Tableau de bord de la chaîne d'approvisionnement Power BI : visibilité et suivi des performances

La visibilité de la chaîne d'approvisionnement n'est pas un luxe : c'est la différence entre un retard d'expédition qui coûte cher au client et un autre réacheminé avant que le client ne se rende compte qu'il y a un problème. Les organisations disposant d'analyses de chaîne d'approvisionnement matures réduisent les coûts de possession des stocks de 15 à 25 %, améliorent les taux d'exécution des commandes de 10 à 20 % et réduisent les dépenses logistiques de 8 à 15 %. Power BI rend cette visibilité possible en connectant les données des systèmes ERP, des systèmes de gestion d'entrepôt, des systèmes de gestion du transport et des portails fournisseurs dans une vue analytique unique.

Le défi n’est pas de connecter les données. Le défi consiste à concevoir des tableaux de bord qui présentent les bonnes mesures avec la bonne granularité pour chaque public - du responsable de l'entrepôt qui suit la précision des prélèvements actuels au vice-président de la chaîne d'approvisionnement évaluant les performances trimestrielles des fournisseurs et la planification des capacités.

Ce guide couvre l'architecture complète d'un tableau de bord d'analyse de la chaîne d'approvisionnement dans Power BI, y compris le modèle de données, les définitions de KPI, les mesures DAX, la conception de visualisation pour la gestion des stocks, les performances des fournisseurs, l'exécution des commandes, la planification de la demande, les coûts logistiques et les opérations d'entrepôt.

---

Modèle de données pour l'analyse de la chaîne d'approvisionnement

Tableaux de base

Les modèles de données de la chaîne d'approvisionnement sont plus larges que les modèles financiers ou RH, car ils couvrent plusieurs systèmes opérationnels.

Dimension du produit (DimProduct). Données principales du produit, notamment ProductID, SKU, ProductName, Category, SubCategory, UnitOfMeasure, Weight, Volume, UnitCost, ReorderPoint, SafetyStock, LeadTimeDays, ABCClassification (les articles A représentent 80 % de la valeur, les articles B 15 %, les articles C 5 %) et IsActive.

Dimension fournisseur (DimSupplier). Données principales du fournisseur, notamment SupplierID, SupplierName, Country, Region, Category (matières premières, composants, produits finis, emballage), QualityRating, OnTimeDeliveryRating, LeadTimeDays (contracté), PaymentTerms et IsCritical (booléen pour les fournisseurs à source unique ou de grande valeur).

Dimension d'emplacement (DimLocation). Entrepôts, centres de distribution et emplacements de magasins, y compris LocationID, LocationName, LocationType (entrepôt, centre de distribution, magasin, cross-dock), adresse, pays, région, capacité (unités ou pieds cubes) et OperatingCost.

Tableau de faits sur les instantanés d'inventaire (FactInventorySnapshot). Instantanés quotidiens des niveaux d'inventaire. Les colonnes incluent SnapshotDate, ProductID, LocationID, QuantityOnHand, QuantityAllocated, QuantityAvailable, QuantityOnOrder, UnitCost et TotalValue.

Tableau de faits sur les bons de commande (FactPurchaseOrder). Bons de commande avec détails au niveau de la ligne. Les colonnes incluent POID, POLineID, SupplierID, ProductID, OrderDate, RequestedDeliveryDate, ActualDeliveryDate, QuantityOrdered, QuantityReceived, UnitPrice, IsOnTime (booléen), IsInFull (booléen) et QualityPassRate.

Tableau de faits sur les commandes clients (FactSalesOrder). Commandes clients avec suivi d'exécution. Les colonnes incluent SOID, SOLineID, CustomerID, ProductID, LocationID, OrderDate, RequestedShipDate, ActualShipDate, ActualDeliveryDate, QuantityOrdered, QuantityShipped, IsOnTime, IsInFull, IsDamageFree et IsDocumentCorrect.

Tableau d'informations sur l'expédition (FactShipment). Enregistrements de transport comprenant ShipmentID, CarrierID, OriginLocationID, DestinationLocationID, ShipDate, DeliveryDate, Weight, Volume, FreightCost, Mode (camion, train, océan, air) et ServiceLevel (standard, accéléré, de nuit).

