خانه / داشبورد مدیرعامل کارخانه در پاور بی‌آی با هوش مصنوعی: یک صفحه، پنج عدد

داشبورد مدیرعامل کارخانه در پاور بی‌آی با هوش مصنوعی: یک صفحه، پنج عدد

بیشتر داشبوردهای کارخانه برای کسانی ساخته می‌شوند که آن‌ها را می‌سازند. مدیرعامل گزارش را باز می‌کند، ۹ صفحه و چهل نمودار می‌بیند، آن را می‌بندد و به جایش به مدیر کارخانه زنگ می‌زند. در این مقاله نشان می‌دهم داشبورد مدیرعامل کارخانه را در پاور بی‌آی (Power BI) چطور می‌سازم: یک صفحه، پنج عدد، روند ۱۳ هفته و یک توضیح کوتاه که با هوش مصنوعی نوشته می‌شود؛ هوش مصنوعی جمله را می‌نویسد، اما هیچ‌وقت عدد نمی‌سازد.

در ۲۴ سال کار در تولید گزارش‌های مدیریتی زیادی ساخته‌ام و از نو ساخته‌ام و آن‌هایی که ماندند، همیشه کوتاه‌ترها بودند. مدیر ارشد به دادهٔ بیشتر نیاز ندارد. باید در یک دقیقه بفهمد کارخانه سر برنامه است یا نه، کجا نیست و چه کسی همین حالا روی آن کار می‌کند. کارخانه و همهٔ عددهای این مقاله فرضی هستند و دادهٔ یک شرکت واقعی نیستند.

نمودار فرضی یک گزارش مدیریتی: قبل از بازطراحی ۹ صفحه و ۴۶ نمودار که مدیرعامل در ماه فقط ۳ روز بازش می‌کرد؛ بعد از آن یک صفحه با ۵ عدد که در ۱۹ روز از ۲۲ روز کاری باز شد

کارخانهٔ فرضی

یک کارخانهٔ متوسط گزارش ماهانهٔ مدیریتی در پاور بی‌آی دارد: ۹ صفحه و ۴۶ نمودار که هر شب به‌روز می‌شود. آمار استفاده نشان داد مدیرعامل در یک ماه فقط ۳ روز آن را باز کرده بود، آن هم همیشه درست قبل از جلسهٔ ماهانه. بقیهٔ سؤال‌ها تلفنی پرسیده می‌شد.

وقتی از خودش پرسیدیم هر روز صبح واقعاً می‌خواهد چه چیزی را بداند، فهرست کوتاه بود: سفارش مشتری‌ها به‌موقع می‌رسد؟ گلوگاه مطابق برنامه تولید می‌کند؟ روی چیزی که تولید می‌کنیم پول درمی‌آوریم؟ پول در موجودی انبار گیر کرده است؟ در ایمنی یا کیفیت مشکلی هست؟ پنج سؤال، پنج عدد.

پنج عدد صفحهٔ اول

سؤال عدد قرمز وقتی مالک
سفارش مشتری‌ها می‌رسد؟ تحویل به‌موقع و کامل (OTIF)، ۷ روز اخیر کمتر از ۹۲٪ به مدت یک هفته مسئول فروش و برنامه‌ریزی
کارخانه مطابق برنامه تولید می‌کند؟ تولید گلوگاه در برابر برنامه، این هفته کمتر از ۹۵٪ برنامه مدیر تولید
پول درمی‌آوریم؟ هزینهٔ تبدیل هر واحد، از ابتدای ماه ۳٪ بالاتر از بودجه کنترلر مالی کارخانه
پول در انبار گیر کرده است؟ روزهای موجودی (مواد اولیه، کالای در جریان ساخت، محصول) بیشتر از ۳۵ روز مسئول زنجیرهٔ تأمین
مشکلی هست؟ شکایت مشتری و حادثهٔ منجر به توقف کار هر حادثهٔ منجر به توقف کار، یا بیش از ۲ شکایت در هفته مسئول کیفیت و مسئول ایمنی

پنج عدد شما شاید فرق کند، اما آزمون همان است: هر عدد به سؤالی جواب می‌دهد که مدیر ارشد واقعاً می‌پرسد، یک تعریف دارد، یک مالک دارد و قاعدهٔ قرمز شدنش از قبل توافق شده است. عددی که این آزمون را نگذراند، به صفحهٔ سطح دوم می‌رود، نه به صفحهٔ اول.

