پاور BI سپلائی چین ڈیش بورڈ: مرئیت اور کارکردگی سے باخبر رہنا

سپلائی چین کی مرئیت کوئی عیش و آرام کی چیز نہیں ہے --- یہ تاخیر سے بھیجی جانے والی کھیپ کے درمیان فرق ہے جس کی قیمت ایک گاہک کو ادا کرنی پڑتی ہے اور جو صارف کو یہ معلوم ہونے سے پہلے کہ کوئی مسئلہ تھا۔ بالغ سپلائی چین اینالیٹکس والی تنظیمیں انوینٹری لے جانے والے اخراجات کو 15--25% تک کم کرتی ہیں، آرڈر کی تکمیل کی شرح کو 10--20% تک بہتر کرتی ہیں، اور لاجسٹکس کے اخراجات میں 8--15% کی کمی کرتی ہیں۔ پاور BI اس مرئیت کو ERP سسٹمز، ویئر ہاؤس مینجمنٹ سسٹمز، ٹرانسپورٹیشن مینجمنٹ سسٹمز، اور سپلائر پورٹلز کے ڈیٹا کو ایک واحد تجزیاتی منظر میں جوڑ کر ممکن بناتا ہے۔

چیلنج ڈیٹا کو جوڑنا نہیں ہے۔ چیلنج ڈیش بورڈز کو ڈیزائن کرنا ہے جو ہر سامعین کے لیے صحیح گرانولیریٹی پر صحیح میٹرکس کو ظاہر کرتا ہے --- گودام فلور مینیجر سے لے کر سپلائی چین کے VP کو سہ ماہی سپلائی کی کارکردگی اور صلاحیت کی منصوبہ بندی کا جائزہ لینے کے لیے آج کے انتخاب کی درستگی کا پتہ لگاتا ہے۔

یہ گائیڈ پاور BI میں سپلائی چین اینالیٹکس ڈیش بورڈ کے مکمل فن تعمیر کا احاطہ کرتا ہے، بشمول ڈیٹا ماڈل، KPI تعریفیں، DAX اقدامات، انوینٹری مینجمنٹ کے لیے ویژولائزیشن ڈیزائن، سپلائر کی کارکردگی، آرڈر کی تکمیل، ڈیمانڈ پلاننگ، لاجسٹکس کے اخراجات، اور گودام کے آپریشنز۔

---

سپلائی چین کے تجزیات کے لیے ڈیٹا ماڈل

بنیادی میزیں۔

سپلائی چین ڈیٹا ماڈلز مالیاتی یا HR ماڈلز سے زیادہ وسیع ہیں کیونکہ وہ متعدد آپریشنل سسٹمز پر محیط ہیں۔

مصنوعات کا طول و عرض (DimProduct)۔ پروڈکٹ کا ماسٹر ڈیٹا بشمول ProductID، SKU، ProductName، زمرہ، ذیلی زمرہ، UnitOfMeasure، وزن، حجم، UnitCost، ReorderPoint، SafetyStock، LeadTimeDays، ABCCclassification (A آئٹمز، %5 آئٹمز کی %5 اور قیمت کی نمائندگی کرتے ہیں) فعال ہے۔

سپلائر کا طول و عرض (DimSupplier)۔ سپلائر کا ماسٹر ڈیٹا بشمول SupplierID، SupplierName، ملک، علاقہ، زمرہ (خام مال، اجزاء، تیار سامان، پیکیجنگ)، کوالٹی ریٹنگ، OnTimeDeliveryRating، LeadTimeDays (معاہدہ شدہ)، ادائیگی کے لیے ہائی سورس یا اعلی درجے کی قیمت سپلائرز)۔

مقام کا طول و عرض (DimLocation)۔ گودام، تقسیم کے مراکز، اور اسٹور کے مقامات بشمول LocationID، LocationName، LocationType (warehouse، DC، اسٹور، کراس ڈاک)، پتہ، ملک، علاقہ، صلاحیت (یونٹ یا کیوبک فٹ)، اور آپریٹنگ لاگت۔