Dimension de date (DimDate). Table de dates standard.

---

Mesures de gestion des stocks

KPI d'inventaire essentiels

Inventory Value =
SUM(FactInventorySnapshot[TotalValue])

Inventory Turns =
DIVIDE(
    CALCULATE(SUM(FactSalesOrder[QuantityShipped]) * AVERAGE(DimProduct[UnitCost])),
    AVERAGE(FactInventorySnapshot[TotalValue]),
    0
)

Annualized Inventory Turns =
VAR MonthsInPeriod =
    DATEDIFF(MIN(DimDate[Date]), MAX(DimDate[Date]), MONTH) + 1
RETURN
    [Inventory Turns] * (12 / MonthsInPeriod)

Days of Supply =
VAR AvgDailyDemand =
    DIVIDE(
        CALCULATE(SUM(FactSalesOrder[QuantityOrdered])),
        DATEDIFF(MIN(DimDate[Date]), MAX(DimDate[Date]), DAY) + 1,
        0
    )
RETURN
    DIVIDE(
        SUM(FactInventorySnapshot[QuantityAvailable]),
        AvgDailyDemand,
        0
    )

Stockout Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactInventorySnapshot),
        FactInventorySnapshot[QuantityAvailable] <= 0
    ),
    COUNTROWS(FactInventorySnapshot),
    0
)

Overstock Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactInventorySnapshot),
        FactInventorySnapshot[QuantityAvailable] > DimProduct[ReorderPoint] * 3
    ),
    COUNTROWS(FactInventorySnapshot),
    0
)

Inventory Accuracy =
-- Requires cycle count data
DIVIDE(
    CALCULATE(COUNTROWS(FactCycleCount), FactCycleCount[SystemQty] = FactCycleCount[ActualQty]),
    COUNTROWS(FactCycleCount),
    0
)

Conception de visualisation des stocks

Page 1 du tableau de bord : État de l'inventaire.

Rangée du haut : fiches KPI pour la valeur totale des stocks, les rotations des stocks, les jours d'approvisionnement, le taux de rupture de stock et le taux de surstock. Le formatage conditionnel signale en rouge les taux de rupture de stock supérieurs à 2 % et les passages inférieurs à l'objectif.

Section du milieu : un nuage de points avec la valeur de l'inventaire sur l'axe Y et tourne sur l'axe X, chaque bulle représentant une catégorie de produits. Les produits situés dans le quadrant supérieur gauche (valeur élevée, rotations faibles) constituent la plus grande opportunité d'optimisation : ils immobilisent du capital sans apporter de revenus proportionnels.

Section inférieure : un tableau répertoriant les produits triés par jours d'approvisionnement (croissant) montrant les articles les plus proches de la rupture de stock. Incluez des colonnes pour le nom du produit, le stock actuel, le taux de demande quotidien, les jours d'approvisionnement, le point de commande et la quantité en commande. Appliquer une mise en forme conditionnelle : rouge pour un stock de sécurité inférieur, orange pour un point de commande inférieur, vert pour adéquat.

Visualisation de l'analyse ABC

La classification ABC segmente les produits en fonction de leur contribution à la valeur totale des stocks ou aux ventes. Visualisez cela sous la forme d'un graphique de Pareto montrant le pourcentage cumulé de la valeur des stocks par produit, trié du plus élevé au plus bas. Les lignes A marquent le seuil de 80 % (éléments A) et le seuil de 95 % (éléments B). Les autres sont des éléments C.

Cumulative Value % =
VAR CurrentProduct = MAX(DimProduct[ProductID])
VAR CurrentValue = [Inventory Value]
VAR AllProducts =
    ADDCOLUMNS(
        SUMMARIZE(DimProduct, DimProduct[ProductID]),
        "@Value", [Inventory Value]
    )
VAR TotalValue = SUMX(AllProducts, [@Value])
VAR CumulativeValue =
    SUMX(
        FILTER(AllProducts, [@Value] >= CurrentValue),
        [@Value]
    )
RETURN
    DIVIDE(CumulativeValue, TotalValue, 0)

---

Performances des fournisseurs

Indicateurs du tableau de bord des fournisseurs

Supplier On-Time Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactPurchaseOrder), FactPurchaseOrder[IsOnTime] = TRUE()),
    COUNTROWS(FactPurchaseOrder),
    0
)

