Lagerprognoser: Guide i 8 trin & bedste praksis

Hvis du bare havde en krystalkugle, der kunne fortælle dig de perfekte lagerbeholdninger, ville det være en leg at drive en e-handelsvirksomhed.

I stedet er dine bedst sælgende varer udsolgt lige før højtiderne, mens dit lager bugner af produkter, der ligger og samler støv på hylderne. 

Problemet er klart—du har brug for en bedre tilgang til lagerprognoser. 

Løsningen er her.  I dette blogindlæg finder du en trinvis vejledning og en liste over bedste praksisser, der hjælper dig med netop det.  

Hvad er lagerprognoser?

Lagerprognoser indebærer at forudse og optimere lagerbeholdningen baseret på kundernes efterspørgsel over en bestemt periode. Det er en løbende proces og omtales også ofte som efterspørgselsplanlægning.

Her er grunden til, at e-handelsvirksomheder som din kan drage fordel af mere præcise forudsigelser:

Bedre lagerprognoser giver dig større kontrol over lagerbeholdningen. 

Med lige præcis nok lagerbeholdning er der mindre risiko for, at du oplever udsolgte varer og overlagersituationer, som netop er årsagen til, at detailvirksomheder forventes at have tabt $1.77 trillion i 2023. 

Ved at holde din lagerprognose så præcis som muligt undgår du at binde kapital eller gå på kompromis med kundeoplevelsen. 

Udfordringer ved lagerprognoser

Præcis forudsigelse af lagerbeholdningen kan spare din virksomhed for en formue, men det er ikke uden udfordringer. 

De mest almindelige er:

• Håndtering af usikker forbrugerefterspørgsel. Historiske salgsdata alene er ikke nok til at forudsige optimale lagerbeholdninger, fordi de ikke tager højde for usikkerhed. 
• Håndtering af sæsonmæssige tendenser. Sæsonbaserede prognosemodeller kræver, at der tages højde for justeringer som salgs ‌udsving og effekten af kampagner.
• Integration af prognoser med styring af forsyningskæden. Forsinkelser fra leverandører, økonomisk ustabilitet og andre forstyrrelser skaber usikkerhed i forsyningen. Derfor planlægger 51% af virksomhederne at samarbejde med leverandører om at forudsige efterspørgslen præcist. 
• Sikring af datanøjagtighed. Uopdagede problemer med datakvaliteten påvirker 47% af beslutningstagere. Prognoser, der er baseret på fejlbehæftede datapunkter, kan føre til uhensigtsmæssige lagerbeholdninger, lavere kundetilfredshed og reduceret operationel effektivitet.
• Tilpasning til markedstendenser og forbrugeradfærd. Efterspørgselsvolatilitet kan medføre betydelige afvigelser fra de prognosticerede værdier. Du kan få brug for at investere i forskellige, ressourcekrævende prognosemetoder for at håndtere sådanne situationer.

Ved at håndtere disse udfordringer forbedrer du dine lagerprognoser, hvilket fører til mere smidige processer og en stærkere position på markedet.

5 almindelige metoder til lagerprognoser

Hvis du stoler på din mavefornemmelse, kan din virksomhed være sårbar over for unøjagtigheder og ineffektivitet i lagerstyringen. 

Selvom din intuition er værdifuld og er formet af erfaring, er den stadig modtagelig for skævheder. 

Hvis du kombinerer den med disse metoder til efterspørgselsprognoser, kan du gøre dine lagerprognoser mere objektive og pålidelige.

Her er 5 typer metoder til lagerprognoser:

Author's Tip

Implementer prognosticeringsmetoder i lille skala, før de rulles ud i hele virksomheden. Det vil hjælpe dig med at anvende metoderne og relatere dem til din virksomheds kontekst.

Målepunkter og formler til lagerprognosticering

Målepunkter gør det muligt at måle din prognoses resultater i forhold til et sæt mål eller standarder. De findes for at understøtte bedre langsigtet planlægning og strategi. 

Brug denne hurtige guide til at fastsætte målepunkter og formler for lageret, som du kan bruge, når du evaluerer strategier for lagerplanlægning.

Med disse målepunkter på plads kan vi nu dykke ned i selve prognosticeringsprocessen.

Sådan laver du en lagerprognose trin for trin

Uanset om du bruger pen og papir eller avanceret software, kan lagerprognosticering altid koges ned til de samme grundlæggende trin, fordi du har brug for, at de samme elementer samles. 