انوینٹری اسنیپ شاٹ فیکٹ ٹیبل (فیکٹ انوینٹری اسنیپ شاٹ)۔ انوینٹری لیولز کے روزانہ اسنیپ شاٹس۔ کالموں میں SnapshotDate، ProductID، LocationID، QuantityOnHand، QuantityAllocated، QuantityAvailable، QuantityOnOrder، UnitCost، اور TotalValue شامل ہیں۔

پرچیز آرڈر فیکٹ ٹیبل (فیکٹ پرچیز آرڈر)۔ لائن لیول کی تفصیل کے ساتھ آرڈرز خریدیں۔ کالموں میں POID، POLineID، SupplierID، ProductID، OrderDate، RequestedDeliveryDate، ActualDeliveryDate، QuantityOrdered، QuantityReceived، UnitPrice، IsOnTime (بولین)، IsInFull (بولین)، اور QualityPassRate شامل ہیں۔

سیلز آرڈر فیکٹ ٹیبل (FactSalesOrder)۔ کسٹمر آرڈرز کو پورا کرنے سے باخبر رہنا۔ کالموں میں SOID, SOLineID, CustomerID, ProductID, LocationID, OrderDate, RequestedShipDate, ActualShipDate, ActualDeliveryDate, QuantityOrdered, QuantityShipped, IsOnTime, IsInFull, IsDamageFree, اور IsDocumentCoect شامل ہیں۔

شیپمنٹ فیکٹ ٹیبل (فیکٹ شپمنٹ)۔ ٹرانسپورٹیشن ریکارڈز بشمول ShipmentID, CarrierID, OriginLocationID, DestinationLocationID, ShipDate, Delivery Date, Weight, Volume, Freight Cost, Mode (Tرک, Rail, Ocean, Air) and Service Level (standard, overnight)۔

تاریخ کا طول و عرض (DimDate)۔ معیاری تاریخ کی میز۔

---

انوینٹری مینجمنٹ میٹرکس

ضروری انوینٹری KPIs

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
)

انوینٹری ویژولائزیشن ڈیزائن

ڈیش بورڈ صفحہ 1: انوینٹری ہیلتھ۔

اوپر کی قطار: کل انوینٹری ویلیو، انوینٹری ٹرنز، سپلائی کے دن، اسٹاک آؤٹ ریٹ، اور اوور اسٹاک ریٹ کے لیے KPI کارڈز۔ مشروط فارمیٹنگ سٹاک آؤٹ کی شرحوں کو 2% سے اوپر دکھاتی ہے اور ہدف سے نیچے سرخ رنگ میں بدل جاتی ہے۔

درمیانی سیکشن: Y-axis پر انوینٹری ویلیو کے ساتھ ایک سکیٹر پلاٹ اور X-axis کو آن کرتا ہے، جس میں ہر ایک پروڈکٹ کے زمرے کی نمائندگی کرتا ہے۔ اوپری بائیں کواڈرینٹ میں پروڈکٹس (اعلی قدر، کم موڑ) اصلاح کا سب سے بڑا موقع ہیں --- وہ متناسب محصول میں حصہ ڈالے بغیر سرمایہ باندھتے ہیں۔

نچلا حصہ: ایک جدول کی فہرست سازی کی مصنوعات کو فراہمی کے دنوں کے حساب سے ترتیب دیا گیا ہے (صعودی طور پر) اسٹاک آؤٹ کے قریب ترین اشیاء کو ظاہر کرتا ہے۔ پروڈکٹ کے نام، موجودہ اسٹاک، یومیہ طلب کی شرح، سپلائی کے دن، دوبارہ ترتیب دینے والے پوائنٹ، اور آن آرڈر کی مقدار کے لیے کالم شامل کریں۔ مشروط فارمیٹنگ کا اطلاق کریں: سیفٹی اسٹاک کے نیچے کے لیے سرخ، ری آرڈر پوائنٹ کے نیچے کے لیے امبر، مناسب کے لیے سبز۔

ABC تجزیہ کا تصور

ABC کی درجہ بندی مصنوعات کی کل انوینٹری کی قیمت یا فروخت میں ان کے شراکت کے لحاظ سے تقسیم کرتی ہے۔ اسے ایک پیریٹو چارٹ کے طور پر تصور کریں جو پروڈکٹ کے لحاظ سے انوینٹری کی قیمت کا مجموعی فیصد دکھاتا ہے، جو سب سے زیادہ سے کم تک ترتیب دیا گیا ہے۔ A لائنیں 80% حد (A آئٹمز) اور 95% تھریشولڈ (B آئٹمز) کو نشان زد کرتی ہیں۔ باقی سی آئٹمز ہیں۔

