现在的国际海运费已经涨到天上了，每个公司都需要对未来的运费做一个预算。在疫情发生以前，每年的订单和运费比较平稳的时候，我们大约估算一下就可以了，反正大差不差。

但在海运费高涨的大环境下，我们要把工作做得更加细致，不能再使用毛估估的方法。所以今天想和大家探讨的就是如何把运费预算做得更准。我会介绍一个简单的模型，希望能给大家一些启发。

首先来介绍一下整体的思路，如果我们使用一个简单的运费统计公式：

总运费=∑（费率 ×数量）

费率是运输集装箱的全部费用，在一段时间内它的金额是固定的。每一笔的运输费用和集装箱数量成正比关系。假设1个20尺柜（20FT）的运费是10000美元，2个20FT就是10000 x 2 =20000美元。

每一笔的运输费用就是费率和TEU数量的乘积，把所有发生的运输汇总，就是这段时间内的总运费。如果做一整年的预算，就需要计算来年会发生的全部运输量。如果沿着这个逻辑，做运算预算只需要三步：

1.计算费率：每一个TEU从A点到B点的全程运费，包括海运费和其他费用。

2.统计运输量：统计今年的运输数据，并预测明年可能会运输的集装箱数量。

3.汇总运费：统计运费的总和。

一

计算费率

计算费率的依据是货运代理的报价，发货人需要提供一些基础信息，包括提货和送货地址，货运量，然后货代会回复报价。

当我们收到一份标准格式的报价时，其中包含了所有可能发生的计费项目，看上去略有些复杂

这条线路是从上海出发，途径美国洛杉矶港，目的地是位于美国路易斯安那州的哈蒙德市。所有的数据已经做了脱敏处理，仅用于展示说明。

全程的运输费率中占比最大的是海运费，从上海港到洛杉矶港20尺柜子需要10000美元。除了集装箱海运费，还有各种物流操作费用，包括以下内容：

1.启运港（出口地）费用：

提货费：从港口派出空箱到提货点装箱，然后返回港口，根据运输里程计算。

码头操作费：把集装箱运送到船上的费用，按照集装箱数量计费。

出口操作费：制作各种出口资料费用，按提单数量收费。

出口报关费：按报关票数收费。

2.目的地港（进口地，Destination）费用：

进口清关费：按清关票数收费。

进口操作费：制作各种进口资料的费用，按提单数量收费。

码头操作费：把集装箱从船上卸下，装载到卡车上的费用，按照集装箱数量计费。

送货费：把集装箱送至目的地，卸完货后返回港口，根据运输里程计算。

如果使用一个数学公式，全程费率是一个输出结果”Y”，公式的自变量，也就是我们通常说的“X”,是集装箱数量。

此外，公式中还应该至少有两个系数，第一个是根据集装箱数量收费的A，第二个是根据票数收费的B，为了简化计算，我们默认每份提单都对应一票报关和清关。

A包括了海运费、启运港提货费和码头操作费、目的地港码头操作费和送货费。

B包括了在启运港出口操作费和报关费，以及目的地港进口操作费和清关费。

按照以上的逻辑，我们可以得出全程费率的数学公式：

全程费率=A×集装箱数量+B

这就是我们很熟悉的线性函数公式：Y=A*X+B。

这个公式不仅适用于国际海运，也可以应用在其他运输场景里。运输费用的构成基本包括固定费用，如出租车的起步费，再加上可变费用，比如运输里程。

使用这个公式，我们可以把看上去有点复杂的运输报价，迅速地整合为一个最简单的公式，比如20尺柜运输费用公式等于：

运费=[(2000+1000)人民币+(10000+1000+20)美元]× 集装箱数量 + (750+100)人民币+(50+150)美元

1个20尺柜运费=3850人民币+11220美元

一般而言，我们会拥有多条运输线路，发货人和收货人是多对多的关系，所以要把每一条线路都整理出来，要求货代进行报价，然后进行下一步的计算。

二

统计运输量

我们要统计过去一年内发生的所有的集装箱运输情况，包括数量以及费用。数据的来源是出货人自己的统计，同时也可以向货代索取，然后做一下交叉对比，看看是否存在遗漏的地方。

把所有的基础数据收集完成后，然后就需要进行数据的清理工作，去除其中重复或是错误的数据。

如何去除重复的数据？首先要找到唯一的字段，然后以此为依据进行移除重复的操作。以货代提供的信息为例，在运输汇总表中存在着许多字段，主要包括了出货人和收货人信息、运输途中的各个日期节点、货柜信息、运费和各种运输编号和代码。

哪一个才是唯一的字段？

是出货人或收货人的信息吗？不是，这些都是会多次出现的记录，根据这个字段去除重复项，可能会误删除一些数据。

是货物的发票号吗？不是，货代在录入信息的时候，可能会遗漏掉这个字段，这不是很关键的信息，属于可有可无的，有点像是填快递单时的邮政编码，没有这个信息，快递公司也能完成派送。

是货代的提单号Housebill number吗？是的，这是货代提供的一一对应的编号。这个号码就像是快递单号一样，是查询货物信息的唯一编号。这个字段是唯一的，而且不会缺失，货代都是根据提单号来查询索引货物的。

去除重复数据的关键就是要对唯一的字段进行去重。

数据错误来源多种多样，除了人为操作外，还有各种情况。比如一家公司的注册地在香港，但实际上是从内地发货，在统计出货线路时，可能会误当作从香港发货。清洗此类数据颇有难度，我们需要对业务非常熟悉，否则很难发现错误信息。

在完成数据清洗后，接下来就要对未来进行预估，判断明年运输量是会增长、减少或是维持现状。

运输量和需求数量成正比，有很强的相关性。销量大的时候，我们需要大量备货，于是运输量随之上升。商品滞销时，仓库里堆积着大量库存，也不需要进货了，运输量也随之下降。

未来需求对运输量的影响很大，需求预测是一个很大的话题，在此我不做过多展开，简单介绍一下几个重要的考虑因素。

1.销量变动

在上一段里已经介绍过了，另外我们也需要明白一点，预测都是存在偏差的，或者说预测都不是百分比准确的，我们要时刻关注需求波动，及时进行调整。预测运输量也是一样，我们做的工作仅是根据过去和目前的情况，对未来运量做的一种假设。不断修正预测，才能缩小与实际结果之间的差。

2.季节因素

销售有旺季和淡季，在一个成熟的商业环境中，体现得尤为明显，这是我们可以把握得住的。

3.经济周期

经济上行或下行对每个行业的影响是不一样的，我们需要根据自己行业的特点进行判断，不能人云亦云。

4.线路

每年都有新线路引入，新的客户和供应商的加入，就会开辟出新的线路。同理，老线路退出也是经常发生的情况，我们需要审核每条线路的情况，和业务负责人进行充分地交流。