Lagerprognoser: Veiledning i 8 trinn og beste praksis

Om du bare hadde en krystallkule som kunne fortelle deg de perfekte lagermengdene du burde ha på lager, ville det å drive en nettbutikk vært en lek.

I stedet går bestselgerne dine tomme rett før høytidene, mens lageret ditt bugner av produkter som ligger og støver ned i hyllene. 

Problemet er tydelig – du trenger en bedre tilnærming til lagerprognoser. 

Løsningen er her.  I dette blogginnlegget finner du en trinnvis veiledning og en liste over beste praksiser som hjelper deg med nettopp dette.  

Hva er lagerprognoser?

Lagerprognoser innebærer å forutse og optimalisere lagernivåer basert på kundeetterspørsel over en bestemt periode. Det er en kontinuerlig prosess og omtales også ofte som etterspørselsplanlegging.

Her er grunnen til at nettbutikker som din kan dra nytte av mer nøyaktige prognoser:

Bedre lagerprognoser gir deg bedre lagerstyring. 

Med akkurat nok varer på lager er det mindre sannsynlig at du opplever utsolgte varer og overfylte lagre, som er selve årsaken til at detaljhandelsbedrifter anslagsvis tapte 1,77 billioner dollar i 2023. 

Ved å holde lagerprognosen så nøyaktig som mulig unngår du å binde opp kapital eller svekke kundeopplevelsen. 

Utfordringer med lagerprognoser

Å forutsi lagernivåer nøyaktig kan spare bedriften din for en formue, men det er ikke uten utfordringer. 

De vanligste er:

• Å håndtere usikker etterspørsel fra forbrukerne. Historiske salgsdata alene er ikke nok til å forutsi optimale lagernivåer, fordi de ikke tar høyde for usikkerhet. 
• Å håndtere sesongtrender. Sesongbaserte prognosemodeller krever at man tar hensyn til justeringer som ‌svingninger i salget og effekten av kampanjer.
• Å integrere prognoser med forsyningskjedestyring. Forsinkelser fra leverandører, økonomisk ustabilitet og andre forstyrrelser skaper usikkerhet i forsyningen. Derfor planlegger 51 % av bedriftene å samarbeide med leverandører for å forutsi etterspørselen nøyaktig. 
• Å sikre datanøyaktighet. Uoppdagede problemer med datakvaliteten påvirker 47 % av beslutningstakerne. Prognoser som er basert på mangelfulle datapunkter, kan føre til dårlige lagernivåer, lavere kundetilfredshet og redusert operasjonell effektivitet.
• Å tilpasse seg markedstrender og forbrukeratferd. Etterspørselsvolatilitet kan føre til betydelige avvik fra de prognostiserte verdiene. Du kan måtte investere i ulike, ressurskrevende prognosemetoder for å håndtere slike tilfeller.

Ved å håndtere disse utfordringene forbedrer du lagerprognosene, noe som fører til smidigere drift og en sterkere posisjon i markedet.

5 vanlige metoder for lagerprognoser

Hvis du følger magefølelsen, kan du gjøre bedriften din svært utsatt for unøyaktigheter og ineffektivitet i lagerstyringen. 

Selv om intuisjonen din er verdifull og formet av erfaring, er den fortsatt utsatt for skjevheter. 

Ved å kombinere den med disse metodene for etterspørselsprognoser kan du gjøre lagerprognosene mer objektive og pålitelige.

Her er 5 typer metoder for lagerprognoser:

Author's Tip

Implementer prognosemetoder i liten skala før de rulles ut i hele selskapet. Det hjelper deg med å anvende metodene og relatere dem til virksomhetens kontekst.

Måltall og formler for lagerprognoser

Måltall gjør det mulig å måle prognosens ytelse opp mot et sett med mål eller standarder. De finnes for å støtte bedre langsiktig planlegging og strategi. 

Bruk denne hurtigguiden til å fastsette måltall og formler for lagerstyring som du kan bruke når du evaluerer strategier for lagerplanlegging.

Med disse referanseverdiene på plass kan vi nå gå videre til selve prognoseprosessen.

Slik lagerprognostiserer du, trinn for trinn

Enten du bruker penn og papir eller banebrytende programvare, koker lagerprognostisering alltid ned til de samme grunnleggende trinnene fordi du trenger at de samme elementene faller på plass. 

