节奏物流之物流状态追踪

木子这里提的物流状态追踪，不仅指一般意义上的在途追踪，而是物流在执行客户订单过程中全面信息管理。

物流追踪是个全程追踪

物流状态追踪，起始于order confirmation，终于客户交付。体现了节奏物流里的“T”（Transparency）。强调的是全物流过程关键节点追踪。关键节点如下，其中图一所示的黄色框图是和客户相关联的。

图一

物流信息对于客户的意义

第2点的订单确认包含三个关键信息，①给出对于客户订货数量的确认，②同时也通知客户缺货的信息③reserve了库存。SO未被满足部分会自动再形成backorder，也可以选择人工或手工订货。在新的PO做inbound的时候就会形成一个X-docking操作的需求。

第4点的包装的信息，可以为客户提前准备仓储，以及收货提供信息参考。客户提前准备充分，物流商的交付效率也就提高了。

第5点信息是对于第2点的“预计发货日期”的再次回应。其中的ETA这条是客户最在意的，时间早晚是一方面，木子认为准时，精确最为要着。

在第6点信息中，原则就是看商品在到达交付前，运输是不是在正常的轨道上。其实就是比对时间的流逝与路程的进度是否匹配。如果匹配，即为在途正常，但不一定意味着能正常交付，shipment还需要连续跟踪。如果发现进程慢了，有可能是在途延迟，也可能是在途晚点。对于这两情况是需要采取行动去纠正，并与客户保持适度沟通。

如果能及时的给出上述三种状态，并对于有问题shipment提前采取了行动，尤其是在途延迟，还是可以挽回相应的客户满意度。对于在途晚点，至少可以提早告知客户，改善信息透明度，不让事情变得更坏。

站在客户的立场上，如果在上述流程中，对于客户的基本信息透明度还没有解决掉，而去投很大的人，财，物力在硬件上做文章是否得当？譬如早先的GPS装置，现在有基于司机手机定位的APP等等。仅是为了告诉客户订购的商品在X年X月X日的几时几分处于X国X省X市X国道的X公里处？木子不能说您舍本逐末，但至少没有秉承客户优先和客户可感知的原则。

如何做好在途追踪

图二中给出了不同在途追踪子状态的定义，通过状态追踪，尽早了解情况，并采取Pro-action来改善客户满意度，这也是物流全程追踪的另外一个目的。如果想做到好在途追踪，需要有明确的合同运输时间，（请注明是否包含配载计划的时间）。同时结合到各地的发运距离（在有的公司发运距离和结费距离会有不同）推算每天应该完成的运输公里数。

图二

三种在途追踪状态的关系以及转换

图三

三种状态的关系如上图所示（图三）。

在途正常的shipment只要保持继续监控。同时强调一下，今天在途正常，不一定明天还正常，也不一定意味着能正常交付。要每天扫描所有在途shipment，关注是否有shipment进入黄色预警状态。

在途延迟：对于在途延迟的shipment，这是最为关键的一个状态，正如图中双箭头显示，处理得当可以转为绿色，进入正常状态；处理不得当或者不及时，就会转为的红色，最后导致超期交付。在途延迟如果能被及时发现，就赢得了宝贵的时间。有的时候可能很难从运输的角度有所补救，但是从其他供应的角度可以存在可实施的解决方案。至少还可以和客户做预沟通，客户端可以考虑一些紧急预案，避免事情变得更坏。

物流的全程追踪不是为了追踪而追踪，也不仅是为了改善客户信息透明度而追踪，对于物流从业人员来讲，也是为采取Pro-action来改善客户满意度的前提。

现在，我们来看一个实际的在途追的数据模板

表一.1

表一.2

表一.3

表二

 表一.1 和表一.2 为每一个shipment追踪的细节的数据库。其中表一.2是每日状态的记录。
 表二，为每日营运监控的报表汇总。后台数据更新后会自动刷新汇总报表的状态。其中：

• 横向为物流关键操作内容，纵向为操作状态数据。

• 标注A,B,C的三横行对应的为操作已完成的数据，A,B,C表示为优于，等于，劣于目标值的操作数量，以及百分百。这个细分为未来KPI目标值调整以及performance分析提供数据支持。

• ”Over due“ 和“ In progress”是在途追踪的状态。缺少了上文提到“在途延迟”状态主要原因是由于手工报表的局限性。但是这也是未来物流大数据处理的“留白”。

• 目前报表的更新以及数据处理还是基于人工操作。由于数据量巨大，数据处理，保存，更新，都存在一些问题。

综上所述： 物流状态追踪，起始于order confirmation，终于客户交付。体现了节奏物流里的“T”（Transparency）。强调的是全物流过程关键节点追踪。物流的全程追踪不是为了追踪而追踪，也不仅是为了改善客户信息透明度而追踪，对于物流从业人员来讲，是为了采取Pro-action来改善客户满意度而追踪。在这过程中，没必要过度追求定位软硬件的投入，而大数据处理会扮演比较关键的角色。(有关物流大数据的文章准备中，敬请期待)

---

作者简介：

木子，首都经济贸易大学MBA。 现任职于某汽车豪华品牌物流总监。近20年物流从业经验，超过15年的物流管理经验。对于汽车，快速消费品，零售，电子行业，医药行业的物流管理，战略有较深的感悟和体会。本公众号的所有文章均为木子原创，转载时请注明作者和公众号。