物流行業的特征有涵蓋行業面廣、專業深、學科交叉多、系統復雜等，物流規劃的類型也繁多，從供應鏈角度可以細分到不同的物流環節，從企業分類角度可以分出至少幾十種類型，從物流功能的角度可以作多種拆分，從創新應用的角度也是與時俱進。因此物流規劃的涉及面很廣闊，如何利用物流專業知識和經驗進行物流規劃，需要從聚焦問題、精確定位、搭建結構、特征分析、歸納推理、數據建模、解決方案，這幾個步驟出發去考慮。結合我們對物流、生產、零售等類型的大型上市公司、中型企業、政府機構，也包括物流網絡、智能工廠、城市配送、物流戰略、物流園區、倉儲規劃等規劃與設計的項目經驗，對物流規劃步驟作了一個說明，供參考，對象和環境不同，可作調整，后續也有各類型規劃的參考目錄發布。

步驟一：解決什么問題

首先我們要明確用我們的專業去解決的是一個什么樣的問題，這里說的“問題”，不一定是客戶說描述的問題，因為客戶描述的常常是表象或是在經營或者操作層面，而我們需要對問題進行分類。不同的問題可能是用不同的方法解決，也有可能把問題拆分過后發現這些子問題并不能一次性解決，而需要分階段去解決。比如，需要解決生產或者倉儲包裝標準化的問題，不一定通過生產或者倉儲環節就可以優化，而需要從供應商的源頭進行調整，那就需要增加一個優化模塊，對于規劃方案的復雜度也將增加。

在規劃問題中，我們將供應鏈物流規劃大致分為了，物流網絡規劃、城市配送規劃、生產物流規劃、物流園區規劃、倉儲規劃……，每一種的規劃又可以細分為數十個、上百個要素，甚至更多，底層的邏輯和關系比較復雜，所以一定要通過對表象問題的分類，找到真正需要解決什么樣的問題。

有時候客戶提出的問題要點可能會比較多，那么可以將這些問題與方法要素融合以后，再層層整合，最后將問題提煉為一兩句話，找到牽一發而動全身的要點，那就是最佳的選擇。

步驟二：規劃內容定位

在從專業的角度明確需要解決什么問題以后，那么需要對這次規劃方案作定位。物流是一個復雜系統，節點種類很多，在服務不同的商業形態或者行業的時候功能各不相同。比如從環節角度看，有供應功能，有分銷配送功能，有生產供給功能等，從屬性看，有戰略儲備功能，有快速補給功能，有中轉功能等。如果對于需要規劃實現的物流系統定位錯誤的話，系統邏輯會有問題，方向不對的話那么輸出的結論也肯定有較大的偏差。因此，不管是解決一個網絡規劃、倉儲規劃還是配送規劃，都需要明確其在供應鏈環境中，也就是上下游的態勢中處于什么樣的位置，需要達到什么樣的目的，同樣，這樣的定位也不是拍腦袋拍出來的。

當然也有的會通過經驗分析，得出一個經驗性的定位，我認為最好的方式也是通過對要素的拆分，并且和方法結合，分析其輸入、輸出與自身的邏輯，從戰略層面和運營層面，包括時間、空間、流量、流向等幾個核心要素的分類分析后得到一個科學理性的規劃定位。

步驟三：構建房子模型

構建屬于這次規劃的房子，房子的結構是一個很好的分類模型，包括頂層目標、中間結構和支撐，需要解決的問題可以放到頂層目標，中間層的結構可以是按供應鏈物流的環節分類，也可以按需要解決的問題模塊進行分類。可以構建一個層級，也可繼續分類構建多個層級，只要是能把系統結構體現清楚，就可以那樣去構建。

對于在整個房子的支撐層面里，可以將規劃方案里面實施層面的內容放進去，比如需要什么樣的設備支持、什么樣的信息化支持以及什么樣的標準化運作程序支持等。當然，這里的支持并不是一個籠統的概念，而是通過充分的分析，確定了具體的流程配置后才去構建的這些支持實施的模塊。在我們的方法里，把流程作了詳細的拆分，基本上大部分的物流活動都放到了不同環節的流程里面。規劃的房子構建完成后，對于整個規劃方案的結構也就基本清晰，一目了然，既方便團隊和客戶溝通，也方便在后續進行更加深入的分析或者是規劃周期內發生了局部需求改變后的模型修正。