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)

---

سپلائر کی کارکردگی

سپلائر سکور کارڈ میٹرکس

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])

سپلائر ڈیش بورڈ ڈیزائن

سپلائر سکور کارڈ میٹرکس۔ ایک ٹیبل جس میں ہر سپلائر کو OTIF ریٹ، اوسط لیڈ ٹائم، لیڈ ٹائم ویرینس، کوالٹی پاس ریٹ، اور کل اخراجات کے کالم دکھائے جاتے ہیں۔ کم کارکردگی دکھانے والوں کو نمایاں کرنے کے لیے OTIF کی شرح کے مطابق ترتیب دیں۔ ٹریفک لائٹ مشروط فارمیٹنگ کا اطلاق کریں۔

لیڈ ٹائم کا رجحان۔ ایک لائن چارٹ جس میں منتخب سپلائر کے لیے مہینہ کے لحاظ سے حقیقی لیڈ ٹائم بمقابلہ معاہدہ شدہ لیڈ ٹائم دکھایا گیا ہے۔ اصل اور معاہدہ شدہ لیڈ ٹائم کے درمیان بڑھتا ہوا فرق سپلائر کی کارکردگی کو خراب کرنے کا اشارہ دیتا ہے جو آخر کار اسٹاک آؤٹ کا سبب بنے گا۔

سپلائر کے خطرے کی تشخیص۔ کارکردگی (OTIF کی شرح) کے مقابلے میں ایک رسک میٹرکس پلاٹنگ سپلائر خرچ کا ارتکاز (ہر سپلائر سے آپ کی کل خریداری کا فیصد) بنائیں۔ زیادہ خرچ کرنے والے، کم کارکردگی والے سپلائرز اہم خطرات ہیں۔ گرتی ہوئی کارکردگی کے ساتھ سنگل سورس سپلائرز کو فوری ہنگامی منصوبہ بندی کی ضرورت ہوتی ہے۔

سپلائر کا موازنہ

ایک ریڈار چارٹ (مکڑی کا چارٹ) متعدد جہتوں میں 3--5 کلیدی سپلائرز کا موازنہ کرتا ہے --- وقت پر ڈیلیوری، معیار، قیمت کی مسابقت، لیڈ ٹائم مستقل مزاجی، اور ردعمل --- سپلائر کے جائزے کی میٹنگوں کے دوران ایک جامع منظر پیش کرتا ہے۔

---

آرڈر کی تکمیل

پرفیکٹ آرڈر ریٹ

بہترین آرڈر کی شرح کسٹمر کی تکمیل کی پیمائش کے لیے سونے کا معیار ہے۔ یہ صرف ان آرڈرز کو شمار کرتا ہے جو بیک وقت چاروں معیار پر پورا اترتے ہیں۔

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
)

تکمیل ڈیش بورڈ

KPI کارڈز پرفیکٹ آرڈر ریٹ، آن ٹائم ریٹ، فل ریٹ، آرڈر سائیکل ٹائم، اور بیک آرڈر ریٹ سب سے اوپر دکھا رہے ہیں۔

فللمنٹ فنل کامل بمقابلہ نامکمل آرڈرز کی خرابی کو ظاہر کرتا ہے، نامکمل آرڈرز دیر سے، مختصر بھیجے گئے، خراب شدہ، اور دستاویزات کی غلطیوں میں گلے ہوئے ہیں۔ آبشار کی طرز کا یہ تصور جواب دیتا ہے "ہم 100% پر کیوں نہیں ہیں؟"

میٹرکس میں کسٹمر یا چینل کے ذریعے تکمیل۔ مختلف کسٹمرز یا سیلز چینلز کی تکمیل کی کارکردگی مختلف ہو سکتی ہے، مخصوص آرڈر کی اقسام کے لیے مخصوص صلاحیت یا عمل کے مسائل کو ظاہر کرنا۔

