1. excel做仓库数据
1、先建立一张进货明细表，每天登记采购进来的货品，包括日期、名称、单位、单价、数量、金额等。
2、再建立一张销货明细表，跟进货明细表的内容差不多，但每天只登记销货情况。
3、进销明细表建立好之后，再建立一张库存表，货品的名称，根据进货明细表填写， 每一个货品只需要填入一次。
4、在库存表的B3，输入以下公式：=SUMIF(进货!B:B,A3,进货!E:E)，要表达的意思就是：以A3中的货品名称为准，统计进货数量。
5、在库存表的C3，输入以下公式：=SUMIF(销售!B:B,A3,销售!E:E)，要表达的意思就是：以A3中的货品名称为准，统计销货数量。
6、在库存表的D3，输入以下公式：=B3-C3，要表达的意思就是：结存数量=进货数量-销货数量。
7、第三行的公式输入好之后，按住公式往下拉，填充好其它的单元格，这样进销存表格就做好了，就可以自动统计每天的结存数量了。
2. 库存数据怎么做
把“经营历程”里的单据复制到“草稿箱”里面，再单击“系统维护”里的“超级用户”，找到后单击“系统重建”，重建后，你就可以修改库存数了，修改完后，你再到“草稿箱”把里面的单据“单据过帐”就可以了。这样的话，你的单据数据就不能会丢失！
3. 仓库数据表格怎么做
楼主是想自己制作这样的表格吗。自己做比较困难的，要有非常强的VBA编程能力。
一般来说，进销存工具包含以下几个基本功能，采购入库、销售出库、库存（根据入出库自动计算），成本（移动平均法核算）、利润（销售金额减去成本价）、统计（日报月报）、查询（入出库）履历。其他扩展内容诸如品名、规格、重量、体积、单位等也要有。主要的难点是在自动统计库存上。根据行业不同，可能具体条目会有点变化。一般的做法是用到数据透视表，但如果数据量大会严重影响速度。
采用VBA是比较好的，速度不收影响。如果你自己做，没有相当的编程知识，估计你做不出来，我建议你去找北京富通维尔科技有限公司的网站，里面有用VBA开发的Excel工具，很多个版本，当然也有免费的下载。
4. excel做仓库管理
EXCEL——仓库库存——配件入库——仓库库存。
1：先在同一工作簿中作： 库存汇总、入库、出库 三个表格。
2：然后选中型号列，将型号列设置为型号输入唯一性，数据有效性——设置自定义——公式：=COUNTIF(B:B,B1)=1出错警告——停止。
3：在“仓库库存”里输入商品名称。
4：在”配件出库“里可以选择要出库的商品。
5：如果系统给的100条记录用完了，还可以选择”出库数量“”入库数量“”库存数量“，然后向下填充，就可以得到更多的记录了。
5. 用excel制作仓库库存表
用excel制作订货单、出货单和仓库存货之类的表格可以参考以下操作方法来制作：；
1、打开表格，鼠标选择7列行可以任意（一般是10行左右），鼠标右击点击所有线框；
2、输入仓库出货单的数据，日期，单号，单位，名称，金额，数量等等的数据；这个可以按照需求来填写；
3、填写完数据，鼠标选择需要合并的单元格，选择单元格——点击菜单栏 合并命令 ，设置后检查是否有合并错的；
4、调整列与行的高与宽。字体大小，字体设置，点击表格左角倒三角选择全部单元格——菜单栏开始——居中——字号设置，表格名称 仓库出货单 需要单独设置，加粗，字号调大，居中设置；
5、设置好后检查表格，可以在视图菜单栏——把 显示网格线 关闭——查看表格；
6、表格没问题，点击打印预览最后确认。点击打印（快捷键Ctrl+P）表格。如果不能解决问题，建议重复上述步骤再操作一遍试试看。
6. 如何做数据仓库
一直想整理一下这块内容，既然是漫谈，就想起什么说什么吧。我一直是在互联网行业，就以互联网行业来说。先大概列一下互联网行业数据仓库、数据平台的用途：
整合公司所有业务数据，建立统一的数据中心；
提供各种报表，有给高层的，有给各个业务的；
为网站运营提供运营上的数据支持，就是通过数据，让运营及时了解网站和产品的运营效果；
为各个业务提供线上或线下的数据支持，成为公司统一的数据交换与提供平台；
