生產數據分析方法

① 生產管理系統中產品數據統計分析方法有哪些

很多企業在生產運營中，往往只重視經濟效益的提升，改善經營方式，健全企業管理體制與運行機制，卻忽視了統計工作的重要性。其實，若無科學的統計數據支撐，那麼企業在制訂相關方案與政策時就猶如閉門造車，毫無頭緒，也難以取得實效。為了解決以上問題，ERP生產管理系統，在滿足生產過程全生命周期管理的同時，還可以支持各數據按照柱狀圖、折線圖、餅圖進行各維度的直觀分析，為管理層決策提供數據支持。

一、產品數量統計

打開ERP系統-統計-銷售欄目統計-產品統計分析-產品銷售（數量）統計，選擇需要統計選項，如按人員分布、區域分布、行業分布等，進入統計頁面後自定義選擇統計條件即可。

除此之外，智邦國際ERP還可以實時查看產品數據的銷售明細表、采購明細表、退貨明細表、采購銷售追蹤表、利潤明細表、庫存變動表、產品出庫業績對比表等數據，它將企業產品數據完整整合，以先進的管理理念和前瞻性思想為企業管理方面提供戰略性參考價值，幫助企業從根本上改變生產管理模式，提升效益。

② 數據分析方法論有哪些

PEST，也就是政治(Politics)、經濟(Economy)、社會(Society)、技術(Technology)，能從各個方面把握宏觀環境的現狀及變化趨勢，主要用戶行業分析。

宏觀環境又稱一般環境，是指影響一切行業和企業的各種宏觀力量。

對宏觀環境因素作分析時，由於不同行業和企業有其自身特點和經營需要，分析的具體內容會有差異，但一般都應對政治、經濟、技術、社會，這四大類影響企業的主要外部環境因素進行分析。

政治環境：政治體制、經濟體制、財政政策、稅收政策、產業政策、投資政策等。

社會環境：人口規模、性別比例、年齡結構、生活力式、購買習慣、城市特點等。

技術環境：折舊和報廢速度、技術更新速度、技術傳播速度、技術商品化速度等。

經濟環境：GDP 及增長率、進出口總額及增長率、利率、匯率、通貨膨脹率、消費價格指數、居民可支配收入、失業率、勞動生產率等。

2、5W2H分析法

5W2H，即為什麼(Why)、什麼事(What)、誰(Who)、什麼時候(When)、什麼地方(Where)、如何做(How)、什麼價格(How much)，主要用於用戶行為分析、業務問題專題分析、營銷活動等。

該分析方法又稱為七何分析法，是一個非常簡單、方便又實用的工具，以用戶購買行為為例：

Why：用戶為什麼要買?產品的吸引點在哪裡?

What：產品提供的功能是什麼?

Who：用戶群體是什麼?這個群體的特點是什麼?

When：購買頻次是多少?

Where：產品在哪裡最受歡迎?在哪裡賣出去?

How：用戶怎麼購買?購買方式什麼?

How much：用戶購買的成本是多少?時間成本是多少?

3、SWOT分析法

SWOT分析法也叫態勢分析法，S (strengths)是優勢、W (weaknesses)是劣勢，O (opportunities)是機會、T (threats)是威脅或風險。

SWOT分析法是用來確定企業自身的內部優勢、劣勢和外部的機會和威脅等，通過調查列舉出來，並依照矩陣形式排列，然後用系統分析的思想，把各種因素相互匹配起來加以分析。

運用這種方法，可以對研究對象所處的情景進行全面、系統、准確的研究，從而將公司的戰略與公司內部資源、外部環境有機地結合起來。

4、4P營銷理論

4P即產品(Proct)、價格(Price)、渠道(Place)、推廣(Promotion)，在營銷領域，這種以市場為導向的營銷組合理論，被企業應用最普遍。

可以說企業的一切營銷動作都是在圍繞著4P理論進行，也就是將：產品、價格、渠道、推廣。通過將四者的結合、協調發展，從而提高企業的市場份額，達到最終獲利的目的。

產品：從市場營銷的角度來看，產品是指能夠提供給市場，被入們使用和消費並滿足人們某種需要的任何東西，包括有形產品、服務、人員、組織、觀念或它們的組合。

價格：是指顧客購買產品時的價格，包括基本價格、折扣價格、支付期限等。影響定價的主要因素有三個:需求、成本與競爭。

渠道：是指產品從生產企業流轉到用戶手上全過程中所經歷的各個環節。

促銷：是指企業通過銷售行為的改變來刺激用戶消費，以短期的行為(比如讓利、買一送一，營銷現場氣氛等等)促成消費的增長，吸引其他品牌的用戶或導致提前消費來促進銷售的增長。廣告、宣傳推廣、人員推銷、銷售促進是一個機構促銷組合的四大要素。