چیدمان: یک صفحه، خواندن در یک دقیقه

  1. ردیف بالا: پنج کارت. هر کارت مقدار فعلی، هدف و رنگی را نشان می‌دهد که از قاعدهٔ قرمز می‌آید. نه عقربه، نه نمودار سه‌بعدی؛ یک عدد و یک رنگ سریع‌تر خوانده می‌شود.
  2. زیر هر کارت: روند ۱۳ هفته. یک هفتهٔ بد نویز است؛ سه هفتهٔ بد پشت سر هم مشکل است. روند این فرق را با یک نگاه نشان می‌دهد.
  3. وسط: «این هفته چه چیزی تغییر کرد». سه تا پنج جملهٔ کوتاه: کدام عدد تکان خورد، چرا و مالکش چه کاری برایش می‌کند.
  4. پایین: دریل‌ترو (drill-through)، نه نمودار بیشتر. کلیک روی یک کارت قرمز صفحهٔ مدیر کارخانه را برای همان عدد، به تفکیک خط یا محصول، باز می‌کند. صفحهٔ اصلی خلوت می‌ماند.

هوش مصنوعی کجای پاور بی‌آی واقعاً کمک می‌کند

هوش مصنوعی در سه جا مفید است و در یک جا خطرناک.

  • نوشتن فرمول‌های DAX از روی تعریف‌ها. تعریف را از دیکشنری KPI و نام ستون‌ها را کپی کنید و فرمول را بخواهید. مثلاً OTIF می‌تواند این شود: OTIF % = DIVIDE(CALCULATE(COUNTROWS(Shipments), Shipments[OnTime] = TRUE(), Shipments[InFull] = TRUE()), COUNTROWS(Shipments)). بعد آن را با یک هفته که دستی حساب کرده‌اید مقایسه کنید. اگر این دو یکی نبودند، فرمول وارد داشبورد نمی‌شود.
  • نوشتن پیش‌نویس توضیح هفتگی. اگر کوپایلت (Copilot) پاور بی‌آی را دارید (به ظرفیت پولی Fabric یا Premium نیاز دارد)، می‌تواند صفحه را خلاصه کند. اگر ندارید، جدول پنج عدد را برای ۱۳ هفتهٔ اخیر خروجی بگیرید و با دستوری مثل این به ChatGPT یا Claude بدهید: «حداکثر پنج جملهٔ کوتاه برای مدیرعامل بنویس. فقط از عددهای همین جدول استفاده کن. عددی را که بیشترین تغییر را داشته، در مقایسه با هفتهٔ قبل و با هدف، نام ببر. علت را حدس نزن.»
  • جواب دادن به سؤال‌های بعدی. با یک مدل تمیز و نام‌های روشن («تولید گلوگاه»، نه «Measure 7») مدیرعامل یا مدیر کارخانه می‌تواند سؤالش را به زبان ساده بپرسد و در بیشتر موارد نمودار درست را بگیرد.

جای خطرناک، علت است. هوش مصنوعی می‌تواند بگوید OTIF از ۹۵٪ به ۸۸٪ رسید. نمی‌تواند بداند که به‌خاطر دو تحویل جاماندهٔ یک تأمین‌کننده افت کرد. برای همین قاعدهٔ من ساده است: هوش مصنوعی جمله را می‌نویسد، فرمول عدد را می‌دهد و مالک علت را می‌نویسد. مالک هر دوشنبه پیش‌نویس را می‌خواند، اصلاحش می‌کند و یک خط دربارهٔ اقدام اضافه می‌کند. بعد روی صفحه می‌رود.

مدل داده پشت داشبورد

داشبورد مدیرعامل فقط به خوبی مدلی است که زیرش هست. آن را ساده نگه دارید: چند جدول اصلی (ارسال، سفارش تولید، هزینه، موجودی، حادثه)، جدول‌های مشترک برای تاریخ، محصول، خط و مشتری، و هر KPI به‌صورت یک فرمول با همان نامی که در دیکشنری KPI دارد. اگر داده از فایل‌های اکسل می‌آید، اول تمیزش کنید؛ یک ساعتی که صرف واحدها، تاریخ‌ها و ردیف‌های تکراری می‌شود، از هفته‌ها بحث بر سر اینکه عدد چه کسی درست است جلوگیری می‌کند.

ساختن در دو هفته

  1. روز ۱ و ۲: پنج سؤال. نیم ساعت با مدیر ارشد بنشینید و سؤال‌هایی را که هر هفته می‌پرسد بنویسید. هر سؤال را به یک عدد با تعریف، مالک و قاعدهٔ قرمز تبدیل کنید.
  2. روز ۳ تا ۶: مدل و فرمول‌ها. منبع‌ها را وصل کنید، جدول‌های مشترک را بسازید و پنج فرمول را با کمک هوش مصنوعی بنویسید. هر کدام را با یک هفتهٔ دستی آزمایش کنید.
  3. روز ۷ و ۸: صفحه. پنج کارت، پنج روند، کادر توضیح و صفحه‌های دریل‌ترو. پیش‌نویس را نشان بدهید و هر چیزی را که مدیرعامل به آن نگاه نمی‌کند حذف کنید.
  4. روز ۹ و ۱۰: روال. به‌روزرسانی شبانه را تنظیم کنید، توافق کنید چه کسی توضیح دوشنبه را می‌نویسد و چه کسی تأیید می‌کند، و به جای فایل PDF قدیمی لینک داشبورد را بفرستید.