Her er fremgangsmåten:

1. Samle inn historiske salgsdata

Innen lagerprognoser kan du ikke se fremover uten å se bakover. 

Salgshistorikken din viser lagerbevegelsene dine og gir deg innsikt i viktige faktorer som produktegenskaper.

Matt Bellerose, grunnlegger av den nettbaserte sjømatforhandleren Lobster Order, fortalte hvor effektivt det er å vurdere denne typen informasjon: 

Ved å bruke tidligere salgsdata har vi redusert overlagring med gjennomsnittlig 15 %.

Så hvor langt tilbake må du gå? 

Enigheten er minst to år. Dette gir deg god tid til å se hvor godt produktet ditt gjør det i markedet på ulike tider av året.

Du kan hente inn disse dataene fra ulike systemer, blant annet e-handelsplattformene dine og CRM-programvaren din. 

2. Analyser salgsdataene dine

Du har bygget opp et omfattende og nøyaktig datasett – bra jobbet! 

Neste steg er å gå grundig gjennom det for å avdekke mønstre, trender og avvik som påvirket resultatene dine tidligere. 

Som et første steg bør du lage en liste over informasjonen du trenger. Noen gode ting å se etter er:

• Stadier i produktets livssyklus.  Forstå et produkts totale levetid i markedet ved å følge utviklingen fra lansering til nedgang.
• Sesongvariasjoner. Studer salgsmønstre som varierer med sesongen eller bestemte tider på året.
• Effekten av kampanjer. Analyser hvordan rabatter eller spesialtilbud påvirker kundenes etterspørsel. 
• Utsolgte situasjoner. Følg med på hvor ofte og når produkter har vært utilgjengelige.

Disse detaljerte vurderingene kan hjelpe deg med å identifisere hvilke produkter som gjør det bra (eller dårlig) på bestemte tidspunkter, slik at du vet når og hvilke produkter du bør fylle på lageret med. 

3. Velg den best egnede prognosemetoden

Tidligere snakket vi om de ulike prognoseteknikkene, og hvordan hver av dem har sine styrker og svakheter.  

Av nettopp denne grunnen velger Amanda Bunch, administrerende direktør for den nettbaserte forhandleren av piercing-smykker BodyArtForms, en hybridmetode:

Etter min erfaring har kvantitative metoder fordeler, for eksempel at du kan ta beslutninger basert på fakta og tall (så lenge de er nøyaktige), og du har en tendens til å føle deg mer sikker på beslutningen din. 

På den annen side er kvalitative data mer fleksible i tilnærmingen, og det gir mer mening for oss som selskap, siden vi arbeider med smykker til piercinger, å velge denne metoden fordi den fungerer hånd i hånd med kundeatferd og trender i bransjen. 

Nøyaktigheten er imidlertid ikke like pålitelig som ved kvantitative metoder.  

Med tanke på hvordan selskapet vårt opererer, velger vi en hybridmetode for prognoser.

Virksomhetens behov, produktene dine og de nåværende økonomiske forholdene vil avgjøre prognoseteknikken din. 

I likhet med BodyArtForms foretrekker imidlertid mange e-handelsmerker å kombinere kvalitative og kvantitative metoder. 

Dette gir fleksibilitet og tilpasningsevne som selv nettbaserte forhandlere av forbruksvarer, som Lobster Order, kan stole på. 

Da pandemien rammet i 2020, klarte ikke sjømatforhandlerens kvantitative modeller å håndtere en økning på 30 % i leveringsbestillinger til hjemmene.  Derfor tok selskapet i bruk kvalitative metoder for å navigere i den uforutsigbare situasjonen.

Hvis du arbeider med sesongprodukter, gir prognoseteknikker med flere modeller ofte også de mest nøyaktige resultatene.

En studie fant for eksempel at bruk av multippel lineær regresjon (MLR) og tilfeldig skog-regresjon (RFR) sammen forbedrer nøyaktigheten i sesongprognoser.

MLR er god til å identifisere lineære sammenhenger mellom variabler, mens RFR fanger opp komplekse, ikke-lineære samspill. Denne hybride tilnærmingen reduserte prognosefeilene med opptil 20 %.

Sist, men ikke minst, må du også velge en tidsramme for prognosen, som kan variere fra månedlig til årlig. 