分析用户行为数据，通过数据挖掘来降低投入成本，提高投入效果；比如广告定向精准投放、用户个性化推荐等；
开发数据产品，直接或间接为公司盈利；
建设开放数据平台，开放公司数据；
。。。。。。
上面列出的内容看上去和传统行业数据仓库用途差不多，并且都要求数据仓库/数据平台有很好的稳定性、可靠性；但在互联网行业，除了数据量大之外，越来越多的业务要求时效性，甚至很多是要求实时的 ，另外，互联网行业的业务变化非常快，不可能像传统行业一样，可以使用自顶向下的方法建立数据仓库，一劳永逸，它要求新的业务很快能融入数据仓库中来，老的下线的业务，能很方便的从现有的数据仓库中下线；
其实，互联网行业的数据仓库就是所谓的敏捷数据仓库，不但要求能快速的响应数据，也要求能快速的响应业务；
建设敏捷数据仓库，除了对架构技术上的要求之外，还有一个很重要的方面，就是数据建模，如果一上来就想着建立一套能兼容所有数据和业务的数据模型，那就又回到传统数据仓库的建设上了，很难满足对业务变化的快速响应。应对这种情况，一般是先将核心的持久化的业务进行深度建模（比如：基于网站日志建立的网站统计分析模型和用户浏览轨迹模型；基于公司核心用户数据建立的用户模型），其它的业务一般都采用维度+宽表的方式来建立数据模型。这块是后话。
整体架构下面的图是我们目前使用的数据平台架构图，其实大多公司应该都差不多：
逻辑上，一般都有数据采集层、数据存储与分析层、数据共享层、数据应用层。可能叫法有所不同，本质上的角色都大同小异。
我们从下往上看：
数据采集数据采集层的任务就是把数据从各种数据源中采集和存储到数据存储上，期间有可能会做一些简单的清洗。
数据源的种类比较多：
网站日志：
作为互联网行业，网站日志占的份额最大，网站日志存储在多台网站日志服务器上，
一般是在每台网站日志服务器上部署flume agent，实时的收集网站日志并存储到HDFS上；
业务数据库：
业务数据库的种类也是多种多样，有Mysql、Oracle、SqlServer等，这时候，我们迫切的需要一种能从各种数据库中将数据同步到HDFS上的工具，Sqoop是一种，但是Sqoop太过繁重，而且不管数据量大小，都需要启动MapReduce来执行，而且需要Hadoop集群的每台机器都能访问业务数据库；应对此场景，淘宝开源的DataX，是一个很好的解决方案（可参考文章 《异构数据源海量数据交换工具-Taobao DataX 下载和使用》），有资源的话，可以基于DataX之上做二次开发，就能非常好的解决，我们目前使用的DataHub也是。
当然，Flume通过配置与开发，也可以实时的从数据库中同步数据到HDFS
来自于Ftp/Http的数据源：
有可能一些合作伙伴提供的数据，需要通过Ftp/Http等定时获取，DataX也可以满足该需求;
其他数据源：
比如一些手工录入的数据，只需要提供一个接口或小程序，即可完成
数据存储与分析毋庸置疑，HDFS是大数据环境下数据仓库/数据平台最完美的数据存储解决方案。
离线数据分析与计算，也就是对实时性要求不高的部分，在我看来，Hive还是首当其冲的选择，丰富的数据类型、内置函数；压缩比非常高的ORC文件存储格式；非常方便的SQL支持，使得Hive在基于结构化数据上的统计分析远远比MapReduce要高效的多，一句SQL可以完成的需求，开发MR可能需要上百行代码；
当然，使用Hadoop框架自然而然也提供了MapReduce接口，如果真的很乐意开发Java，或者对SQL不熟，那么也可以使用MapReduce来做分析与计算；Spark是这两年非常火的，经过实践，它的性能的确比MapReduce要好很多，而且和Hive、Yarn结合的越来越好，因此，必须支持使用Spark和SparkSQL来做分析和计算。因为已经有Hadoop Yarn，使用Spark其实是非常容易的，不用单独部署Spark集群，关于Spark On Yarn的相关文章，可参考：《Spark On Yarn系列文章》
实时计算部分，后面单独说。
