企业官网建设流程全解析

简介：一份以7-11便利店配送系统为主题的PPT课件，聚焦连锁零售巨头的物流配送体系，适合物流管理、连锁经营专业学生及零售从业者学习参考。课件完整梳理了7-11便利店从批发商送货、集约化配送到自建配送中心的演变过程，并详解配送中心备货、储存、分拣配货、配装、配送五大操作，同时涵盖搬运设备、保温车、冷藏车及两仓式货运车等设施布局，还结合高密度开店、信息化设施、双向POS系统等内容，说明如何提升配送效率并降低库存积压。课件同时点出便利店商品种类多、门店无储存场所等配送难点，并介绍两仓式冷藏车如何解决开关门引起温度变化的问题。这套资料共1个文件，为PPT格式，压缩包大小11.49MB，内容结构清晰、图文并茂，适合课堂展示或自学复盘。已有276人学习下载，对希望系统了解便利店配送模式与物流运作逻辑的读者具有实用参考价值。

1. 这家便利店为什么必须自建配送中心

100 平方米的营业面积，3000 多种商品，每 3 天要更换其中 15 到 18 种，而门店几乎没有仓储空间。这组数字决定了 7-11 的配送系统不能走传统批发分销的老路，它本质上是一条“高频、小批量、多温度带”的补货链路。PPT 里反复强调的“难！难！难！”——商品保存要求不同、不能缺货又不能积压、品种调整频繁——不是业务痛点清单，而是配送系统设计时最核心的约束条件。对做零售供应链、门店数字化或物流系统的人来说，7-11 这个案例最有价值的地方在于：它把订货、库存、运输和门店陈列串成了一个闭环，而不是让配送孤零零地跑。下文会从配送模式演化讲起，拆到配送中心五步操作、POS 数据闭环和冷藏设备选型，你可以直接把这些逻辑映射到自己的便利店或多门店零售场景里。

2. 从批发商送货到自建配送中心：三个阶段的成本与主动权博弈

很多连锁零售项目一开始都会图省事，让供应商各自送货，结果配送成本、库存周转和对终端的控制力一起失控。7-11 的配送模式演化恰好给出了一个标准的三阶段路线：从批发商单点直送，到集约化配送，再到自建配送中心。每一步本质都是在回答同一个问题——谁来掌握补货的主动权。

2.1 第一阶段：批发商单独送货为什么必然导致低效

早期 7-11 的生产商都有自己的批发商，而且每个批发商通常只代理一家生产商的产品。这意味着一次补货可能要同时协调十几家批发商，每家单独派一辆卡车到门店。司机到了还要排队卸货，门店店员得反复核对单据，收货效率极低。更麻烦的是送货时间不确定，生鲜和冷藏品在路上多待一小时，品质就掉一截。

这个阶段的典型案例现象是：门店每天要应对大量零散到货，后台被占满，前台缺货却频繁出现。从供应链管理角度看，这是典型的“长尾供应网络”问题——供应商数量越多，协同成本越高。我一般会用一个简单的成本模型来评估切换时机：假设门店日销售额为 S，每接一次货的固定人力成本为 C，供应商数量为 N，那么每日收货成本是 N×C。当 N 大到一定程度时，集约化带来的收益就会超过改造成本。

# 模拟不同供应商数量下的日收货成本 def receiving_cost(daily_sales, fixed_cost_per_delivery, num_suppliers): # daily_sales: 门店日销售额（元） # fixed_cost_per_delivery: 每次接货的人力/时间成本（元） # num_suppliers: 需要打交道的批发商数量 return num_suppliers * fixed_cost_per_delivery # 参数说明：假设每次接货成本为 50 元（店员耗时、单据处理、临时占库） for n in [5, 10, 15, 20]: cost = receiving_cost(20000, 50, n) print(f"供应商数量 {n} 家，日收货成本 {cost} 元")

这段代码模拟的是最简单的线性关系：供应商数量直接乘以单次接货固定成本。实际项目中还有运输损耗、缺货损失等变量，但核心逻辑不变——供应商数量每增加一个，末端收货环节的边际成本几乎是刚性的。7-11 当时面对的情况就是 N 过大，所以必须压缩。

2.2 第二阶段：集约化配送如何减少中间环节

集约化配送的做法是：在特定区域内指定一个批发商，统一管理该区域内的同类生产商，由它汇总后统一配送到 7-11 门店。比如饮料类、日杂类、冷冻食品类各设一个“区域总代”，门店不再直接对接生产商，而是对接这几个总代。

