Power BI 中的供应链分析：可见性、风险和优化

近年来的供应链中断暴露了一个残酷的事实：大多数公司无法了解一级供应商之外的供应链。当一个国家的一家工厂关闭时，公司不知道他们的哪些组件来自该工厂——当他们发现时，已经来不及做出反应了。

Power BI 改变了这个等式。 Power BI 连接到 ERP 系统、供应商门户、物流平台和外部风险数据源，使供应链团队能够在问题演变为危机之前看到问题的可见性，并提供分析工具来系统地优化成本、库存和供应商关系。本指南涵盖了 Power BI 中供应链分析的全部范围，从基本 KPI 跟踪到高级风险检测。

要点

• 端到端供应链可视性需要在 Power BI 中集成 ERP、WMS、TMS 和供应商数据
• 供应商绩效记分卡推动问责制并识别单一来源依赖风险
• 准时交货 (OTIF) 衡量是供应链的主要交付绩效 KPI
• 库存优化分析可降低持有成本，同时保持服务水平
• 使用人工智能增强型 Power BI 进行需求预测，减少预测错误和库存浪费
• 运输分析可识别车道成本异常值和承运人绩效问题
• 供应链风险仪表板将外部数据（新闻、天气、地缘政治）与内部风险集成起来
• 完美订单率以单一综合指标衡量端到端供应链绩效

---

供应链分析数据架构

Power BI 中的供应链分析通常需要集成 6-10 个数据源：

最具可扩展性的架构使用数据仓库作为集成中心。源系统将数据放入仓库（通过 Fivetran、Azure 数据工厂或自定义管道），数据工程师应用转换并创建供应链维度和事实，Power BI 查询仓库中的所有仪表板和报告。

---

核心供应链 KPI

完美订单率值得特别关注，因为它从整体上体现了供应链绩效——订单必须按时交付、完整、完好无损，并且有正确的文档才能算作“完美”。 95% 准时率 × 98% 完成率 × 99% 完好率 × 99% 正确文档 = 91% 完美订单率。复合指标比任何单独的组件要求更高，并且更好地反映客户体验。

---

供应商绩效管理

供应商绩效管理是供应链分析具有最直接业务影响的地方。供应商绩效不佳（延迟交货、质量问题、订单不完整）会导致生产停顿、客户服务失败以及加快成本，从而使分析平台的成本相形见绌。

供应商记分卡从四个维度衡量每个供应商：

交付绩效：准时交付率，根据原始请求的交付日期（而非修订日期）衡量。一贯延迟交货但通过修改日期来管理期望的供应商并不能提高供应链的可靠性——他们只是推迟了问题的可见性。

质量性能：按批次、零件编号和检验结果划分的进货质量废品率。存在长期质量问题的供应商会消耗接收检验资源，当不良零件到达生产线时会导致生产延误，最终带来供应风险。

响应速度：供应商确认采购订单的速度有多快？他们对质量通知和纠正措施请求的响应速度有多快？正常时期反应迟缓预示着危机时期反应迟缓。

商业合规性：发票是否与采购订单相符？是否遵守货运条款？认证（ISO、REACH、RoHS）是否有效且已存档？

综合得分（按类别的重要性加权）产生从 A 到 D 的供应商排名。D 级供应商正在制定改进计划，如果绩效没有改善，则制定退出计划。仪表板显示趋势——供应商在六个月内从 C 转移到 B 应该得到认可；从 B 转移到 D 应该会引发升级。

单一源依赖关系映射是一项关键的风险分析功能。对于每个关键部分或组件，Power BI 会识别是否有单个来源或多个合格来源。供应商绩效评分较低的单一来源依赖性代表了最高优先级的供应链风险——这些情况可能会导致生产停顿。

Single Source Risk Score =
IF(
    COUNTROWS(
        FILTER(SupplierParts, SupplierParts[PartNumber] = EARLIER(SupplierParts[PartNumber]))
    ) = 1,
    DIVIDE(Parts[CriticalityScore], SupplierScorecard[PerformanceScore], 0),
    0
)

---

库存优化分析

库存代表着资金占用、存储成本和过时风险。库存太少会导致缺货和生产中断。太多会造成浪费和现金流紧张。 Power BI 的库存分析有助于找到最佳库存，即满足所有 SKU 位置组合的服务水平目标的最低库存。