数据共享这里的数据共享，其实指的是前面数据分析与计算后的结果存放的地方，其实就是关系型数据库和NOSQL数据库；
前面使用Hive、MR、Spark、SparkSQL分析和计算的结果，还是在HDFS上，但大多业务和应用不可能直接从HDFS上获取数据，那么就需要一个数据共享的地方，使得各业务和产品能方便的获取数据； 和数据采集层到HDFS刚好相反，这里需要一个从HDFS将数据同步至其他目标数据源的工具，同样，DataX也可以满足。
另外，一些实时计算的结果数据可能由实时计算模块直接写入数据共享。
数据应用
业务产品
业务产品所使用的数据，已经存在于数据共享层，他们直接从数据共享层访问即可；
报表
同业务产品，报表所使用的数据，一般也是已经统计汇总好的，存放于数据共享层；
即席查询
即席查询的用户有很多，有可能是数据开发人员、网站和产品运营人员、数据分析人员、甚至是部门老大，他们都有即席查询数据的需求；
这种即席查询通常是现有的报表和数据共享层的数据并不能满足他们的需求，需要从数据存储层直接查询。
即席查询一般是通过SQL完成，最大的难度在于响应速度上，使用Hive有点慢，目前我的解决方案是SparkSQL，它的响应速度较Hive快很多，而且能很好的与Hive兼容。
当然，你也可以使用Impala，如果不在乎平台中再多一个框架的话。
OLAP
目前，很多的OLAP工具不能很好的支持从HDFS上直接获取数据，都是通过将需要的数据同步到关系型数据库中做OLAP，但如果数据量巨大的话，关系型数据库显然不行；
这时候，需要做相应的开发，从HDFS或者HBase中获取数据，完成OLAP的功能；
比如：根据用户在界面上选择的不定的维度和指标，通过开发接口，从HBase中获取数据来展示。
其它数据接口
这种接口有通用的，有定制的。比如：一个从Redis中获取用户属性的接口是通用的，所有的业务都可以调用这个接口来获取用户属性。
实时计算现在业务对数据仓库实时性的需求越来越多，比如：实时的了解网站的整体流量；实时的获取一个广告的曝光和点击；在海量数据下，依靠传统数据库和传统实现方法基本完成不了，需要的是一种分布式的、高吞吐量的、延时低的、高可靠的实时计算框架；Storm在这块是比较成熟了，但我选择Spark Streaming，原因很简单，不想多引入一个框架到平台中，另外，Spark Streaming比Storm延时性高那么一点点，那对于我们的需要可以忽略。
我们目前使用Spark Streaming实现了实时的网站流量统计、实时的广告效果统计两块功能。
做法也很简单，由Flume在前端日志服务器上收集网站日志和广告日志，实时的发送给Spark Streaming，由Spark Streaming完成统计，将数据存储至Redis，业务通过访问Redis实时获取。
任务调度与监控在数据仓库/数据平台中，有各种各样非常多的程序和任务，比如：数据采集任务、数据同步任务、数据分析任务等；
这些任务除了定时调度，还存在非常复杂的任务依赖关系，比如：数据分析任务必须等相应的数据采集任务完成后才能开始；数据同步任务需要等数据分析任务完成后才能开始； 这就需要一个非常完善的任务调度与监控系统，它作为数据仓库/数据平台的中枢，负责调度和监控所有任务的分配与运行。
前面有写过文章，《大数据平台中的任务调度与监控》,这里不再累赘。
总结在我看来架构并不是技术越多越新越好，而是在可以满足需求的情况下，越简单越稳定越好。目前在我们的数据平台中，开发更多的是关注业务，而不是技术，他们把业务和需求搞清楚了，基本上只需要做简单的SQL开发，然后配置到调度系统就可以了，如果任务异常，会收到告警。这样，可以使更多的资源专注于业务之上。
7. excel做仓库系统
您的问题，我不打算正面回答。
其一，你的仓库管理软件，很有可能有手持设备的需要，那么Excel很难满足这些多终端设备的支持。
其二，你的管理软件，可能你会在不同地方进行实时查看仓库数据，虽然能够基于云存储和多人合作形式完成，但显然这不是最好最优的方式。