这个阶段的收益是配送车次大幅下降。原来 20 家供应商的 20 辆车，压缩成了 3 到 4 辆区域配送车。送货时间窗口也变得可预期，门店可以安排固定的收货时段。PPT 里写的是“有效降低了批发商的数量，减少了配送环节，节省了物流费用”，实际操作中还能减少单据错误——因为对账对象从 20 个变成 4 个，出错的概率不是线性下降，而是几何级下降。

但集约化配送有个致命缺陷：主动权仍然在批发商手上。区域批发商如果配送不及时，或者对商品品类理解不深，门店依然被动。它只是优化了供应商数量，没有改变供应链的控制结构。

2.3 第三阶段：自建配送中心的主动权与数据价值

自建配送中心是质变。7-11 不再是让批发商来配，而是自己建仓、自己收货、自己分拣、自己运输。PPT 里明确说，配送中心让 7-11 从批发商手上取回了配送的主动权，能随时掌握在途商品、库存货物等数据，对财务信息和供应商信息也能全部掌握。

这一步的真正价值不是省了批发商的中间差价，而是拿到了数据。门店的销售数据、库存数据、在途数据第一次全部汇流到一个地方，总部可以实时看到哪些商品快卖完了、哪些商品滞销了、哪些商品需要调整。没有这一步，后面所有的订货管理和 POS 双向上传都无从谈起。

自建配送中心的建设门槛不低，它要求区域门店密度足够高，否则配送成本摊不平。7-11 的高密度开店策略——在一个目标区域内以服务半径形成覆盖——刚好为集中化物流提供了订单密度。这也是为什么 PPT 把“高密度开店模式”放在共同配送特点的第一条。你在评估自建仓时，先算一下：周边 3 公里内有没有 10 家以上自己品牌的门店，没有的话，第二阶段集约化配送可能更现实。

3. 备货、储存、分拣、配装、配送：五步操作的流程拆解与参数设计

配送中心不是仓库，它最核心的动作是“在正确的时间把正确的商品以正确的状态送到正确的门店”。PPT 把配送中心主要操作分成五步：备货、储存、分拣及配货、配装、配送运输。每一步都有明确的设备依赖和调度逻辑，下面按流程顺序展开。

3.1 备货：从供应商到配送中心的入口控制

备货是配送中心的第一道关卡，核心是“要什么、要多少、什么时候要”。这一步不是简单地把供应商送来的货收下，而是要根据门店订单和销售预测确定收货品类和数量。7-11 的备货逻辑是“以销定进”——门店订货数据汇总后，配送中心按品类合并同类项，再向供应商下采购单。

我一般会在备货环节做两个参数控制：安全库存水位和订货提前期。安全库存水位用来应对销售波动，订货提前期则是供应商从接单到送货的时间。如果生鲜商品提前期是 24 小时，门店日均销量是 30 份，那么配送中心的备货量至少要覆盖 30 份加上波动余量。

def reorder_point(avg_daily_demand, lead_time_days, safety_stock): # avg_daily_demand: 平均日需求（件/天） # lead_time_days: 订货提前期（天） # safety_stock: 安全库存（件） reorder_point = avg_daily_demand * lead_time_days + safety_stock return reorder_point # 参数说明：假设某冷藏便当日均需求 80 份，供应商提前期 1 天，安全库存设为 20 份 print("补货触发点:", reorder_point(80, 1, 20), "份")

这个触发点的含义是：当库存降到 100 份以下时，配送中心就要向供应商下补货单。安全库存设得太大会造成冷藏品过期损耗，设得太小容易在销售高峰断货。7-11 的解决办法是通过高频率配送来压低安全库存，后面会讲到配送频率。

3.2 储存：储备与暂存的温度带管理

储存分为储备库存和暂存区。储备库存是大批量到货后的缓冲，暂存区则是分拣前的临时放置。两者的核心区别是时间尺度：储备可能是 1 到 3 天，暂存可能只有几小时。对便利店这种没有门店后台仓的业态来说，配送中心的储存能力就是门店的虚拟仓库，所以储存条件必须按商品温度带分区。

PPT 明确提到不同类型的食品要用不同的方法和设备配送，比如保温车、冷藏车。在配送中心内部，储存也是分区的：冷冻食品在 -18℃ 以下的冷冻库，冷藏食品在 0℃ 到 5℃ 的冷藏库，常温商品在干燥通风区。分区的目的是减少温度交叉影响，也是后面分拣和配装能够并行作业的前提。

