Il Suo template dei dati per il Supply Chain Management

Il Nome Attività descrive un passaggio distinto nel ciclo di vita della supply chain, come 'Ordine Allocato', 'Merce Prelevata' o 'Spedizione Inviata'. Queste attività costituiscono i nodi della mappa di processo rilevata.

L'analisi di queste attività consente di visualizzare il flusso di processo, identificare i percorsi frequenti e misurare il tempo trascorso in ogni fase. È fondamentale per comprendere cosa accade durante il percorso dell'ordine logistico e viene utilizzata per identificare ri-lavorazioni, colli di bottiglia e deviazioni dal processo standard.

Questo attributo definisce i passaggi del processo, costituendo la base della mappa di processo e consentendo l'analisi del flusso e dei colli di bottiglia.

In genere deriva dalla mappatura dei codici evento o dei cambi di stato dalle varie tabelle di transazione in Manhattan Associates a nomi di attività facilmente comprensibili.

L'Ordine Logistico è il numero di tracciamento centrale che collega tutte le attività correlate, dall'inserimento dell'ordine del cliente fino alla consegna finale. Ogni ordine logistico rappresenta un singolo percorso di evasione, consentendo un'analisi completa del ciclo di vita dell'ordine, inclusi approvvigionamento, stoccaggio, spedizione e consegna.

Nel Process Mining, questo attributo viene utilizzato per raggruppare tutti gli eventi correlati in un unico caso. L'analisi dei processi per ordine logistico consente di calcolare i tempi di ciclo end-to-end, identificare le varianti di processo comuni e rilevare colli di bottiglia o deviazioni che interessano ordini specifici.

Questo è il Case ID essenziale che raggruppa tutti gli eventi correlati, rendendo possibile tracciare l'intero percorso di un singolo ordine dall'inizio alla fine.

Questa è la chiave primaria nelle tabelle principali di gestione degli ordini in Manhattan Associates. Consulti la documentazione del sistema per la tabella specifica, probabilmente correlata agli header degli ordini.

L'Event Timestamp, o ora di inizio, registra il momento esatto in cui un'attività è stata eseguita. Questo timestamp è fondamentale per ordinare cronologicamente gli eventi e calcolare le durate tra le attività.

Nel Process Mining, questi dati vengono utilizzati per costruire la cronologia di ogni caso, calcolare i tempi di ciclo, identificare i ritardi e analizzare le prestazioni del processo nel tempo. Timestamp accurati sono la base per quasi tutte le analisi di processo basate sul tempo e per il calcolo dei KPI, come il lead time e la puntualità delle consegne.

Questo attributo fornisce l'ordine cronologico degli eventi ed è essenziale per calcolare tutte le metriche basate sul tempo, come i tempi di ciclo e i ritardi.

Queste informazioni si trovano nelle tabelle dei log delle transazioni insieme all'evento o all'aggiornamento di stato corrispondente in Manhattan Associates.

Questo attributo identifica il sistema informativo sorgente da cui provengono i dati dell'evento. In questo contesto, sarà tipicamente 'Manhattan Associates', ma può anche differenziare tra diversi moduli o sistemi integrati.

È importante per la data governance e per comprendere il contesto dei dati, specialmente quando si combinano dati provenienti da più sistemi. Aiuta a tracciare la data lineage e a risolvere problemi di qualità dei dati.

Identifica l'origine dei dati, che è fondamentale per la data governance, la validazione e l'unione di dati provenienti da più sistemi aziendali.

In genere è un valore statico aggiunto durante il processo di estrazione dati per etichettare il dataset con la sua origine.

Questo attributo fornisce la data e l'ora dell'estrazione dati più recente dal sistema sorgente. Si tratta di un campo di metadati che aiuta gli utenti a capire quanto siano aggiornati i dati che stanno analizzando.

Nelle dashboard di Process Mining, queste informazioni sono vitali per comunicare la tempestività degli insight. Garantiscono che gli stakeholder siano consapevoli dell'attualità dei dati e possano prendere decisioni di conseguenza, evitando analisi basate su informazioni superate.

Indica l'aggiornamento dei dati, assicurando che le analisi e le decisioni si basino su informazioni recenti.

