Header Blog What if Analytics

Wat-als-analyses voor Trade in Tableau

De Commodity Trading Market houdt zich bezig met de handel in allerlei soorten goederen, zoals olie, soja, melk en kaas. Met het ERP-systeem Oracle JD Edwards en de Cadran add-on CTRM (Commodity Trading & Risk Management) heeft een organisatie de volledige ERP-oplossing die een handelsonderneming kan helpen met deze complexe backoffice-processen. De contracten, die vaak zeer hoge volumes en dus zeer hoge waarden vertegenwoordigen, worden in het systeem ingevoerd en vervolgens zowel logistiek als financieel verwerkt.

Interactief Tableau Dashboard geeft inzicht in M2M

Deze markt is een zeer volatiele handel met een hoog risico, waarin alles afhangt van hoe accuraat toekomstige prijzen en toekomstige wisselkoersen worden voorspeld. Dat betekent dat de realtime analyse van data een cruciale rol speelt. Het interactieve Tableau-dashboard in deze blog toont de mogelijkheden van Tableau om handelaren te helpen inzicht te geven in hun huidige MarkToMarket-positie (M2M) en de mogelijkheid om te spelen met Wat-als-scenario’s zoals: wat als de wisselkoers naar USDollars verandert met 1 %, of wat als de marktprijs met 2% daalt. In deze analyse worden de effecten op de winstmarge dan direct zichtbaar gemaakt.

Minimaliseer het risico en maximaliseer de winst

Neem dit dashboard in de schermen van CTRM op en een handelaar heeft directe inzichten in het beheren, dekken en verzekeren van contracten om het risico te minimaliseren en de winst te maximaliseren.

Dit is slechts om een ​​voorbeeld te geven, want er kunnen natuurlijk nog veel meer variabelen worden toegevoegd om dit inzicht complexer en dus gedetailleerder te maken. Hierbij kan gedacht worden aan

  • Rentetarieven
  • Andere valutakoersen
  • Volatiliteit of misschien zelfs
  • De gemiddelde temperatuur en
  • Luchtvochtigheid.

Maak gebruik van Machine learning

De bovenstaande analyse wordt nog inzichtelijker wanneer de waarschijnlijkheden van de verschillende Wat-als scenario’s worden meegenomen. Machine learning kan hiervoor gebruikt worden, aangezien de relevante variabelen in het model kunnen worden toegevoegd. Het model zou bijvoorbeeld het meest waarschijnlijke scenario kunnen laten zien of een bandbreedte van meest waarschijnlijke scenario’s.

Voor meer informatie over onze CTRM oplossing voor JD Edwards:

Neem contact op met onze experts

Auteur RickAuteur: Rick Brobbel
BI Consultant at Cadran Consultancy