步驟四：數據特征分析

物流規劃肯定離不開數據分析，有的數據可以直接幫助形成分析報告，也有的數據是作為仿真模擬的輸入。這里強調，對于數據分析，其中一個非常重要的目的是尋找業務特征。也存在一個問題，數據來源在哪里？這里的來源有多種意思，來源于信息系統，還是人工采集？來源于ERP，還是TMS或者WMS？來源于SAP，還是用友、金蝶？不同的來源數據字段、格式、數據量都不同，而且數據的準確性也不能完全保證，因此對于數據，要進行專業分析，也要謹慎，不能依賴數據，如果過于依賴數據容易陷入數字陷阱中。從技術手段上，首先將數據進行標準化，然后通過統計工具或者仿真工具，對數據進行可視化、擬合，找到其特征，返回到業務層面，找出異常點或者問題點，幫助確定解決方案的方向，并且數據特征出現后，需要多與客戶的業務人員進行溝通確認，避免被數據誤導。
上面是從構建企業運作的物流系統規劃角度看數據分析，也有些物流規劃是偏宏觀層面比如園區規劃、戰略規劃，也有的是從政府視角進行規劃，那么對于數據的要求不一定特別精確，只要能反映趨勢就可以。這樣數據分析只要邏輯正確，輸入數據來源可靠，數據分析后反應出的結論沒有明顯偏差就可以接受。

步驟五：歸納推理

歸納推理是最考驗物流規劃能力的地方，這里一方面需要專業能力將需要規劃的場景進行拆分，同時又需要用規劃或者行業經驗對其進行修正判斷，哪些是主要問題，哪些是次要問題，需要快速鑒別，否則會“迷失”在大量的細節里。那么如何去進行歸納推理？我認為還是以環節、流程和活動的角度考慮，這也就是為什么物流是實踐與理論深度結合專業的原因，只有理論，沒有實踐，則缺乏判斷力，只有實踐，沒有理論，則缺乏系統性。這里我們可以學習“戰略地圖”模型、SCOR模型，前者的分類和組合非常清晰，圍繞目標構建相應的要素，而后者將供應鏈的流程“完美”呈現，并且可根據目標進行配置，同時還能通過系統性評價進行決策，往上可到戰略，往下可到信息化。我們通過對供應鏈物流拆分的活動，結合客戶的實踐問題進行組合和詳細分析后，在通過設計原則和系統分析方法，找到解決問題的關鍵點，構建規劃藍圖，再系統性的對每個要素進行描述，這樣可以通過歸納推理的方式進行合理規劃。

每一個規劃項目的目標不同，所涉及的要素也不同，邏輯也有區別，一定要根據具體的項目進行合理的拆分和組合。

步驟六：構建模型（工具應用）

這里所說的構建模型主要是指的數學模型，當然，也不一定是每個規劃項目都需要獨立構建數學模型，有的規劃項目通過做數據分析就能支撐規劃的觀點。但是有的規劃項目，比如選址、網絡布局、路徑優化、以及資源配置相關的內容，就需要進行構建數學模型求解，得到相對比較精確的結果。構建模型可以由物流專家獨立完成，也可以是團隊多人完成，物流專家專注于構建好解決方案，然后建模工程師構建數學模型。也可以通過規劃工具的應用來進行求解和可視化呈現，比如使用我們的物流規劃與決策系統（供應鏈物流數字化決策平臺）作為輔助。如果對于專業能力要求高一點，學習時間比較充裕，建議可以多將運籌思想和物流項目實踐進行深度結合，多體會兩者之間的關系，同時嘗試使用數學工具，比如MATLAB進行簡單算法編寫和求解，其目的并不一定成為數學建模高手，而在于可以從物流專業和數學建模兩者結合的角度來思考科學性的規劃思路，有利于對項目的規劃思路進行擴展和效率的提高。從我個人的切身體會來看，在具備建模、算法編寫并通過程序實現的能力后，對于物流規劃思維上的提升是巨大的。

步驟七：解決方案

解決方案可以分兩個層面，一個是概念方案（規劃藍圖），一個是詳細方案。概念方案主要是將根據物流專家的經驗，結合詳細調研后的詳細分析，通過定性與定量結合，制定一個遠景規劃，展現通過規劃后項目能達到什么樣目標，同時每個模塊達到什么樣的效果，相互之間如何關聯。比如智能工廠中的原料倉用什么樣的模式，實現什么功能，產線如何配送，成品倉采用什么模式和功能實現，整個規劃又是采用什么架構和思想等。詳細設計中，根據項目的類型和客戶的需求采取相應的方案設計策略，比如戰略規劃中可以考慮到戰略的舉措和戰略的實施；網絡規劃中，庫存如何分布，車輛路徑如何等；智能工廠物流中每個作業流程如何完成。

不管是概念方案和詳細設計，除了專業技能的應用外，還需要強調方案的邏輯和系統性。前面的分析部分需要和解決方案進行對應，這樣不管是看方案的客戶還是做方案的團隊（有的項目客戶成員也會在規劃團隊中）都會在一個體系中完成，對于規劃的順利推進以及項目內容的補充和調整都會非常清楚，并快速找到解決的方法。