Power BI | 供应链经理的一天......

供应链经理每天早上要判断的，不是几十个指标，而是三个问题：哪些物料会缺、哪些订单会延、哪些会影响生产。

早上 8:30，阿强走进办公室。咖啡还没泡好，他先打开 Power BI——不是看邮件，也不是赶会议，而是先判断一件事：今天有没有可能影响生产的供应风险？

阿强是一家华南中型电子厂的供应链经理，管着 37 家供应商、1,200 个 SKU 和两个仓库。过去，他要在库存、采购、供应商和需求预测几张报表之间来回切换；现在，他直接问一句：

「今天有哪些物料需要优先关注？」

十几秒后，智能小V 从 Power BI 语义模型里找到了三个异常：

阿强看完，把其中一条转给采购小赵：

「CON-114 今天下班前确认交期，有变化马上告诉我。」

这段真正省下的时间，不在于「AI 很聪明」，而在于三件事被压进了十几秒：发现异常、判断轻重、把任务派出去。这三步过去分散在四张报表和一个电话里。

一、需要的不是更多指标，而是一张风险清单

供应链可以追踪的指标很多：库存周转率、缺货率、安全库存、供应天数、OTIF、采购提前期、预测准确度、呆滞库存。指标越多，越容易做出一张「什么都有一点」的看板，也越容易在早会上没人知道该看哪一格。

阿强每天早上真正关心的，其实只有三个问题：

•哪些物料可能缺货？

•哪些采购订单可能延期？

•哪些问题可能影响生产？

过去，他在 Power BI 首页只放了三个视觉对象：缺货率、供应天数最短的 5 个 SKU、三天内应到但尚未到货的采购订单。这个页面已经比原来几十张 ERP 报表好用得多。

但仪表板告诉他的，主要还是「发生了什么」。比如 CON-114 只剩 2.3 天库存，接下来阿强仍然要自己确认四件事：

•最近需求是不是突然增长；

•在途订单是否延期；

•供应商交期是否发生变化；

•是否存在其他可替代库存。

现在他可以继续追问：CON-114 的供应天数为什么两天内下降这么快？智能小V 沿需求、库存和采购订单继续下钻，给出的解释是：最近三天实际领料量比预测高出 26%，同时 5,000 个在途订单尚未确认交期。

「仪表板负责把异常显示出来，智能小V 负责回答为什么，以及先处理什么。」

这里有个前提：语义模型里必须已经有供应商交期、在途订单、SKU 分类这些字段。工具的上限，是模型里有什么。

二、缺货率的意义，不只是红黄绿

阿强把缺货率分成三个区间，规则并不复杂：

难的不是定阈值，而是缺货率升高以后，供应链经理不能只知道「红了」，还要快速确认四件事：

•是个别 SKU 造成的，还是整体风险在上升；

•是需求激增，还是采购延期；

•影响的是普通辅料，还是关键生产物料；

•是否已经存在可替代库存。

传统报表通常需要人工逐层筛选。智能小V 可以基于企业已定义的指标口径、供应商信息、SKU 分类和采购关系，自动对异常做拆解，比如直接问：

「缺货率从 0.9% 升到 1.7%，主要是哪几种物料造成的？」

它不会只返回一个总数，而是继续定位到具体物料、仓库、供应商和采购订单。对阿强来说，这比再加一张图有用得多，因为真正影响工作的不是看见一个红灯，而是知道这个红灯该找谁处理。