Questo timestamp viene generato e aggiunto durante il processo di estrazione, trasformazione e caricamento (ETL).

Questo attributo memorizza la data target entro la quale la merce deve essere consegnata al cliente o al luogo di ricezione. Funge da benchmark per misurare le prestazioni di puntualità della consegna.

In fase di analisi, questa data viene confrontata con il timestamp di consegna effettiva ('Ricezione prova di consegna') per determinare se un ordine è stato puntuale, in anticipo o in ritardo. È una componente critica per il calcolo di KPI come il 'Tasso di consegna puntuale al cliente' e il 'Tasso di consegna puntuale del fornitore', nonché per la creazione delle relative dashboard di performance.

Rappresenta la baseline per misurare la puntualità delle prestazioni, un KPI fondamentale per la soddisfazione del cliente e la gestione dei fornitori.

Presente nelle tabelle header dell'ordine o delle righe dell'ordine in Manhattan Associates. Consulti la documentazione del sistema.

Questo attributo specifica la modalità di trasporto utilizzata per movimentare le merci dal magazzino alla destinazione. Gli esempi includono carico completo (FTL), carico parziale (LTL), trasporto aereo, trasporto marittimo o pacchi.

Questa dimensione è critica per la dashboard 'Analisi dei costi e dell'efficienza del trasporto'. Consente di confrontare costi e velocità di diverse modalità di trasporto e aiuta a calcolare il KPI 'Frequenza delle spedizioni urgenti' identificando quando vengono utilizzate modalità più costose e veloci.

Aiuta ad analizzare i costi e l'efficienza del trasporto e identifica l'affidamento a costose opzioni di spedizione d'urgenza.

Presente nelle tabelle di spedizione o di pianificazione dei trasporti nel modulo Manhattan Associates TMS.

Questo attributo identifica lo specifico dipendente o utente di sistema responsabile dell'esecuzione di una determinata fase del processo. Può essere un ID utente univoco, un nome o il nome di un account di sistema per i task automatizzati.

L'analisi per utente aiuta a comprendere la distribuzione del carico di lavoro, le prestazioni delle risorse e a identificare le esigenze di formazione. È fondamentale per le dashboard relative al carico delle risorse e al throughput, nonché per indagare su deviazioni di processo che potrebbero essere specifiche di un utente.

Consente l'analisi delle prestazioni delle risorse, la distribuzione del carico di lavoro e aiuta a identificare quali utenti o team sono coinvolti nelle eccezioni di processo.

Solitamente si trova nelle tabelle delle transazioni insieme ai dati dell'evento, spesso come campo 'UserID' o 'ChangedBy'. Consulti la documentazione di Manhattan Associates.

Lo SKU del prodotto è un codice univoco che identifica un prodotto specifico. Un singolo ordine logistico può contenere più SKU.

Analizzare il processo a livello di prodotto aiuta a identificare se determinati articoli sono associati a inefficienze di processo, come tempi di prelievo più lunghi, tassi di ri-lavorazione più elevati o frequenti rotture di stock. Questo attributo è essenziale per la dashboard 'Rifornimento inventario e rischio di stockout' per analizzare la tempestività del riordino per prodotto.

Consente un'analisi a livello di prodotto per scoprire problemi come rotture di stock, ritardi nel prelievo o problemi di qualità legati a articoli specifici.

Presente nelle tabelle delle righe d'ordine in Manhattan Associates. Richiederà un join dai dati header dell'ordine ai dettagli delle righe.

Il 'Tipo di ordine' classifica gli ordini logistici in base alla loro natura o priorità. I tipi comuni includono ordini cliente, ordini di trasferimento stock o ordini di reso. Ogni tipo può avere un flusso di processo previsto e un accordo sul livello del servizio (SLA) differente.

Questo attributo è fondamentale per l'analisi comparativa. Filtrando o segmentando il processo per Tipo di ordine, gli analisti possono capire come vengono gestiti i diversi tipi di ordini, confrontare i loro tempi di ciclo e identificare se determinati tipi sono più inclini a ritardi o eccezioni. Supporta direttamente la dashboard 'Confronto tempi di ciclo per tipo di ordine'.