其三，仓库管理软件后期的按需更新。而这些在行业中的人也并不多。那么的后续维护就并不容易。
其四，你完全可以借用已有Excel仓库管理软件，稍作修改就可以满足自己需求。
其五，你也可以使用其他编程语言写好的仓库管理软件，功能齐全，开发人员丰富，后期按需更新或日常维护也方便许多。而且基本还支持多终端和实时同步。
希望我的回答能帮到你
8. 仓库数据怎么做
数据分析是仓库规划设计的前提工作。
仓库设计规划只有基于全面而准确的数据分析，才有可能成功。
对仓库的数据进行分析的目的是为了更好地认清产品的特性，明确企业的要求，为以后的规划设计提供数据支持。
数据分析的维度主要有流程分析和时间分析。
流程分析
流程分析包括对作业流程和作业设备的分析，其目的是为了优化作业流程、确定作业装备。
在仓库作业设计中，应遵循持续流动原则。
产品从入库、保管、出库应是穿过库区、连续向前流动，实现从库区一端入库，在中间部位保管，从另一端运出。
减少物流交叉，尽量避免迂回搬运，可以减少出入库移动距离，充分利用储存空间，缩短作业时间，提高生产效率。
通道设计也是仓库规划的重要内容。
通道布置的合理与否，将影响仓库作业和物流合理化，以及生产率的提高。
通道设计不合理，会造成作业场地的拥挤阻塞、生产不安全、甚至影响机械作业率。
对于周转较慢、存货周期较长的仓库类型，进出库作业较少，可以适当压缩通道等非储存面积，提高有效面积利用率，储存更多货品，增加营业收入。
同时，储存性仓库以保管业务为主，可以适当提高仓库保管员劳动量定额，减少人员配备，降低成本。
对于周转较快、存货周期短的仓库类型，进出库作业频繁，需要预留充足的周转区，通道流畅，有效提高商品的运转速度;
流通性仓库需要适当增加相应设备设施，降低员工作业强度，提高员工忠诚度和熟练度。
时间分析
时间分析主要涉及对作业流程的分析，目的是确定作业人员和装备的数量。
作业时间可以有效地反映作业方法的优劣，作业效率的高与低。
作业时间作为生产经营活动的基本资料被广泛应用于各管理层面，调查分析作业现场的作业时间有以下三个目的：
1、在方法改善时发现现状问题与浪费;
2、对方法研究时对各方法的优劣进行评价比较;
3、对已标准化的现有方法设定标准工时。
时间分析是在对作业方法的优劣进行评价及设定标准时间时通过秒表测试法对现有作业时间进行测量、分析、检讨的方法。
时间分析作为效率管理及改善的基础手法，主要有以下几个用途：
1、改善作业后对新方法进行作业标准的设定;
2、表现评价：
a 同一作业的两种作业方法之间的评价;
b 供货商之间的效率评价;
c 作业者的效率评价;
3、新工装投入时的作业标准制定
4、作业方法与标准时间之间的校准;
5、生产线平衡的调整改善
6、产能预算，合理计划人力及工时
通过对仓库各流程环节的作业时间进行分析，持续改善作业现场作业效率。
9. 数据仓库可以实现什么
含义数据仓库是一个面向主题的，集成的，不可更新的，随时间不断变化的数据集合，他可以支持企业或组织的决策分析处理。
区别：1.数据库只存放在当前值，数据仓库存放历史值；
2.数据库内数据是动态变化的，只要有业务发生，数据就会被更新，而数据仓库则是静态的历史数据，只能定期添加、刷新；
3.数据库中的数据结构比较复杂，有各种结构以适合业务处理系统的需要，而数据仓库中的数据结构则相对简单；
4.数据库中数据访问频率较高，但访问量较少，而数据仓库的访问频率低但访问量却很高；
5.数据库中数据的目标是面向业务处理人员的，为业务处理人员提供信息处理的支持，而数据仓库则是面向高层管理人员的，为其提供决策支持；
6.数据库在访问数据时要求响应速度快，其响应时间一般在几秒内，而数据仓库的响应时间则可长达数几小时
10. excel做仓库数据教程图文
不太懂EXCEL
但可以WPS模板中心里，搜索相关关键字，会有帮助的
如果是企业使用，，建议用新页进销存单机版
有入库、出库、调拔、盘点，自动生成库存进出汇总，查询，明细等报表
希望可以帮到你
- 相关评论
- 我要评论
-