还有服装、化妆品多级的形态，现在面临着越来越多在同一个仓实现，这是物流端。商流还可以按照以前的模式走，商流单，商户的流向、数据的流向都保持。但是物流端，为了降低物流成本可以放在一起进行控制。这个是前面所说的如何进行线上线下库存整合，在我们的模型里面，我们是设定了两层库存，一个商流端的库存，还有一个是物流端库存。物流端库存管的是发的实际货物，放在一个货位还是分摊货位，这个都不关心。商流端货物是固定的，但对不同的渠道，这个商流可以灵活自动地去分配的。

　　比如说我仓库的库存只有1000，我在京东和天猫上，一边挂60%，一边挂40%，当我在一边产生了销量的情况下，比如说我天猫售卖的，可以同时按照这个比例做相互的扩建，大家保持在同一个水平线上。但是整体商流端的库存和物流端的库存是对应，通过这样来实现商流和物流的切割，对于平台也好，店铺级也好，甚至传统的线下渠道也好，通过比例切割的方式或者其他的一些设定的方式来完成两个渠道库存的分割，这样仓库内部的作业会变得单纯，对于仓库的管理人员来讲，他的管理思路可以从以前如何去把几堆货分配的管理好，更多地去关注到如何提高仓库的运转效率上。这是对于订单的解读。

　　三、大促与仓内作业

　　1.自动化设备和现场流程的衔接

　　仓内的作业模式，从几个方面：第一个是大促，今年双十一又快来了，现在很多商家开始做预售，除了做预售之外，大家还是面临单量爆发式的增长。比如说像之前做的某日本最大快销服饰品牌，日发货量几万单，但是到了双十一就是几百万，可以说他是一百倍单量爆发式增长的，需要在几天时间发完，甚至电商的仓库还是单仓的作业模式。在这种前提下，如何通过柔性化去满足仓内具体作业的要求，现在大家开始运用自动化的设备，一些其他设备的辅助，当然不是全线的自动化，可能是设备的自动化。

　　这些自动化的设备和现场的流程进行衔接，同时在单量发生变化的时候，甚至在自动化设备出现问题故障的时候，如何让现场其他的方式保证你仓库的产能不下降，或者是产生小的影响，这个是我们在软件方面去考虑的核心。

　　比如说弹性处理的能力，可能一般来讲，我会预备自动化设备的流程和非自动化设备的流程两套，甚至这两套可以无缝切换的。对于多渠道订单的履行能力，刚刚提到大宗发货的在一个仓里面作业，小的零散订单也在一个仓里面发货。这种需要系统提供指导，另外一方面提供数据的支撑，来帮助现场的作业人员更好地提前预知他们要做的事情或者是人员的安排。

　　2.无规律订单与系统的指导

　　
　　很多大促的时候是无规律订单的形成，记得第一年做某日本最大快销服饰品牌双十一的时候，当时问他们有没有爆款的清单，你们预计哪些东西可能会卖得好一点，我们会做一些预案。客户上我们没有爆款，要爆款，我可能告诉你几千个SKU都是爆款，没有预测。这种情况下，需要系统的指导和流程设定来实现。

　　流程设定首先是指导，我们要通过波次的原则，不仅仅是把订单集中，会把订单首先集中，然后再进行拆解。订单有很多不同订单的特性，不同行业也是一样的，比如说服装鞋帽的，化妆品又不一样，小样搭赠之类情况比较多，可能化妆品里面再细分，平价的化妆品不一样，高端的化妆品又不一样。每种不同的业态都有很多不同订单的结构产生。

　　波次除了按照仓内不同的订单类型进行集中以外，还要对遴选区域，人工作业等等进行拆解，甚至进行组合，形成不同区域配合着作业，甚至是不同作业方式相互之间的配合，从而达到让仓库的产能达到稍微稳定的水平。在双十一过程中，我会简单的订单先发，发出去多少，后面的订单可能会被积压，处理难度会越来越大。每个仓库处理的水平每天是趋于稳定的。比如说去年某日本最大快销服饰品牌日发货单量是60万，但每一天不同类型的作业配比是不一样的。

　　波次策略的组合同时一样要考虑柔性，像单品多品订单、合同订单，中间的工作台我们会设定成可以灵活切换的，和自动化设备对接这块也是可以灵活切换的，在柔性设计的情况下，当硬件设备或者某一个环节卡住的情况下，不至于影响到整仓的效果。

　　3.数据与监控

　　提到数据，几个方面，一个是实时的订单池数据监控，这个监控主要是针对于订单，还有一个是针对于作业的监控，从传统来理解，作业的监控和订单池的监控都是以订单为出发的，但是我们的理解可能不太一样。首先一个是订单池，订单池更多地是按照不同订单的类型去做维度的解析。

　　比如说今年接触到很多做预售的客户，预售有特性，库存水平是很低的，他需要客户下了单以后，形成订单以后才知道最终哪款商品是爆款，哪个东西卖得好。他是根据订单的数量进行采购和生产的，他是很敏捷的。

　　在这个过程中不可能按照我们原先正常的先入库、上架然后再把这个货物拣出去发出去，他面临的是根据单量、需求量进行收货时期的分割，这批货进来以前可能60%是我预售订单已经要的，那这40%我在收入的过程中就直接处理掉，做类似于像越库的操作一样，直接就发出去了。剩下40%的订单再去做正常的，在这样的流程里面是需要通过库存和订单的关系数据的比对来指导作业的。

　　再做具体的作业层面，这是从订单里去拣选以及发货交接的维度上面来看，我们提供不同的数据分析，前面讲的是订单。对于拣选来讲，很多大型的仓库一般会分不同的库区，特别做大促的时候，不同的库区人员匹配是不一样的，和商品的摆放，订单需求量，以及当天发放的订单作业模式有很大的区别。

　　从不同的区域进行数据的解读，可以了解到在这个区域里面现在工作的紧张度是什么样的，拥挤度是什么样的。用来指导现场的主管人员或者调度，他知道一区待拣被积压了，A区人员比较多，要调整A区的人员去作业。这样来保证平衡作业的方式，而不是每天都忙的手忙脚乱。其他也是一样，像分拣，可能有不同的区域。有一个客户他的分拣是由三到四个大区域来完成的，每个区域是用来处理不同特征的订单，在这种情况下，也需要实时知道不同的区域待拣选任务的分布情况，从而灵活地去调度他的现场。

　　这是基于云仓不同流程的设计，很多客户都有云仓，云集也有，全国好几十个，而且开仓的速度非常快。在这个过程里面，对于WMS的软件来讲会有很大的考验，快速的复制和扩展的能力。