Consente di confrontare le prestazioni e i flussi di processo di diversi tipi di ordini, che spesso hanno percorsi e SLA unici.

Presente nei dati header dell'ordine in Manhattan Associates. Consulti la documentazione del sistema per il nome specifico del campo.

Questo attributo rappresenta il costo totale sostenuto per l'ordine logistico. Può essere suddiviso in componenti come costi di trasporto, costi di magazzino e spese di gestione. Il livello di dettaglio dipende dai dati sorgente.

I dati sui costi sono inestimabili per il Process Mining basato sul valore. Supportano la dashboard 'Analisi dei costi e dell'efficienza del trasporto' fornendo il contesto finanziario ai tempi di ciclo. Analizzando i costi, le aziende possono identificare le varianti di processo ad alto costo e prendere decisioni basate sui dati per ottimizzare sia la velocità che la spesa.

Aggiunge una dimensione finanziaria al processo, consentendo l'analisi dei driver di costo e dell'impatto economico delle inefficienze.

I dati sui costi possono provenire da più tabelle in Manhattan Associates o richiedere l'integrazione con un sistema finanziario. Consulti la documentazione per le tabelle dei costi di nolo o dei costi degli ordini.

Questo attributo booleano deriva dal confronto tra il timestamp dell'evento 'Ricezione prova di consegna' e la data 'RequestedDeliveryDate'. Contrassegna ogni ordine come puntuale (true) o in ritardo (false).

Questo attributo alimenta direttamente il KPI e la dashboard 'Tasso di consegna puntuale al cliente'. Semplifica l'analisi fornendo un risultato binario chiaro per ogni caso, rendendo facile filtrare gli ordini in ritardo e indagare sulle cause scatenanti dei ritardi.

Misura direttamente i livelli di servizio al cliente e semplifica l'analisi della puntualità classificando ogni ordine come puntuale o in ritardo.

Non si tratta di un campo nel sistema sorgente. Viene calcolato durante la trasformazione dei dati confrontando il timestamp della consegna effettiva con la data di consegna richiesta.

Questo attributo identifica la specifica struttura di magazzino responsabile dell'evasione dell'ordine. Per le operazioni multi-magazzino, questa è una dimensione critica per l'analisi.

Supporta direttamente la dashboard 'Analisi dei colli di bottiglia del picking in magazzino', consentendo di confrontare le prestazioni tra diverse strutture. Gli analisti possono identificare quali magazzini sono più efficienti, quali hanno tempi di ciclo di prelievo più lunghi e dove potrebbe essere necessario riallocare le risorse.

Consente un'analisi comparativa delle prestazioni tra diversi magazzini per identificare colli di bottiglia e best practice specifici per ogni struttura.

In genere fa parte dei dati dell'ordine o della spedizione nel WMS di Manhattan Associates e indica il luogo di evasione.

Questo attributo specifica il punto di consegna finale della merce. Potrebbe essere un centro di distribuzione del cliente, un negozio al dettaglio o l'indirizzo di un consumatore finale. È spesso rappresentato da città, provincia o codice postale.

Insieme alla località di origine, questo attributo è essenziale per la dashboard 'Matrice dei lead time origine-destinazione'. Analizzare i lead time per destinazione aiuta a identificare le criticità di consegna in regioni specifiche e a valutare l'efficienza della rete di distribuzione.

Aiuta ad analizzare le prestazioni di consegna in diverse aree geografiche e a identificare bottleneck regionali o problemi legati ai vettori.

Queste sono le informazioni sull'indirizzo di spedizione presenti nell'header dell'ordine o nei dettagli della spedizione in Manhattan Associates.

Questo attributo specifica il punto di partenza della spedizione, come un centro di distribuzione, uno stabilimento di produzione o la sede di un fornitore. In genere è rappresentato da un codice di località o da un nome.

I dati di origine e destinazione sono fondamentali per l'analisi della rete logistica. Questo attributo supporta la dashboard 'Matrice dei lead time origine-destinazione', aiutando a visualizzare e analizzare i lead time per le diverse rotte di spedizione e a identificare colli di bottiglia regionali o specifici di una struttura.

Fondamentale per l'ottimizzazione della rete logistica e per identificare le variazioni di prestazioni tra diverse tratte di spedizione o strutture.

Queste informazioni sono solitamente memorizzate nelle tabelle dell'header della spedizione o dell'ordine all'interno di Manhattan Associates.

Questo attributo identifica il cliente finale che riceve la spedizione. Può essere un privato o un'entità aziendale.

Le informazioni sui clienti sono fondamentali per analizzare i livelli di servizio e identificare modelli specifici. Supportano la dashboard 'Tasso di consegna puntuale al cliente' consentendo la segmentazione delle prestazioni di consegna per cliente, il che può rivelare se i ritardi si concentrano su determinati account o aree geografiche.

Consente di segmentare l'analisi per cliente, il che è fondamentale per comprendere i problemi specifici di ciascuno e misurare i livelli di servizio.

Presente nei dati header dell'ordine, spesso collegati tramite un ID cliente. Consulti la documentazione di Manhattan Associates.

Questo attributo identifica il venditore o il fornitore da cui vengono acquistati i beni o le materie prime. È rilevante per gli ordini logistici avviati da un ordine d'acquisto.

L'analisi per fornitore è essenziale per valutarne le prestazioni. Consente di creare scorecard dei fornitori, monitorare i tassi di consegna puntuale e identificare quali fornitori sono frequentemente associati a ritardi nella fase di 'Ricezione merce'. Ciò supporta direttamente la dashboard 'Prestazioni di consegna puntuale del fornitore'.

Consente l'analisi delle prestazioni dei fornitori, aiutando a identificare partner affidabili e a individuare le fonti di ritardo nella supply chain inbound.

Collegato dalle tabelle dei dati degli ordini d'acquisto in Manhattan Associates, spesso richiedendo un join dall'ordine logistico all'header dell'ordine d'acquisto.

Il Nome del Vettore identifica il partner logistico o l'azienda che trasporta fisicamente la merce. Può trattarsi di una grande compagnia di spedizioni o di un corriere locale.

L'analisi per vettore è fondamentale per valutarne le prestazioni in termini di puntualità delle consegne, costi ed efficienza. Rappresenta una dimensione primaria per la dashboard 'Analisi dei costi e dell'efficienza del trasporto', consentendo il confronto dei tempi di ciclo e dei costi tra i diversi vettori.

Consente la valutazione delle prestazioni dei partner di trasporto, aiutando a ottimizzare la selezione dei vettori in base a costi e affidabilità.

Presente nelle tabelle delle spedizioni o degli ordini di nolo, tipicamente all'interno del modulo TMS di Manhattan Associates.

Il Shipment ID è un numero di riferimento per un gruppo consolidato di merci trasportate insieme. Una singola spedizione può includere più ordini logistici, specialmente se diretti alla stessa destinazione.

Mentre l'ordine logistico funge da Case ID, il Shipment ID è un importante attributo contestuale. Consente l'analisi delle attività a livello di spedizione, come 'Vettore assegnato' o 'Spedizione partita', e aiuta a comprendere l'efficienza del consolidamento e la pianificazione dei trasporti.

Collega gli ordini spediti insieme, consentendo l'analisi dell'efficienza dei trasporti e delle strategie di consolidamento.

Generato e memorizzato nelle tabelle di pianificazione dei trasporti e delle spedizioni all'interno di Manhattan Associates.

Questa metrica misura il tempo trascorso tra l'attività 'Merce prelevata' e l'attività 'Merce imballata'. Isola le prestazioni di una parte critica del processo di evasione in magazzino.

Questo attributo calcolato è la base per il KPI 'Tempo di ciclo del picking in magazzino' e per la dashboard 'Analisi dei colli di bottiglia del picking in magazzino'. Consente la misurazione diretta e il monitoraggio dell'efficienza del prelievo, aiutando a identificare i colli di bottiglia e l'impatto di eventuali iniziative di miglioramento dei processi in magazzino.

Isola le prestazioni del processo di prelievo in magazzino, rendendo possibile mirare e misurare specificamente i miglioramenti in quest'area critica.

Questa è una metrica calcolata. Si ottiene calcolando la differenza temporale tra i timestamp delle attività 'Merce imballata' e 'Merce prelevata' per ogni ordine logistico.