در کارخانهٔ فرضی، گزارش از ۹ صفحه و ۴۶ نمودار به یک صفحه با ۵ عدد و سه صفحهٔ دریل‌ترو رسید. در ماه دوم، آمار استفاده نشان داد مدیرعامل در ۱۹ روز از ۲۲ روز کاری آن را باز کرده است و تلفن‌های صبح به مدیر کارخانه به‌جای سؤال دربارهٔ عددها، سؤال دربارهٔ اقدام‌ها شدند.

اشتباه‌های رایج

  • شروع از داده‌ای که دارید. از سؤال‌ها شروع کنید؛ وگرنه صفحهٔ اول با هر چیزی پر می‌شود که اندازه‌گیری‌اش آسان است.
  • رنگ زیاد. اگر هشت چیز قرمز باشد، هیچ چیز قرمز نیست. قرمز به یک قاعده و یک بازهٔ زمانی نیاز دارد.
  • سپردن توضیح علت به هوش مصنوعی. یک علت غلط که با اطمینان روی صفحهٔ اصلی نوشته شده، از نبودن توضیح بدتر است.
  • عددهای متفاوت در گزارش‌های متفاوت. اگر گزارش مالی و داشبورد دو هزینهٔ تبدیل متفاوت نشان بدهند، جلسه دربارهٔ گزارش‌ها می‌شود، نه دربارهٔ کارخانه. برای هر KPI یک تعریف، همه‌جا.

چنین داشبوردی روی دو پایه می‌ایستد که قبلاً درباره‌شان نوشته‌ام: یک دیکشنری KPI برای همهٔ کارخانه‌ها تا هر عدد برای همه یک معنا داشته باشد، و یک مالک برای هر KPI تا هر کارت قرمز کسی را داشته باشد که اقدام کند. اگر داده‌تان هنوز در اکسل است، از تمیز کردن دادهٔ کارخانه با Claude در اکسل شروع کنید و برای بخش هشدار، مقالهٔ داشبورد استثنا که خبر بد را زودتر می‌رساند را ببینید.

نکتهٔ کلیدی: داشبورد مدیرعامل کارخانه یک صفحه است با حدود پنج عدد که به سؤال‌های واقعی مدیر ارشد جواب می‌دهند؛ هر عدد با روند ۱۳ هفته، یک مالک و یک قاعدهٔ قرمز. از هوش مصنوعی در پاور بی‌آی برای نوشتن فرمول‌ها و پیش‌نویس توضیح هفتگی استفاده کنید، اما بگذارید عدد را فرمول بدهد و علت را مالک.

داشبورد یک‌صفحه‌ای برای مدیریت خودتان می‌خواهید؟

گزارشی را که امروز به مدیر ارشدتان می‌رسد برایم بفرستید. با هم پنج عدد را انتخاب و تعریف می‌کنیم و یک صفحهٔ پاور بی‌آی می‌سازیم که واقعاً هر روز صبح بازش کند.

تماس با من بخوانید: مالک KPI کیست بخوانید: دیکشنری KPI

مطالعهٔ مرتبط: ارزیابی شبکهٔ نمایندگی: کارت امتیازی برای اینکه بدانید کدام نماینده را رشد بدهید و کدام را اصلاح کنید — شش بُعد، از فروش در برابر ظرفیت منطقه تا انضباط پرداخت و شکایت‌ها، و چهار گروه با چهار نوع اقدام.

منابع

  • مستندات Microsoft Learn دربارهٔ کوپایلت در پاور بی‌آی، از جمله نیاز آن به ظرفیت پولی Fabric یا Premium، و گزارش آمار استفاده (usage metrics) که در این مقاله برای شمردن دفعات باز شدن گزارش به کار رفته است.
  • OTIF، هزینهٔ تبدیل و روزهای موجودی شاخص‌های رایج تولید هستند و هر کارخانه باید تعریف خودش را ثابت کند. کارخانه، آستانه‌ها و همهٔ عددهای این مقاله فرضی هستند.
  • مطالعهٔ مرتبط در همین سایت: دیکشنری KPI، مالکیت KPI، Claude در اکسل روی دادهٔ کارخانه و داشبوردهای استثنا.

👁 Views: 1