Her er planen:

1. Indsaml historiske salgsdata

Inden for lagerprognoser kan du ikke se fremad uden at se tilbage. 

Din salgshistorik viser, hvordan dine lagerbeholdninger bevæger sig, og giver dig indsigt i vigtige faktorer som f.eks. produktets præstation.

Matt Bellerose, grundlægger af onlineforhandleren af fisk og skaldyr Lobster Order, talte om, hvor effektivt det er at vurdere denne type information: 

Ved at bruge tidligere salgsdata har vi reduceret overlagring med gennemsnitligt 15 %.

Så hvor langt tilbage skal du gå? 

Enigheden er mindst to år. Det giver dig rigelig tid til at se, hvor godt dit produkt klarer sig på markedet på forskellige tidspunkter af året.

Du kan indsamle disse data fra forskellige systemer, herunder dine e-handelsplatforme og CRM-software. 

2. Analysér dine salgsdata

Du har opbygget et omfattende og nøjagtigt datasæt – godt klaret! 

Det næste skridt er at gennemgå det grundigt for at afdække mønstre, tendenser og afvigelser, der påvirkede dine tidligere resultater. 

Som det første skal du lave en liste over de oplysninger, du har brug for. Nogle gode ting at holde øje med er:

• Stadier i produktets livscyklus.  Få en forståelse af et produkts samlede levetid på markedet ved at følge dets resultater fra lancering til tilbagegang.
• Sæsonudsving. Undersøg salgsmønstre, der varierer med årstiden eller bestemte tidspunkter på året.
• Effekten af kampagner. Analysér effekten af rabatter eller særlige tilbud på kundernes efterspørgsel. 
• Situationer med udsolgte varer. Overvåg, hvor ofte og hvornår produkter ikke har været tilgængelige.

Disse detaljerede evalueringer kan hjælpe dig med at identificere, hvilke produkter der klarer sig godt (eller ikke gør) på bestemte tidspunkter, så du ved, hvornår og hvilke produkter du skal fylde lageret op med. 

3. Vælg den bedst egnede prognosemetode

Tidligere talte vi om de forskellige prognoseteknikker, og hvordan hver af dem har sine styrker og svagheder.  

Af netop denne grund vælger Amanda Bunch, administrerende direktør for onlineforhandleren af piercingsmykker BodyArtForms, en hybridmetode:

Min erfaring er, at kvantitative metoder har fordele, såsom at man kan træffe beslutninger baseret på fakta og tal (så længe de er nøjagtige), og at man typisk føler sig mere sikker på sin beslutning. 

På den anden side er kvalitative data mere fleksible i deres tilgang, og det giver mere mening for os som virksomhed, der arbejder med piercingsmykker, at vælge denne metode, da den fungerer tæt sammen med kundeadfærd og tendenser i branchen. 

Nøjagtigheden er dog ikke lige så pålidelig som ved kvantitative metoder.  

På baggrund af den måde, vores virksomhed fungerer på, vælger vi en hybridmetode til prognoser.

Din virksomheds behov, produkter og de aktuelle økonomiske forhold vil afgøre din prognoseteknik. 

Men ligesom BodyArtForms foretrækker mange e-handelsbrands at kombinere kvalitative og kvantitative metoder. 

Det giver en fleksibilitet og tilpasningsevne, som selv onlineforhandlere af forbrugsvarer som Lobster Order kan stole på. 

Da pandemien ramte i 2020, kunne fisk- og skaldyrsforhandlerens kvantitative modeller ikke håndtere en stigning på 30 % i leveringsordrer til hjemmet.  Derfor tog virksomheden kvalitative metoder i brug for at navigere i den uforudsigelige situation.

Hvis du arbejder med sæsonbetonede produkter, giver multimodelprognoseteknikker også ofte de mest nøjagtige resultater.

En undersøgelse viste for eksempel, at brugen af Multipel lineær regression (MLR) og Random forest-regression (RFR) sammen forbedrer nøjagtigheden af sæsonprognoser.

MLR er god til at identificere lineære sammenhænge mellem variabler, mens RFR opfanger komplekse, ikke-lineære interaktioner. Denne hybride tilgang reducerede prognosefejlene med op til 20 %.

Sidst, men ikke mindst, skal du også vælge en tidsramme for din prognose, som kan variere fra månedlig til årlig. 