ABC-XYZ 分析 按两个维度对库存进行分类：

• ABC（按价值）：A = 按年度支出排名前 20% 的商品，B = 接下来的 30%，C = 排名最后的 50%
• XYZ（按需求变化）：X = 一致的需求，Y = 中等变化，Z = 高度不稳定的需求

由此产生的 9 类矩阵（AX、AY、AZ、BX...CZ）指导库存策略。 AX 商品（高价值、持续需求）需要严格的库存管理——精确的再订购点、频繁盘点、供应商协作。 CZ 商品（低价值、需求不稳定）可能适合按订单生产或供应商管理库存，而不是库存。

安全库存优化计算在给定需求变化和供应提前期变化的情况下维持目标服务水平所需的缓冲库存。公式：

Safety Stock =
Z_Score × SQRT(
    (Lead_Time_Avg × Demand_StdDev^2) +
    (Demand_Avg^2 × Lead_Time_StdDev^2)
)

其中 Z_Score = 1.65 表示 95% 服务水平，2.05 表示 98%，2.33 表示 99%。 Power BI 会针对每个 SKU 位置组合计算此值，并将其与当前安全库存进行比较 — 显示库存不足（服务风险）或库存过多（资本过剩）的商品。

滞销和过时 (SLOB) 库存分析可识别 90、180 或 365 天内未移动的商品。对于制造商来说，被设计变更所取代的过时组件代表着注销风险。对于分销商来说，库存滞销会占用货架空间和资金。 Power BI 使用建议的处置方式标记 SLOB 库存：退回供应商、折扣销售或冲销。

---

需求预测和规划

供应链绩效始于需求预测——预测越好，所需的安全库存越少，供应链的规划效率就越高。 Power BI 与需求规划系统集成，并通过其内置分析引擎添加人工智能驱动的预测功能。

Power BI 中的统计预测 使用时间序列分解将需求分为趋势、季节性和噪声分量。由人工智能驱动的预测视觉效果将指数平滑或回归模型与历史数据相匹配，并生成具有置信区间的预测。

预测准确性测量跟踪实际需求与预测的比较。平均绝对百分比误差 (MAPE) 是标准指标 — MAPE 低于 20% 对于大多数行业来说都被认为是良好的。按产品系列和规划期限（第 1 周与第 8 周）跟踪 MAPE，以确定预测改进将产生最大影响的地方。

需求感知使用短期信号（POS 数据、订单模式、网络流量、社交聆听）来调整领先指标的统计预测。当连接到适当的源时，Power BI 可以合并这些信号，生成比单独的统计基线更准确的综合预测。

共识预测 将营销的促销日历、销售基于渠道的调整以及统计基线整合到一个共识数字中。 Power BI 的共识预测工作流程显示每个利益相关者的输入以及统计基线，标记需要讨论的大偏差。

---

物流和运输分析

对于制造商和分销商来说，运输通常占收入的 5-10%，这是一个重要的成本中心，通过分析可以发现大量的节省。 Power BI 的交通分析仪表板连接到 TMS 数据，以提供车道级、运营商级和模式级成本和性能可视性。

每单位货运成本 按航线（出发地-目的地对）确定成本远高于基准的异常航线。这些异常值可能反映了模式选择（海运服务可以选择空运）、承运商选择（区域承运商就足够了的优质承运商）或货运整合机会（许多小批量货运，每周整合负载的成本会更低）。

按承运商和航线按时交付衡量承运商的可靠性。在基准为 96% 的航线上准点率达到 88% 的承运人要么在该航线的运力方面陷入困境，要么正在经历系统性运营问题。分析提供了与运营商进行富有成效的对话或重新分配数量的证据。

货运发票审计分析 将计费运费与合同费率和预期费用进行比较。承运人的过高计费（错误的重量等级、不正确的区域、未经授权的附加费用）非常常见，以至于许多大型托运人都聘请货运审计公司。 Power BI 可以通过标记账单金额超出预期超过容差阈值的发票来自动化大部分审核流程。

模式优化分析历史出货量，以确定可以改进模式选择的地方。通过空运运输的货物（地面交付可以满足客户要求的日期），或者比零担更便宜的整车运输（FTL）货物，代表可收回成本。

---

供应链风险分析

供应链风险分析是一种能够提供最具战略价值的能力，而在最近的全球性破坏之前，大多数组织对其了解程度最低。 Power BI 可以将内部风险数据与外部风险信号集成，创建供应链风险仪表板，为采购团队和管理人员提供预警系统。