5、邏輯樹法

邏輯樹又稱問題樹、演繹樹或分解樹等。它是把一個已知問題當成“主幹”，然後開始考慮這個問題和哪些相關問題有關，也就是“分支”。邏輯樹能保證解決問題的過程的完整性，它能將工作細分為便於操作的任務，確定各部分的優先順序，明確地把責任落實到個人。

邏輯樹的使用必須遵循以下三個原則：

要素化：把相同的問題總結歸納成要素。

框架化：將各個要素組織成框架。遵守不重不漏的原則。

關聯化：框架內的各要素保持必要的相互關系，簡單而不獨立。

6、AARRR模型

AARRR模型是所有運營人員都要了解的一個數據模型，從整個用戶生命周期入手，包括獲取(Acquisition)、激活(Activition)、留存(Retention)、變現(Revenue)和傳播(Refer)。

每個環節分別對應生命周期的5個重要過程，即從獲取用戶，到提升活躍度，提升留存率，並獲取收入，直至最後形成病毒式傳播。

③ 如何分析製造企業的生產類的數據

質量控制主要包含七大手法。確切的說是有老七大手法和新七大手法。老七大手法主要側重於定量分析，而新七大手法更偏重於定性分析。簡單說說老七大手法，包括檢查表、分層法、排列圖、魚骨圖、直方圖、散點圖、和控制圖。這些操作基本上用Excel都可以完成。
首先搞清楚質量控制的目標，是為了保證質量、發現異常、改進產品。產品在生產過程中的隨機波動是不可避免的，質量控制的工作是要確認數據的波動是否超出了已知的范圍。但是面對問題很多的情況下，要抓大放小，根據二八法則，解決主要問題。

④ 數據分析方法

常見的分析方法有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎麼做，才能得出洞見。

01） 分類分析
比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。

02） 矩陣分析
比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各佔多少比例，從而發現公司的人才健康度。

03） 漏斗分析
比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。

04） 相關分析
比如公司各個分店的人才流失率差異較大，那麼可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。

05） 邏輯樹分析
比如近期發現員工的滿意度有所降低，那麼就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然後薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素裡面的變化因素，從而得出洞見。

06） 趨勢分析
比如人才流失率過去12個月的變化趨勢。

07）行為軌跡分析
比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。

⑤ 數據分析的步驟是什麼

1.問題定義
比較典型的場景是我們需要針對企業的數據進行分析，比如公司通常會有銷售數據、用戶數據、運營數據、產品生產數據……你需要從這些數據里獲得哪些有用的信息，對策略的制定進行指導呢？又比如你需要做的是一份市場調研或者行業分析，那麼你需要知道你需要獲得關於這個行業的哪些信息。
首先你需要確定去分析的問題是什麼？你想得出哪些結論？
比如某地區空氣質量變化的趨勢是什麼？
王者榮耀玩家的用戶畫像是什麼樣的？經常消費的是那類人？
影響公司銷售額增長的關鍵因素是什麼？
生產環節中影響產能和質量的核心指標是什麼？
如何對分析用戶畫像並進行精準營銷？
如何基於歷史數據預測未來某個階段用戶行為？
這些問題可能來源於你已有的經驗和知識。比如你已經知道每周的不同時間用戶購買量不一樣，那麼你可以通過分析得出銷量和時間的精確關系，從而精準備貨。又比如你知道北京最近幾年的空氣質量是在變壞的，可能的因素是工廠排放、沙塵暴、居民排放、天氣因素等，那麼在定義問題的時候你就需要想清楚，需要針對哪些因素進行重點分析。
有些問題則並不清晰，比如在生產環節中，影響質量的核心指標是什麼，是原材料？設備水平？工人水平？天氣情況？某個環節工藝的復雜度？某項操作的重復次數？……這些可能並不明顯，或者你是涉足新的領域，並沒有非常專業的知識，那麼你可能需要定義的問題就需要更加寬泛，涵蓋更多的可能性。
問題的定義可能需要你去了解業務的核心知識，並從中獲得一些可以幫助你進行分析的經驗。從某種程度上說，這也是我們經常提到的數據思維。數據分析很多時候可以幫助你發現我們不容易發現的相關性，但對問題的精確定義，可以從很大程度上提升數據分析的效率。
如何更好地定義問題？
這就需要你在長期的訓練中找到對數據的感覺，開始的時候你拿到特別大的數據，有非常多的欄位，可能會很懵逼，到底應該從什麼地方下手呢？
但如果有一些經驗就會好很多。比如，你要研究影響跑步運動員速度的身體因素，那麼我們可能會去研究運動員的身高、腿長、體重、甚至心率、血壓、臂長，而不太會去研究運動員的腋毛長度，這是基於我們已有的知識。又比如我們要分析影響一個地方房價的因素，那麼我們可能會有一些通用的常識，比如城市人口、地理位置、GDP、地價、物價水平，更深入的可能會有產業格局、文化狀態、氣候情況等等，但一般我們不會去研究城市的女孩長相，美女佔比。
所以當你分析的問題多了之後，你就會有一些自己對數據的敏感度，從而養成用數據分析、用數據說話的習慣。這個時候你甚至可以基於一些數據，根據自己的經驗做出初步的判斷和預測（當然是不能取代完整樣本的精準預測），這個時候，你就基本擁有數據思維了。

2.數據獲取
有了具體的問題，你就需要獲取相關的數據了。比如你要探究北京空氣質量變化的趨勢，你可能就需要收集北京最近幾年的空氣質量數據、天氣數據，甚至工廠數據、氣體排放數據、重要日程數據等等。如果你要分析影響公司銷售的關鍵因素，你就需要調用公司的歷史銷售數據、用戶畫像數據、廣告投放數據等。
數據的獲取方式有多種。
一是公司的銷售、用戶數據，可以直接從企業資料庫調取，所以你需要SQL技能去完成數據提取等的資料庫管理工作。比如你可以根據你的需要提取2017年所有的銷售數據、提取今年銷量最大的50件商品的數據、提取上海、廣東地區用戶的消費數據……，SQL可以通過簡單的命令幫你完成這些工作。
第二種是獲取外部的公開數據集，一些科研機構、企業、政府會開放一些數據，你需要到特定的網站去下載這些數據。這些數據集通常比較完善、質量相對較高。當然這種方式也有一些缺陷，通常數據會發布的比較滯後，但通常因為客觀性、權威性，仍然具有很大的價值。
第三種是編寫網頁爬蟲，去收集互聯網上的數據。比如你可以通過爬蟲獲取招聘網站某一職位的招聘信息，爬取租房網站上某城市的租房信息，爬取豆瓣評分評分最高的電影列表，獲取知乎點贊排行、網易雲音樂評論排行列表。基於互聯網爬取的數據，你可以對某個行業、某種人群進行分析，這算是非常靠譜的市場調研、競品分析的方式了。
當然，比較BUG的一點是，你通常並不能夠獲得所有你需要的數據，這對你的分析結果是有一定影響的，但不不影響的是，你通過有限的可獲取的數據，提取更多有用的信息。

3.數據預處理
現實世界中數據大體上都是不完整，不一致的臟數據，無法直接進行數據分析，或分析結果差強人意。數據預處理有多種方法：數據清理，數據集成，數據變換，數據歸約等。把這些影響分析的數據處理好，才能獲得更加精確地分析結果。
比如空氣質量的數據，其中有很多天的數據由於設備的原因是沒有監測到的，有一些數據是記錄重復的，還有一些數據是設備故障時監測無效的。
那麼我們需要用相應的方法去處理，比如殘缺數據，我們是直接去掉這條數據，還是用臨近的值去補全，這些都是需要考慮的問題。
當然在這里我們還可能會有數據的分組、基本描述統計量的計算、基本統計圖形的繪制、數據取值的轉換、數據的正態化處理等，能夠幫助我們掌握數據的分布特徵，是進一步深入分析和建模的基礎。

