Készletgazdálkodási betekintés a LuckyTemplates segítségével: A készletek összehasonlítása az értékesítéssel

Ebben a példában belemerülünk a készletkezelési adatokba , és nagyszerű betekintést nyerünk. Az oktatóanyag teljes videóját a blog alján tekintheti meg.

Kicsit változatosabbá teszem az itt bemutatott LuckyTemplates fejlesztéseket, és ez egészen egyedi betekintést nyújt a készletkezelésbe.

Minden adatnak megvannak a maga árnyalatai, így a különféle technikák elsajátítása bármely elemzőt nagyszerű helyzetbe hozhat az Ön elé kerülő különböző adatok tekintetében.

A készletkezelési példán keresztül azt remélem, hogy kibővíthetem a LuckyTemplates használatának módját. Az egyedi elemzés onnan származik, ahol össze kell hasonlítanunk jelenlegi készletszintünket az üzleteinkben ténylegesen, valós időben tapasztalt eladásokkal .

A múltbeli eladásokat össze kell hasonlítanunk a jelenleg raktáron lévőkkel, mert így kell kezelnie a készletét (ha egy pillanatra mélyen elgondolkodik rajta).

Ennek megértésével gondoskodhat arról, hogy lépést tartson a kereslettel, vagy hogy rendelkezzen kínálattal bármely olyan stratégiai promócióhoz vagy értékesítési eseményhez , amelyet egy vállalkozáson belül kezdeményez.

Megmutatom az adatmodell felépítését, a helyes megvalósításátszámításokat, és hogyan mutassa be ezt olyan vizuális módon, amely értelmes és jól kiemeli a betekintést a fogyasztók számára.

Tartalomjegyzék

• A folyamat áthaladása
• A használt képletek áttekintése
• Inventory Insights from the Data Model
• Következtetés

A folyamat áthaladása

A készletbetekintés egyik fontos eleme az értékesítési információk. Más szóval, ki kell számolnunk az eladásainkat. A készletünk optimalizálásához azonban szükségünk van egy táblára, amely egy bizonyos időszak időbélyege.

A készletadatokhoz minden nap más készletinformációval fogunk rendelkezni. Másrészt az értékesítési információk történelmiek , ezért szeretnénk elemezni a múltbeli értékesítési információkat annak biztosítására, hogy egy adott időpontban optimalizáljuk készletszintünket. 

Összekapcsoltam a keresési táblákat ezekkel a ténytáblákkal, az értékesítési adatokkal és a készletnyilvántartással . Vannak vevőink , raktári kódjaink és termékeink . 

Az egyetlen különbség a dátum . Létrehoztam itt egy inaktív kapcsolatot, mert nem szeretném dátum szerint szűrni ezt a Készletkészlet-ellenőrzési táblát, mert ez egy időbélyeg.

Ha megnézzük az itteni jelentést, azt látjuk, hogy például július vége az értékesítésünk utolsó napja. Tehát azon a napon tudjuk, mit tudunk időbélyegezni, és láthatjuk az összes eladásunkat.

És össze akarjuk hasonlítani, hogy az elmúlt 90 napban hány eladást bonyolítottunk le, és azt, hogy mennyi készletünk van valójában . Ennek eléréséhez szükségünk van néhány képletre.

A használt képletek áttekintése

Ezért létrehoztam egy mérőszámot, amelyben a teljes bevétellel kezdtem . 

Ezután az elmúlt 90 nap kiszámításához használtam, amely lehetővé teszi számunkra, hogy rendelkezzünk kezdő és befejező dátummal. Tehát itt 2016. június 30-án kezdtük, ami az adathalmaz utolsó napja. Kiszámítjuk, hogy termékenként mennyi bevételt értünk el az elmúlt 90 napban a két dátum alapján.

Így a MAX dátum mindig megegyezik az adatkészletünk utolsó dátumával, amely június 30. A MAX Dátum – 90 viszont megadta nekünk azt a 90 napos időszakot, hogy kiszámítsuk az adott időszakra vonatkozó teljes bevételünket minden egyes termék esetében.

