Lagerprognoser: guide i 8 steg & bästa praxis

Om du bara hade en kristallkula som kunde berätta vilka lagernivåer som är perfekta att ha, skulle det vara enkelt att driva en e-handelsverksamhet.

I stället tar dina bästsäljande varor slut precis före helgerna, medan ditt lager är överfullt av produkter som samlar damm på hyllorna. 

Problemet är tydligt – du behöver ett bättre sätt att prognostisera lagernivåerna. 

Lösningen finns här.  I det här blogginlägget hittar du en steg-för-steg-guide och en lista över bästa praxis som hjälper dig att göra just det.  

Vad är lagerprognostisering?

Lagerprognostisering innebär att förutse och optimera lagernivåerna baserat på kundernas efterfrågan under en viss period. Det är en kontinuerlig process och kallas även ofta för efterfrågeplanering.

Här är varför e-handelsföretag som ditt kan dra nytta av mer exakta prognoser:

Bättre lagerprognostisering ger dig bättre lagerkontroll. 

Med precis tillräckligt mycket lager är det mindre sannolikt att du drabbas av slutsålda varor och överlager, vilket är de främsta orsakerna till att detaljhandelsföretag beräknas ha förlorat 1,77 biljoner dollar under 2023. 

Genom att hålla din lagerprognos så exakt som möjligt undviker du att binda kapital eller försämra kundupplevelsen. 

Utmaningar med lagerprognostisering

Att förutsäga lagernivåerna korrekt kan spara företaget en förmögenhet, men det är inte utan utmaningar. 

De vanligaste är:

• Att hantera osäker efterfrågan från konsumenterna. Enbart tidigare försäljningsdata räcker inte för att förutsäga optimala lagernivåer, eftersom de inte tar hänsyn till osäkerhet. 
• Att hantera säsongstrender. Säsongsbaserade prognosmodeller kräver att man tar hänsyn till justeringar som ‌försäljningsfluktuationer och effekter av kampanjer.
• Att integrera prognostisering med hantering av leveranskedjan. Förseningar hos leverantörer, ekonomisk instabilitet och andra störningar skapar osäkerhet i leveranserna. Därför planerar 51% av företagen att samarbeta med leverantörer för att prognostisera efterfrågan korrekt. 
• Att säkerställa datarelevansen. Oupptäckta problem med datakvaliteten påverkar 47% av beslutsfattarna. Prognoser som bygger på bristfälliga datapunkter kan leda till olämpliga lagernivåer, minskad kundnöjdhet och försämrad operativ effektivitet.
• Att anpassa sig till marknadstrender och konsumentbeteenden. Efterfrågevolatilitet kan orsaka betydande avvikelser från de prognostiserade värdena. Du kan behöva investera i varierade och resurskrävande prognosmetoder för att hantera sådana situationer.

Genom att hantera dessa utmaningar förbättrar du dina lagerprognoser, vilket leder till smidigare verksamhet och en starkare marknadsposition.

5 vanliga metoder för lagerprognostisering

Om du går på magkänslan kan företaget bli mycket sårbart för felaktigheter och ineffektivitet i lagerhanteringen. 

Även om din intuition är värdefull och formad av erfarenhet är den fortfarande känslig för fördomar. 

Genom att kombinera den med dessa metoder för efterfrågeprognostisering kan du göra dina lagerprognoser mer objektiva och tillförlitliga.

Här är 5 typer av metoder för lagerprognostisering:

Author's Tip

Implementera prognosmetoder i liten skala innan de införs i hela företaget. Det hjälper dig att tillämpa metoderna och relatera dem till ditt affärssammanhang.

Mått och formler för lagerprognostisering

Mått gör det möjligt att mäta prognosens resultat mot en uppsättning mål eller standarder. De finns till för att stödja bättre långsiktig planering och strategi. 

Använd den här snabba guiden för att fastställa mått och formler för lagerhantering som du kan använda när du utvärderar strategier för lagerplanering.

Med dessa riktmärken fastställda kan vi nu gå igenom själva prognostiseringsprocessen.

Så prognostiserar du lager, steg för steg

Oavsett om du förlitar dig på penna och papper eller avancerad programvara handlar lagerprognostisering alltid om samma grundläggande steg, eftersom samma delar måste samverka. 

