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