Supplier In-Full Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactPurchaseOrder), FactPurchaseOrder[IsInFull] = TRUE()),
    COUNTROWS(FactPurchaseOrder),
    0
)

Supplier OTIF Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactPurchaseOrder),
        FactPurchaseOrder[IsOnTime] = TRUE(),
        FactPurchaseOrder[IsInFull] = TRUE()
    ),
    COUNTROWS(FactPurchaseOrder),
    0
)

Average Lead Time (Actual) =
AVERAGEX(
    FactPurchaseOrder,
    DATEDIFF(FactPurchaseOrder[OrderDate], FactPurchaseOrder[ActualDeliveryDate], DAY)
)

Lead Time Variance =
[Average Lead Time (Actual)] - AVERAGE(DimSupplier[LeadTimeDays])

Quality Pass Rate =
AVERAGE(FactPurchaseOrder[QualityPassRate])

Conception du tableau de bord des fournisseurs

Matrice du tableau de bord des fournisseurs. Un tableau montrant chaque fournisseur avec des colonnes pour le taux OTIF, le délai de livraison moyen, l'écart dans les délais de livraison, le taux de réussite de la qualité et les dépenses totales. Trier par taux OTIF pour mettre en évidence les sous-performants. Appliquer la mise en forme conditionnelle des feux de signalisation.

Tendance des délais de livraison. Un graphique linéaire montrant le délai de livraison réel par rapport au délai de livraison contractuel par mois pour le fournisseur sélectionné. Un écart croissant entre les délais de livraison réels et contractuels signale une détérioration des performances des fournisseurs qui finira par provoquer des ruptures de stock.

Évaluation des risques liés aux fournisseurs. Créez une matrice de risques traçant la concentration des dépenses des fournisseurs (pourcentage de vos achats totaux auprès de chaque fournisseur) par rapport aux performances (taux OTIF). Les fournisseurs qui dépensent beaucoup et qui sont peu performants constituent des risques critiques. Les fournisseurs uniques dont les performances diminuent nécessitent une planification d’urgence immédiate.

Comparaison des fournisseurs

Un graphique radar (graphique en étoile) comparant 3 à 5 fournisseurs clés sur plusieurs dimensions --- livraison à temps, qualité, compétitivité des prix, cohérence des délais et réactivité --- fournit une vue globale lors des réunions d'évaluation des fournisseurs.

---

Exécution des commandes

Taux de commande parfait

Le taux de commande parfait est la référence en matière de mesure de la satisfaction des clients. Il ne compte que les commandes qui répondent simultanément aux quatre critères.

Perfect Order Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactSalesOrder),
        FactSalesOrder[IsOnTime] = TRUE(),
        FactSalesOrder[IsInFull] = TRUE(),
        FactSalesOrder[IsDamageFree] = TRUE(),
        FactSalesOrder[IsDocumentCorrect] = TRUE()
    ),
    COUNTROWS(FactSalesOrder),
    0
)

On-Time Delivery Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactSalesOrder), FactSalesOrder[IsOnTime] = TRUE()),
    COUNTROWS(FactSalesOrder),
    0
)

Fill Rate =
DIVIDE(
    SUM(FactSalesOrder[QuantityShipped]),
    SUM(FactSalesOrder[QuantityOrdered]),
    0
)

Order Cycle Time =
AVERAGEX(
    FactSalesOrder,
    DATEDIFF(FactSalesOrder[OrderDate], FactSalesOrder[ActualShipDate], DAY)
)

Backorder Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactSalesOrder),
        FactSalesOrder[QuantityShipped] < FactSalesOrder[QuantityOrdered]
    ),
    COUNTROWS(FactSalesOrder),
    0
)

Tableau de bord d'exécution

Cartes KPI indiquant le taux de commandes parfaites, le taux de ponctualité, le taux de remplissage, le temps de cycle de commande et le taux de commandes en souffrance en haut.

Entonnoir d'exécution montrant la répartition des commandes parfaites et imparfaites, les commandes imparfaites étant décomposées en erreurs de retard, d'expédition incomplète, endommagées et de documentation. Cette visualisation en cascade répond « Pourquoi ne sommes-nous pas à 100 % ? »

Exécution par client ou canal dans une matrice. Différents clients ou canaux de vente peuvent avoir des performances d'exécution différentes, révélant des problèmes de capacité ou de processus spécifiques à certains types de commandes.

