Power BI サプライ チェーン ダッシュボード: 可視性とパフォーマンスの追跡

サプライチェーンの可視化は贅沢ではありません。出荷が遅れて顧客に損害が発生するか、顧客が問題の発生に気づく前に別のルートで出荷されるかの違いです。成熟したサプライチェーン分析を備えた組織は、在庫維持コストを 15 ～ 25% 削減し、注文履行率を 10 ～ 20% 向上させ、物流支出を 8 ～ 15% 削減します。 Power BI は、ERP システム、倉庫管理システム、輸送管理システム、サプライヤー ポータルからのデータを単一の分析ビューに接続することで、この可視化を可能にします。

課題はデータを接続することではありません。課題は、今日のピッキング精度を追跡する倉庫フロアマネージャーから、四半期ごとのサプライヤーのパフォーマンスと生産能力計画を評価するサプライチェーン担当副社長に至るまで、各対象者に適切な粒度で適切な指標を表示するダッシュボードを設計することです。

このガイドでは、データ モデル、KPI 定義、DAX 測定、在庫管理の視覚化設計、サプライヤーのパフォーマンス、注文履行、需要計画、物流コスト、倉庫業務など、Power BI のサプライ チェーン分析ダッシュボードの完全なアーキテクチャについて説明します。

---

サプライ チェーン分析のデータ モデル

コアテーブル

サプライ チェーン データ モデルは、複数の運用システムにまたがるため、財務モデルや人事モデルよりも広範です。

製品ディメンション (DimProduct)。 ProductID、SKU、ProductName、Category、SubCategory、UnitOfMeasure、Weight、 Volume、UnitCost、ReorderPoint、SafetyStock、LeadTimeDays、ABCClassification (A 項目は値の 80%、B 項目は 15%、C 項目は 5% を表す)、および IsActive を含む製品マスター データ。

サプライヤー ディメンション (DimSupplier)。 SupplierID、SupplierName、国、地域、カテゴリ (原材料、コンポーネント、完成品、梱包)、QualityRating、OnTimedeliveryRating、LeadTimeDays (契約)、PaymentTerms、および IsCritical (単一ソースまたは高額サプライヤーの場合はブール値) を含むサプライヤー マスター データ。

場所のディメンション (DimLocation)。 倉庫、配送センター、店舗の場所。LocationID、LocationName、LocationType (倉庫、DC、店舗、クロスドック)、住所、国、地域、容量 (単位または立方フィート)、OperatingCost が含まれます。

在庫スナップショット ファクト テーブル (FactInventorySnapshot)。 在庫レベルの毎日のスナップショット。列には、SnapshotDate、ProductID、LocationID、QuantityOnHand、QuantityAllocated、QuantityAvailable、QuantityOnOrder、UnitCost、TotalValue が含まれます。

発注書のファクト テーブル (FactPurchaseOrder)。 明細レベルの詳細を含む発注書。列には、POID、POLineID、SupplierID、ProductID、OrderDate、RequesteddeliveryDate、ActualdeliveryDate、QuantityOrdered、QuantityReceived、UnitPrice、IsOnTime (ブール値)、IsInFull (ブール値)、QualityPassRate が含まれます。

販売注文ファクト テーブル (FactSalesOrder)。 フルフィルメント追跡を伴う顧客注文。列には、SOID、SOLineID、CustomerID、ProductID、LocationID、OrderDate、RequestedShipDate、ActualShipDate、ActualdeliveryDate、QuantityOrdered、QuantityShipped、IsOnTime、IsInFull、IsDamageFree、および IsDocumentCorrect が含まれます。

出荷ファクト テーブル (Factpayment)。 シップメント ID、運送業者 ID、OriginLocationID、DestinationLocationID、ShipDate、deliveryDate、重量、体積、FreightCost、モード (トラック、鉄道、海上、航空)、およびサービスレベル (標準、急送、夜間) を含む輸送レコード。

日付ディメンション (DimDate)。 標準日付テーブル。

---

在庫管理メトリクス

重要な在庫 KPI

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
)