روزانہ تکمیل کا رجحان ایک لائن چارٹ کے طور پر جو پچھلے 90 دنوں کے دوران وقت کی شرح اور بھرنے کی شرح کو ظاہر کرتا ہے۔ اپنے ہدف کی سطحوں پر حوالہ جات شامل کریں۔ روزانہ گرانولریٹی آپریشنل پیٹرن کو ظاہر کرتی ہے (ہفتے کے مخصوص دنوں میں کمی، پروموشنز کے اثرات یا موسمی اضافے)۔

---

ڈیمانڈ بمقابلہ سپلائی پلاننگ

ڈیمانڈ فورکاسٹنگ ویژولائزیشن

پاور BI ڈیمانڈ اور سپلائی کے درمیان فرق کو دیکھنے میں مہارت رکھتا ہے، منصوبہ سازوں کو فعال انوینٹری پوزیشننگ کے فیصلے کرنے کے قابل بناتا ہے۔

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]

ڈیمانڈ بمقابلہ سپلائی چارٹ۔ ایک ایریا چارٹ جس میں پیشن گوئی کی گئی مانگ کو ایک لائن کے طور پر، اصل مانگ کو سلاخوں کے طور پر (تاریخی ادوار کے لیے)، سایہ دار علاقے کے طور پر دستیاب سپلائی، اور ثانوی سایہ دار علاقے کے طور پر آن آرڈر سپلائی دکھایا گیا ہے۔ جہاں ڈیمانڈ لائن سپلائی کے مشترکہ علاقوں سے زیادہ ہے، وہاں ایک خلا موجود ہے جس کے لیے پروکیورمنٹ کارروائی کی ضرورت ہے۔

مصنوعات کی سطح کے فرق کا تجزیہ۔ ایک جدول جس میں ہر پروڈکٹ کو موجودہ انوینٹری، آن آرڈر کی مقدار، اگلے 30/60/90 دنوں کے لیے پیشن گوئی کی گئی مانگ، اور اس کے نتیجے میں پیدا ہونے والا فرق یا اضافی دکھایا گیا ہے۔ فوری کارروائی کی اشیاء کو ترجیح دینے کے لیے 30 دن کے وقفے سے ترتیب دیں۔

پیشن گوئی کی درستگی سے باخبر رہنا

پروڈکٹ کے زمرے، منصوبہ ساز، اور وقت کے افق کے لحاظ سے پیشن گوئی کی درستگی کو ٹریک کریں۔ پیشین گوئیاں مستقبل میں مزید کم درست ہو جاتی ہیں --- 1-ہفتہ، 4-ہفتہ، اور 13-ہفتوں کے افق پر درستگی کی پیمائش ہر پروڈکٹ کے زمرے کے لیے قابل اعتماد منصوبہ بندی ونڈو کو ظاہر کرتی ہے۔

---

لاجسٹک لاگت کا تجزیہ

ٹرانسپورٹیشن لاگت میٹرکس

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

لاجسٹک ڈیش بورڈ

موڈ کے لحاظ سے لاگت کی خرابی ایک ڈونٹ چارٹ کا استعمال کرتے ہوئے جس میں ٹرک، ریل، سمندر اور ہوا میں مال برداری کے اخراجات کی تقسیم دکھائی جاتی ہے۔ ایئر فریٹ کا بڑھتا ہوا حصہ اکثر ری ایکٹو لاجسٹکس کی نشاندہی کرتا ہے (ناقص منصوبہ بندی کی وجہ سے کھیپوں میں تیزی سے اضافہ)۔

لین کا تجزیہ حجم اور قیمت کے لحاظ سے ٹاپ 20 شپنگ لین (اصل منزل کے جوڑے) دکھا رہا ہے۔ اصل اور منزل کے مقامات کو جوڑنے والی لائنوں کے ساتھ ایک نقشہ بصری، جس میں لائن کی موٹائی کھیپ کے حجم کی نمائندگی کرتی ہے اور رنگ فی یونٹ لاگت کی نمائندگی کرتا ہے، جغرافیائی سیاق و سباق فراہم کرتا ہے۔

