การวิเคราะห์สถานการณ์ - การเปลี่ยนแปลงปริมาณ

กรณีศึกษา: Supply Chain Analytics ใน Power BI

Nick Switzer

Analytics Lead

ข้อคิดจากผู้มีประสบการณ์

ทุกคนมีแผนจนกว่าจะโดนหมัด -Mike Tyson

ชายสวมนวมชกมวยหลังถูกต่อยล้มลง

หญิงสาวถือแล็ปท็อปและชูนิ้วขึ้นเหมือนกำลังประเมินทิศทางลม

โปรเจกต์เริ่มต้นด้วยสมมติฐาน
เครื่องมือวิเคราะห์ควรรองรับความไม่แน่นอนนี้
แหล่งที่มาของความไม่แน่นอน:
- อุปสงค์
- ความเหมาะสมระหว่างผลิตภัณฑ์และตลาด
- สภาวะเศรษฐกิจภายนอก
- ราคา

วงจรแสดงว่าราคาส่งผลต่ออุปสงค์ อุปสงค์ส่งผลต่อปริมาณการผลิต ปริมาณการผลิตส่งผลต่อต้นทุนการผลิต และต้นทุนส่งผลกลับมาที่ราคา

พนักงานออฟฟิศยุ่งกำลังคุยโทรศัพท์และจดบันทึกหน้าแล็ปท็อป

การเตรียมและรวบรวมใบเสนอราคาต้องใช้:

ชื่อคอลัมน์	คำอธิบาย
Part_Number	รหัสของหมายเลขชิ้นส่วนที่เสนอราคา
Supplier	ชื่อซัพพลายเออร์ที่ส่งใบเสนอราคา
Volume	ปริมาณการผลิตขั้นต่ำสำหรับราคาที่เสนอ
Unit_Cost	ต้นทุนต่อหน่วยที่เสนอ
Non_recurring_expenses	ค่าใช้จ่ายครั้งเดียวสำหรับปริมาณการผลิตที่กำหนด

Supplier	Part_Number	Volume	Unit_Cost	Non_recurring_expenses
Supplier_XYZ	Part_A	1000	$12.90	$2000
Supplier_XYZ	Part_A	5000	$9.78	$3000
Supplier_MNO	Part_A	1000	$5.90	$6000

Measure ต้นทุนรวมต้องใช้พารามิเตอร์ปริมาณ
Measure ต้นทุนรวมจะคืนค่าต้นทุนรวมต่ำสุดจากทุกชุดที่เข้าเงื่อนไข:
- Supplier
- Part
- Volume
เหมาะสำหรับการใช้ฟังก์ชันแบบวนซ้ำ

MINX(<table>, <expression>) คืนค่าต่ำสุดของนิพจน์ที่คำนวณจากแต่ละแถวในตารางที่ระบุ

ฟังก์ชันที่ใช้

Full Cost (Measure) = MINX(<table>, < expression>)

โครงสร้าง Measure

Full Cost (Measure) = MINX(FILTER(<table>,<filter>), <Full Cost formula>)

กรณีศึกษา: Supply Chain Analytics ใน Power BI