4.數據分析與建模
在這個部分需要了解基本的數據分析方法、數據挖掘演算法，了解不同方法適用的場景和適合的問題。分析時應切忌濫用和誤用統計分析方法。濫用和誤用統計分析方法主要是由於對方法能解決哪類問題、方法適用的前提、方法對數據的要求不清等原因造成的。
另外，選擇幾種統計分析方法對數據進行探索性的反復分析也是極為重要的。每一種統計分析方法都有自己的特點和局限，因此，一般需要選擇幾種方法反復印證分析，僅依據一種分析方法的結果就斷然下結論是不科學的。
比如你發現在一定條件下，銷量和價格是正比關系，那麼你可以據此建立一個線性回歸模型，你發現價格和廣告是非線性關系，你可以先建立一個邏輯回歸模型來進行分析。
一般情況下，回歸分析的方法可以滿足很大一部分的分析需求，當然你也可以了解一些數據挖掘的演算法、特徵提取的方法來優化自己的模型，獲得更好地結果。

5.數據可視化及數據報告的撰寫
分析結果最直接的結果是統計量的描述和統計量的展示。
比如我們通過數據的分布發現數據分析工資最高的5個城市，目前各種語言的流行度排行榜，近幾年北京空氣質量的變化趨勢，避孕套消費的地區分布……這些都是我們通過簡單數據分析與可視化就可以展現出的結果。
另外一些則需要深入探究內部的關系，比如影響產品質量最關鍵的幾個指標，你需要對不同指標與產品質量進行相關性分析之後才能得出正確結論。又比如你需要預測未來某個時間段的產品銷量，則需要你對歷史數據進行建模和分析，才能對未來的情況有更精準的預測。
數據分析報告不僅是分析結果的直接呈現，還是對相關情況的一個全面的認識。我們經常看到一些行業分析報告從不同角度、深入淺析地剖析各種關系。所以你需要一個講故事的邏輯，如何從一個宏觀的問題，深入、細化到問題內部的方方面面，得出令人信服的結果，這需要從實踐中不斷訓練。

數據分析的一般流程總的來說就是這幾個步驟：問題定義、數據獲取、數據預處理、數據分析與建模、數據可視化與數據報告的撰寫。

⑥ 常用的數據分析方法是什麼

1. 描述型分析

這是最常見的分析方法。在業務中，這種方法向數據分析師提供了重要指標和業務的衡量方法。

例如，每月的營收和損失賬單。數據分析師可以通過這些賬單，獲取大量的客戶數據。了解客戶的地理信息，就是“描述型分析”方法之一。利用可視化工具，能夠有效的增強描述型分析所提供的信息。

2. 診斷型分析

描述性數據分析的下一步就是診斷型數據分析。通過評估描述型數據，診斷分析工具能夠讓數據分析師深入地分析數據，鑽取到數據的核心。

良好設計的BI dashboard能夠整合：按照時間序列進行數據讀入、特徵過濾和鑽取數據等功能，以便更好的分析數據。

3. 預測型分析

預測型分析主要用於進行預測。事件未來發生的可能性、預測一個可量化的值，或者是預估事情發生的時間點，這些都可以通過預測模型來完成。

預測模型通常會使用各種可變數據來實現預測。數據成員的多樣化與預測結果密切相關。在充滿不確定性的環境下，預測能夠幫助做出更好的決定。預測模型也是很多領域正在使用的重要方法。

4. 指令型分析

數據價值和復雜度分析的下一步就是指令型分析。指令模型基於對“發生了什麼”、“為什麼會發生”和“可能發生什麼”的分析，來幫助用戶決定應該採取什麼措施。通常情況下，指令型分析不是單獨使用的方法，而是前面的所有方法都完成之後，最後需要完成的分析方法。

