商业智能（BI）系统的建设过程中，分析应用的规划与设计，是非常重要的一环。它是直接对接企业用户业务需求的一个窗口，这部分的质量会与系统的最终建设效果息息相关。
而如何对主题域下的应用进行较好的设计，也需要结合科学的方法论。譬如可以用体系化的思路来进行梳理与设计，亦可用场景化，或是关键绩效指标（KPI）驱动的分析流来展开。
本文中，笔者结合自身多年时尚行业数据应用建设的心得，以服装企业基于组织结构线梳理库存管理分析应用为例，用以介绍基于体系化来规划设计数据应用的思路。
谈及库存，主体是商品，自然是商品的库存，另外，库存又是存在于一定的位置，因此其又是组织的库存。首先，便可从商品角度和组织角度，对其进行划分。两者在其下的各项分析应用中，又会存在频繁的交叉。经常有如探查品类或单款分布在哪些仓库，又或仓库中的货品年季构成。本文便是在组织结构这个线条，将相关的分析应用予以提炼与梳理。
用通俗易理解的语言组织来说，下文将从以下两个方面展开叙述：
在总体全局层面，先对一个问题进行阐述：
企业的总的库存有多少，按不同性质进行区分，并分析合理性？
而在每个组织结构节点（总体、部门或区域、终端店铺）上，又可从以下几个点进行分析：
库存的数量、金额及SKU情况，是否合理？是否正常增长？
库存商品的属性结构特征？
库存的在位置上的分布？位置，即是指的仓，总仓、虚拟仓、区域分仓、店仓，等等等等。
库存够用么，积压否，库存压力大的话，大在何处？
需要注意的是，第二部分，每个组织结构节点，是包括了总体的，即不管整体、区域、还是终端，都是适用的。
首先看看总体层面。通常总体层面的库存数据，蛮合适制作成一个监控的看板，通过若干项关键指标，洞察企业当前库存水平。那么总体层面用哪些数据项目来为服装行业管理及数据分析人员呈现库存状况，本文以当下普遍的自营与批发混合经营模式的品牌商企业为例。
企业当前库存商品的总体数量及金额，必然是首要关注的。金额有两种核算方式，一是吊牌价，一是成本价，均有意义，依据企业自身管理水平及需要来进行选择。
总体库存之下，需要区分的是，剔除掉代理加盟业务的锁定后的库存情况，这对服装企业在ERP（企业资源系统）中的业务流程会有一定的要求，在ERP系统中无法区分出来代理加盟库存的情况还是较多的。由于自营库存与代理加盟库存的风险性不一样，因此强烈建议在系统中将这两部分进行区分，从而使得企业可以更准确统计自身库存，这将更为合理，也可以更好的进行库存管理。当然，代理加盟部分库存在部分企业，也是需要关注的，因作为整体系统的一部分，代理加盟库存有可能随市场情况而产生一些风险，可以予以一定频率的监控。
接下来看直营库存，直营库存亦可分为若干总仓、区域分仓以及店仓的库存。可以对它们进行，依据实际情况，有选择的跟进。譬如通过在店库存的存销比，可以了解到直营终端是否整体铺货量控制得如何。
部分企业。即使是自营库存，但是由于与供应商的协议，可以退厂，那么在库存统计的时候，便需要额外计算自有库存，这部分才是真正承担风险的，像海澜之家这类的企业，应当便会有作此核算。
至于整体库存水平的合理性，可以通过对比进行一定的诊断。通常可对直营库存基于存销比指标进行分析，直营库存与近三十日销售对比得月存销比，可将其与预期值进行比较，或是将存销比与库存金额与去年同期值进行对比，看是否是合理增长。进行同比时，在总仓到货不均匀的情况下，统计的日期节点将造成一定的影响，入库将使存销比数值造成突变。如想屏蔽一些这方面的波动，可考虑统计库存的时候，采用日均库存。或者连续记录最近多周的存销比数据来分析同比。
在具体组织结构节点，可以展开更加细致的分析，
由于整体库存的合理性在前文已有探讨，因此本部分的库存位置上的合理性，主要针对具体的终端这一群体。对于服装企业的零售终端，是可以基于其空间及陈列道具，给出合理的库存SKU与库存数量的。有了标注值数据或是标准范围，即可对终端主体进行库存SKU，库存数量、库存深度进行监控观测。
至于库存商品的属性结构特征，则是基于商品档案中各项丰富的商品属性， 对它们的组成进行特征分析，销存为一体，可以结合到销售结构来一同分析。商品属性可包括品类（大类、中类、小类等）、系列、面料，乃至供应商、买手组等等，大部分属性都有其合适的解读。其中，商品年份、季节、波段这一组与属性，极为重要，能从货品的新鲜度角度进行区分，或是一定程度上代表了库龄，不同的商品新鲜度或是库龄通常意味着不同商品价值水平。因此也有时候此部分单独分析。往俗了说，便是回答“库存是些啥？什么时候的？”之类的问题。
站在企业整体角度或是任何一个组织结构节点（终端为叶子节点，无需纳入），了解其自身库存情况之后，便是了解库存的分布情况。其实便是解答，“库存分布在哪儿？” 此为库存商品在组织角度上的一个分布结构分析。这部分相对来说较为简单。
最后，对结构主体的库存可用情况进行分析。掌握自身货品的缺货风险或积压风险，继而在商品属性或仓库位置两方面运用存销比指标进行展开，分析其风险所在。
回过头来再看看，本文通篇的指标，均是较为基础常用的，只是选取一条线，组织结构，构建库存分析树中的一条枝。同样的，对于商品线，也可以依此来展开。通过此例我们能够对体系化的思路有来了解，同时也不难发现，想要较为全面的、科学的体系化的梳理，非是一时之功，具体操作的时候，先进行维度的全面提炼整理并区分以优先级重要性，以及逐线条的展开的方式，是比较好的经验。
总的来说，条条大道通罗马，不论是哪种方式设计出来的数据应用体系，只要最终能够很好的服务于企业用户，黑猫白猫就算是好猫。而体系化的梳理和整合，也会因其具体应用设计宽泛有余贴切性有所缺失，必然不是万能的，在具体的实践中，与场景化、KPI驱动分析流等组合起来应用，是较好且实用的实践方式。