Tendance d'exécution quotidienne sous forme de graphique linéaire montrant le taux de ponctualité et le taux de remplissage au cours des 90 derniers jours. Ajoutez des lignes de référence à vos niveaux cibles. La granularité quotidienne révèle des modèles opérationnels (baisses certains jours de la semaine, impacts des promotions ou poussées saisonnières).

---

Planification de la demande et de l'offre

Visualisation de la prévision de la demande

Power BI excelle dans la visualisation de l'écart entre la demande et l'offre, permettant aux planificateurs de prendre des décisions proactives en matière de positionnement des stocks.

Forecasted Demand =
SUM(FactDemandForecast[ForecastedQuantity])

Actual Demand =
SUM(FactSalesOrder[QuantityOrdered])

Forecast Accuracy =
1 - ABS(
    DIVIDE(
        [Actual Demand] - [Forecasted Demand],
        [Forecasted Demand],
        0
    )
)

Supply Gap =
SUM(FactInventorySnapshot[QuantityAvailable]) +
SUM(FactInventorySnapshot[QuantityOnOrder]) -
[Forecasted Demand]

Graphique de la demande par rapport à l'offre. Un graphique en zones montrant la demande prévue sous forme de ligne, la demande réelle sous forme de barres (pour les périodes historiques), l'offre disponible sous forme de zone ombrée et l'offre en commande sous forme de zone ombrée secondaire. Lorsque la ligne de demande dépasse les zones d’offre combinées, il existe un écart qui nécessite une action d’approvisionnement.

Analyse des écarts au niveau du produit. Un tableau montrant chaque produit avec l'inventaire actuel, la quantité en commande, la demande prévue pour les 30/60/90 prochains jours et l'écart ou l'excédent qui en résulte. Triez par intervalle de 30 jours pour prioriser les actions immédiates.

Suivi de la précision des prévisions

Suivez la précision des prévisions par catégorie de produits, planificateur et horizon temporel. Les prévisions deviennent moins précises à l'avenir : la mesure de la précision à des horizons de 1 semaine, 4 semaines et 13 semaines révèle la fenêtre de planification fiable pour chaque catégorie de produits.

---

Analyse des coûts logistiques

Mesures des coûts de transport

Total Freight Cost =
SUM(FactShipment[FreightCost])

Cost per Shipment =
DIVIDE([Total Freight Cost], COUNTROWS(FactShipment), 0)

Cost per Unit Shipped =
DIVIDE([Total Freight Cost], SUM(FactShipment[Weight]), 0)

Freight as % of Revenue =
DIVIDE([Total Freight Cost], SUM(FactSalesOrder[Revenue]), 0)

Cost by Mode =
CALCULATE([Total Freight Cost])
-- Filter by DimShipment[Mode] in visualization

Tableau de bord logistique

Répartition des coûts par mode à l'aide d'un graphique en anneau montrant la répartition des coûts de transport par camion, train, transport maritime et aérien. Une part croissante du fret aérien indique souvent une logistique réactive (expéditions précipitées en raison d’une mauvaise planification).

Analyse des voies montrant les 20 principales voies d'expédition (paires origine-destination) en termes de volume et de coût. Une carte visuelle avec des lignes reliant les emplacements d'origine et de destination, l'épaisseur des lignes représentant le volume de l'expédition et la couleur représentant le coût par unité, fournit un contexte géographique.

Comparaison des performances des transporteurs dans une matrice montrant chaque transporteur avec des colonnes pour le taux de livraison à temps, le taux de dommages, le temps de transit moyen, le coût par expédition et le coût par livre. Cela permet une sélection et une négociation des transporteurs basées sur les données.

Tendance des coûts sous forme de graphique linéaire montrant les coûts logistiques mensuels avec un axe secondaire pour les coûts en pourcentage des revenus. La mesure du pourcentage normalise les changements de volume d'activité et révèle si l'efficacité logistique s'améliore ou se détériore.