⑦ 生產數據分析

車間數據分析主要做一下5方面的：
1、安全
2、質量
3、交付
4、成本
5、現金

⑧ 生產車間統計如何做好數據分析工作

首先，你先得整明白，你能收集到哪些數據，這包括，怎麼收取，怎麼存放，用哪些名詞表示。
再次，就是學習一些常見的數據分析計算，一些數學知識和畫圖展示技術。

⑨ 生產管理中的數據分析

生產管理中的數據分析
生產系統在大多數情況下是一個內向型的組織，相對比較封閉，無論是連續型生產模式還是離散型生產模式，都可以用類似的分析方法和思路。
生產製造過程大概分為四大類階段，即傳統生產、精益生產、數據化生產、智能生產。不同的階段，數據分析能夠發揮的作用也不同。
在傳統生產階段下，數據化程度不足，缺少信息系統的支持，多數的數據都是以記錄表、紙張、條子等形式存在，都被鎖在櫃子里，數據分析能夠起到的作用是有限的，處理數據的成本是非常高的。
在精益生產階段中引入了大量數據分析的內容，包括全面質量管理，以及精益生產管理中的各種數據指標和分析方法都開始用數據來說話，包括典型的看板管理就是數字化的管理模式。用數據可以看到公司的行為、用可視化的方式可以讓全員能夠看到自己的進度、看到產品的質量。
第三個階段是數據化生產，通過數據我們可以知道整個生產過程在發生什麼，該怎麼生產才能更好地滿足客戶的需求，如何更好地滿足客戶的個性化需求。數據化讓所有的過程更加清晰和透明，讓更多的信息產生智慧。
第四個階段是智能生產，通過全供應鏈流程的通信管理，讓工廠為消費者的個性化、高效地生產。更多的無人參與的工廠會涌現，更多的靈活生產的生產線會產生，智能化生產是未來一二十年的基本生產模式。
目前中國的企業大多數都仍然處在傳統生產模式中，中國企業要想跟進國際企業的進程，必須要在數據化管理上彎道超車，必須要加快數字化建設，讓數據成為企業決策的依據，讓數據本身能夠產生管理的智慧和生產的智慧。
智能生產的基礎是數據化，數據化的基礎是信息化，信息化的基礎是管理的正規化。目前有很多工廠還在用管理手工作坊的方式管理著生產，特別是在三四線城市的工廠中，工人沒有經過嚴格的工廠化的培訓，還在用「差不多就行」的思想在工廠里工作。雖然中國是世界製造大國，但我們的管理能力、生產製造能力、研發能力、生產線設計能力、機器設備的配套能力都遠遠落後其他國家。雖然我們有很多先進的工廠，但工廠里除了員工是中國的，其他都是進口的，如設備是進口的、原材料是進口。我們必須要突破，必須在管理上要改善。正規化管理、信息化建設、數據化管理是我們奔向智能化管理的必經之路，無法跳躍，但是我們可以用最快的速度補齊短板。國外用幾十年、上百年走過的工業化之路，我們可以用短短的三四十年來完成，而數據化管理是我們的跳板，必須要把握。
在生產管理領域的數據分析中，有四個維度是需要數據化的，而且這四個維度之間是相互作用的。這四個維度分別是產量（Quantity）、品質（Quality）、成本（Cost）和交期（Time），為了方便記憶這里縮寫為 TCQQ。
1．產量
我們需要從產能的角度思考生產產量，例如產能是多少；我們實際產出了多少；我們的產能利用率是多少；我們生產產量的波動性是多少；產能或者訂單是否穩定，如果不穩定，那麼我們如何配置資源，減少產能閑置；如何在高峰期滿足生產，如何在低峰期減少閑置；如何規劃未來的產能；如何通過靈活生產來平衡產能；是否需要淡季儲備，這一系列的問題都與產量相關。
2．品質
全面的品質管理包括品質達成情況是怎麼樣的；次品率是多少；返修率是多少；投訴率是多少；退貨率是多少；消費者對品質的評價是什麼；品質是否是公司產品的競爭力；對比競爭對手，我們的品質是否領先；我們的產品是否創新了，是否引領市場了；我們的產品生命周期是否足夠長；我們除了生產管理強調了品質管理；其他部門是否也達到了品質管理的要求和標准，等等。
3．成本
