① 自动化立体仓库由那些部件组成
自动化立体库具体由以下几部分组成:
1. 高层货架:用于存储货物的钢结构。目前主要有焊接式货架和组合式货架两种基本形式。
2. 托盘（货箱）：用于承载货物的器具，亦称工位器具。
3. 巷道堆垛机:用于自动存取货物的设备。按结构形式分为单立柱和双立柱两种基本形式；按服务方式分为直道、弯道和转移车三种基本形式。
4. 输送机系统:立体库的主要外围设备，负责将货物运送到堆垛机或从堆垛机将货物移走。输送机种类非常多，常见的有轨道输送机，链条输送机，升降台，分配车，提升机，皮带机等。
5. AGV系统:即自动导向小车。根据其导向方式分为感应式导向小车和激光导向小车。
6. 自动控制系统:驱动自动化立体库系统各设备的自动控制系统。目前以采用现场总线方式为控制模式为主。
7. 库存信息管理系统（WMS）:亦称中央计算机管理系统。是全自动化立体库系统的核心。目前典型的自动化立体库系统均采用大型的数据库系统（如ORACLE，SYBASE等）构筑典型的客户机/服务器体系，可以与其他系统（如ERP系统等）联网或集成。
② 电商运营的五大关键数据指标
电商运营的五大关键数据指标
先来看一个例子。问：如果网站平均停留时间越长说明了什么问题?
对于同一种类型的网站或者同一个品类的电商网站，平均停留时间越高表示网站越有吸引力，换句话说，停留时间长短是衡量网站黏性的最重要的指标。不仅如此，停留时间与成交也有很强的正相关关系，如下图所示：
其实，平均停留时间对销售额有正面积极的作用力不仅被用在网上，在线下的传统零售行业也被运用的淋漓尽致，譬如增大商场货架的距离可以增加女性消费群体的逗留时间从而促进购买。当然，这里还牵涉到另外一个问题，就是增加货架距离固然可以提升销售额但是同时单位面积内销售产出有可能变小了，所以需要测算之后进行比较才能做出决策。同时，还要考虑定位问题和实际条件限制。
一、建立日常运营的数据指标的重要性
量化公司日常运营健康状态的指标簇，相当于飞机的“仪盘表”(有时候也称为“晴雨表”)，通过这些指标就能判定公司是否运行在正常的轨迹上。所有的世界500强企业都有晴雨表体系，它有两方面作用：1)决策支持;2)考核业绩。
二、如何正确看待运营数据指标
在之前笔者关于讲解品牌的帖子，笔者曾多次这样比喻：通过数据指标判断一个网站是否健康就好比去医院体检，比如抽血化验，血小板总数丶白细胞总数丶红细胞压积容量丶淋巴细胞百分比丶粒细胞百分比等项目数据就类比于电商网站数据指标，通过指标就能判断网站是否运营良好，所以需要知道两类值：实际值和参考值。但是难点在于，如果没有足够的经验，往往很难将数据指标与背后的问题一一对应起来。
三、常见的日常运营指标有哪些
鉴于电商行业的格局，天猫和淘宝所占的市场份额目前领先的所以就以淘宝和天猫的数据指标为例，其它独立B2C商城数据指标可以适当比靠这些指标，基本上大同小异。
常见的指标，其意义也非常明朗，限于篇幅不再赘述，以上指标主要针对PC端，移动端可以参考上表进行相应合理取舍得出指标。另外，部分数据指标行业并没有严格和严谨的定义，多数是一家之言不足以作为通用标准，所以，一些指标是可以自定义的，只要在数据进行核对和比较时，务必清楚地知道数据得出的前提，或者说是口径。这里有四个指标需要特别解释下，大家可能稍微陌生一些。