Här är planen:

1. Samla in historiska försäljningsdata

Inom lagerprognoser kan du inte blicka framåt utan att blicka bakåt. 

Din försäljningshistorik visar ditt lagerflöde och ger dig insikter om viktiga faktorer som produkternas resultat.

Matt Bellerose, grundare av den nätbaserade skaldjursåterförsäljaren Lobster Order, berättade hur effektivt det är att bedöma den här typen av information: 

Genom att använda tidigare försäljningsdata har vi minskat överlager med i genomsnitt 15 %.

Så hur långt tillbaka behöver du gå? 

En allmän rekommendation är minst två år. Det ger dig gott om tid att se hur väl din produkt säljer på marknaden vid olika tider på året.

Du kan samla in dessa uppgifter från olika system, inklusive dina e-handelsplattformar och CRM-programvaror. 

2. Analysera dina försäljningsdata

Du har byggt upp en omfattande och korrekt datauppsättning – bra jobbat! 

Nästa steg är att gå igenom den noggrant för att upptäcka mönster, trender och avvikelser som påverkade dina tidigare resultat. 

Börja med att göra en lista över den information du behöver. Några bra saker att hålla utkik efter är:

• Produktens livscykelstadier.  Förstå en produkts totala livslängd på marknaden genom att följa dess resultat från lansering till nedgång.
• Säsongsvariationer. Studera försäljningsmönster som varierar med årstiden eller vissa tider på året.
• Effekter av kampanjer. Analysera hur rabatter eller specialerbjudanden påverkar kundernas efterfrågan. 
• Slut i lager-situationer. Övervaka hur ofta och när produkter har varit slut i lager.

Dessa detaljerade utvärderingar kan hjälpa dig att identifiera vilka produkter som säljer bra (eller inte) vid specifika tidpunkter, så att du vet när och vilka produkter du ska fylla på lagret med. 

3. Välj den lämpligaste prognosmetoden

Tidigare pratade vi om de olika prognosteknikerna och om hur var och en har sina styrkor och svagheter.  

Av just den anledningen väljer Amanda Bunch, vd för den nätbaserade återförsäljaren av piercingsmycken BodyArtForms, en hybridmetod:

Enligt min erfarenhet har kvantitativa metoder fördelar, till exempel att du kan fatta beslut baserade på fakta och siffror (så länge de är korrekta), och du tenderar att känna dig säkrare i ditt beslut. 

Å andra sidan är kvalitativa data mer flexibla i sitt angreppssätt, och det är mer logiskt för oss som företag som arbetar med piercingsmycken att välja denna metod eftersom den fungerar hand i hand med kundbeteenden och trender i branschen. 

Noggrannheten är dock inte lika tillförlitlig som med kvantitativa metoder.  

Med tanke på hur vårt företag fungerar väljer vi en hybridmetod för prognoser.

Dina affärsbehov, produkter och de aktuella ekonomiska förhållandena avgör vilken prognosteknik du ska använda. 

I likhet med BodyArtForms föredrar dock många e-handelsvarumärken att kombinera kvalitativa och kvantitativa metoder. 

På så sätt får man den flexibilitet och anpassningsförmåga som även nätbaserade återförsäljare av förbrukningsvaror, som Lobster Order, kan förlita sig på. 

När pandemin slog till 2020 kunde skaldjursåterförsäljarens kvantitativa modeller inte hantera en ökning på 30 % av hemleveransbeställningarna.  Därför började företaget använda kvalitativa metoder för att navigera genom den oförutsägbara situationen.

Om du arbetar med säsongsprodukter ger prognostiseringstekniker med flera modeller ofta också de mest exakta resultaten.

En studie visade till exempel att användning av multipel linjär regression (MLR) och slumpmässig skogsregression (RFR) tillsammans förbättrar precisionen i säsongsprognoser.

MLR är bra på att identifiera linjära samband mellan variabler, medan RFR fångar komplexa, icke-linjära interaktioner. Denna hybridmetod minskade prognosfelen med upp till 20 %.

Sist men inte minst behöver du också välja en tidsperiod för din prognos, som kan sträcka sig från månadsvis till årsvis. 