Amikor lenézünk az asztalunkra, láthatjuk azokat a termékeket, amelyeket az elmúlt 90 napban a legtöbbet adtunk el. Ezután szembeállíthatjuk a jelenlegi részvény teljes értékével .

Ehhez a számításhoz a táblázat minden egyes sorát iteráljuk, és nem tudjuk megszámolni a mennyiséget és a cikkenkénti költséget. Ezután a teljes érték összegét adja. 

Ezzel a számítással láthatjuk, hogy az egyes termékeknél mennyi raktárkészletünk van.

Aztán lefuttattam egy készletarányt is, mert lehet, hogy minden termékünknél van egy arányszintünk, amelyen el szeretnénk érni, hogy mindig legyen elegendő árukészletünk az eladásra. Egyszerűen elosztottam az elmúlt 90 nap teljes bevételét a jelenlegi készlet teljes értékével .

Ez egy másodlagos adatot ad nekünk, amelyet elemezhetünk és rendezhetünk, hogy megnézzük, mely termékek fogynak, és melyek azok, amelyek nem fogynak jól. És ahogy ezt a nagyszerű táblázatfunkciót használjuk, jól tudjuk rendezni, és tisztán láthatjuk a legalacsonyabb és a legmagasabb készletarányt.

Inventory Insights from the Data Model

A táblázatban szereplő eredményekből készletszintjeinken kívül jelentős betekintést nyerhetünk.

Az alacsony készletarány azt jelenti, hogy valószínűleg nincs sok raktárkészletünk, és többet kell beszereznünk, attól függően, hogy milyen arányt kíván beállítani a jövőbeni megrendelések teljesítéséhez.

A másik oldalon a magas készletarány nyilvánvalóan azok a nagyon rosszul értékesített termékek. Nem nagyon adnak el, úgyhogy talán le kellene engednünk őket, csak azért, hogy eladjuk őket, és ne üljünk, húzzuk le az üzletünket.

Ezek igazán nagyszerű meglátások, amelyeket a készletadatokból nyerhet.

A másik dolog az, hogy ez össze van kapcsolva az adatmodellünkkel , így valójában számos raktárunk van, ahol a készletet tárolhatjuk. Érdemes lehet ezt optimalizálni, és látni szeretnénk értékesítéseinket bizonyos régiókban és a raktárban.

Ha rákattintunk a Raktárra , akkor láthatjuk, hogy az adott raktárban milyen raktárkészletünk van. Ezután össze tudjuk egyeztetni egyfajta regionális információval. Ebben a példában még nem tettem meg, de ez az adatmodell felhasználásának és a további szűrők behelyezésének a lehetősége. 

Számolja ki a nulla készlet napszámát – Készletkezelési betekintés a LuckyTemplates segítségével

Készletkezelés – LuckyTemplates Showcase

Következtetés

A nagyszerű készletbetekintés kulcsa az adatmodell igazán jó megértése.

Meg kell értenie, hogy itt két ténytáblázata van, és a keresési táblázatait ehhez a két ténytáblázathoz kell kapcsolnia oly módon, hogy a szűrők megfelelően működjenek. Ily módon, amikor kontextust ad hozzá a számításokhoz, a szűrők az Ön számára értelmes eredményeket számítanak ki. 

Mindezen technikák kombinálásával a LuckyTemplates különböző aspektusai körül valóban el kell jutnia ahhoz, hogy igazán jó betekintést nyerjen.

Mindezen technikák elszigetelten közel sem érnek el annyit, mint ha  az adatmodellt DAX-számításokkal és igazán jó minőségű vizualizációkkal kombinálja .

Itt van az igazi erő a LuckyTemplates analitikai eszközként való használatában.

Minden jót annak kidolgozásához, hogyan illesztheti be az ilyen típusú technikákat saját adatkészleteibe.