Power BI实用案例——存货分析

Power BI实用案例——存货分析

 

老板又来出难题了,最近公司新入职一个IE工程师,大刀阔斧的在公司推行精益管理,第一板斧挥向仓库呆滞物料,公司例会上言辞犀利的阐述呆滞物料对于公司经营的阻碍,呆滞物料不仅会占用仓储空间,还会占用公司资金流,随着时间的推移,呆滞物料贬值,也会直接造成公司经济损失,老板表示相当认同的同时,要求仓储部门全面配合推行IE工程师的工作,你作为仓储主管组织人手对在制物料进行一次大盘点,如期将物料明细交给IE工程师,却在公司例会上被老板狠批一顿,为啥被批呢?因为仓储管理不能目视化,一堆数据摆在那里,呆滞物料类型是什么?为什么会呆滞?库存结构无法直观体现?库存分布是啥样的?接下来物料管理的改善方向在哪里?一堆问题砸的你是哑口无言一筹莫展,会议的最后IE工程师高喊口号:改善永无止境!你在心理叫苦连天:这活咋干嘛!别急,跟我来!

 

 

 

想要一份这样的可视化看板吗?想学吗?我教你呀!

 

一、案例背景:

以某服饰品牌数据为例,从库存状况,销售状况、仓储状况三个角度对存货进行分析,了解整体库存情况,包括当前库存数量,库存金额、库存款式数量、零星款式数量等,另外从年份、季节、性别、类别、货龄等多个维度查看库存结构,通过货龄查看库存分布。

二、设计思路:

(1)、建立度量值和辅助列(8个度量值+1个新增列货龄区间)

(2)、制作可视化报告—年份、季节切片器

(3)、制作可视化报告—库存数量、库存金额、款式数量、零星款式数量卡片图

(4)、制作可视化报告—年份、季节、性别环形图

(5)、制作可视化报告—库存金额分解树

(6)、制作可视化报告—库存量赛跑图

★建立度量值

首先建立三个基础度量值

 

公式:

销售数量 = SUM('存货明细'[销量])

销售金额 = SUM('存货明细'[销售额])

库存量 = SUM('存货明细'[库存数量])

 

再建立两个迭代聚合函数度量值

 

公式:

库存金额 = SUMX('存货明细','存货明细'[库存数量]*'存货明细'[零售价])

销售零售额 = SUMX('存货明细','存货明细'[销量]*'存货明细'[零售价])

 

√公式解析:

这里用到了SUMX函数,这个函数是一个迭代函数,以“库存金额”为例,公式含义为求库存数量与零售价的乘积之和,语法形式:SUMX(表,列*列)

 

最后建立款式数量度量值

 

公式:

款式数量 = CALCULATE(DISTINCTCOUNT('存货明细'[货号]),'存货明细'[库存数量]>0)

零星款式数量 = CALCULATE(DISTINCTCOUNT('存货明细'[货号]),'存货明细'[库存数量]>0&&'存货明细'[库存数量]<6)

 

√公式解析:

这里用到了CALCULATE和DISTINCTCOUNT,CALCULATE行上下文函数,用于表达式添加筛选条件,DISTINCTCOUNT对列中不重复的值进行计数,以“款式数量”为例,公式含义为对库存数量大于0的不重复的货号进行计数。

 

★建立辅助列

为了分析库存分布,我们需要对数据表添加两个辅助列,来帮助我们计算货龄区间,新建列货龄和货龄区间,

 

公式:

货龄 = DATEDIFF([上市日期],DATE(2018,6,30),DAY)+1

 

√公式解析:这里用到了DATEDIFF返回两个日期之间的单位量,公式含义为以天为单位求上市日期到2018.6.30之间的日期差,+1是为了将上市日期当天也算到日期差中

 

公式:

货龄区间 = SWITCH(TRUE(),

'存货明细'[货龄]<=30,"30天以下",

'存货明细'[货龄]<=60,"30-60天以下",

'存货明细'[货龄]<=90,"60-90天以下",

'存货明细'[货龄]<=120,"90-120天以下",

"120天以上")

 

√公式解析:这里用到了SWITCH(TRUE()逻辑函数的固定写法,以此为例'存货明细'[货龄]<=30,"30天以下",含义为货龄小于等于30,返回“30天以下”字符串

 

到这一步,我们需要的分析运算就都完成了,下面让我们一起来进行制作可视化报告吧。

 

 1、建立两个切片器,分别是年份、季节

 

 

2、建立四个卡片图,分别将库存量、库存金额、款式数量和零星款式数量拖动进去

 

 

3、建立三个环形图,对不同维度的库存金额进行分析,以第一张环形图为例,将库存金额拖动到值字段,将年份拖动到图例,设置格式,打开详细信息标签,将标签内容改为“类别,总百分比”,其余两张图只需要更换图例字段就可以了

 

 

 

4、建立一个分解树,将“库存金额”拖动到分析栏中,设置字段将值显示为“占总计的百分比”,再将货龄区间、性别、类别拖动到解释依据栏中,通过点击蓝色条形,就可以很直观的解析库存结构,以下图为例,主要库存金额中主要以60-90天以下货龄区间为主,占比44.25%,其中男子服饰占比31.23%,而男子服饰主要呆滞类别为短袖T恤

 

 

这里我要对货龄区间做一下解读,一个健康的库存结构,多数以当季为主,也就是货龄区间小的,比如30天以下的,或者60-90天以下的,相对的过季产品也就越少越好,货龄区间越大,呆滞风险越高,所以货龄区间为管理库存结构的重要指标。

 

5、建立一个库存量赛跑图,从第三方图表中下载Animated Bra Chart,将类别拖动到name栏中,将款式数量拖动到Value栏中,将年份拖动到Period栏中,就可以得到一张库存量赛跑图,赛跑图顾名思义是一张滚动图,我们可以很直观的看到,哪个产品类别的库存量在逐步上升

 

 

  到这里我们的库存可视化分析案例就大功告成了,你学会了吗?

 

目前已组建有BI在线服务团队,活跃接单老师超百人,专注解决BI横向、纵向相关的各类技术问题,包括但不限于各类BI工具、python、数据仓库、编程开发等服务。

 

BI包括但不限于永洪bi、quickbi、PowerBI、FineBI、Finereport、smartbi、tableau、qliksense等BI工具 ,可以制作BI系统,或解决单个项目,单个问题,考试相关、一对一教学等服务有意联系瓶子微信:wdfyqx

posted @ 2024-07-06 22:43  瓶子xf  阅读(140)  评论(0编辑  收藏  举报