真正影响工作的不是看见一个红灯，而是知道这个红灯该找谁处理。

三、电话之前，先把原因问清楚

下午两点，阿强看供应商表现。记分卡上有四个主要指标：OTIF 率、平均实际交货天数、交货时间差异、质量合格率。今天，两家供应商出现了异常。

A. 包装材料供应商：OTIF 从 94% 掉到 71%

过去，他要分别看按时交货率、足量交货率、订单明细和交期趋势，才能判断问题究竟出在哪一环。现在他直接问一句：

「这家供应商 OTIF 下降，主要是交货不准时，还是到货数量不足？」

同样一件事，电话里说的话完全不一样了。

过去：「你们最近交货怎么回事？」

现在：「你们供货数量基本正常，但过去三个月实际交期从 14 天延长到了 22 天。下周一之前给我一份交期改善计划。」

B. 连接器供应商：交期从 6.8 天变成 9.3 天

这家 OTIF 暂时没有明显下降，但智能小V 发现，它最近两周的实际交期从长期稳定的 6.8 天上升到了 9.3 天。这是一个还没有真正造成缺货的早期信号。

阿强打过去问，对方确认：上周确实有一条生产线在检修，目前已经恢复。

好的供应链分析，不是事故之后解释原因，而是在还没影响生产之前，看见它正在发生。

交期变化本身有噪音：临时检修、节假日、物流波动都会让单周数据跳一下。两周内持续上升才算趋势，单周跳一次先记录、不报警，否则预警很快就没人看了。

四、从看报表，到主动发现异常

仪表板需要人主动打开，但供应链风险不会等人有空看报表。值得设成预警的，通常是这几类信号：

•关键物料的供应天数跌破安全线；

•供应商交期连续两周延长；

•在途订单超过约定时间仍未确认；

•某个仓库的库存快速下降；

•预测需求与实际领料持续偏离。

这些情况单次看可能都不严重，但连续发生，就可能演变成停线风险。智能小V 会按企业设定的指标与预警规则持续关注关键变化，在触发阈值或出现明显异常趋势时，主动形成风险提示，并附带初步原因。

一条能进工作流程的预警，必须自带原因和建议。

五、不只是看缺口，而是形成行动计划

下午五点半，阿强开始安排第二天的补货和调拨。他问智能小V：「根据当前库存、在途订单和明天预测需求，列出明天可能缺料的 SKU，并给出处理建议。」系统返回三类结果：

这张表与传统「库存缺口表」最大的区别，是它没有把所有负数都当成同一种问题。RES-308 确实要马上处理；CAP-221 明天有短期缺口，但后天已有采购订单到货——只看在库数量，很容易再下一次单，变成重复采购。

智能小V 结合在库、在途、预测需求和预计到货时间，把缺口拆成五种处理方式：

01必须立即补货：缺口就在明天，且没有在途可依靠。

02可以跨仓调拨：别的仓有货，调拨比重新下单快。

03只需催交：货已经在路上，缺的是确定的到货时间。

04暂时观察：缺口在后天之后，且已有订单覆盖。

05无需重复下单：在途数量足够，重复下单反而会推高库存。

阿强确认结果后，让智能小V 生成一份《明日供应风险与补货建议》。报告包括：

•关键风险物料；

•缺口及预计发生时间；

•主要原因；

•涉及供应商与订单；

•建议处理动作；

•需要明日继续跟踪的事项。

这份报告可以直接转给采购、仓库和生产负责人，不需要再手工复制数据、截图和整理说明。

现阶段更稳的用法是「建议 + 人工确认」。补货和调拨涉及金额、交期承诺和产线排程，不适合全自动执行。

六、用了三年 Power BI，阿强总结的三条

1. 数据刷新频率要与决策频率一致

缺货风险每天更新一次可能够用；产线关键物料和仓库作业数据，则需要更高频率。但刷新越快并不一定越好，真正重要的是：数据更新之后，能不能及时触发正确的业务动作。

2. 指标不用多，但必须能够继续追问

缺货率、供应天数、在途订单、OTIF 和供应缺口，已经覆盖了阿强大部分日常决策。但看到指标只是第一步，他还需要不断追问：

•为什么下降？

•哪些物料造成的？

•哪个供应商影响最大？

•明天会不会继续恶化？

•应该催货、调拨，还是补单？

这正是智能小V 在 Power BI 基础上补上的那一层。

3. 好的分析最终要落到任务

供应链分析不能停留在「发现问题」，最终必须变成具体的动作：

•给采购打电话；

•要求供应商确认交期；

•安排仓库优先出货；

•发起跨仓调拨；

•修改补货计划；

•跟踪明天到货情况。

只有真正进入工作流程，数据才产生价值。

写在最后

18:02，阿强关掉电脑。第二天早上 8:30，他仍然会先看那三个数，但不再需要独自在多个页面之间寻找答案。

Power BI 提供统一、可信的数据和指标；智能小V 更像一位熟悉企业供应链规则的同事，可以帮他：

•听懂供应链问题；

•查询企业真实数据；

•连续追问异常原因；

•识别供应风险；

•生成补货与跟踪建议；

•输出可以沟通汇报的报告。

供应链不是被更多报表「管」出来的。它靠的是更早看见风险、更快找到原因、更明确地采取行动，把明天的不确定性一点点压下去。

如果你想复现这条路径，起点不是买工具，而是先把「哪几个数决定当天动作」想清楚——阿强的三个数，是缺货率、最短供应天数、未确认交期的在途订单。

想让每天的风险判断从半小时变成一句话？
申请试用智能小V →