En lagerprognose er et bud på, hvor mange stk. en vare sælger i de kommende uger og måneder. Den bruges til at beslutte, hvornår der skal bestilles, og hvor meget. Prognosen bliver aldrig præcis, men den kan blive god nok til, at man rammer rigtigt på de varer, der betyder mest.
Start med historikken
Før man vælger metode, skal salgshistorikken være til at stole på. Tre ting forvrænger den oftere end noget andet:
- Udsolgte dage. Når varen ikke er på lager, sælger den ingenting, og så ligner perioden et dårligt salg. Læs guiden om udsolgte dage.
- Kampagner. En uge med 30 % rabat kan sælge det samme som en hel måned, og det salg kommer ikke igen af sig selv.
- Engangsordrer. En B2B-kunde der køber 200 stk. én gang, er ikke en del af det løbende salg.
Det er nok en god idé at rense de tre ting ud, før man regner videre. Ellers bliver selv en god metode skæv.
Fire almindelige metoder
| Metode | Hvordan den regner | Passer til |
|---|---|---|
| Glidende gennemsnit | Gennemsnittet af de seneste fx 3 måneder | Stabile varer uden sæson |
| Eksponentiel udglatning | Et vægtet gennemsnit, hvor de nyeste måneder vægter mest | Varer hvor niveauet flytter sig langsomt |
| Sæsonprofil | Et niveau ganget med et indeks pr. måned | Varer med fast sæson, fx jul eller sommer |
| Croston/SBA | Regner hvor ofte varen sælger, og hvor meget når den gør | Varer der sælger sjældent og ujævnt |
Glidende gennemsnit
Det er den metode, de fleste regneark bruger. Har en vare solgt 40, 52 og 46 stk. de seneste tre måneder, er prognosen 46 stk. pr. måned. Den er nem at forklare, men den reagerer langsomt, og den ser ikke sæson.
Eksponentiel udglatning
Her får den nyeste måned mest vægt, og de ældre måneder vægter mindre og mindre. Vægten styres af en parameter (alfa) mellem 0 og 1. Med alfa 0,3 og en tidligere prognose på 46 stk. bliver næste prognose efter et salg på 60 stk.:
0,3 × 60 + 0,7 × 46 = 50,2 stk.
En høj alfa følger ændringer hurtigt, men reagerer også på støj. En lav alfa er roligere, men halter efter.
Sæsonprofil
Sælger en vare dobbelt så meget i december som i en gennemsnitlig måned, skal prognosen for december også være dobbelt så høj. Det klares med et sæsonindeks pr. måned, som ganges på varens niveau. Fremgangsmåden står i guiden om sæson.
Croston og SBA til varer der sælger sjældent
En reservedel der sælger 0, 0, 3, 0, 0, 1 stk. pr. uge, passer dårligt til et gennemsnit, fordi gennemsnittet aldrig rammer en rigtig uge. Croston deler salget op i to tal: størrelsen af et salg, når det sker, og hvor mange perioder der går mellem salgene. Prognosen pr. periode er størrelse delt med interval.
Croston overvurderer en smule, og derfor bruger man ofte Syntetos-Boylan-varianten (SBA), der ganger resultatet med 1 − alfa/2. Med alfa 0,1 trækkes der altså 5 % fra.
Vælg metode pr. vare
En metode der passer til hele sortimentet, findes sjældent. En praktisk måde at vælge på er at teste: man lader hver metode regne de seneste tre måneder ud, som om de ikke var sket endnu, og sammenligner med det faktiske salg. Den metode der rammer tættest på varen, bruges fremover. Hvordan man måler, står i guiden om prognosepræcision.
Det er også værd at se på, hvor meget historik der er. Med under et års salg kan man ikke se varens egen sæson, og så er det formentlig bedre at låne sæsonen fra varens kategori end at gætte.
Fra prognose til bestilling
Prognosen alene siger ikke, hvad der skal bestilles. Den skal kobles med leveringstid, sikkerhedslager, varer på vej og leverandørens minimumsordre. Det er emnet for guiderne om genbestillingspunkt, sikkerhedslager og bestillingsmængde.
Prognosen i lesslater
lesslater renser udsolgte dage og kampagnedage ud af historikken og bruger varens egen sæson, eller kategoriens hvis historikken er kort. Vokser eller falder salget fra år til år, regnes det med, så en trend ikke bliver læst som sæson. Fire metoder testes pr. vare, og sæsonprofilen bruges, medmindre en anden metode ramte langt bedre de sidste tre måneder. Under hvert tal står, hvordan det er regnet ud.