Kurze Antwort: Ein Rohstoffpreis-Dashboard ist nützlich, wenn es Preistrends mit Vertragsdeckung und ungesichertem Risiko verbindet — und ehrlich in Bezug darauf ist, dass Tableaus eingebaute Prognose zu einfach ist, um darauf abzusichern. Verfolge das Risiko, nicht nur den Preis.
Miss das Risiko, nicht nur den Preis
Eine Wand aus Preislinien für Malz, Hopfen und Energie sieht informativ aus und entscheidet nichts. Die Messgröße, die für einen Beschaffungsleiter zählt, ist das Risiko: die ungesicherte Menge multipliziert mit der Differenz zwischen deinem Vertragspreis und dem geltenden Spot. Bau es als berechnetes Feld, das die prognostizierte Nachfrage nimmt, die vertraglich gesicherte Menge abzieht und den Rest zum Spot bepreist. Jetzt beantwortet das Dashboard die eigentliche Frage — wie viele Ausgaben noch dem Markt ausgesetzt sind — statt nur die Historie zu zeichnen.
Stell auch die Deckung in den Mittelpunkt: vertraglich gesicherte Menge als Prozentsatz der prognostizierten Nachfrage, je Rohstoff, über den Planungshorizont. Ein FIXED-LOD-Ausdruck, der die vertraglich gesicherte Menge je Rohstoff aggregiert, lässt dich die Deckung sauber anzeigen, unabhängig davon, welchen Zeitfilter der Nutzer anwendet. Die beiden Messgrößen zusammen — Deckung und Risiko — rahmen jedes Absicherungsgespräch und sollten das Layout verankern, bevor irgendeine Preislinie gezeichnet wird.
Die Ansicht bauen
Beginne mit einem Flächendiagramm Deckung-gegen-Zeit je Rohstoff, dann überlagere Spot- und Vertragspreis auf einer Doppelachse, sodass der Nutzer sieht, wie sich der Preis gegen sein Schutzniveau bewegt. Wo die Deckung dünn ist und der Spot steigt, sollte die Risikomarkierung aufleuchten — codiere das Risiko über Farbe, sodass die gefährliche Kombination unübersehbar ist.
Füge einen Szenario-Parameter für jeden Rohstoffpreis hinzu. Verdrahte ihn in die Risikoberechnung, sodass ein Beschaffungsanalyst fragen kann: „Wenn Energie um fünfzehn Prozent steigt, was werden dann unsere ungesicherten Ausgaben?” und die Zahl sich bewegen sieht. Das ist Was-wäre-wenn-Analyse, die die Struktur des Problems respektiert: Du flexibilisierst den Preis, der auf die wirklich ungesicherte Menge angewendet wird, und tust nicht so, als würdest du den Markt vorhersagen. Es ergänzt die schwerere Modellierung in Malz- und Hopfenpreise für die Beschaffung prognostizieren, wo die eigentliche Preisvorhersage steckt; das Dashboard verbraucht diese Prognosen, statt sie neu zu erfinden.
Zur Überwachung veröffentlichst du in Tableau Cloud und lässt Tableau Pulse Deckung und Risiko beobachten. Ein natürlichsprachlicher Überblick, der „Energierisiko um 20 % gestiegen, da Deckung unter Ziel fiel” markiert, landet im richtigen Postfach, bevor es die Überraschung zum Monatsende tut. Pulse ist ein Beobachter, kein Analyst — es sagt dir, dass sich etwas bewegt hat, du entscheidest, was du dagegen tust.
Wo es scheitert
Die schärfste Grenze ist die Prognose. Tableaus eingebaute Prognose ist exponentielle Glättung, die eine Reihe annimmt, die sanft trendet und saisonal schwankt. Rohstoffe tun keines von beidem — sie springen bei Wetter, Geopolitik und Energieschocks. Stütze dich für die Absicherung auf diese Prognose, und du liegst selbstbewusst falsch. Wenn du echte Vorhersagen brauchst, schiebe die Reihe über TabPy in ein richtiges Zeitreihenmodell und bring das Ergebnis als Feld zurück; halte die Schwerstarbeit außerhalb von Tableau und lass das Dashboard sie anzeigen.
Die zweite Grenze ist Datenlatenz und -qualität. Spotpreise aktualisieren sich vielleicht täglich, während sich deine Vertragsdaten monatlich erneuern, sodass das Risiko aus Gründen des Timings flackern kann, nicht der Realität. Und Vertragsbedingungen — Caps, Collars, Mengenbänder — passen selten sauber in ein einzelnes Preisfeld, sodass eine vereinfachte Deckungsmessgröße den Schutz über- oder unterzeichnen kann. Dokumentiere diese Vereinfachungen, denn das Dashboard wird die vereinfachte Version so darstellen, als wäre sie der Vertrag.
Das Fazit
Stelle das Dashboard auf Deckung und ungesichertes Risiko ab, nicht auf eine Galerie von Preislinien, und nutze Parameter für disziplinierte Preisszenarien. Lass Pulse das Risiko überwachen, sodass niemand kalt erwischt wird. Aber behandle Tableaus eingebaute Prognose als Skizze, stütze dich für alles, worauf du absichern würdest, auf TabPy oder ein externes Modell, und sei explizit über die Vertragsdetails, die deine Deckungsmessgröße vereinfachen musste.
Teil des Tracks Finanzplanung & Analytik. Verwandt: Malz- und Hopfenpreise für die Beschaffung prognostizieren.
Häufig gestellte Fragen
Was sollte ein Rohstoffpreis-Dashboard für eine Brauerei verfolgen? Mindestens: Spot- und Vertragspreise für Malz, Hopfen und Energie über die Zeit, vertraglich gedeckte Mengen als Anteil der prognostizierten Nachfrage und das ungesicherte Risiko. Die Risikomessgröße ist das, was aus einem Preisdiagramm ein Werkzeug für Beschaffungsentscheidungen macht.
Kann Tableau Rohstoffpreise prognostizieren? Tableaus eingebaute Prognose nutzt exponentielle Glättung, was für stabile Reihen in Ordnung ist, aber schwach für volatile Rohstoffe mit Schocks und Saisonalität. Verwende sie für eine grobe Trendlinie, nicht für Absicherungsentscheidungen, und bring ein externes Modell über TabPy ein, wenn du Strenge brauchst.
Wie modelliert man Preisszenarien in Tableau? Lege eine Preisannahme als Parameter offen und verdrahte sie in ein berechnetes Feld, das die Ausgaben auf die ungesicherte Menge berechnet. Das Ziehen des Parameters zeigt, wie sich eine Preisbewegung auf Kosten und Risiko auswirkt.