JT Gill, marketingchef hos kosttilskudsmærket Wellness Extract, forklarede, hvordan varigheden påvirker valget af den bedste prognosemetode: 

Kortsigtede prognoser kan drage fordel af kvantitativ præcision, mens langsigtede prognoser kan kræve fleksibiliteten ved kvalitative input.

Prognoseperioder påvirker også nøjagtigheden. 

Jo længere tidsperioden er, desto mindre nøjagtige vil dine prognoser sandsynligvis være, fordi du ikke kan tage højde for eventuelle markedsændringer.  

4. Indarbejd markedstendenser og sæsonudsving

Ved at gennemgå dit tidligere salg kan du se, hvordan markedet klarede sig tidligere – men du kan ikke regne med, at fremtiden udvikler sig på samme måde. 

Lagerprognoser kræver, at du tager højde for mange faktorer i bevægelse, såsom sæsonudsving, markedsfluktuationer, markedsinitiativer, konkurrenter og kundeadfærd.  

Det forbedrer dine prognoser og virksomhedens tilpasningsevne. 

Identificer nye tendenser tidligt ved at holde dig opdateret med brancherapporter og kundefeedback. 

Derudover kan du holde øje med konkurrenternes aktiviteter og opdatere dine prognoser, efterhånden som markedet ændrer sig.

For en sikkerheds skyld bør du også gennemgå dit salg for at se, hvilke omstændigheder eller begivenheder der sandsynligvis ikke gentager sig, og fjerne disse afvigelser fra beregningen.  

5. Identificer den optimale efterspørgsel i leveringstiden, genbestillingspunkter og sikkerhedslager

Lagerprognoser tager højde for mere end blot salgshistorik og tendenser. 

Du skal også bruge følgende centrale målepunkter: efterspørgsel i leveringstiden, genbestillingspunkter og sikkerhedslager. 

• Efterspørgsel i leveringstiden er den mængde lagerbeholdning, du skal have på lager efter at have afgivet en ordre, så du har tilstrækkeligt lager, indtil næste parti varer ankommer.
• Genbestillingspunkter udløser en ny indkøbsordre, når du når et bestemt lagerbeholdningsniveau. 
• Sikkerhedslager er den mængde lagerbeholdning, du opbevarer i forventning om høj efterspørgsel eller forsyningskædeforstyrrelser. Du har brug for en passende mængde for at undgå lagerudsolgt, men ikke så meget, at du opbygger et overskudslager.

Hvis du ved, hvad det anbefalede niveau er for hver af disse, kan du bedre forudsige det optimale lagerniveau pr. SKU.  

De beregnes normalt således:

6. Implementer dine prognoser

Når du har samlet delene, er det tid til at sætte dem sammen for at udarbejde en prognose.

Du kan foretage manuelle beregninger, bruge Excel eller benytte et softwareværktøj.  

Hvis du vælger Excel, får du her en hurtig vejledning:

• Indtast dine historiske salgsdata i et nyt regneark i to dataserier.  Én for tidslinjen (f.eks. datoer) og én for de tilsvarende salgstal. 
• Gå til fanen Data, og klik på “Prognoseark” for at generere din prognose ud fra de markerede celler.
• Vælg et linje- eller søjlediagram til visualisering, angiv den ønskede slutdato, og klik på “Opret” for at færdiggøre. 

Yderligere tip

Du kan finde detaljerede instruktioner om konfidensintervaller, sæsonudsving og håndtering af manglende datapunkter på Microsofts vejledning i prognoser i Excel.

Prognoser bruges til at hjælpe dig med at træffe beslutninger om lagerføring og indkøb.  

Identificer og sammenhold dine forudsigelser med de lagerprognosemålinger, du har fastsat, for at måle, hvor nøjagtige dine prognoser er.

7. Effektiviser processen med lagerstyringssoftware og avancerede prognoseværktøjer 

Hvis alle ovenstående opgaver lyder besværlige og tidskrævende, er det, fordi de er det.  Når du udarbejder lagerprognoser, gælder talemåden “intet slår klassikerne” ikke. 

Lagerstyring er meget nemmere med teknologi.

For eksempel giver lagerstyringssoftware indsigt i lagerstatus i realtid og synkroniserer lagerniveauer på tværs af flere salgskanaler—begge dele kan forbedre datanøjagtigheden markant og dermed også prognosernes nøjagtighed.