这里有个容易踩的坑：很多配送中心为了省空间，把冷藏品和冷冻品放在一个仓，通过调整温度来“兼顾”。结果是冷藏品被冻坏，冷冻品解冻变质。正确的做法是物理隔离，不是温度折中。我见过一个连锁便利店的配送中心，就是因为冷冻冷藏共用冷库，导致速冻水饺和鲜牛奶一起报废，损耗率从 2% 飙到 8%。

3.3 分拣及配货：按门店拆单的核心动作

分拣及配货是配送中心里人力最密集的环节。它的任务是把到货商品按门店订单拆分成一个个“店别包裹”。7-11 的单店订单品项数通常有上百个，但每个品项的数量不多，这种“多品项、小批量”的分拣特征决定了不能完全照搬大仓的整箱分拣逻辑。

常见的分拣方式有两种：摘果式和播种式。摘果式是一个人推着拣货车，按一张订单在货架间来回拣选；播种式是把多个订单汇总后，统一把某一种商品分放到各个订单筐里。单品项数量少、门店多的场景下，播种式效率更高，因为同一商品的拣选路径只走一次。

我建议用播种式，然后在每个门店筐上挂一张清单，分拣完成后由复核员扫码确认。配送中心的自动分拣机可以做这种工作，但中小规模先用人工+扫码枪也能达到同等准确率。关键是分拣信息要实时回传仓库管理系统，否则配货环节的差错要到门店收货时才发现，那就晚了。

3.4 配装：装车顺序决定卸货效率

配装是把分拣好的商品按配送路线装入运输车辆。这一步最容易被忽视，但它直接影响门店收货速度。如果面包和牛奶被压在底下，大米和矿泉水在上面，到了第一家门店要先把大米搬下来才能拿到面包，卸货时间会成倍增加。

正确的配装逻辑是：按门店卸货顺序反向装车，最后卸货的门店装在最里面，最先卸货的装在最外面。同一家门店的商品要集中放置，并用周转筐或分隔板隔开。PPT 里提到的两仓式货运车就是配装环节的特殊设备——冷热分区，避免开关车门时温度串扰。

配装还需要考虑车辆容积和载重约束。每个门店订单体积不同，配送车辆的空间利用率通常控制在 80% 到 90%，留出缓冲空间。如果超过 90%，装卸难度会急剧上升。我给一个简单的装车校验逻辑：

def check_load(cargo_volume, truck_capacity, margin=0.85): # cargo_volume: 本次订单总体积（立方米） # truck_capacity: 车厢额定容积（立方米） # margin: 目标装载率，默认 0.85 if cargo_volume <= truck_capacity * margin: return "可装车" else: return "需换大车或拆分班次" # 参数说明：门店订单总体积 12 立方米，4.2 米厢车容积约 20 立方米，目标装载率 85% print(check_load(12, 20, 0.85))

这个校验看起来很简单，但在没有仓库管理系统的配送中心，全靠调度员经验，经常出现装到一半发现塞不下的情况。提前用体积数据校验可以少交很多学费。

3.5 配送运输：短距离高频率的末端链路

配送运输是最后一步，7-11 的定义是“较短距离、较小规模、频度较高的运输形式，一般使用汽车和其他小型车辆”。这里的关键不是开多快，而是频次怎么定。PPT 后面提到配送的时间、频率是重点，我理解的是：一日多配是便利店配送的常态。

以冷藏食品为例，一天可能需要配 2 到 3 次，每次都是少批量、多品项。配送频次越高，门店安全库存就越低，但同时车辆成本上升。图上一个平衡点：当配送频次从一天 1 次提高到一天 2 次时，门店库存可以压缩 30%，但配送成本增加 20%，这个交换通常值得；再提高到一天 3 次，库存只再降 5%，成本却增加 15%，就不划算了。

所以我的经验是：配送频次要分品类确定。常温商品一天一次，冷藏食品一天两次，鲜食可以一天三次。不要所有商品都一个频次，否则冷藏品周转是快了，但常温商品仓库作业量也跟着白白翻倍。

4. 订货管理与双向 POS 系统：快进快出的数据闭环怎么搭

门店没有库房，所有商品都靠配送中心及时补货，这意味着订货准确性就是生命线。PPT 里说 7-11 引进了双向 POS 系统，使总部与门店联网，共享销售数据，并能双向沟通。这件事放到今天就是“数据驱动的自动补货系统”，但当时的意义在于把订货从人工经验变成了数据决策。

