Inzichten in voorraadbeheer met LuckyTemplates: voorraad vergelijken met verkopen

In dit voorbeeld gaan we dieper in op voorraadbeheergegevens en halen we geweldige inzichten uit. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Ik voeg wat meer variatie toe aan een deel van de LuckyTemplates- ontwikkeling die ik hier laat zien, en dit is een vrij uniek inzicht in het beheer van uw voorraad.

Alle gegevens hebben hun eigen nuances, dus het leren van een verscheidenheid aan technieken zal elke analist in een uitstekende positie plaatsen voor de verschillende gegevens die u te zien krijgen.

Door dit voorbeeld van voorraadbeheer door te nemen, hoop ik uw mening te verruimen over hoe u LuckyTemplates kunt gebruiken. De unieke analyse komt van waar we onze huidige voorraadniveaus moeten vergelijken met de verkopen die we daadwerkelijk in realtime in onze winkels zien .

Wat we moeten doen, is historische verkopen vergelijken met wat we momenteel op voorraad hebben, want zo moet u uw voorraad beheren (als u er even goed over nadenkt).

Door dit te begrijpen, kunt u ervoor zorgen dat u gelijke tred houdt met de vraag of dat u over het aanbod beschikt om een ​​bepaalde strategische promotie of verkoopevenement dat u binnen een bedrijf organiseert, mogelijk te maken.

Ik laat u zien hoe u uw datamodel bouwt, hoe u de juiste DAX- berekeningen implementeert en hoe u dit op een visuele manier laat zien die logisch is en het inzicht goed benadrukt voor uw consumenten.

Inhoudsopgave

• Het proces doorlopen
• De gebruikte formules doornemen
• Inventarisatie-inzichten uit het datamodel
• Conclusie

Het proces doorlopen

Een belangrijk element om voorraadinzichten te krijgen, is verkoopinformatie. Met andere woorden, we moeten onze verkopen berekenen. Om onze inventaris te optimaliseren, hebben we echter een tabel nodig die een tijdstempel is van een bepaalde periode.

Voor inventarisgegevens hebben we elke dag andere inventarisinformatie. Aan de andere kant is verkoopinformatie historisch , dus we willen historische verkoopinformatie analyseren om ervoor te zorgen dat we onze voorraadniveaus op een bepaald moment optimaliseren. 

Ik heb opzoektabellen gekoppeld aan deze feitentabellen, de verkoopgegevens en het voorraadbeheer . We hebben klanten , magazijncodes en producten . 

Het enige verschil is de datum . Ik heb hier een inactieve relatie gemaakt omdat ik deze tabel Voorraadvoorraadbeheer niet wil filteren op datum, omdat dit een tijdstempel is.

Als we hier naar het rapport kijken, zien we dat eind juli de laatste dag van onze verkoop is, als voorbeeld. Dus op die dag weten we wat we kunnen timestampen, en we kunnen alle verkopen zien die we hebben gedaan.

En we willen vergelijken hoeveel verkopen we in de afgelopen 90 dagen hebben gedaan met hoeveel voorraad we daadwerkelijk bij de hand hebben . Om dit te bereiken hebben we enkele formules nodig.

De gebruikte formules doornemen

Dus heb ik een meting gemaakt, waarin ik ben begonnen met Total Revenue . 

Om vervolgens de laatste 90 dagen te berekenen, gebruikte ik DATESBETWEEN , waarmee we een startdatum en een einddatum kunnen hebben. Dus hier zijn we begonnen op 30 juni 2016, de laatste dag van de dataset. We berekenen hoeveel omzet we in de afgelopen 90 dagen per product hebben gemaakt op basis van de twee datums.

De MAX-datum is dus altijd gelijk aan de laatste datum in onze dataset, namelijk 30 juni. De MAX Date - 90 daarentegen heeft ons dat venster van 90 dagen gegeven om onze totale inkomsten voor die periode voor elk product te berekenen.

Als we naar onze tafel kijken, zien we de producten die we de afgelopen 90 dagen het meest hebben verkocht. Vervolgens kunnen we het vergelijken met de totale waarde van de huidige voorraad .

Voor deze berekening herhalen we elke afzonderlijke rij in onze tabel en kunnen de hoeveelheid en de kosten per item niet optellen. Dan doet de SUMX de som van de totale waarde. 

Met deze berekening kunnen we per product zien hoeveel voorraad we in voorraad hebben.

Vervolgens heb ik ook een Stock Ratio uitgevoerd , omdat we misschien een rationiveau hebben waar we voor al onze producten op willen zijn, zodat we altijd voldoende voorraden producten hebben om te verkopen. Ik heb simpelweg de totale omzet in de afgelopen 90 dagen gedeeld door de totale waarde van de huidige voorraad .

Dit geeft ons een secundair cijfer dat we kunnen analyseren en sorteren om te zien welke producten verkopen en welke producten niet goed verkopen. En aangezien we deze geweldige tabelfunctie gebruiken, kunnen we het goed sorteren en duidelijk de laagste versus de hoogste voorraadverhoudingen zien.

Inventarisatie-inzichten uit het datamodel

Uit de resultaten in de tabel kunnen we naast onze voorraadniveaus ook belangrijke inzichten verkrijgen.

Lage voorraadratio's betekenen dat we waarschijnlijk niet veel voorraad aan boord hebben en dat we meer nodig hebben, afhankelijk van welke ratio u wilt instellen om in de toekomst bestellingen te kunnen uitvoeren.

Aan de andere kant zijn hoge voorraadverhoudingen duidelijk die zeer slecht verkopende producten. Ze verkopen niet veel, dus misschien moeten we ze afprijzen om ze verkocht te krijgen en niet te blijven zitten en ons bedrijf naar beneden te halen.

Dit zijn echt geweldige inzichten die u uit de inventarisgegevens kunt halen.

Een ander ding is dat dit is gekoppeld aan ons datamodel , en dus hebben we eigenlijk een aantal magazijnen waar de voorraad zou kunnen worden gehouden. Misschien willen we dat optimaliseren en onze verkopen bekijken in bepaalde regio's en het magazijn dat zich bevindt.

Wanneer we op het Magazijn kunnen klikken , kunnen we de voorraad zien die we momenteel in dat specifieke magazijn hebben. We kunnen het dan matchen met soort regionale informatie. In dit voorbeeld heb ik dat nog niet gedaan, maar dat is de kracht van het gebruik van het datamodel en het plaatsen van deze extra filters. 

Dagen van nulvoorraad berekenen - Inzichten in voorraadbeheer met LuckyTemplates
Vergelijk huidige resultaten met de vorige beste prestatiemaand in LuckyTemplates
Voorraadbeheer - LuckyTemplates Showcase

Conclusie

De sleutel tot goede inventarisinzichten is het goed begrijpen van het datamodel .

U moet begrijpen dat u hier twee feitentabellen heeft en dat u uw opzoektabellen zodanig aan deze twee feitentabellen moet koppelen dat de filters correct werken. Op deze manier, wanneer u wat context toevoegt aan uw berekeningen, berekenen de aanwezige filters de resultaten die voor u logisch zijn. 

Het combineren van al deze technieken rond verschillende aspecten van LuckyTemplates is waar je echt heen moet om echt goede inzichten te verkrijgen.

Al deze technieken afzonderlijk doen lang niet zoveel als wanneer u  het gegevensmodel combineert met DAX-berekeningen en echt hoogwaardige visualisaties .

Dit is waar de echte kracht zit in het gebruik van LuckyTemplates als analytisch hulpmiddel.

Veel succes met uitzoeken hoe je dit soort technieken in je eigen datasets kunt passen.