JT Gill, markedssjef i kosttilskuddmerket Wellness Extract, forklarte hvordan varigheten påvirker hvilken prognosemetode som er best å velge: 

Kortsiktige prognoser kan dra nytte av kvantitativ presisjon, mens langsiktige prognoser kan kreve fleksibiliteten til kvalitative innspill.

Prognoseperioder påvirker også nøyaktigheten. 

Jo lengre tidsperioden er, desto mindre nøyaktige blir prognosene sannsynligvis, fordi du ikke kan ta høyde for eventuelle markedsendringer.  

4. Ta med markedstrender og sesongvariasjoner

Ved å undersøke det tidligere salget ditt kan du se hvordan markedet utviklet seg før – men du kan ikke regne med at fremtiden vil utvikle seg på samme måte. 

Lagerprognoser krever at du tar høyde for mange faktorer i endring, som sesongvariasjoner, markedssvingninger, markedsinitiativer, konkurrenter og kundeadferd.  

Dette forbedrer prognosene dine og virksomhetens tilpasningsevne. 

Identifiser nye trender tidlig ved å holde deg oppdatert på bransjerapporter og tilbakemeldinger fra kunder. 

I tillegg kan du følge med på konkurrentenes aktiviteter og oppdatere prognosene etter hvert som markedet endrer seg.

For sikkerhets skyld bør du også undersøke salget ditt for å se hvilke omstendigheter eller hendelser som neppe vil gjenta seg, og luke disse avvikene ut av beregningen.  

5. Identifiser optimal etterspørsel i ledetiden, bestillingspunkter og sikkerhetslagernivåer

Lagerprognoser tar hensyn til mer enn bare salgshistorikk og trender. 

Du trenger også følgende kjernemåltall: etterspørsel i ledetiden, bestillingspunkter og sikkerhetslagernivåer. 

• Etterspørsel i ledetiden er hvor mye lagerbeholdning du må ha tilgjengelig etter at du har lagt inn en bestilling, for å opprettholde tilstrekkelig lagerbeholdning frem til neste parti med varer ankommer.
• Bestillingspunkter utløser en ny innkjøpsordre når du når et bestemt lagerbeholdningsnivå. 
• Sikkerhetslager viser til mengden varer du har på lager i påvente av høy etterspørsel eller forstyrrelser i forsyningskjeden. Du trenger en passende mengde for å unngå utsolgte varer, men ikke så mye at du bygger opp et overflødig lager.

Hvis du vet hva det anbefalte nivået for hver av disse er, kan du bedre forutsi det beste lagerbeholdningsnivået per SKU.  

De beregnes vanligvis slik:

6. Implementer prognosene dine

Når du har samlet alle delene, er det på tide å sette dem sammen for å lage en prognose.

Du kan gjøre manuelle beregninger, bruke Excel eller benytte et programvareverktøy.  

Hvis du velger Excel, får du en rask veiledning her:

• Legg inn historiske salgsdata i et nytt regneark i to dataserier.  Én for tidslinjen (f.eks. datoer) og én for de tilsvarende salgstallene. 
• Gå til Data-fanen og klikk på «Prognoseark» for å generere prognosen fra de valgte cellene.
• Velg et linje- eller stolpediagram for visualisering, angi ønsket sluttdato og klikk på «Opprett» for å fullføre. 

Ekstra tips

Du finner detaljerte instruksjoner om konfidensintervaller, sesongvariasjoner og håndtering av manglende punkter i Microsofts veiledning for prognoser i Excel.

Prognoser brukes til å hjelpe deg med beslutninger om lagerføring og innkjøp.  

Identifiser og kontroller prognosene dine mot lagerprognosemåltallene du har satt opp, for å måle hvor nøyaktige prognosene er.

7. Effektiviser prosessen med lagerstyringsprogramvare og avanserte prognoseverktøy 

Hvis alle oppgavene ovenfor høres arbeidskrevende og tidkrevende ut, er det fordi de er det.  Når du lager lagerprognoser, gjelder ikke ordtaket «ingenting slår klassikerne». 

Lagerstyring blir mye enklere med teknologi.

For eksempel gir lagerstyringsprogramvare innsikt i lagerstatus i sanntid og synkroniserer lagernivåer på tvers av flere salgskanaler – noe som kan forbedre datanøyaktigheten betydelig, og dermed også prognosenøyaktigheten.

Den gir deg også detaljert analyse og rapportering og støtter integrasjon med andre forretningssystemer, slik at du enkelt kan samle inn relevant informasjon, for eksempel historiske salgsdata. 

