Lagerstyrning är i grunden en fråga om kontroll – att arbeta med lagerstyrning med hjälp av Power BI handlar inte bara om att visualisera siffror. Det handlar om att få ett tydligare beslutsstöd för hur lagret faktiskt mår, hur snabbt det omsätts och var kapital binds i onödan. I det här blogginlägget beskriver vi hur du kan fatta bättre beslut baserat på vår Lageranalys i Power BI, med stöd för att följa lagervärde, utgående artiklar, lageromsättningshastighet, äldre lager, fysisk lagerålder, klassificering, inkurrens, överlager, trender och prognoshjälp.
(Läs mer om våra Power BI-moduler här)
Lagerstyrning med Power BI
Lageranalys är en färdig modul som samlar flera viktiga perspektiv på lagret i samma rapportmiljö. Istället för att lägga tid på manuell sammanställning från olika håll blir fokus att analysera, prioritera och agera. I Lageranalys börjar arbetet med en översiktssida som fungerar som startpunkt för analysen. Där samlas nyckeltal som totalt lagervärde, värdet i utgående artiklar, lageromsättningshastighet och värdet i äldre lager. Syftet är att snabbt ge svar på tre grundfrågor: hur mycket kapital som är bundet i lagret, hur snabbt lagret roterar och hur gammalt lagret är.
Det gör att Lageranalys inte bara blir en rapport för att titta bakåt, utan ett verktyg för att förstå nuläget och upptäcka hur lagret utvecklas över tid. För verksamheter med flera bolag finns dessutom stöd för multibolag, vilket gör det möjligt att analysera bolag var för sig eller som en samlad helhet.
Fördjupad lageranalys i Power BI
Utöver översikten innehåller modulen en fördjupad analyssida där det går att bryta ner lagret ytterligare. Här kan användaren analysera lagervärde, kvantitet, utgående artiklar och genomsnittspris per artikel och se hur lagret rör sig över tid. Det gör det lättare att förstå vad som faktiskt driver lagret. Analysen kan brytas ner på artikelgrupper, artiklar, lagerplatser och andra attribut, vilket hjälper till att identifiera var kapitalet är koncentrerat och vilka delar av lagret som behöver granskas närmare.
Lageromsättningshastighet och days inventory outstanding
En central del i modulen Lageranalys är sidan för lageromsättningshastighet. Där går det att följa hur effektivt lagret omsätts mot faktisk försäljning och se värdet både per månad och som rullande tolvmånadersvärde. Det finns också stöd för att vända perspektivet och istället analysera days inventory outstanding, alltså hur länge lagret räcker innan det säljs ut. Det gör modulen användbar både på strategisk nivå, där man vill se hur mycket kapital som binds, och i det operativa arbetet där inköp behöver avgöra när nya beställningar måste läggas. I modulen finns även stöd för att basera analysen på konsumtion istället för försäljning, eller att använda båda perspektiven.
Analysera lagerålder och äldre lager
Lageranalys innehåller också en sida för att analysera hur gammalt lagret är. Där går det att se hur lagervärdet fördelar sig över olika tidsintervall och hur stor del av kapitalet som är bundet i äldre lager.
Den här delen av modulen är särskilt värdefull när man vill förstå om lagret innehåller artiklar eller fysiska lagerposter som blivit stående länge. Samma artikel kan bestå av enheter med olika ålder, vilket gör att analysen ger en mer precis bild än om man bara tittar på försäljning i stort.
ABC-klassificering i modulen Lageranalys
För verksamheter som vill arbeta mer strukturerat med prioritering av artiklar innehåller Lageranalys stöd för ABC-klassificering. I modulen baseras den på försäljningsbelopp, där artiklar med hög försäljningsvolym klassas som A-artiklar och artiklar med låg försäljning klassas som C-artiklar.
Det ger en tydlig grund för att förstå vilka artiklar som är viktigast ur försäljningsperspektiv. Men i modulen finns också möjlighet att ta analysen längre än så.
ABC XYZ-analys för smartare lagerstyrning med Power BI
Lageranalys kan utökas med en XYZ-dimension som väger in variationen i efterfrågan. Det innebär att artiklar inte bara klassificeras efter hur mycket de säljer, utan också efter hur stabil eller slagig efterfrågan är.