在庫可視化設計

ダッシュボード ページ 1: 在庫の健全性。

上の行: 合計在庫額、在庫回転数、供給日数、在庫切れ率、および過剰在庫率の KPI カード。条件付き書式では、在庫切れ率が 2% を超えるとフラグが設定され、目標を下回ると赤色で表示されます。

中央セクション: Y 軸に在庫金額、X 軸に回転する散布図。各バブルは製品カテゴリを表します。左上の象限にある製品 (高価値、低回転) は最大の最適化の機会です。これらの製品は、比例した収益に貢献せずに資本を拘束します。

下のセクション: 在庫切れに最も近いアイテムを示す、供給日数 (昇順) でソートされた製品をリストした表。製品名、現在の在庫、日次需要率、供給日数、再注文ポイント、および注文数量の列が含まれます。条件付き書式を適用します。安全在庫を下回っている場合は赤色、再注文ポイントを下回っている場合は黄色、適切な場合は緑色です。

ABC分析の可視化

ABC 分類では、在庫総額または売上高に対する貢献度に応じて製品を分類します。これを、製品ごとの在庫価値の累積パーセンテージを最高から最低まで並べて示すパレート図として視覚化します。 A 行は 80% のしきい値 (A 項目) と 95% のしきい値 (B 項目) を示します。残りはC品です。

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)

---

サプライヤーのパフォーマンス

サプライヤー スコアカードの指標

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])

サプライヤー ダッシュボードのデザイン

サプライヤー スコアカード マトリックス。 OTIF 率、平均リード タイム、リード タイム差異、品質合格率、および総支出の列を含む各サプライヤーを示す表。 OTIF レートで並べ替えて、パフォーマンスの低い企業を強調表示します。信号機の条件付き書式を適用します。

リード タイムの傾向 選択したサプライヤーの月ごとの実際のリード タイムと契約リード タイムを示す折れ線グラフ。実際のリードタイムと契約リードタイムの​​差が拡大すると、サプライヤーのパフォーマンスが低下し、最終的には在庫切れが発生する可能性があります。

サプライヤーのリスク評価。 パフォーマンス (OTIF 率) に対してサプライヤーの支出集中 (各サプライヤーからの総調達に占める割合) をプロットしたリスク マトリックスを作成します。支出が高く、業績が低いサプライヤーは重大なリスクです。業績が低下している単一供給元のサプライヤーは、即時の緊急時対応計画を必要としています。

サプライヤーの比較

納期厳守、品質、価格競争力、リードタイムの​​一貫性、対応性といった複数の側面にわたって 3 ～ 5 社の主要サプライヤーを比較するレーダー チャート (スパイダー チャート) は、サプライヤーのレビュー会議中に全体的なビューを提供します。

---

注文の履行

完全注文率

完全注文率は、顧客満足度を測定するためのゴールドスタンダードです。 4 つの基準をすべて同時に満たす注文のみがカウントされます。

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
)

フルフィルメント ダッシュボード

KPI カード の上部には、完全注文率、納期遵守率、履行率、注文サイクル タイム、およびバックオーダー率が表示されます。

フルフィルメントファネルは、完璧な注文と不完全な注文の内訳を示し、不完全な注文は遅延、不足、破損、文書エラーに分解されます。このウォーターフォール スタイルのビジュアライゼーションは、「なぜ 100% に達していないのか?」という疑問に答えます。

顧客またはチャネル別のフルフィルメントをマトリックスで示します。顧客や販売チャネルが異なれば、履行パフォーマンスも異なる可能性があり、特定の注文タイプに特有の処理能力やプロセスの問題が明らかになります。

日次のフルフィルメント傾向。過去 90 日間のオンタイム率とフィル率を示す折れ線グラフです。ターゲット レベルに基準線を追加します。毎日の粒度により、運用パターン (特定の曜日の落ち込み、プロモーションの影響や季節的な急増) が明らかになります。

---

需要と供給の計画

需要予測の可視化

Power BI は、需要と供給の間のギャップを視覚化することに優れており、プランナーが在庫配置の積極的な決定を行うことができます。

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]