Hvis du velger mer avanserte verktøy, for eksempel  Sage X3, Linnworks, Cin7, og Shipbob, kan du automatisere etterspørselsprognoser for å vite hvor mye lagerbeholdning som kan dekke kundeetterspørselen.

Linnworks har for eksempel funksjonen Lagerprognoser, som forutsier når du må bestille en vare på nytt, basert på hvor mye lagerbeholdning som forbrukes per vare i løpet av det kommende året.

Hvis du ønsker bedre lagerprognoser, trenger du altså et IMS for å sette opp tingene riktig. 

Jeg har allerede nevnt noen av de beste verktøyene som finnes, men vi har flere du bør vurdere:

For å gi prognosene dine et ekstra nøyaktighetsløft kan du imidlertid kombinere lagerstyringsløsningen din med et AI-drevet lagerprognoseverktøy.

Bruk av lagerstyringssystemer gir deg sanntidsdataene du trenger for å ta informerte beslutninger. 

I mellomtiden gir et lagerprognoseverktøy deg fleksibiliteten til å tilpasse deg trender og uventet etterspørsel raskere ved hjelp av maskinlæringsalgoritmer som forbedrer prognosenøyaktigheten.

Cin7s administrerende direktør, Ajoy Krishnamoorthy, rapporterte at kunder som har tatt i bruk det smarte lagerprognoseverktøyet Inventoro, oppdager resultater nesten umiddelbart.

På bare tre måneder, etter å ha tatt i bruk Inventoro fra Cin7 og fulgt anbefalingene deres, har HairCo sett en salgsøkning på 10 %.

Løsningen ble HairCos høyre hånd. 

Den tok hensyn til leveringstider, minste bestillingskvantum og tidligere salgsdata – og forutså lagerbehov tre til seks måneder frem i tid, et enestående tidsperspektiv for selskapet.

Krishnamoorthy forklarte at lagerprognoseprogramvare gjør det mulig for selgere å ta raske, informerte beslutninger som omsetter innsikt til handling: 

Med Inventoro kan du for eksempel oppnå 99 % produkttilgjengelighet, samtidig som du frigjør 20 % av lagerkapitalen og sparer verdifull tid.

8. Overvåk og juster prognosene regelmessig

Lagerprognoser er ikke en engangsprosess, selv når du har et verktøy som automatiserer så mange av de grunnleggende delene. 

Ved å holde prognosene oppdaterte sikrer du at de forblir relevante og nøyaktige. 

I tillegg må du sammenligne prognosene med resultatene deres regelmessig for å se om de faktisk holder mål.

Hvor nøyaktig er den? Klarer bestillingspunktene og sikkerhetslageret å dekke etterspørselen i leveringstiden, også når leveringstiden blir langvarig?

Bruk innsikten du har hentet ut til å justere og finpusse prognosetilnærmingen og påfyllingsprosessen. 

Her er en god tommelfingerregel for å følge med på prognosenes resultater:

Beste praksis for nøyaktige lagerprognoser

Kombiner trinnene ovenfor med denne anbefalte praksisen, slik at du kan lage mer proaktive og pålitelige prognoser:

Gå gjennom og juster dataene regelmessig

Ettersom salgshistorikken danner grunnlaget for lagerprognosene dine, må du holde dataene ryddige.  

Dårlige data kan bare gi unøyaktige prognoser. 

Opprett en rutine for å gjennomgå salgsdata, lagerbeholdning og andre registre for å oppdage og korrigere unøyaktigheter. 

Lederen for etterspørselsplanlegging, Nipun Sawhney, understreket hvor viktig det er å gjennomføre en fysisk lageropptelling for å korrigere unøyaktigheter. «Det bør gjennomføres en fullstendig syklustelling der alle varer telles fysisk», rådet han.

Forenkle lagerkontrollene ved å ta i bruk strekkodeskannere eller RFID-teknologi i lagerstyringssystemet ditt.

Samarbeid med interessenter

Å få en nøyaktig lagerprognose ligger ikke bare i hendene på forsyningskjedeteamene. 

E-handelsbedrifter som Lobster Order samler folk fra salg, drift og økonomi for å få en helhetlig vurdering av fremtidige lagerbehov.

Ifølge Bellerose: 

Månedlige møter med representanter fra salg, markedsføring og drift sikrer at alle perspektiver blir tatt hensyn til.