JT Gill, marknadschef på kosttillskottsvarumärket Wellness Extract, förklarade hur tidsperioden påverkar valet av den bästa prognosmetoden: 

Kortsiktiga prognoser kan dra nytta av kvantitativ precision, medan långsiktiga prognoser kan kräva flexibiliteten hos kvalitativa indata.

Prognosperioderna påverkar också precisionen. 

Ju längre tidsperioden är, desto mindre exakta blir dina prognoser sannolikt, eftersom du inte kan ta hänsyn till eventuella marknadsförändringar.  

4. Ta hänsyn till marknadstrender och säsongsvariationer

Genom att granska din tidigare försäljning kan du se hur marknaden utvecklades tidigare – men du kan inte förlita dig på att framtiden kommer att se likadan ut. 

Lagerprognoser kräver att du tar hänsyn till många rörliga delar, såsom säsongsvariationer, marknadsfluktuationer, marknadsinitiativ, konkurrenter och kundbeteende.  

Detta förbättrar dina prognoser och verksamhetens anpassningsförmåga. 

Identifiera nya trender tidigt genom att hålla dig uppdaterad med branschrapporter och kundfeedback. 

Dessutom kan du följa konkurrenternas aktiviteter och uppdatera dina prognoser när marknaden förändras.

För säkerhets skull bör du också granska din försäljning för att se vilka omständigheter eller händelser som sannolikt inte kommer att upprepas och rensa bort dessa avvikelser ur beräkningen.  

5. Identifiera optimal efterfrågan under ledtiden, ombeställningspunkter och säkerhetslagernivåer

Lagerprognoser tar hänsyn till mer än bara försäljningshistorik och trender. 

Du behöver också följande centrala mått: efterfrågan under ledtiden, ombeställningspunkter och säkerhetslagernivåer. 

• Efterfrågan under ledtiden är hur mycket lager du behöver ha tillgängligt efter att du lagt en beställning för att upprätthålla ett tillräckligt lager tills nästa lagerleverans anländer.
• Ombeställningspunkter utlöser en ny inköpsorder när du når en viss lagernivå. 
• Säkerhetslager avser den mängd lager du håller tillgänglig i förväntan på hög efterfrågan eller störningar i leveranskedjan. Du behöver en lämplig mängd för att förhindra lagerbrist, men inte så mycket att du bygger upp ett överlager.

Genom att känna till den rekommenderade nivån för varje mått kan du bättre förutsäga den optimala lagernivån per SKU.  

De beräknas vanligtvis på följande sätt:

6. Implementera dina prognoser

När du har samlat ihop delarna är det dags att sätta ihop dem för att skapa en prognos.

Du kan göra manuella beräkningar, använda Excel eller förlita dig på ett programverktyg.  

Om du väljer Excel följer här en snabbguide:

• Importera dina historiska försäljningsdata till ett nytt kalkylblad i två dataserier.  En för tidslinjen (t.ex. datum) och en för motsvarande försäljningssiffror. 
• Gå till fliken Data och klicka på ”Prognosblad” för att skapa din prognos från de markerade cellerna.
• Välj ett linje- eller stapeldiagram för visualisering, ange önskat slutdatum och klicka på ”Skapa” för att slutföra. 

Ytterligare tips

För detaljerade instruktioner om konfidensintervall, säsongsvariationer och hantering av saknade datapunkter kan du besöka Microsofts guide till prognoser i Excel.

Prognoser används för att hjälpa dig att fatta beslut om lagerhållning och inköp.  

Identifiera och kontrollera dina prognoser mot de mått för lagerprognoser som du har fastställt för att mäta hur korrekta dina prognoser är.

7. Effektivisera processen med lagerhanteringsprogram och avancerade prognosverktyg 

Om alla uppgifterna ovan låter arbetskrävande och tidsödande beror det på att de är det.  När du prognostiserar lager gäller inte talesättet ”inget slår det beprövade”. 

Det är mycket enklare att hantera lager med hjälp av teknik.

Exempelvis ger lagerhanteringsprogram insikter i lagerstatus i realtid och synkroniserar lagernivåer över flera försäljningskanaler—vilket kan förbättra datanoggrannheten avsevärt och därmed även prognosnoggrannheten.

