商品采购入库满足率

背景

在现公司的 BI 系统支持下，没有采购入库满足率报表。所以作为业务人员基本没法有效追踪商品请购，采购，入库流程各个环节数据。

对商品运营来说，一定要时刻关注商品库存量，尤其是畅销款商品的库存，那就要求我们对商品入库的进度时刻追踪，针对常规门店补货调拨动作也有一定的针对性。另外方便年终总结，如商品入库情况对商品售罄率影响，总之做到数可查，有理有据。

满足率计算难点

对商品运营人员来说，采购入库满足率的计算难点主要体现在以下方面:

1. 基础数据源整理
2. 数据呈现(计算工具)
3. 相关指标定义

   根本原因公司IT做了大半年开发还没做完

由于商品从 oa 请购到入库，整个过程数据流是割裂的，从而导致统计数据很困难。整个过程可分解为：

1. oa 请购 （商品运营人员）
2. oa 请购单转采购单（供应链部门处理）
3. 采购单对应商品入库（仓库处理)

三个业务过程由不同业务部门人员操作，在 SAP 系统中，数据表分为， oa 请购表，oa 请购转采购表，商品入库表。那我们是不是简单关联三张表就能获得方便统计的数据呢？在数据流处理上真正困难是因为一个 oa 请购订单包含多个商品(SKU)，而不同的商品可能会被转成多个采购单，而不同的采购订单可能会分为多批次入库，如下所示：

上述表单仅呈现数量关系，还有重要的日期时间维度未体现。

oa 单号 20210708100112 请购两个商品10010340282（100个），10010340283（200个），其中 10010340283 在采购部转采购单时被转成两个采购单，采购数量分别是100。

最后，根据采购订单入库，多批次入库，如下：

那我们如果直接通过采购单号关联三部分数据，必然会导致请购数据以及采购数量发散从而导致数据不准确。

指标体系

除了上述数据源的问题，我们应该构建哪些指标从而方便开展工作，我觉得可以从以下方面思考：

• 根据回货情况，可能与既定新品上市计划冲突，即时调整新品上市节奏以及其他配套资源（市场营销，销售话术等等）。
• 针对畅销商品回货情况，不同商品采用不同的策略给门店铺货、补货。
• 总结汇报时需要的指标，比如准期满足率，

准期满足率：按照要求回货日期内回货数量与采购数量的比值

要求回货100，实际回货105，根据实际情况采用不同的口径计算准期满足率，可按照回货量100或105计算。

准期足量回货数量：要求回货日期内回货数量是否占采购数量的 80% 以上，如果是，则称为足量准期回货数量

准期足量满足率：准期足量回货数量与采购数量的比值

延期回货情况：比如延期一周、两周、三周、一个月、一个月以上回货

以上口径都是从商品入库回货数量的角度出发，实际上还有“订单SKU数”口径。
订单SKU数：订单SKU数即每个采购单，同一请购单的同一SKU，被转单成 3 个采购单，则订单SKU数为 3。

转单效率，如下所示：

婚前

准期订单 SKU 数满足率：计算口径同准期满足率，只不过是计算订单 SKU 数，而不是入库回货数量。
其他的指标同样可以按照订单SKU数计算，相当于共两套口径，一是：入库回货数量，二是：订单 SKU数。

相关指标：从入库数量以及商品数看，准期入库数量，准期足量入库数量，首批满足率，延期情况，入库数量比请购数量多多少，足量满足率等

注意事项

以下注意事项可能是部分特殊情况，并不是常规现象。

1. OA请购数量不能百分百足量满足，所以采购数量可能和请购数量有差异，当差异足够小时，可能采购订单就已经完结，数据上可能满足率不足100%。
2. 请购时间和供应链转采购单时间间隔天数长短不一，可以作为考核指标
3. 同款商品可能转不同工厂生成，这样相当于变成两个订单sku
4. 同款商品可能存在在某一时间内多次请购，导致供应链转采购单时合并，我们在计算时是否合并
5. 同款商品可能存在某一天多次入库，和采购数据合并时可能要先合并入库数据

底层数据整理

通过 oa 请购转采购单号可以将三个业务过程的数据联系在一起，但是什么样的数据结构最适合做统计，方便使用BI工具(Power bi Tableau Excel)统计相关指标。本人觉得可有三种方式组合数据:

第一种：

按照 oa 请购转采购单号关联全部数据，但是我们需要注意数据发散情况。比如转成多个单时，oa 请购数量会发散，在关联入库数据时，只要存在多次入库转单数据就会发散。

关联后通过处理，将请购数量，采购数量处理成不翻倍的数量，如上所示。这种方式的难点在于数据发散后的处理。

第二种：

第一种是简单通过 oa 请购转采购单号关联全部数据，没有关联时间，第二种按照日期线以及 oa 请购转采购单号关联全部数据，即 采购日期，转单日期，入库日期，三个时间【全连接 full_join】。

这种处理数据合并后很适合观看明细，因为单据的每个流程节点清晰明了，从请购、转采购单，入库明细都非常清楚。

第三种：

仅请购采购数据关联【表1】，入库明细【表2】单独存储，通过使用 Excel 建模时使两表建立关系。考虑到工具的时候，合理存储数据。

这样分为两张表不方便查看入库明细，但是相对适合 BI 工具的建模计算，也不用处理数据发散的问题。

呈现方式

底层数据整理好后，按照需求考虑使用什么工具呈现、展示数据。在不考虑 Python ,R 的 web 服务的前提下，工具可选范围：Excel,Power BI,Tableau,Congons。由于 PowerPivot 强大的建模能力，尤其是表与表之间建立关系，最为关键是大部分同事对 Excel 更加熟悉，所以采用 Excel 呈现。但是在建模时，需要注意部分 Dax 函数(all)的使用，以及表与表建立关系时的方向选择，具体Dax公式可下载附件查看。

tableau 表建立关系能力不如PowerPivot，但各有所长 目前公司使用的 BI 工具 是 Congons

最终效果如下，可以按照 OA 请购时间筛选任意时间段的入库数量，准期入库率，足量入库满足率等指标。

注意事项

业务流程

1. 在搭建报表前，一定先找业务经验丰富的同事了解整个业务流程，因为可能会告诉你很多坑，在后期能省很多事情。
2. 多和业务系统人员，也就是和提供数据源的技术人员多沟通，可能会给你带来提供不一样的角度，最起码让你对数据库中的字段有更加深刻的理解。

数据方面

1. 数据源整理时避免数据发散
2. 注意度量值calculate() 以及 all()的使用
3. 灵活运用Dax 函数 all 计算占比，避免写过多度量值
4. 清楚 PowerPivot 中多对多时计算方法，以及建立关系时的方向
5. 实际搭建前，可以先模拟数据，搭建模型，避免后期需要推到重新来，这样太打击积极性，不利于保持对工作热情。

案例附件下载：
采购入库准期率.xlsx