Denne samarbeidsmetoden har redusert antallet tilfeller av tomt lager med 35 % fra år til år.

I tillegg kan du samarbeide tett med leverandørene dine for å avgjøre om JIT-lagerstyring er et alternativ for deg.

Fokuser på kontinuerlig forbedring

Finnes det hull eller uoverensstemmelser i prognosene dine? Hvis ja, bør du gjennomføre analyser i etterkant for å forstå den grunnleggende årsaken (f.eks. dataregistrering, modellforutsetninger eller eksterne faktorer).

Bruk måltall som gjennomsnittlig absolutt avvik (MAD) og gjennomsnittlig kvadratisk feil (MSE) for å kvantifisere prognosefeil. 

Dette vil hjelpe deg med å identifisere mønstre eller tilbakevendende problemer i fremtiden.

Alternativt kan sanntidsdataanalyse i et lagerstyringsverktøy hjelpe deg med å overvåke prognosens ytelse kontinuerlig og gjøre justeringer underveis.

Markedsforhold og andre faktorer endrer seg hele tiden. 

Med eller uten avvik bør du etterstrebe kontinuerlig forbedring av prognosepraksisen din for å ligge i forkant av endringer.

Utarbeid en beredskapsplan

Etterspørselen er ikke lineær. Selv om du gjør ditt beste for å møte den ved å styrke ferdighetene dine innen lagerprognoser, er det likevel lurt å tette alle hullene. 

Å stramme inn forsyningskjeden er én måte å gjøre dette på. 

Arbeid med å forbedre leverandørrelasjonene og finne alternative leverandører for å redusere tilfeller av tomt lager og dekke det prognostiserte lagerbehovet.  

Optimaliser lageromsetningen

For e-handelsmerker er et godt lagerforhold mellom fire og seks. 

Bruk av lagerstyringsprogramvare er en av de beste måtene å nå dette idealområdet på.  Verktøyet ditt kan utføre ABC-analyse og generere rapporter som identifiserer varer med høy og lav omsetning. 

Det kan også angi automatiske varsler om ny bestilling for SKU-er med høy etterspørsel.

Utfasing av varer som ikke beveger seg, gir også et renere datasett for prognosene dine. Det frigjør ressurser til varene som presterer best, reduserer lagerholdskostnadene og forbedrer kontantstrømmen.

Lær opp medarbeiderne i prognosemetoder

Utvikle medarbeidernes ferdigheter innen lagerprognoser ved å introdusere dem for ulike prognosemetoder.

For e-handelsselskaper som bruker lagerstyrings verktøy, må du sørge for at de får nødvendig opplæring i oppsett og drift, samt i hvordan datakvaliteten opprettholdes.  

At alle er samkjørte og kjent med prosessen, bidrar til bedre prognoser. 

Alle disse beste praksisene fungerer sammen for å forbedre prognosene dine. 

Ifølge administrerende direktør i PierrePark:

En tverrfunksjonell tilnærming – der vi integrerer innsikt fra salg, markedsføring og logistikk – regelmessig gjennomgår og justerer prognoser basert på markedsendringer, og opprettholder beredskapsplaner har hjulpet oss med å håndtere uventede etterspørselsøkninger. 

Denne helhetlige tilnærmingen sikrer at vi forblir smidige og lydhøre overfor markedsforholdene.

Avsluttende tanker

Det er mye å sette seg inn i når man skal lære å lage bedre lagerprognoser, spesielt fordi det er en løpende prosess. 

Bruk verktøy for lagerstyring i netthandelen og prognoseprogramvare for å forenkle viktige trinn som:

• innsamling og analyse av historiske salgsdata,
• fastsettelse av optimal etterspørsel i ledetiden, bestillingspunkter og sikkerhetslagernivåer,
• og algoritmebaserte prognosemetoder.

Ved å ta disse oppgavene bort fra ditt ansvarsområde kan du rette energien mot å øke prognosenøyaktigheten og forbedre lagerstyringen. 

Trenger du flere tips om lagerstyring i netthandelen? Oppnå bedre resultater ved å lære bransjens knep her. 

Å holde tritt med trender innen netthandel krever kontinuerlig læring og tilgang til den nyeste innsikten. Abonner på nyhetsbrevet vårt for å få tips om hvordan du kan utvikle netthandelsvirksomheten din i dag.