地理集中风险绘制供应商所在位置的地图，并按地理位置量化风险敞口。一家公司 60% 的关键零部件类别来自单一国家，因此存在显着的集中风险。 Power BI 将其可视化为一张填充地图，其中包含按国家或地区划分的曝光分数。

财务健康监控跟踪主要供应商的信用评级、财务备案和新闻提及。财务状况恶化的供应商面临产能下降、质量问题或破产的风险。预警使采购团队有时间在危机发生前确定替代方案。

交货时间波动跟踪测量供应商和零件的实际交货时间的标准偏差。交货时间的高波动性是供应中断的一个主要指标——交货时间一直在增加或变得更加不稳定的供应商正在表现出压力。此信号通常会在更严重的供应问题出现之前 60-90 天出现。

外部风险集成 连接到风险数据提供商（Resilinc、Everstream、Dun & Bradstreet）或公共数据源（天气 API、新闻源），以将外部上下文添加到内部供应链数据中。飓风逼近关键采购地区的供应商集群，或者关键物流中心附近的政治动荡，都可以自动显示在仪表板上。

---

常见问题

Power BI 如何连接到 SAP 进行供应链分析？

Power BI 通过 SAP HANA 连接器、SAP BW/4HANA 连接器或通过 SAP DataSphere 或 Syniti 加载的中间数据仓库连接到 SAP ECC 和 S/4HANA。对于运营供应链数据（采购订单、收货、库存状况），大多数实现每天将数据提取到暂存层，并在 Power BI 查询之前将其加载到数据仓库中。如果 SAP HANA 是底层数据库，则可以通过 SAP HANA 连接器通过 DirectQuery 访问实时 SAP 数据。

什么是 On-Time In-Full (OTIF) 以及为什么它很重要？

OTIF 衡量按时（按要求的交货日期）交付和全额（订购的全部数量）交付的订单的百分比。它将交付绩效的两个关键维度合并为一个指标。按时交付但少于订购数量 5% 的货物不视为符合 OTIF。沃尔玛的 OTIF 计划对不合规的供应商进行罚款，使 OTIF 受到重视，但它现在被广泛用作主要供应链交付 KPI，因为它捕获了客户的实际需求。

Power BI 可以帮助进行需求预测吗？还是需要单独的工具？

Power BI 包含内置 AI 预测，可为许多供应链用例生成合理的时间序列预测。对于更复杂的预测（结合外部因素、因果建模、数千个 SKU 的分层预测），专用需求计划系统（Kinaxis、o9、Blue Yonder、SAP IBP）更适合。然后，Power BI 连接到这些系统，以可视化其预测以及实际需求并计算预测准确性指标。

如何在 Power BI 中衡量供应链风险？

Power BI 中的供应链风险通常将内部风险数据（我们购买什么、购买多少、从哪里购买）与绩效信号（交货时间趋势、质量趋势、交付趋势）以及来自风险情报提供商的外部风险数据结合起来。风险评分可以在 DAX 中计算为加权组合。地理集中度、单一来源依赖性和供应商财务状况是三个最常跟踪的维度。生成的风险热图显示哪些供应商-零件组合具有最高的综合风险。

使用 Power BI 进行供应链分析的投资回报率是多少？

供应链分析投资回报率来自多个来源：减少库存（更好的安全库存计算可减少 10-20% 的过剩）、降低货运成本（模式优化和承运人分析可节省 5-10% 的运输支出）、降低质量成本（更好的供应商管理可减少传入缺陷）以及避免中断成本（风险分析可实现主动多元化）。对于一家 COGS 为 1 亿美元、库存周转率为 20% 的公司来说，库存减少 10% 就可以从营运资金中节省 200 万美元。

---

后续步骤

当供应链分析连接所有正确的数据源并向每个利益相关者（从仓库经理到首席产品官再到首席财务官）提供连贯的、适合角色的视图时，供应链分析效果最佳。数据架构与仪表板一样重要；源头数据质量差会破坏每一个洞察力。

ECOSIRE 的 Power BI 服务 包括供应链分析实施，具有跨 ERP 平台、WMS 和 TMS 集成以及供应商绩效管理框架的经验。联系我们讨论您的供应链可见性目标。