Power BI+AI Gemini供应链分析到实战(5)
在上一篇文章中，介绍了供应链分析库存周转率的详细逻辑，并在Power BI中进行了具体的演示，具体链接如下
这篇文章在上篇文章的基础上，给出库存覆盖天数的详细业务逻辑与对应的Power BI计算方法
在库存覆盖天数中，应用到了平均库存，也就是期初库存与期末库存的平均值，然后除以日均销量，平均库存在库存周转率中详细解释了，这里主要看日均销量如何计算，在Power BI，通过对销售数量除以有效销售天数，得到日均销量，这里应用了COUNTOROWS函数与DISTINC函数，后一个函数对行去重，前一个函数对销售行进行计数，最后销量除以去重的天数(也就是行数)得到日均销量，具体公式如下
日销售数量 = [销售数量]*(1+'销量增长参数'[销量增长参数 值])/COUNTROWS(DISTINCT('销售'[销售日期]))
接下来库存覆盖天数，就是期初库存+期末库存的平均值除以日均销售，得到库存覆盖天数，具体如下，这里解释下为什么用了ABS绝对值，因为数据都是模拟数值，存在正负的原因
库存覆盖天数 = ABS(DIVIDE([期初库存]+[期末库存],2)/[日销售数量])
这样通过5篇文章的介绍，完成了供应链库存周转率与库存覆盖天数的模型搭建到计算过程，下面通过具体的可视化分析，看库存覆盖天数如何在可视化中应用。如下图，我把首页右下角的可视化进行了放大，在库存覆盖天数可视化分析中，应用了柱形折线图，X轴是月份，列Y轴是库存覆盖天数，行Y轴是库存覆盖天数环比，这样就能看到月度的库存覆盖能力，用在供应链库存补货与去库存的应用场景，结合页面上方的筛选器，产品类别与具体SKU，能精准分析到具体的SKU去库存与补货的业务分析，及预测未来供应链需求分析提供了数据支持。
最后给出完整的供应链库存周转率公式与库存覆盖天数公式，只要你的模型搭建正确，数据分析公式是通用的，结束。
库存周转率 = ABS([销售数量]*(1+[销量增长参数 值])/DIVIDE([期初库存]+[期末库存],2))
库存覆盖天数 = ABS(DIVIDE([期初库存]+[期末库存],2)/[日销售数量])
Power BI+AI数据可视化分析产品+视频目录完整版，具体链接如下
在5月23号，上海城区会做一场Power BI+AI(Gemini+Claude)零基础的业务分析线下课培训，在上午的培训内容中，通过销售，供应链，业财一体三大模块案例，结合Power BI全工作流完成实战演示。在下午的课程中，通过Gemini AI生态，教会大家如何应用最好的AI完成数据处理与分析及可视化，及在AI提示词与Agent中如何应用数字化思维进行系统全面的分析。通过Claude AI Skills自动化完成PPT生成报告的实践，从一周的工作缩短到半天甚至更少时间完成任务。具体详情如下
夜雨聆风