کیرئیر کی کارکردگی کا موازنہ ایک میٹرکس میں جس میں ہر کیریئر کو بروقت ڈیلیوری کی شرح، نقصان کی شرح، اوسط ٹرانزٹ وقت، فی کھیپ کی قیمت، اور فی پاؤنڈ لاگت کے کالم دکھائے جاتے ہیں۔ یہ ڈیٹا سے چلنے والے کیریئر کے انتخاب اور گفت و شنید کو قابل بناتا ہے۔

لاگت کا رجحان ایک لائن چارٹ کے طور پر جس میں آمدنی کے فیصد کے طور پر لاگت کے لیے ثانوی محور کے ساتھ ماہانہ لاجسٹکس کے اخراجات دکھائے جاتے ہیں۔ فیصد میٹرک کاروباری حجم میں تبدیلیوں کے لیے معمول بناتا ہے اور یہ ظاہر کرتا ہے کہ لاجسٹکس کی کارکردگی بہتر ہو رہی ہے یا بگڑ رہی ہے۔

---

گودام کا استعمال

اسپیس اور لیبر میٹرکس

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)
)

ویئر ہاؤس ڈیش بورڈ

استعمال گیج۔ ایک گیج بصری جو ہدف کے خلاف موجودہ جگہ کے استعمال کو ظاہر کرتا ہے (عام طور پر 80--85%)۔ 70٪ سے نیچے اضافی صلاحیت کی لاگت کی تجویز کرتا ہے۔ 90% سے اوپر محدود آپریشنز کی نشاندہی کرتا ہے جو تھروپپٹ کو سست کرتے ہیں۔

مزدوری پیداوری کا رجحان۔ ایک بار چارٹ جو ہفتہ کے حساب سے فی لیبر گھنٹہ یونٹ دکھاتا ہے، جس میں ایک ہدف حوالہ لائن ہے۔ چوٹی کے ادوار (چھٹیوں کے موسم) کے دوران پیداواری کمی ظاہر کرتی ہے جب عارضی عملہ یا اوور ٹائم کی ضرورت ہوتی ہے۔

آپریشنل ایفیشنسی ہیٹ میپ۔ قطاروں پر دن کے گھنٹوں اور کالموں پر ہفتے کے دنوں کے ساتھ ایک میٹرکس، جس میں رنگ کی شدت تھرو پٹ والیوم کی نمائندگی کرتی ہے۔ اس سے آپریشنل پیٹرن کا پتہ چلتا ہے --- کون سی شفٹ سب سے زیادہ نتیجہ خیز ہوتی ہے، کن اوقات میں بیکار صلاحیت ہوتی ہے، اور جب رکاوٹیں آتی ہیں۔

---

اکثر پوچھے گئے سوالات

ایک جامع سپلائی چین ڈیش بورڈ کے لیے کن سسٹمز کو مربوط کرنے کی ضرورت ہے؟

کم از کم، آپ کو اپنے ERP سسٹم (آرڈرز، انوینٹری، اور پروکیورمنٹ ڈیٹا کے لیے)، گودام مینجمنٹ سسٹم (آپریشنل میٹرکس کے لیے) اور ٹرانسپورٹیشن مینجمنٹ سسٹم (شپمنٹ اور لاجسٹکس ڈیٹا کے لیے) کی ضرورت ہے۔ اضافی قیمتی ذرائع میں سپلائی کرنے والے پورٹلز (ریئل ٹائم لیڈ ٹائم اور کوالٹی ڈیٹا کے لیے)، ڈیمانڈ پلاننگ سسٹم، آئی او ٹی سینسرز (ریئل ٹائم انوینٹری اور کنڈیشن مانیٹرنگ کے لیے)، اور کسٹمر فیڈ بیک سسٹم شامل ہیں۔ ERP کے ساتھ اپنی ریڑھ کی ہڈی کے طور پر شروع کریں اور تکمیلی ذرائع کو بتدریج شامل کریں۔

