BI Consult Desktop Logo BI Consult Mobile Logo
  • Russian BI Исследование российских bi
  • Перейти на Fine BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • Отправить сообщение
  • Главная
  • Продукты Эксперт-BI
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Сельское хозяйство
    • Энергетика
    • FMCG
    • Девелоперы
    • Маркетплейсы
    • Пищевая промышленность
    • Фармацевтика
    • Построение Data Platform
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и FP&A
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • IBP
    • ИТ (CIO)
    • Закупки
  • Платформы
    • Системы бизнес-анализа (BI)
    • Интегрированное бизнес-планирование (IBP)
    • Хранилища данных (DWH / Lakehouse)
    • Каталоги данных (Data Catalog)
    • Системы ETL и ELT
    • AI / Исскуственный интеллект
    • Шина данных (ESB)
    • Система управления мастер-данными (MDM)
    • Семантический слой
  • Услуги
    • Переход на отечественные BI и DWH системы
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений и DWH
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Greenplum
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt (Data Build Tool)
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

Отраслевые решения

  • Дистрибуция
  • Розничная торговля
  • Производство
  • Операторы связи
  • Банки
  • Страхование
  • Фармацевтика
  • Нефтегазовый сектор
  • Лизинг
  • Логистика
  • Медицина
  • Сеть ресторанов
  • Сельское хозяйство и агрохолдинги
  • Энергетика
  • E-Commerce
  • FMCG
  • Пищевая промышленность
  • Селлеры на маркетплейсах
  • Строительные компании и девелоперы

Функциональные решения

  • Управление по KPI
  • Финансы
  • Продажи
  • Склад
  • Категорийный менеджмент
  • HR
  • Маркетинг
  • Внутренний аудит
  • Геоаналитика, аналитика на географической карте
  • Цепочка поставок (SCM)
    • BI/DWH для Департамента Supply Chain
    • SCOR-модель и данные: как внедрить референтную модель операций в цепи поставок с использованием BI, DWH и IBP-подходов
    • Измерения, метрики и KPI для департамента Supply Chain
  • S&OP и FP&A
  • Разработка стратегии цифровой трансформации
  • Process Mining
  • Интегрированное планирование (IBP)
  • Закупки
  • ИТ (CIO)
  • Построение хранилища данных
  • Создание Data Lake и Data Engineering
Главная » Решения Эксперт-BI на российских BI-платформах » Эксперт-BI Цепочки поставок: система бизнес-анализа для управления цепочками поставок (SCM) » SCOR-модель и данные: как внедрить референтную модель операций в цепи поставок с использованием BI, DWH и IBP-подходов » Пример модели данных DWH для SCOR

Пример модели данных DWH для SCOR

SCOR-ориентированное хранилище данных: архитектура, ER-модель и практическое применение

 

Цель модели DWH в рамках SCOR

Хранилище данных (DWH) для SCOR необходимо для хранения, консолидации и анализа информации по ключевым операциям цепочки поставок: Plan, Source, Make, Deliver, Return. Оно обеспечивает единое хранилище «истины» для всех участников — от операционных логистов до стратегических директоров, и поддерживает построение BI-отчетности, мониторинга KPI и сценарного анализа.

 

Архитектура DWH для SCOR

Модель следует многозвенной архитектуре Kimball с использованием звездной схемы (Star Schema) и частично — Data Vault для трассировки изменений.

Типовая архитектура:

  • Stage Layer — сырые данные из ERP, WMS, CRM, TMS, Excel
  • Core Layer — нормализованные хабы и линк-таблицы (для Data Vault)
  • Mart Layer — денормализованные витрины по доменам SCOR

 

Основные факт-таблицы SCOR-модели

Каждая SCOR-доменная область (Plan, Source, Make, Deliver, Return) отражается в своей витрине.

 

F_SupplyPlan — Планирование поставок

  • grain: SKU + Неделя + Склад
  • измерения: товар, склад, неделя, сценарий

 

Поля:

Поле

Тип

Описание

Plan_ID

string

Идентификатор плана

SKU_ID

string

Товар

Location_ID

string

Локация (завод, склад)

Week

date

Неделя планирования

Forecast_Qty

numeric

Прогноз

Planned_Production

numeric

План производства

Planned_Purchase

numeric

План закупки

 

F_PurchaseOrders — Заказы поставщикам

  • grain: PO_ID + SKU

Поле

Тип

Описание

PO_ID

string

ID заказа

Supplier_ID

string

Поставщик

SKU_ID

string

Товар

PO_Date

date

Дата заказа

Planned_Delivery

date

План поставки

Actual_Delivery

date

Факт поставки

Qty_Ordered

numeric

Объем

Qty_Received

numeric

Принято

Price

numeric

Цена

 

F_SalesOrders — Отгрузки клиентам (Deliver)

  • grain: Order_ID + SKU

Поле

Тип

Описание

Order_ID

string

Номер заказа

Customer_ID

string

Клиент

SKU_ID

string

Продукт

Order_Date

date

Дата заказа

Ship_Date

date

Дата отгрузки

Delivery_Date

date

Дата доставки

Qty_Ordered

numeric

Кол-во заказано

Qty_Shipped

numeric

Кол-во отгружено

Return_Flag

boolean

Есть возврат

 