需要対供給グラフ。 予測需要を線、実際の需要を棒グラフ (過去の期間)、利用可能な供給を影付き領域として、オーダー供給を 2 番目の影付き領域として示す面グラフ。需要線が供給エリアの合計を超える場合、ギャップが存在し、調達アクションが必要になります。

製品レベルのギャップ分析。 各製品の現在の在庫、注文数量、今後 30/60/90 日の予測需要、およびその結果生じるギャップまたは余剰を示す表。 30 日の間隔で並べ替えて、すぐに実行すべき項目に優先順位を付けます。

予測精度の追跡

製品カテゴリ、プランナー、期間ごとに予測精度を追跡します。将来になるほど予測の精度は低くなります。1 週間、4 週間、13 週間の期間で精度を測定すると、各製品カテゴリの信頼できる計画期間が明らかになります。

---

物流コスト分析

輸送コストの指標

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

物流ダッシュボード

輸送手段別のコスト内訳。トラック、鉄道、海上、航空にわたる輸送コストの分布を示すドーナツ グラフを使用します。航空貨物の割合の増加は、多くの場合、事後対応的な物流 (不十分な計画による急ぎの出荷) を示しています。

レーン分析は、量とコストの上位 20 の配送レーン (出発地と目的地のペア) を示します。出発地と目的地の位置を線で結んだ地図ビジュアルは、線の太さが出荷量を表し、色が単位あたりのコストを表し、地理的なコンテキストを提供します。

運送業者のパフォーマンスの比較。各運送業者を示すマトリックスで、納期厳守率、破損率、平均輸送時間、出荷あたりのコスト、およびポンドあたりのコストの列が表示されます。これにより、データ駆動型の通信事業者の選択とネゴシエーションが可能になります。

コスト傾向。収益に対するコストの第 2 軸を使用して月次の物流コストを示す折れ線グラフです。パーセンテージ指標は業務量の変化を正規化し、物流効率が向上しているか低下しているかを明らかにします。

---

倉庫の使用率

スペースと労働力の指標

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)
)

倉庫ダッシュボード

使用率ゲージ。 ターゲットに対する現在のスペース使用率 (通常 80 ～ 85%) を示すゲージのビジュアル。 70% 未満の場合は、過剰な容量コストが示唆されます。 90% を超える場合は、スループットが低下する制約のある操作を示します。

労働生産性の傾向 週ごとの労働時間当たりの単位を示す棒グラフと目標基準線。繁忙期（ホリデーシーズン）の生産性の低下により、派遣や残業がいつ必要になるかがわかります。

運用効率のヒートマップ。 行に時間帯、列に曜日を示すマトリックス。色の濃さはスループット量を表します。これにより、どのシフトが最も生産的か、どの時間帯に空き容量があるか、いつボトルネックが発生するかなど、運用パターンが明らかになります。

---

よくある質問

包括的なサプライ チェーン ダッシュボードにはどのシステムを統合する必要がありますか?

少なくとも、ERP システム (注文、在庫、調達データ用)、倉庫管理システム (運用指標用)、輸送管理システム (出荷および物流データ用) が必要です。その他の貴重なソースには、サプライヤー ポータル (リアルタイムのリード タイムと品質データ用)、需要計画システム、IoT センサー (リアルタイムの在庫と状態監視用)、顧客フィードバック システムなどがあります。 ERP をバックボーンとして開始し、補完的なソースを段階的に追加します。

サプライ チェーン ダッシュボードはどのくらいの頻度で更新する必要がありますか?

在庫とフルフィルメントのダッシュボードは、毎日または 1 日 2 回更新することでメリットが得られます。運用上の決定は、現在の在庫レベルと注文ステータスによって決まります。サプライヤーのパフォーマンスと物流コストのダッシュボードは、これらの指標がより長い間隔で分析されるため、毎週または毎月更新できます。大容量環境のウェアハウス運用ダッシュボードでは、DirectQuery またはストリーミング データセットを使用したほぼリアルタイムの更新 (15 ～ 30 分ごと) が必要な場合があります。リフレッシュ頻度を決定頻度と一致させます。

適切な在庫回転目標とは何ですか?