Det ger dig också detaljerad analys och rapportering och stöder integration med andra affärssystem, så att du enkelt kan samla in relevant information, exempelvis historiska försäljningsdata. 

Om du väljer mer avancerade verktyg, till exempel  Sage X3, Linnworks, Cin7, och Shipbob kan du automatisera efterfrågeprognoser för att ta reda på hur mycket lager som kan möta kundernas efterfrågan.

Linnworks har till exempel funktionen Lagerprognos, som förutser när du behöver beställa om lagret för en artikel baserat på hur mycket lager som förbrukas per artikel under det kommande året.

Om du vill ha bättre lagerprognoser behöver du alltså ett lagerhanteringssystem (IMS) för att konfigurera allt korrekt. 

Jag har redan nämnt några av de bästa verktygen på marknaden, men här är fler alternativ att överväga:

För att ge dina prognoser ännu bättre precision kan du dock kombinera din lagerhanteringslösning med ett AI-drivet lagerprognosverktyg.

Användningen av lagerhanteringssystem ger dig de realtidsdata du behöver för att fatta välgrundade beslut. 

Samtidigt ger ett lagerprognosverktyg dig flexibiliteten att snabbare anpassa dig till trender och oväntad efterfrågan med maskininlärningsalgoritmer som förbättrar prognosernas precision.

Cin7:s vd Ajoy Krishnamoorthy rapporterade att kunder som har implementerat företagets smarta lagerprognosverktyg Inventoro märker resultat nästan omedelbart.

På bara tre månader, efter att ha implementerat Inventoro från Cin7 och följt rekommendationerna, såg HairCo en försäljningsökning på 10 %.

Lösningen blev HairCos högra hand. 

Den tog hänsyn till ledtider, minsta orderkvantiteter och tidigare försäljningsdata – och förutsade lagerbehov tre till sex månader i förväg, ett aldrig tidigare skådat tidsintervall för företaget.

Krishnamoorthy förklarade att programvara för lagerprognoser gör det möjligt för säljare att fatta snabba, välgrundade beslut som omsätter insikter i handling: 

Med Inventoro kan du till exempel uppnå 99 % produkttillgänglighet, samtidigt som du frigör 20 % av lagerkapitalet och sparar värdefull tid.

8. Övervaka och justera prognoser regelbundet

Lagerprognostisering är inte en engångsprocess, även när du har ett verktyg som automatiserar så många av de tekniska detaljerna. 

Genom att hålla prognoserna uppdaterade säkerställer du att de förblir relevanta och korrekta. 

Dessutom måste du regelbundet jämföra prognoserna med deras utfall för att se om de håller måttet.

Hur korrekta är de? Klarar återbeställningspunkterna och säkerhetslagret efterfrågan under ledtiden, även när ledtiderna är förlängda?

Använd de insikter du har fått för att justera och förfina din prognostiseringsmetod och påfyllnadsprocess. 

Här är en bra tumregel för att följa upp prognosernas resultat:

Bästa praxis för noggrann lagerprognostisering

Kombinera stegen ovan med dessa rekommenderade metoder, så kan du skapa mer proaktiva och tillförlitliga prognoser:

Granska och justera data regelbundet

Eftersom din försäljningshistorik ligger till grund för dina lagerprognoser måste du hålla dina data rena.  

Data av låg kvalitet kan bara ge prognoser som missar målet. 

Skapa en rutin för att granska dina försäljningsdata, lagersaldon och andra register för att upptäcka och korrigera felaktigheter. 

Chef för efterfrågeplanering Nipun Sawhney betonade vikten av en fysisk lagerinventering för att korrigera felaktigheter. ”Det bör genomföras en lagerinventering från vägg till vägg där alla artiklar räknas fysiskt”, rådde han.

Förenkla lagerkontrollerna genom att införa streckkodsläsare eller RFID-teknik i ditt lagerhanteringssystem.

Samarbeta med intressenter

Att få en korrekt lagerprognos ligger inte bara i händerna på försörjningskedjeteamen. 

E-handelsföretag som Lobster Order samlar personer från försäljning, verksamhet och ekonomi för att få en heltäckande bedömning av framtida lagerbehov.

Enligt Bellerose: 

Månatliga möten med representanter från försäljning, marknadsföring och verksamhet säkerställer att alla perspektiv tas med.