成本方面的分析包括產品的成本結構是什麼樣的；訂單的成本結構是否能夠精準地算出；別人生產的成本率是多少；我們如何降低成本；哪些地方有降低成本的空間 ；哪些方面存在浪費 ；哪些浪費是可以消除的。
《精益生產》中列舉了七大類浪費，我們在為生產製造型企業提供數據管理咨詢服務的時候，把這種精益管理思想數據化，並推延到整個公司的管理中，總結出「十大企業管理資源浪費」，並用這些浪費的首字母組成了一個單詞：DOWNTIMERS，下面分別介紹一下。
①產品不良(Defect): 產品生產出來不合格，無法銷售，並且無法再次加工，那麼這就浪費了材料，消耗了能源，耽擱了生產線生產，浪費了加工過程各種投入，甚至影響公司的銷售，延長訂單交期，導致客戶不滿。
②過度加工（Over Proction）：一件商品從消費者滿意角度看，加工 N 道工序最為合適，如果超過這些工序就是過度加工。過度加工會將不必要的生產投入注入產品中，並未得到消費者更高的評價，或者消費者根本就感知不到，因此造成公司投入上的浪費 ；過度包裝也是一種過度加工的類型。
③等待(Wait)：等待是指人、財、物在時間上的浪費。無論是物料的等待還是人員的等待都是企業管理過程中的資源浪費。物料等待時間過長導致的是訂單交期延長；在產庫存量增加，也會帶來資金浪費；等待中的材料需要存放，也會導致倉儲費用增加；人員的等待也是浪費，例如下一道工序等待上一道工序完成。所有的等待都可以看作是閑置，或者不產生價值的時間，例如公司約定 8 點開會，早到的人 7:50 到場，有些人 8:15 才到場，然後會議 8:20 才開始，早到的人提前了 30 分鍾，這個半小時就是閑置時間，是浪費，所以說高效的公司一定是非常守時的，守時是對所有與會者的尊重。幾乎所有的公司中都存在或多或少的閑置浪費，這種浪費如果不消除，那麼公司就很難控製成本。
④無價值流程（Non-Value-AddedProcess）：無價值流程是指不產生價值的流程、工藝、過程。業務流程、生產工藝、管理過程等在好多的情況下都有不產出價值的內容。例如火車站的檢票程序，你會發現進站的時候乘務員會查一遍火車票和身份證，上車前乘務員還要查一遍火車票和身份證，這兩次檢查其中有一次就是無價值的。而北京南站取消了第一道檢票流程，只在上車前才查身份證和火車票，從而讓乘客的進站時間大大縮短，這樣的流程安排讓更多人把去火車站的提前時間縮短，滯留在北京南站的人數也會大幅度減少。
⑤運輸或中轉位移(Transportation) ：工廠中的物料移動、人員移動都不產生任何價值，移動距離越大，浪費越大，所以先進的工廠都通過立體的設計減少物料的移動和人員的移動。當物料的等待時間和人員的等待時間價值不同時，流程設計也會不同。當人員成本高時，物料移動；當物料成本高時，人員移動。除生產高凈值產品的生產線外，絕大多數的工廠都是物料圍繞著人員轉的，所以有了流水線的設計。在公司管理上，人員的移動距離也是一種浪費，如果人員能夠在一個辦公室中，那麼絕對不要開設更多的辦公地點，這樣一方面會讓溝通被弱化，另外也帶來移動的浪費。員工在上下班路上的時間也是人工成本上的浪費，雖然勞動合同上並未把員工在上下班路上的時間計入工作時間，但是這個時間也是員工付出的成本之一，也會被員工計入對薪資的期望中。如果可能，要盡可能地將員工上下班路上的時間縮到最小，因為這個時間並不產生任何價值，還會消耗大量的社會資源。一個城市的規劃也是如此，在 20 世紀 90 年代，中國的城市發展希望走「功能區」模式，即將商務區、工廠區、行政區、高科技區、居住區、文化娛樂區等分開建設，這種功能區的建設讓很多人都在同一個方向移動，不能很好地分散人流，導致交通壓力大，出行效降低，同時無效的上下班移動距離，增加了大量的社會成本，也涌現了「鬼城」、「睡城」等特殊現象。繁華商業區因為只有上班的地方而沒有居住的地方，所以在晚上成了「鬼城」；而居住區白天無人居住，晚上都回來睡覺，所以成了「睡城」。城市功能不分散導致很多人的移動距離增加，這種模式應該逐漸在城市發展中被淘汰。