4.1 单品维度分析：哪些商品该订、该换

7-11 的订货管理有三层：定期查看单品资料、结合历史数据和顾客观察、订购消费者真正需要的商品。翻译成现代技术语言就是：单品级需求预测。门店每 3 天更换 15-18 种商品，并不是拍脑袋，而是有数据支撑的淘汰机制。

我一般会按“销售贡献度”和“动销率”两个指标来筛选。销售贡献度 = 单品销售额 / 门店总销售额；动销率 = 有销售天数 / 统计周期天数。如果一个单品连续 7 天动销率低于 30%，且销售贡献度排名靠后，就应该列入更换候选。反过来，新品上架后动销率快速上升的，要加大订货量。

-- 从门店销售明细表查询近7天动销率和销售贡献度 SELECT product_id, COUNT(DISTINCT sale_date) / 7.0 AS sell_through_rate, SUM(sales_amount) / SUM(SUM(sales_amount)) OVER () AS contribution_rate FROM store_sales WHERE sale_date BETWEEN DATE('now', '-7 days') AND DATE('now') GROUP BY product_id HAVING sell_through_rate < 0.3 ORDER BY contribution_rate ASC;

这段 SQL 的逻辑是：先限定最近 7 天，按商品汇总销售天数，用销售天数除以 7 得到动销率，再用该商品销售额占全店总销售额的比例算贡献率。HAVING子句过滤出动销率低于 0.3 的商品，最后按贡献率升序排列，排在最前面的就是优先淘汰对象。实际执行时，可以把日期参数替换成任意时间段，用来做周度或月度品项健康度盘点。

4.2 双向 POS 系统的数据流设计

双向 POS 系统不只是收银机，它包含“门店 → 总部”的销售数据上传和“总部 → 门店”的商品信息下载两条链路。门店的每一笔销售都实时记录，打烊后汇总上传至总部。总部根据全部门店的销售数据更新商品主数据、价格、促销信息和补货建议，再下发到门店。

这套系统的关键是一个“双向同步”机制。门店的 POS 终端不只是数据采集器，也是总部指令的执行端。总部可以远程下发商品淘汰列表和新品上架清单，门店只需要确认执行。在技术实现上，这就是典型的主数据管理加增量同步。门店本地的商品资料表要有版本号字段，每次收到总部的更新包后比对版本号，冲突时以总部版本为准。

我建议在门店端建一张product_sync_log表，记录每次同步的商品变动。

CREATE TABLE product_sync_log ( sync_id INTEGER PRIMARY KEY AUTOINCREMENT, store_id TEXT NOT NULL, product_id TEXT NOT NULL, change_type TEXT CHECK(change_type IN ('ADD', 'REMOVE', 'PRICE_CHANGE')), sync_time DATETIME DEFAULT CURRENT_TIMESTAMP, sync_version INTEGER ); -- 参数说明： -- change_type：ADD 表示新增单品，REMOVE 表示淘汰，PRICE_CHANGE 表示价格变更 -- sync_version：总部下发的批次号，用于解决重复同步和顺序错乱

这张表的作用是让门店可以追溯每一次商品变更：什么时候、哪个门店、哪个商品、做了什么操作。一旦门店库存出现异常，管理人员可以直接查这张表，确定是不是同步冲突导致的。很多便利店系统只做单向销售上传，忽略了商品主数据下行，结果总部改了商品信息，门店第二天还在用旧条码结账，这就是典型的数据闭环没有闭合。

4.3 快进快出：订货策略怎么避免库存积压

7-11 通过订货管理有效避免了库存积压，实现了长效商品的快进快出。这里的“长效商品”指的是保质期较长的日用品，它们不像鲜食那样每日配送，但也必须保持高周转。避免积压的核心是“订货频率高于销售速度感知”——最低库存被波动的订单消耗掉之前，下一批货已经到店。

实际操作中，我会给门店定义一个“最大陈列量”和“最小订货量”。最大陈列量等于货架容量，最小订货量等于一个配送周期内预计销量乘以 1.2 的系数。订货量 = max(最小订货量, 最大陈列量 - 当前库存 - 在途库存)。如果当前库存加在途库存已经大于最大陈列量，则本周期不订货，防止货架放不下形成隐性积压。

def order_quantity(max_display, current_stock, in_transit, forecast_demand, cycle_days=1): # max_display: 货架最大陈列量 # current_stock: 当前门店库存 # in_transit: 在途库存 # forecast_demand: 日均预测销量 # cycle_days: 配送周期（天） min_order = forecast_demand * cycle_days * 1.2 space_available = max_display - current_stock - in_transit if space_available <= 0: return 0 return max(min_order, space_available) if space_available > min_order else min_order # 参数说明：货架最多放 50 瓶饮料，当前库存 12 瓶，在途 8 瓶，日均卖 15 瓶，每日配送 print(order_quantity(50, 12, 8, 15, 1))

