本文涉及公式可在Excel Power Pivot及Power BI中使用。
连锁服饰企业常常关注的商品指标有销量、销售额、销售折扣、毛利率、库存周转率等。
对应的，在ERP系统中最常用的是销售、库存相关模块。然而，ERP中有助于我们改善商品指标的调拨单模块却常常被忽视。该模块其实蕴含改善商品指标的乾坤。
为什么会有调拨单产生？因为商品需要流转。典型的调拨单如下图所示：
新货到达物流中心后，商品部开立调拨单，将指定货品按照合适的数量配发给各个店铺。物流中心按照商品部开立的调拨单为各店分拣货品并配送到店。
商品部为各店配备的新货是基于销售预测的，凡是预测都会有误差。各店销售速度不尽相同，因此店铺与店铺之间需要进行货品调整，大的原则是销售速度快、库存紧缺的店铺从销售速度慢库存充足的店铺调入货品，此时也需要开立调拨单去完成该项作业。
顾客在A店选中团购商品，但是A店该商品数量不足，临近的B店有货，A店需要从B店调入满足顾客需求，这种情况也需要开立调拨单。B店调入给A店，做到账实相符。
就这样，无数的货品在物流中心与店铺之间，店铺与店铺之间飞来飞去，产生了大量数据流，一团乱麻。这些数据有什么用呢？
我们可以跟踪新货配送时效。
从货品抵达物流中心到完成分拣，并配送到店的速度反映零售商的供应链效率。新货是否能够及时到店对商品销售有至关重要的影响，尤其是你的商品同质化比较严重的时候。
调拨单中有明确的店铺收到货品时间，DATEDIFF函数即可算出差值。
代码语言：javascript复制新货到店使用天数 = DATEDIFF('调拨单'[调拨单开立日期],'调拨单'[调入日期],DAY)
使用矩阵或者透视表可以看每个店到店天数的分布情况，依照距离远近查看新品到店时间是否异常。
不排除有些公司管理更加精细化，具体到小时，DATEDIFF对于这样精细的测算也是支持的，到分钟，到秒也没有问题，只需变更第三个参数。
以上公式反映了从开立调拨单到货品到店的完整时效。如需拆分进行评估也是可行的。
比如，反映物流中心货品分拣时效，可以
代码语言：javascript复制分拣时效 = DATEDIFF('调拨单'[调拨单开立日期],'调拨单'[调出日期],DAY)反映承运商运送时效,可以
代码语言：javascript复制送货时效 = DATEDIFF('调拨单'[调出日期],'调拨单'[调入日期],DAY)从数据反映的时效可针对性分解解决，是承运商效率不行需要更换，还是物流中心缺人手，还是分拣流程需要优化。
我们还可以检核异常。常见的调拨异常有两种。
第一种是货品刚刚调入又调出。比方下图STY00009这款商品5月22日刚调入Store162这家店铺，5月25日又调出，没有给店铺足够的销售时间。
第二种是货品刚刚调出又调入。比方下图STY00201这款商品5月21日刚从Store47这家店铺调出，5月24日又调回。
造成这两种状况有可能是特殊业务需求，也有可能是人为失误，还可能是人为故意。
手工调拨作业容易造成人为失误，人为失误导致空中飞货（祸），货品常年在空中飘来飘去，造成销售机会损失及物流费用增加，人为失误可以通过工具提前避免。
理论上调拨是为了销售，两店之间频繁发生这种往返调拨，某货品从Ａ调Ｂ店，过几天又从Ｂ店调Ａ店，明显不是销售原因，就需要深入排查，以避免财务风险。
在调拨单中添加计算列可以快速对以上异常进行排查：
代码语言：javascript复制异常检核 =
IF (
SUMX (
FILTER (
FILTER ( '调拨单', EARLIER ( '调拨单'[SKU] ) = '调拨单'[SKU] ),
EARLIER ( '调拨单'[调入方] ) = '调拨单'[调出方]
|| EARLIER ( '调拨单'[调出方] ) = '调拨单'[调入方]
),
'调拨单'[数量]
) > 0,
"异常",
BLANK ()
)- SUMX, FILTER, EARLIER语法规则参考DAX.GUIDE网站
以下是部分异常调拨商品
通过以上解析，对调拨单时效及异常流向的跟踪，我们可以更好的促使商品进行流转，从而改善商品指标。
相关书籍：
