Kurze Antwort: Ein Lageralter-Dashboard funktioniert, wenn Sie Alter und Reichweite je Charge mit LOD-Ausdrücken berechnen und die Visualisierungen dann das Risiko in eine Rangfolge bringen, statt es in einer Tabelle zu vergraben. Der schwierige Teil ist nicht das Diagramm; es ist die Entscheidung, was „alt” für jedes Produkt bedeutet, bevor Sie überhaupt etwas zeichnen.
Erst messen, dann visualisieren
Beginnen Sie mit den Messgrößen, nicht mit den Markierungen. Für ein Getränkeunternehmen sind die zwei wichtigen das Lageralter und die Reichweite in Tagen, und beide sollten je Charge oder je SKU definiert werden, bevor irgendein Filter sie berührt. Genau dafür ist ein FIXED-Detailgrad-Ausdruck da: { FIXED [Lot ID] : MIN([Receipt Date]) } fixiert das Wareneingangsdatum, sodass eine Datumsdifferenz gegen heute ein wahres Alter ergibt, selbst wenn der Nutzer später auf eine Region oder Marke filtert. Die Reichweite in Tagen ist der Bestand geteilt durch die durchschnittliche Tagesnachfrage, wieder berechnet auf der Granularität, in der Sie ausliefern. Klären Sie diese Definitionen zuerst mit dem Supply-Chain-Team; wenn Planer sich uneinig sind, ob das Alter bei der Produktion oder beim Lagereingang beginnt, rettet kein Dashboard das Gespräch.
Sobald die Messgrößen vereinbart sind, bündeln Sie das Alter mit einem berechneten Feld in Bänder — frisch, beobachten, alternd, kritisch — mit Schwellenwerten, die die reale Haltbarkeit widerspiegeln. Bier und nicht aufgespriteter Wein altern sehr unterschiedlich, daher ist ein einziger Schwellenwert über das gesamte Sortiment ein Fehler. Bänder geben Ihnen eine farbcodierte Heatmap der SKUs nach Altersband, die ein Planer in Sekunden lesen kann — und genau darum geht es.
Die FIFO-Risikoansicht bauen
Die Kernansicht bringt SKUs nach einer Mischung aus Altersband und Reichweite in eine Rangfolge. Eine SKU, die im Altersband „alternd” liegt und eine hohe Reichweite in Tagen hat, ist Ihr Abschreibungskandidat; eine, die altert, aber dünne Reichweite hat, räumt sich selbst ab. Kodieren Sie das Alter auf Farbe, die Reichweite auf Größe, und Sie erhalten ein einziges Streudiagramm, in dem die gefährliche Ecke — alt und überbevorratet — visuell offensichtlich ist.
Legen Sie darüber eine FIFO-Risikomarkierung mit einem booleschen berechneten Feld: Markieren Sie jede Charge, deren Alter ihren Bandschwellenwert übersteigt, während neuere Chargen derselben SKU noch kommissioniert werden. Das fängt den klassischen Fehler ab, bei dem frische Ware vor der alten ausgeliefert wird und die ältesten Chargen ablaufen lässt. Die Markierung ist eine Ermessensregel, kein physikalisches Gesetz, also legen Sie ihren Schwellenwert als Parameter offen und lassen Sie Planer ihn justieren. Das fügt sich in die breitere FIFO-Disziplin ein, die in FIFO-Optimierung des Kellerbestands behandelt wird, wo dieselbe First-in-First-out-Logik die Kommissionierreihenfolge selbst steuert.
Für die KI-Schicht veröffentlichen Sie das Dashboard in Tableau Cloud und richten Tableau Pulse auf die Kennzahlen Lageralter und Reichweite. Pulse überwacht sie und schickt eine Zusammenfassung in natürlicher Sprache, wenn eine SKU ins Altersband „alternd” abdriftet oder die Reichweite hochschnellt — nützlich, um langsame Aufbauten zu erwischen, die niemand täglich beobachtet. Es ist Überwachung, kein Zauber; behandeln Sie seine Zusammenfassungen als Anstoß zum Hinschauen, nicht als Entscheidung.
Wo es bricht
Die ehrliche Grenze ist die Datenqualität, konkret Verderblichkeit und Datumsintegrität. Wenn Wareneingangsdaten falsch sind, Chargencodes fehlen oder Retouren ohne frisches Datum wieder in den Bestand laufen, ist Ihre Altersberechnung Fiktion und die FIFO-Markierung feuert auf Rauschen. Tableau visualisiert schlechte Daten getreulich, was schlimmer ist als gar kein Dashboard, weil es maßgeblich aussieht.
Die zweite Grenze ist, dass das Dashboard diagnostiziert, es handelt nicht. Es zeigt Ihnen vierzig Paletten saisonalen Cider, die ins Kritische abdriften, aber die Abschreibung, der Transfer oder die Promotion ist eine Entscheidung von Mensch und ERP. Widerstehen Sie dem Drang, Allokationslogik in berechnete Felder zu schrauben; das gehört in ein Planungssystem, nicht in eine Visualisierung. Und denken Sie daran: Die eingebaute Prognose, die Tableau für die Nachfrage nutzt, ist einfache exponentielle Glättung — in Ordnung für eine grobe Reichweitenschätzung, kein Ersatz für ein richtiges Nachfragemodell, wenn viel auf dem Spiel steht.
Das Fazit
Definieren Sie Lageralter und Reichweite in Tagen je Charge mit LOD-Ausdrücken, bündeln Sie das Alter in haltbarkeitsbewusste Bänder und bringen Sie die Ecke „alt und überbevorratet” so in eine Rangfolge, dass sie sich nicht verstecken kann. Lassen Sie Pulse die Kennzahlen beobachten und Abdriften melden. Halten Sie das Dashboard nur ehrlich über seine Aufgabe: Es erkennt Risiken früh, aber die Datenqualität vorgelagert und die Umverteilungsentscheidung nachgelagert bleiben Ihre Sache.
Teil des Tracks Analytik für die kaufmännische Planung. Verwandt: FIFO-Optimierung des Kellerbestands.
Häufig gestellte Fragen
Wie berechnet man das Lageralter in Tableau? Verwenden Sie eine Datumsdifferenz zwischen heute und dem Wareneingangs- oder Produktionsdatum, typischerweise in einen FIXED-LOD-Ausdruck gehüllt, sodass das Alter je Charge oder je SKU berechnet wird, unabhängig von den Filtern der Ansicht. Das Ergebnis bündeln Sie dann mit einem berechneten Feld in Altersbänder.
Kann Tableau alternde Bestände automatisch umverteilen? Nein. Tableau visualisiert und überwacht das Risiko; es zeigt, welche Chargen altern und wo die Reichweite dünn ist, aber die Umverteilungs- oder Abschreibungsentscheidung liegt bei den Planern und Ihrem ERP- oder Bestellsystem.
Was ist die Reichweite in Tagen, und warum sollte man sie neben dem Lageralter zeigen? Die Reichweite in Tagen ist die vorrätige Menge geteilt durch die durchschnittliche Tagesnachfrage. Sie neben dem Lageralter zu setzen, trennt ‘alt, aber verkäuflich’ von ‘alt und gestrandet’ — und genau diese Unterscheidung treibt das Abschreibungsrisiko.