F_InventorySnapshot — Снимки остатков

  • grain: SKU + Локация + Дата

Поле

Тип

Описание

Snapshot_ID

string

ID снимка

SKU_ID

string

Продукт

Location_ID

string

Склад

Snapshot_Date

date

Дата снимка

On_Hand_Qty

numeric

Остаток на складе

Reserved_Qty

numeric

Резерв

In_Transit_Qty

numeric

В пути

 

Измерения (Dimensions)

Таблица

Назначение

D_SKU

Справочник товаров

D_Date

Календарь (день, неделя, месяц, квартал, год)

D_Location

Склады, заводы, хабы

D_Supplier

Поставщики

D_Customer

Клиенты

D_Scenario

Тип плана: факт, базовый прогноз, оптимистичный, пессимистичный

D_Return_Reason

Причины возврата

D_Process_Step

Этап SCOR-процесса

 

Примеры метрик и формул

Forecast Accuracy (по SKU):

Accuracy = 1 - ABS(Forecast_Qty - Actual_Sales_Qty) / Actual_Sales_Qty

 

Inventory Turns:

Turns = Sales_Qty / Average_Inventory_Qty

 

On-Time Delivery:

OTD = COUNT(Orders WHERE Delivery_Date <= Promise_Date) / COUNT(All Orders)

 

Supplier Reliability Index:

Index = 0.6 * OTD + 0.4 * In-Full

 

Типовые ошибки при проектировании

Ошибка

Причина

Как исправить

Информация дублируется в фактах и измерениях

Отсутствует нормализация

Вынести в dimension

Модель не поддерживает историчность

Нет SCD2

Ввести Effective_From / Effective_To

Нет сценариев планирования

Все в одном плане

Использовать измерение D_Scenario

Невозможно построить SLA

Нет фактической даты поставки

Добавить Actual_Delivery_Date в PO и Orders

 

Как работает BI с этой моделью

  • Пользователь: Планировщик
    BI-интерфейс: Витрина F_SupplyPlan
    Ценность: Сравнение сценариев, корректировка планов

 

  • Пользователь: Менеджер по логистике
    BI-интерфейс: F_SalesOrders + F_InventorySnapshot
    Ценность: Отчет по SLA и управлению остатками

 

  • Пользователь: Финансовый аналитик
    BI-интерфейс: Витрины заказов и остатков
    Ценность: Оценка затрат на склад, анализ оборота запасов

 

  • Пользователь: Руководство
    BI-интерфейс: KPI-дашборды
    Ценность: Видимость всей цепи поставок в разрезе метрик SCOR

 

 

Узнать стоимость решенияЗапросить видео презентацию

← Предыдущая статья
Кейсы внедрения SCOR-модели в хранилище данных (DWH)
Следующая статья →
Примеры описаний бизнес-процессов по SCOR

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  •  ООО «ММК-Информсервис» создает высокотехнологичные решения для эффективной работы предприятий. Разрабатывают и внедряют телекоммуникационные и бизнес-приложения, автоматизируют производство, выстраивают и поддерживают корпоративную IT-инфраструктуру.

  • Торгово-производственному холдингу ТБМ, специализирующемуся на поставке комплектующих и фурнитуры для производства окон, дверей, стеклопакетов и мебели, был необходим аналитический инструмент для выявления узким мест и поиска зон роста бизнеса и, как результат, оптимизации процессов. Добиться этого можно было, только внедрив data-driven подход.

  • KERAMA MARAZZI — международный бренд, входящий в число лидеров глобального рынка керамики. Бизнес компании охватывает весь процесс создания керамических изделий, от глиняных карьеров до фирменной розницы во всех крупных городах РФ и за рубежом.

  • Нашей компанией был реализован проект автоматизации конвейера данных на базе СПО ETL-инструмента Apache NiFi для клиента ООО «Императорский Монетный Двор» в части актуализации данных, передаваемых из Системы Oracle в Anaplan.

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Энергетика
    • Фармацевтика
  • Услуги
    • Переход на отечественные BI и DWH
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Техническая поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Платформы
    • FineBI
    • FineReport
    • FineDataLink
    • Коннекторы данных из 1С в BI
    • Airflow + NiFi
    • Visiology
    • Luxms BI
    • Modus BI
    • PIX BI
    • Arenadata
    • ClickHouse
    • Greenplum
    • Postgres Professional
    • Open-source BI: Superset/Metabase
    • Loginom
    • Yandex.DataLens
    • AI / Исскуственный интеллект
    • Optimacros
    • Шины данных
  • Курсы
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt
  • Функциональные решения
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • Сквозная аналитика
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
    • Политика конфиденциальности
RutubeVkontakteLinkedInYouTube
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru

 

 

 

 

 

×

Пользуясь сайтом, вы соглашаетесь с использованием cookies и политикой конфиденциальности.