Denna samarbetsmetod har minskat vår lagerbrist med 35 % jämfört med föregående år.

Utöver detta kan du samarbeta nära med dina leverantörer för att avgöra om JIT-lagerhantering är ett alternativ för dig.

Fokusera på kontinuerliga förbättringar

Finns det luckor eller inkonsekvenser i dina prognoser? Om ja, genomför efteranalyser för att förstå grundorsaken (t.ex. datainmatning, modellantaganden eller externa faktorer).

Använd mått som genomsnittlig absolut avvikelse (MAD) och genomsnittligt kvadratfel (MSE) för att kvantifiera prognosfelen. 

Det hjälper dig att identifiera mönster eller återkommande problem i framtiden.

Alternativt kan ett lagerhanteringsverktygs dataanalys i realtid hjälpa dig att kontinuerligt övervaka prognosernas resultat och göra justeringar direkt.

Marknadsförhållanden och andra faktorer förändras ständigt. 

Oavsett om det finns avvikelser eller inte bör du sträva efter kontinuerliga förbättringar av dina prognosmetoder för att ligga steget före förändringar.

Utveckla en beredskapsplan

Efterfrågan är inte linjär. Även om du gör ditt bästa för att möta den genom att vässa din förmåga att prognostisera lagerbehov är det fortfarande en god idé att täppa till alla luckor. 

Att stärka din försörjningskedja är ett sätt att göra detta. 

Arbeta med att förbättra leverantörsrelationerna och hitta reservleverantörer för att minska lagerbrist och tillgodose det prognostiserade lagerbehovet.  

Optimera lageromsättningen

För e-handelsvarumärken ligger en bra lageromsättningskvot mellan fyra och sex. 

Att använda programvara för lagerhantering är ett av de bästa sätten att nå detta idealiska intervall.  Ditt verktyg kan utföra ABC-analys och skapa rapporter som identifierar artiklar med hög och låg omsättning. 

Det kan också ställa in automatiska beställningsvarningar för SKU:er med hög efterfrågan.

Att fasa ut lager som inte omsätts ger också ett renare dataunderlag för dina prognoser. Det frigör resurser för dina bäst presterande produkter, minskar lagerhållningskostnaderna och förbättrar kassaflödet.

Utbilda personalen i prognosmetoder

Utveckla dina medarbetares färdigheter inom lagerprognostisering genom att introducera dem till olika prognosmetoder.

För e-handelsföretag som använder lagerhanteringsverktyg bör du säkerställa att de får nödvändig utbildning i installation och användning samt i hur datakvaliteten upprätthålls.  

Att hålla alla samordnade och bekanta med processen bidrar till bättre prognoser. 

Alla dessa bästa metoder samverkar för att förbättra dina prognoser. 

Enligt PierreParks VD:

Genom ett tvärfunktionellt arbetssätt – där insikter från försäljning, marknadsföring och logistik integreras – regelbunden granskning och justering av prognoser baserat på marknadsförändringar samt upprätthållande av beredskapsplaner har hjälpt oss att hantera oväntade efterfrågetoppar. 

Detta helhetsperspektiv säkerställer att vi förblir flexibla och reagerar snabbt på marknadsförhållanden.

Avslutande tankar

Det är mycket att ta in när man lär sig att prognostisera lagernivåer bättre, särskilt eftersom det är en pågående process. 

Använd verktyg för lagerhantering inom e-handel och prognostiseringsprogram för att förenkla viktiga steg som:

• insamling och analys av historiska försäljningsdata,
• fastställande av efterfrågan under optimal ledtid, beställningspunkter och säkerhetslagernivåer,
• samt algoritmbaserade prognosmetoder.

Genom att överlåta dessa uppgifter kan du fokusera din energi på att öka prognosprecisionen och förbättra lagerhanteringen. 

Behöver du fler tips om lagerhantering inom e-handel? Prestera på en högre nivå genom att lära dig branschens knep här. 

Att hålla sig uppdaterad om trender inom e-handel kräver kontinuerligt lärande och tillgång till de senaste insikterna. Anmäl dig till vårt nyhetsbrev för att få tips om hur du kan utveckla ditt e-handelsföretag redan i dag.