Skip to content

AlishAzimov/Procurement_KPI_Dashboard

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

7 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Procurement_KPI_Dashboard

Разработка системы KPI для оценки эффективности закупочной деятельности компании на базе ERP 1С и базы данных Microsoft SQL Server с последующей визуализацией в Power BI.

Цель проекта — создать прозрачную, управляемую и устойчивую систему аналитической отчетности для руководства по направлениям:

  • Закупки
  • Тендеры
  • Склад и хранение

Проект включал анализ структуры базы данных, создание аналитических представлений (VIEW), построение модели данных в Power BI и разработку дашбордов с управленческими показателями.

Для демонстрации проекта записан видео-обзор дашбордов (в целях корпоративной безопасности все реальные данные намеренно замазаны).

Watch the demo


Архитектура

ERP: 1С
База данных: Microsoft SQL Server
BI-инструмент: Power BI

Работа строилась по следующей логике:

  1. Анализ структуры БД
  2. Очистка и подготовка данных через SQL
  3. Создание отдельной схемы для BI
  4. Построение управляемой модели в Power BI
  5. Реализация KPI через DAX

Основные KPI

Разработаны дашборды по следующим показателям:

  • Точность плана закупок
  • Соблюдение бюджета
  • Среднее время обработки заявки
  • Среднее время проведения тендера
  • Среднее время заключения контракта
  • Доля срочных закупок
  • Количество активных поставщиков
  • Качество поставщиков
  • Доля поставок с браком
  • Процент своевременных поставок
  • Динамика закупочной активности
  • и т.д.

Сложности при работе с базой данных

Большое количество таблиц

База данных была унаследована от крупной компании. В основной схеме находилось около 14 000 таблиц, при этом реально использовалось примерно 2 000. Большинство таблиц были пустыми или техническими.

image

Это сильно усложняло поиск нужных источников данных.

Решение:

  • через sys.tables была сформирована вспомогательная таблица с количеством строк по каждой таблице
  • таблицы сортировались по числу записей
  • анализировались только таблицы, содержащие реальные данные

Таким образом я сузил область поиска и работал только с релевантными источниками.


Ограничение Power BI (10 000 таблиц)

При подключении к SQL Server Power BI отображал только первые 10 000 таблиц в алфавитном порядке. Часть нужных таблиц не отображалась даже через поиск.

Решение:

  • создана отдельная схема pbi
  • в ней создавались представления (VIEW) с очищенными и объединёнными данными
  • Power BI подключался только к этой схеме

Это позволило полностью контролировать источники данных и избежать хаотичной структуры.


Проблемы качества данных

В ряде таблиц часть строк не содержала полезной информации.

Для оценки использовались:

  • COUNT(*)
  • расчет доли строк через оконные функции

В результате были исключены шумовые таблицы и оставлены только аналитически значимые данные.


Сложности при разработке модели Power BI

Большое количество KPI и сложные связи

Руководство требовало большое количество показателей, разделённых по направлениям (Закупки, Тендеры, Склад).

В большинстве таблиц было по 3–4 связи, что приводило к:

  • конфликтам фильтрации
  • циклическим зависимостям
  • искажению агрегированных показателей
  • нарушению динамики отчётов

Решение:

  • минимизировано количество физических связей
  • оставлены только ключевые отношения
  • большая часть логики реализована через DAX

Связи в ряде случаев создавались логически через DAX (CALCULATE, FILTER, USERELATIONSHIP, итерационные функции).

Это позволило управлять контекстом фильтрации вручную и стабилизировать модель.


Перегруженность визуализации

Из-за большого количества KPI возникала проблема читаемости отчетов.

Решение:

  • разделение показателей по страницам
  • подбор визуализации под бизнес-логику
  • использование условного форматирования
  • выделение ключевых отклонений

Основной акцент делался на управленческое восприятие, а не на декоративность.


Выявление ошибок через аналитику

В процессе анализа были выявлены ошибки учета.

Пример:
Склад оприходовал товар в килограммах, но стоимость была указана за тонну. Это увеличило итоговую стоимость поставки в 1000 раз.

Аномалия стала заметна через:

  • выбросы на графиках
  • несоразмерные значения KPI
  • резкие отклонения от динамики

Таким образом BI стал инструментом контроля качества данных, а не только отчетности.


Требование прозрачности KPI

Руководство требовало отображать не только итоговый показатель, но и:

  • дополнительные расшифровки
  • таблицы-источники
  • данные, из которых формируется KPI

Решение:

  • добавлены детализированные страницы
  • созданы вспомогательные (подсказочные) таблицы
  • добавлены таблицы с расшифровкой источников

Это повысило прозрачность отчётности и упростило проверку показателей.


Примеры DAX функций

image
image

About

Разработка системы KPI для оценки эффективности закупочной деятельности компании на базе ERP 1С и базы данных Microsoft SQL Server с последующей визуализацией в Power BI.

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors