サプライチェーン管理データテンプレート

アクティビティ名は、「Order Allocated」「Goods Picked」「Shipment Dispatched」など、サプライチェーンのライフサイクルにおける個別のステップを表します。これらのアクティビティが、検出されたプロセスマップのノードになります。

これらのアクティビティを分析することで、プロセスフローを可視化し、頻出する経路を特定し、各工程にかかった時間を測定できます。物流受注の行程で何が起きているかを把握する基盤となり、手戻り、ボトルネック、標準プロセスからの逸脱の特定にも使われます。

この属性はプロセス内のステップを定義し、プロセスマップの基盤となるとともに、プロセスフローとボトルネックの分析を可能にします。

通常、Manhattan Associatesのさまざまなトランザクションテーブルにあるイベントコードやステータス変更を、利用しやすいアクティビティ名に対応付けて作成します。

イベントタイムスタンプまたは開始時刻は、アクティビティが実行された正確な時点を記録します。このタイムスタンプは、イベントを時系列に並べ、アクティビティ間の所要時間を計算するために欠かせません。

プロセスマイニングでは、このデータを使って各ケースのタイムラインを構築し、サイクルタイムを計算し、遅延を特定し、時間の経過に伴うプロセスパフォーマンスを分析します。正確なタイムスタンプは、リードタイムや納期遵守など、時間に基づくほぼすべてのプロセス分析とKPI計算の基盤です。

この属性によりイベントを時系列に並べることができ、サイクルタイムや遅延など、時間に基づくすべての指標を計算するために欠かせません。

この情報は、Manhattan Associatesの対応するイベントまたはステータス更新とともに、トランザクションログテーブルに記録されています。

物流受注は、顧客による受注から最終納入まで、関連するすべてのアクティビティをつなぐ中心的な追跡番号です。各物流受注は1つのフルフィルメント行程を表し、調達、倉庫、出荷、納入を含む受注ライフサイクル全体を分析できます。

プロセスマイニングでは、この属性を使って関連するすべてのイベントを1つのケースにまとめます。物流受注単位でプロセスを分析することで、エンドツーエンドのサイクルタイムを計算し、一般的なプロセスバリアントを特定するとともに、特定の受注に影響するボトルネックや逸脱を検出できます。

関連するすべてのイベントをまとめる必須のCase IDです。1件の受注が開始から完了までたどった全行程を追跡できます。

Manhattan Associatesの主要な受注管理テーブルにおける主キーです。具体的なテーブルについてはシステムのドキュメントを確認してください。受注ヘッダーに関連するテーブルである可能性があります。

この属性は、イベントデータの発生元である情報システムを識別します。このコンテキストでは通常「Manhattan Associates」ですが、異なるモジュールや統合システムを区別するために使われる場合もあります。

データガバナンスやデータの背景を理解するうえで重要です。特に複数のシステムのデータを組み合わせる場合、データの系譜を追跡し、データ品質の問題を調査するのに役立ちます。

データの発生元を識別します。データガバナンス、検証、複数の基幹システムのデータ統合に欠かせません。

通常は、データ抽出時に追加される固定値で、データセットの発生元を示します。

この属性は、ソースシステムから直近にデータを取得した日付と時刻を示します。分析対象データの鮮度を把握するためのメタデータ項目です。

プロセスマイニングのダッシュボードでは、分析結果の適時性を伝えるうえで欠かせません。関係者がデータの新しさを把握し、それに応じて判断できるようにすることで、古い情報に基づく分析を防ぎます。

データの鮮度を示し、最新の情報に基づいて分析や意思決定を行えるようにします。

このタイムスタンプは、データの抽出、変換、ロード（ETL）処理の際に生成され、追加されます。

この属性は、特定のプロセスステップを実行した従業員またはシステムユーザーを識別します。一意のユーザーID、名前、自動タスクに使用されるシステムアカウント名などが該当します。

ユーザー別に分析すると、業務量の分布、リソースのパフォーマンス、トレーニングが必要な領域を把握できます。リソース負荷や処理量に関するダッシュボードの基盤となるほか、特定のユーザーに起因するプロセス逸脱の調査にも役立ちます。

リソースのパフォーマンスや業務量の分布を分析し、プロセス上の例外に関与したユーザーやチームを特定できます。

通常は、イベントデータとともにトランザクションテーブルに記録され、「UserID」または「ChangedBy」フィールドとして格納されます。詳しくはManhattan Associatesのドキュメントをご確認ください。

商品SKUは、特定の商品を識別する一意のコードです。1件の物流注文に複数のSKUが含まれる場合があります。

商品レベルでプロセスを分析すると、ピッキング時間の長期化、手戻り率の上昇、在庫切れの頻発など、特定の商品に関連する非効率を特定できます。この属性は、「在庫補充と在庫切れリスク」ダッシュボードで、商品別の再発注の適時性を分析するために欠かせません。

商品レベルの分析により、特定の商品に関連する在庫切れ、ピッキング遅延、品質問題などを明らかにできます。

Manhattan Associatesの注文明細テーブルに記録されています。注文ヘッダーと明細データを結合する必要があります。

この属性には、商品を顧客または受け取り場所へ納品する目標日が記録されます。納期遵守率を測定する基準となります。

分析では、この日付を実際の納品タイムスタンプ（「Proof of Delivery Received」）と比較し、注文が予定どおり、早着、遅延のいずれであったかを判定します。「顧客納期遵守率」や「サプライヤー納期遵守率」などのKPIの算出や、関連するパフォーマンスダッシュボードの作成に欠かせません。

納期遵守パフォーマンスを測定する基準であり、顧客満足度やサプライヤー管理に関わる重要なKPIです。

Manhattan Associatesの注文ヘッダーまたは注文明細テーブルに記録されています。詳しくはシステムドキュメントをご確認ください。

注文タイプは、物流注文を性質や優先度に基づいて分類します。一般的なタイプには、顧客注文、在庫移動注文、返品注文などがあります。タイプごとに、想定されるプロセスフローやサービスレベル合意（SLA）が異なる場合があります。

この属性は比較分析に欠かせません。注文タイプでプロセスをフィルタリングまたはセグメント化すると、注文タイプごとの処理方法、サイクルタイム、遅延や例外の発生しやすさを比較できます。「注文タイプ別サイクルタイム比較」ダッシュボードを直接支えます。

種類の異なる注文のパフォーマンスやプロセスフローを比較できます。注文ごとに固有の経路やSLAが設定されている場合にも役立ちます。

Manhattan Associatesの注文ヘッダーデータに記録されています。具体的なフィールド名については、システムドキュメントをご確認ください。

この属性は、倉庫から配送先まで商品を輸送する方法を示します。例として、Full Truckload（FTL）、Less Than Truckload（LTL）、航空貨物、海上貨物、小口配送などがあります。

このディメンションは、「輸送コストと効率分析」ダッシュボードに欠かせません。輸送モードごとのコストと速度を比較できるほか、より高価で速い輸送モードが使われたケースを特定し、「緊急配送頻度」KPIの算出に役立ちます。

輸送コストと効率を分析し、高額な緊急配送への依存度を特定できます。

Manhattan AssociatesのTMSモジュールにある出荷または輸送計画テーブルに記録されています。

この属性は、商品や原材料を調達するベンダーまたはサプライヤーを識別します。購買注文によって開始される物流注文に関係します。

サプライヤー別の分析は、ベンダーのパフォーマンス評価に欠かせません。サプライヤー評価表の作成、納期遵守率の監視、「商品受領」ステップで遅延が頻発するサプライヤーの特定に役立ちます。「サプライヤー納期遵守パフォーマンス」ダッシュボードを直接支えます。

サプライヤーのパフォーマンスを分析し、信頼できる取引先や、入荷サプライチェーンの遅延要因を特定できます。

Manhattan Associatesの購買注文データテーブルから参照されます。通常は、物流注文と購買注文ヘッダーを結合する必要があります。

この属性は、注文のフルフィルメントを担当する特定の倉庫施設を識別します。複数の倉庫を運営する場合、分析に欠かせないディメンションです。

「倉庫ピッキングボトルネック分析」ダッシュボードを直接支え、施設ごとのパフォーマンスを比較できます。どの倉庫の効率が高いか、ピッキングのサイクルタイムが長いか、リソースの再配分が必要な場所はどこかを特定できます。

倉庫ごとのパフォーマンスを比較し、施設固有のボトルネックや優れた取り組みを特定できます。

通常は、Manhattan AssociatesのWMSにある注文または出荷データの一部として記録され、フルフィルメントを行う場所を示します。

出荷IDは、まとめて輸送される商品の統合グループを示す参照番号です。特に同じ配送先へ向かう場合、1件の出荷に複数の物流注文が含まれることがあります。

物流注文がケースIDであるのに対し、出荷IDは重要なコンテキスト属性です。「運送会社割り当て」や「出荷手配完了」など、出荷レベルのアクティビティを分析できます。また、混載の効率や輸送計画の把握にも役立ちます。