⑥智力冗餘（IntellectRendancy）：一個高級技工從事普通的體力勞動，這就是一種智力的冗餘。如果按照高級技工的工資給其付酬，也是浪費，因為這在無形之中給公司帶來了費用的增加；除非你是出於競爭戰略考慮：雖然我不能給這個高級人才提供適合他的工作，但我必須把他圈在我的公司中，因為他一旦去了競爭對手的公司，那麼我的公司面臨的競爭壓力就會非常大了。很多公司中都存在或多或少的智力冗餘現象，因為一家公司在識人、用人上存在能力不足和信息不對稱，就會出現優秀人才得不到重用的現象。當然，有些公司需要從流程上避免智力冗餘現象，例如，服裝廠的一個裁縫工人是高級技工，工資比普通工人要高很多，但如果在工藝流程上，他還需要縫紉工去領料、送料、修剪毛邊、剪線頭，那麼就是智力冗餘的不良工藝設計。
⑦動作冗餘(Motion)：我們在從事勞動的時候都會由一些基本的動作來完成，如果動作不合理，就會造成動作上的浪費。據說計算機鍵盤是根據字元在英文中出現的最大頻率來設計的，以便讓手指頭在鍵盤上的移動距離最小，從而大幅度節省手指在打字移動的距離和時間，提高效率。這個設計是按照英文習慣設計的，但不見得適合中文、法文、義大利文等其他語言，這里就是效率的問題。歷史上英文字母出現的頻率和現代社會中英文字母出現的頻率已經大大不同，而鍵盤按鍵布局的變化會導致打字速度大幅度降低，從而會提高學習成本，所以最初的設計非常重要。
工廠中的動作設計也需要科學地評估、合理設計，要降低學習成本。
⑧超額庫存(Excess Stock/Inventory): 「庫存是萬惡之源」，每個公司都希望大幅度削減庫存，包括工廠中的庫存和流通環節的庫存。物品的存放就是浪費，社會物資快速流動起來才能創造更多的價值。超額的庫存是由於生產計劃不準確、銷售預測不準確導致的，很多企業因為庫存問題被拖垮。產品生產出來賣不出去、采購的物料用不完、生產交期過長，這些都將高流動性的企業經營現金流固化到庫存中，甚至成了長期的庫存。降低庫存甚至零庫存需要通過數據化管理，需要通過商業模式創新。
⑨返工或者重復工作（Rework）：返工、返修、重復都是極大的浪費，產品質量不合格，可能需要返工，例如一個零件尺寸要求為 11.55 米，你卻加工成了 11.56米，超過了標准，就需要再銑掉 0.01 米，這個過程就是返工；而如果你將零件加工成了11.54米就成了廢品(Defect)，而11.56米的零件是不合格品。一篇文章反復修改，一個方案反復討論，一個模型反復設計，都是重復工作，最好將這種工作減少到最小，雖然有些工作是不可能一步到位的。
⑩停機、停下(Stop) ：我們在開車時，如果要停車，需要慢慢踩剎車。再次啟動時也需要慢慢提速。如果停車的次數過多，則會大幅度延長我們到達目的地的時間。工廠中的加工也是如此，有些時候我們需要停機檢修，需要對鍋爐進行清洗等，這些都是浪費；公司管理中也存在這種浪費，當項目停下來又再啟動時需要花費時間，只有一鼓作氣將一件事情做完才最高效。
4．交期
交期是指從客戶下達訂單到客戶獲得產品和服務的周期。任何一個人都希望能立馬獲得並能夠使用產品。工廠的客戶也一樣，客戶希望下達訂單之後能夠馬上收到產品，並能夠快速投入使用，讓整個的供應周期降低到最短。這是一個理想的狀態，在多數非庫存生產的企業中都存在交期的問題。而交期一方面代表著客戶的滿意度，代表著企業適應市場變化的能力。更為重要的是，交期也代表著企業的周轉效率。
筆者曾經服務過一個年產值 20 億元人民幣的外加工工廠。當一個訂單從國外發送過來之後，企業就組織生產並與原材料采購同步，整個周期是 18 天，而實際有效的生產的周期是 7 天。