---

Utilisation de l'entrepôt

Mesures de l'espace et de la main-d'œuvre

Space Utilization =
DIVIDE(
    SUM(FactWarehouse[UsedCapacity]),
    SUM(DimLocation[Capacity]),
    0
)

Labor Productivity (Units per Hour) =
DIVIDE(
    SUM(FactWarehouse[UnitsProcessed]),
    SUM(FactWarehouse[LaborHours]),
    0
)

Pick Accuracy =
DIVIDE(
    CALCULATE(SUM(FactWarehouse[CorrectPicks])),
    CALCULATE(SUM(FactWarehouse[TotalPicks])),
    0
)

Dock-to-Stock Time =
AVERAGEX(
    FactWarehouse,
    DATEDIFF(FactWarehouse[ReceiptTime], FactWarehouse[PutawayTime], HOUR)
)

Order Processing Time =
AVERAGEX(
    FactWarehouse,
    DATEDIFF(FactWarehouse[PickStartTime], FactWarehouse[ShipTime], HOUR)
)

Tableau de bord de l'entrepôt

Jauge d'utilisation. Un visuel de jauge montrant l'utilisation actuelle de l'espace par rapport à l'objectif (généralement 80 à 85 %). En dessous de 70 %, cela suggère un coût de capacité excédentaire. Au-dessus de 90 % indique des opérations limitées qui ralentissent le débit.

Tendance de la productivité du travail. Un graphique à barres montrant les unités par heure de travail par semaine, avec une ligne de référence cible. Les baisses de productivité pendant les périodes de pointe (saison des vacances) révèlent quand du personnel temporaire ou des heures supplémentaires sont nécessaires.

Carte thermique d'efficacité opérationnelle. Une matrice avec les heures de la journée sur les lignes et les jours de la semaine sur les colonnes, avec l'intensité des couleurs représentant le volume de débit. Cela révèle les modèles opérationnels : quels quarts de travail sont les plus productifs, quelles périodes ont des capacités inutilisées et quand des goulots d'étranglement surviennent.

---

Questions fréquemment posées

Quels systèmes doivent être intégrés pour un tableau de bord complet de la chaîne d'approvisionnement ?

Au minimum, vous avez besoin de votre système ERP (pour les commandes, les stocks et les données d'approvisionnement), de votre système de gestion d'entrepôt (pour les mesures opérationnelles) et de votre système de gestion des transports (pour les données d'expédition et de logistique). D'autres sources précieuses incluent les portails des fournisseurs (pour les données de délai de livraison et de qualité en temps réel), les systèmes de planification de la demande, les capteurs IoT (pour la surveillance des stocks et de l'état en temps réel) et les systèmes de commentaires des clients. Commencez avec l’ERP comme épine dorsale et ajoutez progressivement des sources complémentaires.

À quelle fréquence les tableaux de bord de la chaîne d'approvisionnement doivent-ils être actualisés ?

Les tableaux de bord d'inventaire et d'exécution bénéficient d'une actualisation quotidienne ou biquotidienne --- les décisions opérationnelles dépendent des niveaux de stock actuels et de l'état des commandes. Les tableaux de bord des performances des fournisseurs et des coûts logistiques peuvent être actualisés de manière hebdomadaire ou mensuelle, car ces mesures sont analysées à des intervalles plus longs. Les tableaux de bord opérationnels des entrepôts dans des environnements à volume élevé peuvent nécessiter une actualisation en temps quasi réel (toutes les 15 à 30 minutes) à l'aide de DirectQuery ou d'ensembles de données en streaming. Faites correspondre la fréquence de rafraîchissement à la fréquence de décision.

Qu'est-ce qu'un bon objectif de rotation des stocks ?

La rotation des stocks varie considérablement selon l’industrie. Épicerie et denrées périssables : 20 à 50 tours par an. Biens de consommation rapides : 8 à 15 tours. Fabrication industrielle et B2B : 4 à 8 tours. Équipement lourd et produits spécialisés : 2 à 4 tours. Comparez vos tours aux références de l’industrie et à votre propre tendance historique. Améliorer les virages de 1 à 2 points peut libérer un fonds de roulement important.

Comment gérer les problèmes de qualité des données dans l'analyse de la chaîne d'approvisionnement ?