Det giver dig også detaljerede analyser og rapporter og understøtter integration med andre forretningssystemer, så du nemt kan indsamle relevante oplysninger såsom historiske salgsdata. 

Hvis du vælger mere avancerede værktøjer som  Sage X3, Linnworks, Cin7, og Shipbob, kan du automatisere efterspørgselsprognoser for at vide, hvor meget lager der kan imødekomme kundernes efterspørgsel.

Eksempelvis har Linnworks funktionen Lagerprognoser, som forudsiger, hvornår du skal genbestille lagerbeholdningen for en vare, baseret på hvor meget lager der forbruges pr. vare i løbet af det kommende år.

Så hvis du ønsker bedre lagerprognoser, har du brug for et IMS, der kan sætte tingene korrekt op. 

Jeg har allerede nævnt nogle af de bedste værktøjer på markedet, men vi har flere, som du kan overveje:

For at give din prognosticering et ekstra nøjagtighedsløft kan du kombinere din lagerstyringsløsning med et AI-baseret lagerprognoseværktøj.

Brugen af lagerstyringssystemer giver dig de realtidsdata, du har brug for til at træffe velinformerede beslutninger. 

I mellemtiden giver et lagerprognoseværktøj dig fleksibilitet til hurtigere at tilpasse dig tendenser og uventet efterspørgsel ved hjælp af maskinlæringsalgoritmer, der forbedrer prognosernes nøjagtighed.

Cin7's administrerende direktør, Ajoy Krishnamoorthy, rapporterede, at kunder, som har implementeret virksomhedens intelligente lagerprognoseværktøj Inventoro, bemærker resultater næsten øjeblikkeligt.

På blot tre måneder har HairCo efter implementeringen af Inventoro fra Cin7 og ved at følge deres anbefalinger oplevet en salgsstigning på 10 %.

Løsningen blev HairCos højre hånd. 

Den tog højde for leveringstider, minimumsbestillingsmængder og tidligere salgsdata – og forudsagde lagerbehov tre til seks måneder frem, et hidtil uset tidsvindue for virksomheden.

Krishnamoorthy forklarede, at lagerprognosesoftware gør det muligt for sælgere at træffe hurtige, velinformerede beslutninger, der omsætter indsigt til handling: 

Med Inventoro kan du for eksempel opnå 99 % produkttilgængelighed, samtidig med at du frigiver 20 % af lagerkapitalen og sparer værdifuld tid.

8. Overvåg og juster prognoser regelmæssigt

Lagerprognosticering er ikke en engangsproces, selv når du har et værktøj til at automatisere så mange af dens grundlæggende dele. 

Ved at holde prognoserne opdaterede sikrer du, at de forbliver relevante og nøjagtige. 

Desuden skal du regelmæssigt sammenligne dine prognoser med deres resultater for at se, om de holder stik.

Hvor nøjagtig er den? Kan genbestillingspunkterne og sikkerhedslageret dække efterspørgslen i leveringstiden, herunder længerevarende perioder?

Brug den indsamlede indsigt til at justere og finpudse din prognosticeringsmetode og genopfyldningsproces. 

Her er en god tommelfingerregel til overvågning af prognosernes resultater:

Bedste praksisser for nøjagtig lagerprognosticering

Kombiner ovenstående trin med disse anbefalede praksisser, så du kan udarbejde mere proaktive og pålidelige prognoser:

Gennemgå og juster data regelmæssigt

Da din salgshistorik danner grundlaget for dine lagerprognoser, skal du holde dine data rene.  

Data af dårlig kvalitet kan kun føre til upræcise prognoser. 

Indfør en rutine for at gennemgå dine salgsdata, lagerbeholdninger og andre registre for at opdage og korrigere unøjagtigheder. 

Chef for efterspørgselsplanlægning Nipun Sawhney understregede betydningen af en fysisk lageroptælling for at korrigere unøjagtigheder. “Der bør være en cyklisk optælling fra væg til væg, hvor alle varer tælles fysisk,” rådede han.

Forenkle lagerkontrollerne ved at indføre stregkodescannere eller RFID-teknologi i dit lagerstyringssystem.

Samarbejd med interessenter

At få en nøjagtig lagerprognose ligger ikke kun i hænderne på forsyningskædeteams. 

E-handelsvirksomheder som Lobster Order samler folk fra salg, drift og økonomi for at få en helhedsorienteret vurdering af fremtidige lagerbehov.

