数据分析

1. 核心数据来源

RFID数据分析的基础是全流程采集的结构化数据，主要来源包括：

• 资产/物品基础数据：通过标签写入的唯一ID、类别、规格、价值、归属人/部门等静态信息。

• 动态流转数据：由读写器记录的关键节点数据，如入库/出库时间、移动路径、借还人、使用频次、维保记录。

• 环境关联数据：部分场景下的附加数据，如医疗场景中的药品温湿度、工业场景中的工具使用环境。

2. 核心分析方向与应用场景

不同业务场景下，数据分析的侧重点不同，最终服务于“降本、提效、风控”三大目标：

（1）库存与资产效率分析

• 核心指标：库存周转率、呆滞资产占比、资产利用率、盘点差异率。

• 应用示例：在企业固定资产管理中，通过分析“资产使用频次”，发现某部门10台笔记本电脑中，3台每月使用不足2次（呆滞资产），可跨部门调拨，提升整体利用率；通过“库存周转率”分析，识别出某类办公家具周转慢，后续减少采购量，避免积压。

（2）物流与供应链优化分析

• 核心指标：节点流转时长、异常滞留率、窜货率、损耗率。

• 应用示例：在服装零售场景中，分析“门店-仓库”的补货流转时长，发现某区域仓库到门店平均耗时5天（行业平均3天），追溯数据定位到“分拣环节滞留”，优化分拣流程后缩短至3天；在防伪溯源场景中，通过“区域扫码分布”分析，识别出本该在华东销售的产品出现在华北，快速定位窜货源头。

（3）业务流程合规与风控分析

• 核心指标：操作合规率、异常操作次数、资产丢失率、医疗差错率。

• 应用示例：在智慧医疗场景中，分析“患者-药品”核对数据，统计出某科室每月有2次未扫描腕带直接给药（合规率98%），针对性加强培训，将合规率提升至100%；在工具管理场景中，通过“归还超时率”分析，发现某班组工具归还超时占比达15%，制定超时预警机制，降低工具丢失风险。

（4）用户/消费行为分析（零售/服务场景）

• 核心指标：试穿率、成交转化率、会员复购关联率、热门商品流转路径。

• 应用示例：在服装门店场景中，通过RFID记录的“试穿-购买”数据，发现某款衬衫试穿率达30%但成交率仅5%，结合用户反馈优化定价或陈列后，成交率提升至12%；通过“会员购买商品关联”分析，发现买连衣裙的会员中60%会同时买丝巾，推出组合推荐，提升客单价。

3. 核心价值

• 从“被动记录”到“主动优化”：不再仅靠数据记录资产/物品状态，而是通过分析发现管理漏洞（如呆滞资产、流程滞留），推动业务优化。

• 从“经验决策”到“数据驱动”：替代“凭感觉采购”“靠人工判断”，用周转率、利用率等量化指标指导采购、库存、人员管理。

• 从“单点监控”到“全局可视”：打破部门数据壁垒，让管理者通过分析报表（如物流节点时长图、资产利用率热力图），全局掌握业务动态。