La qualité des données est le principal défi de l’analyse de la chaîne d’approvisionnement. Les problèmes courants incluent des dates de réception manquantes, des codes de produit incohérents entre les systèmes et des enregistrements d'expédition incomplets. Résolvez-les au niveau du pipeline de données : implémentez des règles de validation dans votre processus ETL, créez des rapports d'exception pour les données manquantes et établissez des processus de gouvernance des données qui attribuent la propriété à chaque domaine de données. Dans Power BI, utilisez la mise en forme conditionnelle pour mettre en évidence les lignes contenant des données manquantes ou suspectes afin que les utilisateurs sachent à quels nombres se fier.

Power BI peut-il gérer la surveillance de la chaîne d'approvisionnement en temps réel ?

Power BI prend en charge des scénarios en temps réel et quasi-réel via DirectQuery (interroge la base de données source en direct), des ensembles de données en streaming (API push pour l'IoT et les données d'événement) et l'actualisation automatique des pages Power BI Premium (aussi fréquente que chaque seconde pour la capacité Premium). Pour surveiller les opérations de l'entrepôt ou suivre les expéditions en transit, configurez un ensemble de données en streaming qui reçoit les mises à jour de votre WMS ou TMS. Pour la plupart des tableaux de bord analytiques, une actualisation programmée toutes les 1 à 4 heures fournit une actualité suffisante.

Quelle est la différence entre le taux de remplissage et le taux de commandes parfaites ?

Le taux de remplissage mesure uniquement l'exécution de la quantité : le pourcentage d'unités commandées qui ont été expédiées. Un taux de remplissage de 95 % signifie que vous avez expédié 95 unités sur 100 commandées. Le taux de commandes parfaites est plus strict : il mesure simultanément le pourcentage de commandes qui ont été livrées à temps, dans leur intégralité, sans dommage et avec une documentation correcte. Une entreprise peut avoir un taux d'exécution de 95 %, mais seulement un taux de commandes parfaites de 75 %, car certaines de ces commandes exécutées sont arrivées en retard ou avec des documents erronés. Le taux de commande parfait est la mesure de l’expérience client la plus significative.

Comment puis-je intégrer une visibilité sur les risques liés à la chaîne d'approvisionnement dans le tableau de bord ?

Créez un tableau de bord des risques qui combine la concentration des fournisseurs (risque de source unique), la concentration géographique (risque de perturbation régionale), les jours d'approvisionnement en stock (adéquation des tampons), la santé financière des fournisseurs (si disponible) et la volatilité des délais (fournisseurs imprévisibles). Notez chaque facteur de risque et regroupez-le dans un indice composite de risque de la chaîne d’approvisionnement. Visualisez cela sous la forme d'une carte thermique des risques par catégorie de produit ou fournisseur, avec un accès approfondi aux données sous-jacentes. Les seuils d'alerte déclenchent des notifications lorsque les scores de risque dépassent les niveaux acceptables.

---

Analyses expertes de la chaîne d'approvisionnement

Les tableaux de bord de la chaîne d'approvisionnement qui génèrent une réelle amélioration opérationnelle nécessitent une expertise dans le domaine de la logistique, de la gestion des stocks et des achats, et pas seulement des compétences techniques Power BI. Les mesures doivent correspondre à votre réalité opérationnelle et les visualisations doivent servir aux décideurs spécifiques de votre organisation de chaîne d'approvisionnement.

Les services Power BI d'ECOSIRE fournissent le développement de tableaux de bord pour l'analyse de la chaîne d'approvisionnement et de la logistique, l'intégration ERP pour connecter Odoo, SAP et d'autres systèmes opérationnels, et l'optimisation des performances pour les tableaux de bord gérant de grands ensembles de données transactionnelles.

---

La visibilité de la chaîne d'approvisionnement ne consiste pas à disposer de plus de données : il s'agit plutôt d'avoir les bonnes données présentées dans le bon contexte et au bon moment. Un responsable d'entrepôt a besoin de la précision de prélèvement d'aujourd'hui. Un directeur des achats a besoin d'une évaluation des risques liés aux fournisseurs pour le trimestre prochain. Un directeur financier a besoin du coût de possession des stocks de ce mois-ci. Créez votre tableau de bord pour fournir à chaque public les indicateurs qui guident ses décisions, et l'ensemble de la chaîne d'approvisionnement s'améliore.