Ifølge Bellerose: 

Månedlige møder med repræsentanter fra salg, marketing og drift sikrer, at alle synspunkter tages i betragtning.

Denne samarbejdsmetode har reduceret vores udsolgte varer med 35 % fra år til år.

Derudover kan du arbejde tæt sammen med dine leverandører for at afgøre, om JIT-lagerstyring er en mulighed for dig.

Fokusér på løbende forbedringer

Er der huller eller uoverensstemmelser i dine prognoser? Hvis ja, skal du foretage analyser efterfølgende for at forstå den grundlæggende årsag (f.eks. dataindtastning, modelantagelser eller eksterne faktorer).

Brug målinger som middelabsolut afvigelse (MAD) og middelkvadratisk fejl (MSE) til at kvantificere prognosefejl. 

Det hjælper dig med at identificere mønstre eller tilbagevendende problemer i fremtiden.

Alternativt kan et lagerstyringsværktøjs dataanalyse i realtid hjælpe dig med løbende at overvåge prognosernes ydeevne og foretage justeringer undervejs.

Markedsforhold og andre faktorer ændrer sig konstant. 

Uanset om der er uoverensstemmelser eller ej, bør du stræbe efter løbende forbedringer af dine prognosemetoder for at være på forkant med ændringer.

Udarbejd en beredskabsplan

Efterspørgslen er ikke lineær. Selvom du gør dit bedste for at imødekomme den ved at skærpe dine evner inden for lagerprognoser, er det stadig en god idé at lukke alle hullerne. 

At styrke din forsyningskæde er én måde at gøre dette på. 

Arbejd på at forbedre leverandørrelationerne og finde backup-leverandører, der kan hjælpe med at reducere udsolgte varer og opfylde det forventede lagerbehov.  

Optimér lageromsætningen

For e-handelsbrands ligger en god lageromsætningsgrad mellem fire og seks. 

Brug af lagerstyringssoftware er en af de bedste måder at nå dette ideelle interval på.  Dit værktøj kan udføre ABC-analyse og generere rapporter, der identificerer varer med høj og lav omsætning. 

Det kan også indstille automatiske genbestillingsadvarsler for SKU'er med høj efterspørgsel.

Udfasning af stagnerende lager giver også et renere datasæt til dine prognoser. Det frigør ressourcer til dine bedst præsterende varer, reducerer lagerbindingsomkostningerne og forbedrer pengestrømmen.

Uddan medarbejderne i prognosemetoder

Udvikl dine medarbejderes færdigheder inden for lagerprognoser ved at introducere dem til forskellige prognosemetoder.

For e-handelsvirksomheder, der bruger lagerstyringsværktøjer, skal du sikre, at de får den nødvendige oplæring i opsætning og drift samt i, hvordan datakvaliteten vedligeholdes.  

At holde alle på linje og fortrolige med processen bidrager til bedre prognoser. 

Alle disse bedste praksisser fungerer sammen for at forbedre dine prognoser. 

Ifølge direktøren for PierrePark:

Ved at anvende en tværfunktionel tilgang – integrere indsigt fra salg, marketing og logistik – regelmæssigt gennemgå og justere prognoser baseret på markedsændringer samt vedligeholde beredskabsplaner har vi kunnet håndtere uventede stigninger i efterspørgslen. 

Denne holistiske tilgang sikrer, at vi forbliver agile og lydhøre over for markedsforholdene.

Afsluttende tanker

Det er meget at tage ind at lære, hvordan man laver bedre lagerprognoser, især fordi det er en løbende proces. 

Benyt dig af værktøjer til lagerstyring i e-handel og prognosesoftware for at forenkle vigtige trin såsom:

• indsamling og analyse af historiske salgsdata,
• fastsættelse af den optimale efterspørgsel i leveringstiden, genbestillingspunkter og sikkerhedslager,
• samt algoritmebaserede prognosemetoder.

Ved at fjerne disse opgaver fra din arbejdsbyrde kan du rette din energi mod at øge prognosernes nøjagtighed og forbedre lagerstyringen. 

Har du brug for flere tips til lagerstyring i e-handel? Opnå bedre resultater ved at lære branchens tricks her. 

Det kræver konstant læring og adgang til den nyeste indsigt at følge med i udviklingen inden for e-handel. Tilmeld dig vores nyhedsbrev for at modtage tips til at udvikle din e-handelsvirksomhed i dag.