包装数据基础：包装行业数据类型、来源与预处理要点
包装数据可视化分析的第一步，不是选择图表，而是理解数据本身。包装行业的数据横跨产品设计、采购、生产、仓储、物流、销售与回收等多个环节，数据类型多样、粒度不一、口径复杂。如果对数据来源和数据结构缺乏系统认知，后续任何图表都可能建立在“沙地”之上。本章将系统梳理包装行业的核心数据类型、采集方式与预处理要点，为后续图表选择提供坚实的数据底座。
2.1 包装行业六大数据类型
包装数据从产品全生命周期视角可划分为六大类型，每类数据在可视化分析中的角色和图表适配方向各不相同。
| 数据类型 | 典型字段 | 常见来源系统 | 可视化分析方向 |
|---|---|---|---|
| 尺寸/结构数据 | 长、宽、高、壁厚、展开面积、堆码层数 | CAD/PLM、打样系统 | 尺寸分布直方图、结构对比雷达图 |
| 材料/配方数据 | 材质类型、克重、层数、涂层、粘合剂 | PLM、供应商系统 | 材料占比饼图、配方对比条形图 |
| 成本/价格数据 | 材料单价、加工费、模具分摊、运输单价 | ERP、采购系统 | 成本瀑布图、价格趋势折线图 |
| 生产/工艺数据 | 生产批次、良品率、设备OEE、换单时间 | MES、SCADA | 良率控制图、产能热力图 |
| 物流/仓储数据 | 包装尺寸、单箱重量、堆码层数、运输方式 | WMS、TMS | 装载率散点图、仓储周转箱线图 |
| 销售/回收数据 | SKU销量、退货率、回收率、破损率 | CRM、售后系统 | 销售趋势面积图、破损率帕累托图 |
2.2 数据来源与采集方式
包装数据的采集渠道可分为企业内部系统、供应链上下游和外部公共数据三大类。不同来源的数据在时效性、精度和结构化程度上差异显著。
2.2.1 企业内部系统采集
- ERP系统：提供采购订单、成本核算、库存周转等财务与供应链数据，通常以日/周为粒度批量导出。
- MES系统：实时采集生产线上每台设备的运行参数、产量、不良品记录，粒度可精确到秒级。
- WMS/TMS：记录出入库时间、库位、运输批次、装载率等物流数据，适合做周转效率分析。
- PLM/CAD：保存包装结构图纸、BOM清单、材料规格等设计源头数据，是尺寸和材料分析的基础。
2.2.2 供应链上下游数据
供应商提供的材料检测报告、客户反馈的客诉记录、物流商回传的运输时效数据，往往需要通过API接口或定期邮件/Excel方式获取。这部分数据格式不统一，是预处理的“重灾区”。
2.2.3 外部公共数据
包括行业协会发布的包装材料价格指数、环保法规对材料限制的更新、电商平台对包装破损率的考核标准等。这类数据通常以PDF或网页形式存在，需要人工整理或爬虫采集。
2.3 数据质量与预处理要点
包装数据预处理的核心目标是让数据“干净、一致、可用”。根据行业经验，预处理工作通常占整个数据分析项目40%~60%的时间，其重要性不亚于图表选择本身。
2.3.1 数据清洗四步法
- 去重：同一包装物料在ERP和PLM中可能存在重复编码，需以物料主数据为基准进行合并。
- 格式统一：将日期统一为YYYY-MM-DD，将单位统一为国际标准（如mm、g、元），将供应商名称统一为规范全称。
- 缺失值处理：对于关键字段（如材料克重、成本单价）缺失的记录，优先追溯源系统补录；无法补录的，可采用同类物料均值填充或直接剔除。
- 异常值检测：使用箱线图或3σ原则识别异常数据。例如，某规格纸箱的单价突然偏离历史均值50%以上，需核查是否为录入错误或真实涨价。
2.3.2 数据质量评估维度
| 维度 | 评估指标 | 可接受阈值 | 常见问题 |
|---|---|---|---|
| 准确性 | 抽样比对误差率 | ≤2% | 手工录入错误、传感器漂移 |
| 完整性 | 关键字段缺失率 | ≤5% | 供应商未填写、系统对接遗漏 |
| 一致性 | 跨系统字段匹配率 | ≥95% | 物料编码不一致、单位混用 |
| 时效性 | 数据延迟时间 | ≤24小时 | 手工报表滞后、接口故障 |
2.3.3 实战案例：某食品企业包装成本分析的数据预处理
背景与约束：某休闲食品企业拥有200多个SKU，包装材料涵盖纸箱、塑料袋、铝箔袋三类。管理层希望分析各SKU的包装成本占比，以确定优化优先级。但企业此前未建立统一的数据管理流程，数据分散在Excel、ERP和供应商邮件中。
初始现象：初步汇总的数据显示，同一规格的铝箔袋在不同SKU中的单价差异高达30%，部分SKU的包装成本甚至超过产品成本的15%，远超行业平均的8%~10%。
关键数据与问题：
- ERP中导出1200条采购记录，其中180条缺少“材料克重”字段，缺失率15%。
- 供应商报价单中，同一物料编码“AL-123”存在三种写法：“铝箔袋123”“AL123”“铝箔123”，导致匹配失败。
- 部分采购记录的单位为“千个”，而成本核算需要“单个”口径，换算系数未统一。
预处理操作步骤：
- 建立物料主数据映射表，将三种写法统一为“AL-123”，并关联对应的克重、尺寸信息。
- 对缺失克重的180条记录，按同材质、同尺寸规格的历史均值填充，并标记“估算值”以便后续复核。
- 统一单位换算：将所有采购记录的单位转换为“单个”，换算系数以采购合同为准。
- 使用箱线图检测异常价格：发现3条记录中铝箔袋单价超过0.8元/个（正常范围0.3~0.5元），经核实为加急订单的加价费用，单独标注后不纳入常规成本分析。
结果对比：预处理后，成本分析显示铝箔袋类包装成本占比从“表面数据”的9.2%修正为11.8%，其中3个SKU的包装成本超过15%被列为重点优化对象。若未进行数据清洗，管理层可能基于错误数据做出“不优化”的决策。
复盘经验：包装数据预处理的关键不是“技术难度”，而是“业务理解”。只有了解采购加急、供应商报价口径、物料编码规则等业务细节，才能准确判断哪些数据是异常、哪些是真实波动。
2.4 数据预处理与图表选择的衔接
预处理完成后的数据形态，直接决定了后续图表的选择空间。例如：
- 如果数据清洗后保留了完整的“时间-成本-销量”三维明细，则适合做趋势折线图+散点矩阵。
- 如果数据只能汇总到“材质-平均成本”的粒度，则适合做条形图或饼图，但无法展示分布细节。
- 如果数据存在大量估算值，应在图表中通过颜色或标注区分“实测值”与“估算值”，避免误导。
因此，建议在数据预处理阶段就明确“最终可视化要回答什么问题”，反向推导需要保留哪些字段、达到什么粒度、如何处理缺失值。这种“以终为始”的思路，能有效避免“数据收集了一大堆，分析时发现关键字段缺失”的被动局面。