سپلائی چین ڈیش بورڈز کو کتنی بار ریفریش کرنا چاہیے؟

انوینٹری اور تکمیل ڈیش بورڈز روزانہ یا دو بار روزانہ کی تازہ کاری سے فائدہ اٹھاتے ہیں --- آپریشنل فیصلے موجودہ اسٹاک کی سطح اور آرڈر کی حیثیت پر منحصر ہیں۔ سپلائر کی کارکردگی اور لاجسٹکس لاگت کے ڈیش بورڈ ہفتہ وار یا ماہانہ تازہ کر سکتے ہیں کیونکہ ان میٹرکس کا طویل وقفوں پر تجزیہ کیا جاتا ہے۔ اعلی حجم والے ماحول میں ویئر ہاؤس آپریشنل ڈیش بورڈز کو DirectQuery یا اسٹریمنگ ڈیٹا سیٹس کا استعمال کرتے ہوئے قریب قریب ریئل ٹائم ریفریش (ہر 15--30 منٹ) کی ضرورت پڑ سکتی ہے۔ ریفریش فریکوئنسی کو فیصلے کی فریکوئنسی سے میچ کریں۔

ایک اچھی انوینٹری کا ہدف کیا ہے؟

صنعت کے لحاظ سے انوینٹری کے موڑ ڈرامائی طور پر مختلف ہوتے ہیں۔ گروسری اور خراب ہونے والا سامان: 20--50 موڑ فی سال۔ تیزی سے چلنے والی اشیائ: 8--15 موڑ۔ صنعتی اور B2B مینوفیکچرنگ: 4--8 موڑ۔ بھاری سامان اور خاص مصنوعات: 2--4 موڑ۔ اپنے موڑ کا صنعتی معیارات اور اپنے تاریخی رجحان سے موازنہ کریں۔ موڑ کو 1--2 پوائنٹس تک بہتر کرنے سے اہم ورکنگ کیپیٹل آزاد ہو سکتا ہے۔

میں سپلائی چین اینالیٹکس میں ڈیٹا کے معیار کے مسائل کو کیسے ہینڈل کروں؟

سپلائی چین کے تجزیات میں ڈیٹا کا معیار سب سے بڑا چیلنج ہے۔ عام مسائل میں گمشدہ رسید کی تاریخیں، سسٹمز کے درمیان متضاد پروڈکٹ کوڈز، اور کھیپ کے نامکمل ریکارڈ شامل ہیں۔ ڈیٹا پائپ لائن کی سطح پر ان کو ایڈریس کریں: اپنے ETL عمل میں توثیق کے قوانین کو لاگو کریں، گمشدہ ڈیٹا کے لیے استثنیٰ رپورٹیں بنائیں، اور ڈیٹا گورننس کے عمل کو قائم کریں جو ہر ڈیٹا ڈومین کے لیے ملکیت تفویض کرتے ہیں۔ پاور BI میں، گمشدہ یا مشکوک ڈیٹا والی قطاروں کو نمایاں کرنے کے لیے مشروط فارمیٹنگ کا استعمال کریں تاکہ صارفین جان سکیں کہ کن نمبروں پر بھروسہ کرنا ہے۔

کیا پاور BI ریئل ٹائم سپلائی چین مانیٹرنگ کو سنبھال سکتا ہے؟

Power BI DirectQuery (ماخذ ڈیٹا بیس سے براہ راست استفسار کرتا ہے)، سٹریمنگ ڈیٹاسیٹس (IoT اور ایونٹ ڈیٹا کے لیے API کو پُش کرتا ہے)، اور Power BI پریمیم خودکار صفحہ ریفریش (Premium کی صلاحیت کے لیے ہر سیکنڈ کی طرح اکثر) کے ذریعے حقیقی وقت اور قریب قریب حقیقی حالات کی حمایت کرتا ہے۔ گودام کی کارروائیوں کی نگرانی یا ٹرانزٹ ترسیل کی نگرانی کے لیے، ایک سٹریمنگ ڈیٹاسیٹ ترتیب دیں جو آپ کے WMS یا TMS سے اپ ڈیٹس وصول کرتا ہے۔ زیادہ تر تجزیاتی ڈیش بورڈز کے لیے، ہر 1--4 گھنٹے میں شیڈول ریفریش کافی کرنسی فراہم کرتا ہے۔