第一个指标：商品集中度，表示的销售额或者销售量之中，占比80%(具体数字可以自行约定)的商品数量或者比例。一般来讲，商品集中度越高越方便下单和追单，也就是补货更加容易，但是同时也暴露优质商品较少，有潜在风险，尤其季节性快消品类目，一旦处于换季边缘，集中度高的商品不给力，整个销售业绩将受到重挫，所以要联系所处品类的行业参考值，合理观察“商品集中度”;
第二个指标：商品动销率，商品动销率=动销品种数店铺经营总品种数*100%，动销品种数：店铺里有销售的商品种类总数;
第三个指标：库销比，库销比=店铺即时库存或期末库存周期内总销售，其中库存和销售可以是数量亦可以是金额。
第四个指标：客户重合度，现在很多电商公司都是实施全网铺货和多品牌的战略(多品牌定位可以使市场覆盖面更广且抵御风险能力更强)，为了使新品牌更快更有效的启动和成长，通常的做法是在初期把成熟品牌的网站流量导入到新品牌，加速其生长，这时候一定要计算新品牌和老品牌之间的客户重合度，以便达到一定的阈值可以使新品牌与老品牌解绑，让其独立行走。过早地撤走流量可能致使新品牌发育迟缓甚至发育不良，过晚撤走流量可能致使多品牌同质化，品牌定位无区隔，不能有效产生增量市场。当然，追踪成熟品牌与新品牌重合客户的差异和特质只用“重合度”一个指标显然是不够的，我们可以这样来比较两个品牌，假设成熟品牌是A，新品牌是B：
(1) 两个品牌的客户重合比例是多少?
(2) 在 (1)的基础上，计算重合客户的重复购买率?
(3) 在 (1)的基础上，计算重合客户自从在B买过商品之后就再也没有回到A购物过的客户比例?
(4) 在 (1)(2)(3)的基础上同时满足，客户的比例是多少?
这里必须着重强调一点：数据指标的统计务必保证100%的准确性。数据的准确性不仅决定了将来做数据分析丶挖掘和数学建模的深度与广度，更体现了数据的权威性，尤其关键指标的统计倘若经常出现差池，会让所有人对数据失去信任，对基于数据得出的结论也随之信心瓦解了。
四、“晴雨表”的作用
那么，建立晴雨表有何作用呢?不言而喻，作用是很大的，分为直接作用和间接作用。一方面，晴雨表可以作为数据存档的基本单元，方便及时调用;另一方面，可以自由抽取其中的关键性指标生成运营日报丶周报和月报等。建立晴雨表相对比较容易做到，但是解读晴雨表数据指标的能力就需要漫长经验的积累，否则无法看到数据背后所代表的业务状况。解读数据需要把控以下关键点：
(1)知道该指标的实际值和行业参考值。例如想知道店铺的转化率水准是怎样的，就必须了解行业TOP卖家的平均转化率数值。
(2)优先注意数据奇异点和数据拐点，突然变大或者变小的数据一定是受到外力的作用。例如给客户短信群发，应该在短信发出去之后极短的时间内便会出现流量拐点，如果没有出现相应的流量拐点表明短信通道没有发送出去(短信延迟)，或者客户对于长期的短信已经产生免疫的作用，抑或促销活动不能吸引到客户。
(3)数据要有对比，可以是同比，也可以是环比。
(4)选取合适的数据呈现形式。依据数据想要表达的意思选择相应的呈现方式非常重要，生动形象的数据展现形式能有助于快速抓住重点。
五、请大家一起来讨论下这些数据指标的变化代表的意义
关于数据解读，需要依靠某单个核心指标来解读，但是有时候也需要联合一组指标综合研判。笔者随机例举5个问题来讲解如何通过指标来解析数据背后的意义。请大家先把答案写在回复中。
1.对于网络女装品牌的估值应该看哪些指标?
2.如果收藏人数多但是成交人数少是什么原因?
3.翻页数(PV/UV)越大表示网站越好么?
4.回头率低一般是什么原因造成的?
5.某件商品销量下滑一般是什么原因?