 货运变量分布图
大概了解了变量之间的关联性之后,我们通过决策树来对影响订单逾期的因素的重要性进行评估。
• 首次拆分显示货运类型(普通/加急)是影响订单延迟的主要因素, 加急的订单中有36%出现了逾期,而标准配送只有10%出现问题. • 对于加急的订单进行二次拆分显示货运方式是影响订单延迟的重要因素, 火车和货车相比,延迟订单的占比分别为48% vs 21%• 继续进行拆分显示产品等级也是影响订单逾期的关键因素,可以看到AB等级的产品延迟交货率远远低于CD等级的产品.
运用K重交叉验证运行模型,可得到影响变量的重要性排序如下:货运方式(火车/货车)最为关键,其次是货运类型(普通/加急)以及运送产品等级等;
通过刻画器模拟,我们可以得到关于最优和最坏的订单的预测:
• 最优:标准配送+货车+A级产品,发生订单逾期的概率仅为2.8%,违约金约为2528.71;
• 最差:加急配送+铁路+D级产品,发生订单逾期的概率为67.4%,违约金约为5911.82;
图7 预测刻画器
.