最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

【BI库存分析】天呐!库龄分析竟如此简单!

[复制链接]
发表于 2024-1-31 14:57:27 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本帖最后由 ourway 于 2024-1-31 15:44 编辑

     库龄分析是制造企业重点要分析的内容,但在实践中,我们都会遇到两个问题:

      1、ERP中的库存账龄分析报表看到的都是明细数据,如果想体现整体库龄的分布特征,就需要我们手工进行大量的处理,于是乎,这项分析工作的频次就会变得很少,有时按季度,甚至半年一年才做一次,这样,许多问题都要在比较严重时才会被发现;

      2、对于制造业来说,有上千个物料是很正常的,仅仅是根据最明细物料的库龄分布,或者整体的库龄分布,都无法真正快速识别问题,分析问题,更无法快速决策并行动。

      那今天我们就来演示一下,如何在奥威BI中进行库龄分析。通过这个示例,我们也再次体验一下,报表查询与数据分析的不同在哪里,怎么样才是真正的数据驱动运营。


      我们直接进系统,这是奥威BI标准方案中的库龄分析报表,通过这张报表,大家可以看到:

      1、不同库龄区间的库存数量与金额有多少?通过金额的占比,就可以基本上知道库龄风险有多大,如果181天以上的占比较高,就说明风险较高。

      2、从物料分类及物料名称来看,哪些物料的呆滞是比较严重的,这里,可以通过库存金额的占比快速判断其严重性。

      3、可以看到近12个月库龄区间占比的变化情况,如果发现361天以上的占比越来越多,那么就需要重视了。


      我们这里看到,361天以上呆滞占到30%以上,这说明库存呆滞的风险已经非常高了,那我们就可以点击联动看到哪些物料分组或者物料呆滞是最严重的。传统的报表分析,到这里就结束了,但事实上,到这里我们仅仅是知道有哪些物料呆滞严重这么一个结果,并不知道原因,也无法快速决策怎么处理。


      那我们还希望能做些什么呢?比如这里我们看到这个物料的呆滞是最严重的,有484万,那么,这个物料的呆滞是不是因为不合理的采购导致的呢?这时,我们就需要从采购源头去找答案;亦或者,我们想知道,这个物料是在哪个仓库产生了呆滞?是不是被我们放在哪个仓库没有去管了呢?我们用ERP就知道,大家习惯在系统中选仓库,反而会对实物放在哪里熟视无睹;还有,这个物料在361天以上呆滞非常严重,那么,是不是在其他的库龄区间也有类似的问题呢?


      当我们有这么多的分析思路,在奥威BI中如何实现呢?很简单,只需要在表格的这一行双击鼠标,系统就会智能的列示出当前这个报表可以钻取的目的报表清单,然后,就可以根据自己的需要选择目的报表。比如我们要查询采购的情况,就搜索出采购相关的报表,找到物料历史采购情况这张报表,双击鼠标。

      这里可以看到,系统智能的将物料编码传递过来了,可以看到该物料所有供应商的历史供货信息,从订单到入库到开票,包括单价、数量、金额、采购次数等。另外还可看到历史所有期间的情况,通过这些完整的采购信息,就可以分析出这个物料是不是存在不合理采购行为。


      我们再选择仓库收发存分析报表进行钻取,此时,可以看到该物料在所有仓库的收发存情况。还可联动看某个仓库近12个月的库存及去年同期情况。


      我们再切换到物料库龄分布报表,这里可以看到该物料在所有仓库的库龄分布情况,如本例中,可以快速看到该物料361天以上占53%,31-90天的占25%,近几个月,消化了大量91-180天的库存;同时,361天以上的主要存放在哪个仓库,31-90天的主要存放在哪个仓库。看到这里,我们应该要有一个合理的质疑,就是为什么不先消化361天以上的库存呢?



      总结一下,通过上述的库龄分析,我们就可以轻松回答以下的问题,采取一些合理的行动:

      如果是不合理的采购导致的,那么,就应该去现场搞清楚当初为什么要采购?以后如何杜绝类似的情况出现?

      如果是在某个特定的仓库一直未动过,那又是为什么呢?是不是可以想办法改变?

      如果是先消化了库龄较短的库存,而不去消化较长库龄的库存,那又是为什么呢?
      ……
      以上种种,是因为有了足够的数据支撑,才让管理者对一个现象,有更丰富立体的画像,这样,我们就可以通过重点现象,找到一般规律,从而在行动上统一解决。

楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-2-28 18:06

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表