此行業示例儀表板與基礎報表著重于傳統供應鏈的其中一項挑戰 - 供應商質量分析。 有兩個主要度量值在此分析中發揮作用：瑕疵品總數和瑕疵品所造成的停工時間總計。

免費下載Power BI Desktop正式版

此示例有兩個主要目標：

1、了解就質量而言，哪家供應商最好，哪家供應商最差。

2、指出哪些工廠在找出及淘汰瑕疵品方面表現較佳，從而最大限度地縮短了停工時間。

本教程探討 Power BI 服務中的供應商質量分析內置示例。 由于報表體驗在 Power BI Desktop 和服務中非常相似，因此也可以使用 Power BI Desktop 中的示例 .pbix 文件跟著本教程一起操作。

不需要 Power BI 許可證即可在 Power BI Desktop 中查看示例。 如果沒有 Power BI Pro 或 Premium Per User (PPU) 許可證，可以將該示例保存到 Power BI 服務中的“我的工作區”。

獲取 .pbix 文件形式的此示例

也可以將此供應商質量分析示例下載為 ，這是專用于 Power BI Desktop 的文件格式。

獲取 Excel 工作簿形式的此示例

若要查看此示例的數據源，還可以將它下載為 。 該工作簿包含你可以查看和修改的 Power View 工作表。 若要查看原始數據，請啟用“數據分析”加載項，再依次選擇“Power Pivot”>“管理” 。 

用料瑕疵所造成的停工時間

讓我們來分析用料瑕疵所造成的停工時間，并查看應由哪些供應商負責。

1、在儀表板中，選擇“瑕疵品總數”或“停工時間總分鐘數”圖塊。

“供應商質量分析示例”報表會打開“停工時間分析”頁面。

可以看到瑕疵品總數為 3,300 萬，導致總停工時間達 77,000 分鐘。 盡管部分用料的瑕疵品相對較少，但它們會導致延誤，從而導致更長的停工時間。 讓我們在報表頁上瀏覽這些項目。

2、查看“按用料類型劃分的瑕疵品和停工時間(分鐘)”組合圖中的“停工時間總分鐘數”一行，我們發現起皺的用料導致的停工時間最長。

3、選擇“起皺”列可以查看受此瑕疵影響最大的工廠以及負責的供應商。

4、在“各工廠停工時間(分鐘)”地圖中，依次選擇地圖中的各個工廠，查看哪家供應商或哪種用料該為各工廠的停工時間負責。

哪些供應商最差？

我們想要找出最差的八家供應商，并決定他們的停工時間百分比責任歸屬。 為此，我們可以將“按供應商劃分的停工時間(分鐘)”分區圖更改為樹狀圖。

1、在報表的“停工時間分析”頁上，選擇頂部菜單中的“編輯” 。

2、選擇“按供應商劃分的停工時間(分鐘)”分區圖，并在“可視化效果”窗格中選擇“樹狀圖”圖標。

樹狀圖會自動將“供應商”字段作為“組”。

從此樹狀圖中，我們可以看到前八個供應商是樹狀圖左側的八個區塊。 我們也可以看到它們應為約 50% 的停工時間總分鐘數承擔責任。

3、在左側導航欄中選擇“供應商質量分析示例”，返回到儀表板。

工廠比較

現在，讓我們來看看哪些工廠在管理瑕疵用料方面表現較佳，從而縮短了停工時間。

1、在儀表板中，選擇“按工廠和瑕疵類型劃分的總瑕疵報表”地圖圖塊。

報表會打開“供應商質量分析”頁面。

2、在“按工廠和瑕疵類型劃分的總瑕疵報表”圖例中，選擇“有影響”圓圈。

可以看到，在氣泡圖中，“物流”是問題最多的類別。 此類別中的瑕疵品總數量、瑕疵報告次數和停工分鐘數最多。 讓我們進一步研究此類別。

3、在氣泡圖中選擇“物流”氣泡，并觀察伊利諾斯州斯普林菲爾德市和伊利諾伊州內伯威爾市的工廠。 內伯威爾市似乎在管理瑕疵供貨方面做得更好，因為它的退貨量較高，影響量也較小，而斯普林菲爾德市的影響量就較大。

4、在左側導航欄中選擇“供應商質量分析示例”，返回到儀表板。

哪種類型的用料管理最佳？

管理最佳的用料類型是指無論瑕疵品數量如何，都具有最低的停工時間或不造成任何影響的類型。

1、在儀表板中，查看 按用料類型和瑕疵類型劃分的瑕疵品總數磁貼。

可以看到，盡管“原料”用料類型的總瑕疵品數較大，但大部分瑕疵品會被退貨或不會造成影響。

由此確認，盡管瑕疵品數量高，該用料類型不會造成大量的停工時間。

2、在儀表板中，查看 按用料類型劃分的瑕疵品總數和停工時間總分鐘數 磁貼。

原料受到妥善管理，盡管瑕疵品數量較高，但停工時間總分鐘數較低。

后續步驟：連接到數據

可以在此環境中安全操作，因為能夠選擇不保存更改。 不過，如果確實保存了更改，可隨時選擇“獲取數據”來獲取此示例的新副本。

我們希望本教程已經演示 Power BI 儀表板、問答和報表如何能夠幫助深入了解示例數據。 現在輪到你了。

點擊下載Power BI Desktop正式版

想要購買Power BI Desktop正版授權，歡迎！

也歡迎撥打慧都熱線023-68661681，我們有專業的大數據團隊，為您提供免費大數據相關業務咨詢！