فِل ریٹ اور پرفیکٹ آرڈر ریٹ میں کیا فرق ہے؟

بھرنے کی شرح صرف مقدار کی تکمیل کی پیمائش کرتی ہے --- آرڈر شدہ یونٹس کا فیصد جو بھیجے گئے تھے۔ 95% فل ریٹ کا مطلب ہے کہ آپ نے آرڈر کیے گئے ہر 100 یونٹس میں سے 95 بھیجے ہیں۔ پرفیکٹ آرڈر ریٹ سخت ہے --- یہ ان آرڈرز کے فیصد کی پیمائش کرتا ہے جو وقت پر، مکمل، نقصان سے پاک، اور بیک وقت درست دستاویزات کے ساتھ تھے۔ کسی کمپنی کے پاس 95% فل ریٹ ہو سکتا ہے لیکن صرف 75% پرفیکٹ آرڈر ریٹ ہو سکتا ہے کیونکہ ان میں سے کچھ بھرے ہوئے آرڈر دیر سے پہنچے یا غلط کاغذی کارروائی کے ساتھ۔ پرفیکٹ آرڈر ریٹ زیادہ معنی خیز کسٹمر تجربہ میٹرک ہے۔

میں ڈیش بورڈ میں سپلائی چین کے خطرے کی مرئیت کیسے بناؤں؟

ایک رسک سکور کارڈ بنائیں جو سپلائر کی حراستی (سنگل سورس رسک)، جغرافیائی ارتکاز (علاقائی خلل کا خطرہ)، فراہمی کے انوینٹری کے دن (بفر کی مناسبیت)، سپلائر کی مالی صحت (اگر دستیاب ہو)، اور لیڈ ٹائم اتار چڑھاؤ (غیر متوقع سپلائرز) کو یکجا کرے۔ ہر خطرے کے عنصر کو اسکور کریں اور ایک جامع سپلائی چین رسک انڈیکس میں جمع کریں۔ اس کو پروڈکٹ کے زمرے یا سپلائر کے لحاظ سے ایک رسک ہیٹ میپ کے طور پر تصور کریں، بنیادی ڈیٹا تک ڈرل تھرو کے ساتھ۔ خطرے کے اسکور قابل قبول سطح سے تجاوز کرنے پر الرٹ کی حدیں اطلاعات کو متحرک کرتی ہیں۔

---

ماہر سپلائی چین تجزیات

سپلائی چین ڈیش بورڈز جو حقیقی آپریشنل بہتری کا باعث بنتے ہیں ان کے لیے لاجسٹکس، انوینٹری مینجمنٹ اور پروکیورمنٹ میں ڈومین کی مہارت کی ضرورت ہوتی ہے --- نہ صرف Power BI تکنیکی مہارت۔ میٹرکس کو آپ کی آپریشنل حقیقت کے مطابق ہونا چاہیے، اور تصورات کو آپ کی سپلائی چین تنظیم میں مخصوص فیصلہ سازوں کی خدمت کرنی چاہیے۔

ECOSIRE's Power BI سروسز سپلائی چین اور لاجسٹکس اینالیٹکس کے لیے ڈیش بورڈ ڈیولپمنٹ فراہم کرتی ہے، ERP انٹیگریشن Odoo، SAP، اور دیگر آپریشنل سسٹمز کو جوڑنے کے لیے، اور کارکردگی کی اصلاح بڑے ڈیش بورڈز ہینڈلنگ ڈیٹا کے لیے۔

---

سپلائی چین کی مرئیت زیادہ ڈیٹا رکھنے کے بارے میں نہیں ہے --- یہ صحیح ڈیٹا کو صحیح تناظر میں صحیح وقت پر پیش کرنے کے بارے میں ہے۔ ایک گودام مینیجر کو آج کے انتخاب کی درستگی کی ضرورت ہے۔ پروکیورمنٹ ڈائریکٹر کو اگلی سہ ماہی کے سپلائر کے خطرے کی تشخیص کی ضرورت ہوتی ہے۔ ایک CFO کو اس مہینے کی انوینٹری لے جانے والی لاگت کی ضرورت ہے۔ ہر سامعین کو ان میٹرکس کے ساتھ پیش کرنے کے لیے اپنا ڈیش بورڈ بنائیں جو ان کے فیصلوں کو آگے بڑھاتا ہے، اور پوری سپلائی چین بہتر ہوتی ہے۔