Det gör klassificeringen mer användbar i praktiken. En artikel med hög volym och stabil efterfrågan kan behöva hanteras på ett annat sätt än en artikel med hög volym men större variation. I modulen går det att se de olika kategorierna översiktligt, laborera med parametrar och jämföra nuvarande klassificering i affärssystemet med hur artiklarna borde klassas utifrån de tröskelvärden man valt.
Omklassning av artiklar och export till Excel
En styrka i Lageranalys är att modulen inte bara visar klassificeringen, utan också hjälper till att underhålla den. Artiklar som inte längre matchar den klassificering som systemet bygger på kan flaggas direkt i analysen.
Det gör det enklare att använda modulen som underlag för omklassning. Resultatet kan dessutom exporteras till Excel, vilket underlättar vidare arbete och uppdatering av affärssystemet.
Inkurrensanalys och reservering av lagervärde
En annan viktig del av modulen är inkurrenssidan. Den är byggd för att hjälpa till i den ekonomiska bedömningen av överlager och artiklar som inte sålts på länge.
I Lageranalys går det att sätta tröskelvärden för när artiklar ska betraktas som riskartiklar, baserat på senaste försäljning, senaste konsumtion eller en kombination av båda. Utifrån de parametrarna kan modulen också räkna fram ett förslag på reserveringsbelopp i lagervärdet, vilket gör sidan användbar i bokslutsarbetet.
Hitta överlager och slow movers
För att frigöra kapital innehåller Lageranalys flera actionsidor som hjälper till att hitta överlager på olika sätt. Modulen kan lyfta fram artiklar som säljer okej men där lagret ändå är större än önskad nivå, artiklar med orimligt många månaders lager samt slow movers där högt lagervärde kombineras med låg rörelse.
Det innebär att användaren inte bara får en allmän bild av att lagret är för stort, utan konkreta listor över vilka artiklar som bör granskas först. På så sätt blir Lageranalys ett verktyg för faktisk åtgärd, inte bara uppföljning.
Upptäck trender i lagret tidigare
Lageranalys innehåller också en trendsida med fokus på att upptäcka förändringar innan de hunnit bli stora problem. Här går det att identifiera artiklar som är på väg att gå från ett okej-läge till en risknivå, exempelvis för att de närmar sig en gräns för antal dagar utan försäljning.
Modulen gör det också möjligt att följa förändringar i days inventory outstanding och lageromsättning över tid. Därmed går det att upptäcka om något håller på att förändras i fel riktning och få ett bättre underlag för att agera tidigare.
Prognoshjälp för lagerstyrning med Power BI
För planering framåt innehåller Lageranalys även en prognoshjälpssida. Där används olika beräkningsmodeller för att analysera försäljningstrender och ge underlag för prognos i antal per månad samt förslag på säkerhetslager.
I modulen finns stöd för att låta olika beräkningsmodeller ta större eller mindre plats beroende på hur stark trendförändringen är. Det gör att prognosen kan anpassas efter hur stabil eller föränderlig utvecklingen är i respektive artikelgrupp eller artikel.
Lageranalys i Microsoft-miljön
Eftersom Lageranalys är byggd i Power BI arbetar användaren i Microsoft-miljön där verksamheten redan finns. Datan ligger kvar hos kunden i den egna Microsoft-miljön, och modulen kan samverka med andra delar av Microsoft 365 som Excel, Teams och SharePoint.
Det finns också stöd för att styra rättigheter per användare, både när det gäller vilka rapportsidor som ska vara tillgängliga och vilken data en viss användare ska få se. Det gör modulen användbar även i verksamheter där olika personer ansvarar för olika bolag, lagerställen eller artikelkategorier.
Därför är Lageranalys mer än en vanlig Power BI-rapport
Det som skiljer Lageranalys från en generell lageruppföljning i Power BI är att modulen är framtagen som en färdig lösning för lagerstyrning. Den samlar flera analysområden i samma struktur, från överblick och nyckeltal till klassificering, inkurrens, överlager, trender och prognoshjälp.
Det gör att lagerstyrning med Power BI inte stannar vid visualisering. Med Lageranalys blir det istället ett konkret beslutsstöd för ekonomi, inköp, lager och ledning, med fokus på att frigöra kapital, upptäcka risker tidigare och ge bättre underlag för åtgärder.
Nyligen höll vi ett webinar i detta ämne, du kan se det på Youtube via den här länken. För att veta mer om våra moduler inom Power BI, besök Business Intelligence.