同時に出荷される注文を関連付け、輸送効率や混載戦略を分析できます。

Manhattan Associatesの輸送・出荷計画テーブルで生成され、保存されます。

この属性は、配送センター、製造工場、サプライヤー拠点など、出荷の起点を示します。通常はロケーションコードまたは名称で表されます。

出荷元と配送先のデータは、物流ネットワーク分析の基礎となります。この属性は「出荷元・配送先別リードタイムマトリクス」ダッシュボードを支え、輸送経路ごとのリードタイムを可視化・分析し、地域や施設ごとのボトルネックを特定できます。

物流ネットワークの最適化や、輸送経路・施設ごとのパフォーマンス差の特定に欠かせません。

通常は、Manhattan Associatesの出荷または注文ヘッダーテーブルに記録されています。

この属性は、物流注文にかかった合計コストを示します。輸送費、倉庫保管費、取扱手数料などに分解できる場合があります。詳細度はソースデータによって異なります。

コストデータは、価値に基づくプロセスマイニングに欠かせません。「輸送コストと効率分析」ダッシュボードでサイクルタイムに財務面の情報を加えます。コストを分析することで、高コストのプロセスバリアントを特定し、速度と費用の両方を最適化するためのデータに基づく判断が可能になります。

プロセスに財務面の視点を加え、コスト要因や非効率が財務に与える影響を分析できます。

コストデータは、Manhattan Associatesの複数のテーブルから取得する場合や、財務システムとの統合が必要な場合があります。運賃コストまたは注文原価テーブルについては、ドキュメントをご確認ください。

運送会社名は、商品を実際に輸送する物流パートナーまたは企業を識別します。大手運送会社の場合も、地域の配送業者の場合もあります。

運送会社別の分析は、納期遵守、コスト、効率の観点からパフォーマンスを評価するうえで重要です。「輸送コストと効率分析」ダッシュボードの主要なディメンションとなり、運送会社ごとのサイクルタイムとコストを比較できます。

輸送パートナーのパフォーマンスを評価し、コストと信頼性に基づいて運送会社の選定を最適化できます。

通常は、Manhattan AssociatesのTMSモジュールにある出荷または貨物注文テーブルに記録されています。

この属性は、商品の最終配送先を示します。顧客の配送センター、小売店舗、最終消費者の住所などが該当します。市区町村、州、郵便番号で表されることがよくあります。

出荷元ロケーションと組み合わせることで、「出荷元・配送先別リードタイムマトリクス」ダッシュボードに欠かせない情報となります。配送先別にリードタイムを分析すると、特定地域の配送上の課題や、配送ネットワークの効率を把握できます。

地域ごとの配送パフォーマンスを分析し、地域別のボトルネックや運送会社の問題を特定できます。

Manhattan Associatesの注文ヘッダーまたは出荷詳細に記録される配送先住所情報です。

この属性は、出荷品を受け取る最終顧客を識別します。個人の場合も、法人の場合もあります。

顧客情報は、サービスレベルの分析や特定顧客に固有の傾向の把握に欠かせません。「顧客納期遵守率」ダッシュボードで顧客別に納品パフォーマンスを分類できるため、特定の顧客や地域に遅延が集中しているかを確認できます。

顧客別に分析を分類できます。顧客固有の問題を把握し、サービスレベルを測定するうえで重要です。

注文ヘッダーデータに記録され、通常は顧客IDで関連付けられます。詳しくはManhattan Associatesのドキュメントをご確認ください。

このブール型属性は、「Proof of Delivery Received」イベントのタイムスタンプと「RequestedDeliveryDate」を比較して算出します。各注文を納期遵守（true）または遅延（false）として分類します。

この属性は、「顧客納期遵守率」KPIとダッシュボードに直接利用されます。ケースごとの結果を明確な二値で示すため、遅延注文の抽出や遅延原因の調査が容易になります。

顧客へのサービスレベルを直接測定し、すべての注文を納期遵守または遅延に分類することで、納期遵守パフォーマンスの分析を簡単にします。

ソースシステムのフィールドではありません。実際の納品タイムスタンプと希望納品日を比較し、データ変換時に算出されます。