在庫回転率は業界によって大きく異なります。食料品および生鮮品: 年間 20 ～ 50 回転。動きの速い消費財: 8 ～ 15 ターン。工業および B2B 製造: 4 ～ 8 ターン。重機と特産品：2～4ターン。自分のターンを業界のベンチマークと自分自身の過去の傾向と比較してください。回転数を 1 ～ 2 ポイントでも改善すると、大幅な運転資金を解放できます。

サプライ チェーン分析におけるデータ品質の問題はどのように処理すればよいですか?

データ品質は、サプライ チェーン分析における最大の課題です。一般的な問題としては、受領日の欠落、システム間での製品コードの不一致、出荷記録の不完全などが挙げられます。データ パイプライン レベルでこれらに対処します。つまり、ETL プロセスに検証ルールを実装し、欠落データの例外レポートを作成し、各データ ドメインに所有権を割り当てるデータ ガバナンス プロセスを確立します。 Power BI では、条件付き書式を使用して欠落データまたは疑わしいデータを含む行を強調表示し、どの数値を信頼すべきかをユーザーが判断できるようにします。

Power BI はリアルタイムのサプライ チェーン監視を処理できますか?

Power BI は、DirectQuery (ソース データベースにライブでクエリを実行)、ストリーミング データセット (IoT およびイベント データ用のプッシュ API)、および Power BI Premium の自動ページ更新 (Premium 容量の場合は毎秒の頻度) を通じて、リアルタイムおよびほぼリアルタイムのシナリオをサポートします。倉庫の運用を監視したり、輸送中の出荷を追跡したりするには、WMS または TMS から更新を受信するストリーミング データセットを構成します。ほとんどの分析ダッシュボードでは、1 ～ 4 時間ごとにスケジュールされた更新で十分な最新性が得られます。

約定率と完全注文率の違いは何ですか?

履行率は、数量履行のみを測定します。つまり、出荷された注文単位の割合です。充填率 95% は、注文した 100 ユニットのうち 95 ユニットを出荷したことを意味します。完璧な注文率はより厳格です。これは、期限通りに、完全に、損傷がなく、同時に正しい文書が添付された注文の割合を測定します。企業の履行率は 95% であっても、履行された注文の一部が到着が遅れたり書類が間違っていたりするため、完全注文率は 75% にとどまる場合があります。完全注文率は、より意味のある顧客体験の指標です。

ダッシュボードにサプライ チェーン リスクの可視性を組み込むにはどうすればよいですか?

サプライヤーの集中度（単一ソースのリスク）、地理的集中度（地域的混乱リスク）、供給の在庫日数（バッファーの適切性）、サプライヤーの財務健全性（可能な場合）、リードタイムの​​変動性（予測不可能なサプライヤー）を組み合わせたリスクスコアカードを作成します。各リスク要因にスコアを付けて、複合サプライ チェーン リスク指数に集計します。これを製品カテゴリまたはサプライヤーごとのリスク ヒートマップとして視覚化し、基礎となるデータへのドリルスルーを行います。アラートしきい値は、リスク スコアが許容レベルを超えたときに通知をトリガーします。

---

エキスパートのサプライ チェーン分析

実際の運用改善を推進するサプライ チェーン ダッシュボードには、Power BI の技術スキルだけでなく、物流、在庫管理、調達に関する専門知識が必要です。指標は運用の現実と一致している必要があり、視覚化はサプライ チェーン組織内の特定の意思決定者に役立つものでなければなりません。

ECOSIRE の Power BI サービス は、サプライ チェーンと物流分析のための ダッシュボード開発、Odoo、SAP、およびその他の運用システムを接続するための ERP 統合、および大規模なトランザクション データセットを処理するダッシュボードのための パフォーマンスの最適化 を提供します。

---

サプライ チェーンの可視性は、より多くのデータを保有することではなく、適切なタイミングで適切なコンテキストで適切なデータを提示することです。倉庫管理者は今日のピッキング精度を必要としています。調達ディレクターは次の四半期のサプライヤーのリスク評価を必要としています。 CFO は今月の在庫保管コストを必要としています。ダッシュボードを構築して、各視聴者に意思決定の原動力となる指標を提供することで、サプライ チェーン全体が改善されます。