这个函数核心是判断“货架空隙”是否大于“最低订货量”。如果空隙小于最低订货量，就按最低订货量订，保证周转；如果空隙足够大，就把空隙填满。这样既不会订少了断货，也不会订多了压货。要注意的是，货架最大陈列量不是仓库容量，而是考虑品牌露出和取货便利后的有效陈列数，这个数值通常由门店店长和总部共同确定。

4.4 订货管理失败时看什么指标

就算有了 POS 系统和订货公式，还是会出现缺货或报废。这时候不要急着改公式，先看三个指标：缺货率、废弃率、订单满足率。缺货率 = 缺货单品数 / 在售单品数，废弃率 = 报废商品成本 / 销售额，订单满足率 = 实际到货量 / 订货量。三者之间互相制约：降低缺货率会推高废弃率，降低废弃率又会增加缺货风险。

我先看订单满足率——如果供应商总是给不到货，再精准的订货公式也没用。满足率低于 95% 就要跟配送中心确认分拣是不是漏了门店；满足率正常但缺货率高，那就是预测数据或订货参数的问题。废弃率高则说明订货量的安全系数设得太高，把 forecast_demand 的乘法系数从 1.2 降到 1.1 试试。这套排查逻辑比盲目调参数可靠得多。

5. 两仓式冷藏车与搬运设备选型：温度分区和机械系统的匹配要点

最后落到配送中心最具体的设备层面。7-11 在 PPT 里提到一个很有意思的细节：由于冷藏车在上下货时经常开关门，车厢温度容易变化，导致冷藏食品变质，所以专门用两仓式货运车来解决——一个仓的温度变化不会影响到另一个仓，需冷藏的食品始终能在需要的低温下配送。这不是简单的“多隔一个仓”，而是对温度隔离区的边界条件设计。

两仓式货车的核心参数是独立温控区间和开门影响半径。传统单仓车厢，后门一打开，外部热空气迅速涌入，靠近门的位置温度会在几分钟内从 0℃ 升到 10℃。冷藏食品如果正好堆放在这个区域，表面就开始解冻。两仓车把车厢分成前后两个独立空间，中间用保温隔板隔开，每个仓有独立的制冷机组和出风口。卸货时只开一个仓门，另一个仓的温度不受影响。

这个设计对配送作业流程的启发是：装车时要把需要最严格温控的商品放在后仓，把不太怕温度波动的饮料或常温商品放在前仓。这不是随意安排的，而是根据商品温度敏感性设计装车序列。你可以把两仓看作两个独立的“温区”，对应到仓库规划里，就是冷库和常温区不能共用通道门。

搬运设备方面，PPT 把设备分成机械搬运系统、人工搬运系统和自动化搬运系统。机械搬运系统包括叉车、搬运车、连续输送机、垂直升降机、起重机；人工搬运系统包括手推车、货架、箱子、传送带；自动化搬运系统则对应自动分拣机、堆垛机等。对 100 平米级别门店的配送中心，我建议先不要盲目上自动化，人工搬运配合传送带和扫码枪，性价比更高。

叉车和输送机的匹配要看过道宽度和转弯半径。货架之间的主通道至少要预留 2.5 米，否则电动叉车转弯时会刮到货架。人工手推车只需要 1.2 米，但效率低，适合小批量多频次的卸货。自动化设备虽然省人力，但日均分拣量不够的话，投资回收期会很长，维护成本反而比人工高。判断标准很简单：如果配送中心每天要分拣 5000 个品项以上，自动分拣机才值得考虑；低于这个量，人工分拣加扫码枪完全可以应对。

两仓车的温度验证方法也很直接：在每个仓门的门缝位置放一个温度记录仪，每次卸货时记录温度曲线。正常情况一个仓开门时，另一个仓的温度波动不超过 1℃。如果超过，先检查保温隔板是不是有缝隙，再看制冷机组的出风方向是否被货物挡住。这个验证动作在设备验收和日常巡检里都要做，不是装完就算。

本文还有配套的精品资源，点击获取