En lageranalyse i Power BI kan gøre forskellen mellem et lager, der understøtter forretningen, og et lager, der binder mere kapital end nødvendigt. Lageret skal være stort nok til, at kunderne kan få deres varer, men ikke så stort, at en unødvendig del af virksomhedens likviditet ender på hylderne.
Balancen er vanskelig at ramme, især i virksomheder med mange varenumre. Den samlede lagerværdi fortæller nemlig ikke i sig selv, om lageret er sundt. En lagerværdi på 10, 20 eller 50 millioner kroner kan være helt fornuftig, hvis varerne bevæger sig hurtigt. Men beløbet kan også dække over produkter, som blev købt hjem for længe siden og næsten ikke bliver solgt.
Hos en af vores kunder var behovet derfor ikke endnu en oversigt over antallet af varer på lager. Kunden havde brug for at kunne se, hvad der reelt lå bag lagerværdien: Hvilke varer fyldte mest økonomisk? Hvilke produkter havde naturligt en høj beholdning? Og hvilke varer lå stille og bandt kapital?
Den samlede lagerværdi er kun begyndelsen
De fleste ERP-systemer kan fortælle, hvad lageret er værd. Men hvis man vil arbejde aktivt med lageroptimering, er et samlet beløb ikke tilstrækkeligt.
Forestil jer, at lagerværdien er steget 15 procent på et halvt år. Det kan være en naturlig følge af vækst, længere leveringstider eller planlagt lageropbygning. Det kan også skyldes produkter, hvor salget er faldet, uden at indkøbene er blevet tilpasset. De situationer kræver vidt forskellige beslutninger.
Derfor skal rapporteringen kunne føre brugeren fra det overordnede tal ned til varegrupper og enkelte varenumre. Det er netop forskellen mellem standardrapportering og egentlig forretningsindsigt: Rapporten skal ikke bare vise, hvad der er sket, men hjælpe med at forklare hvorfor.
Fra lagerliste til lageranalyse i Power BI
Vi byggede løsningen med Microsoft Fabric som fælles datagrundlag og Power BI som analyse- og visualiseringslag. I stedet for en statisk lagerliste får kunden nu et løbende billede af, hvordan lagerværdien er fordelt, og hvordan den hænger sammen med aktiviteten på de enkelte varer.
Analysen gør det muligt at starte med det store billede og derefter gå ned i detaljerne:
Hvor stor er lagerværdien lige nu?
Hvilke varegrupper udgør den største del?
Hvilke enkelte varer binder mest kapital?
Hvor længe har varerne ligget på lager?
Hvordan ser beholdningen ud i forhold til salg og øvrig aktivitet?
En vare med høj lagerværdi er ikke nødvendigvis et problem. Hvis den sælges hurtigt og er vigtig for leveringssikkerheden, kan den store beholdning være helt rigtig. Omvendt kan en mindre beholdning være problematisk, hvis varen ikke har haft nævneværdigt salg gennem længere tid. Det interessante er sammenhængen mellem værdi, bevægelse og forretningsmæssig betydning.
ABC-analyse gør prioriteringen mere præcis
En del af lageranalysen består i at opdele produkterne i A-, B- og C-varer. ABC-klassificeringen hjælper virksomheden med at prioritere indsatsen, så alle varer ikke behandles efter de samme regler.
A-varerne har typisk størst betydning for omsætning eller aktivitet og skal derfor følges tæt. B-varerne ligger i midten. Blandt C-varerne finder man ofte mange produkter, der hver for sig fylder lidt, men som samlet kan udgøre en betydelig del af både antallet af varenumre og den bundne kapital.
En C-vare er ikke nødvendigvis en dårlig vare. Klassificeringen skaber blot et bedre grundlag for at spørge, om beholdningen giver mening: Skal varen fortsat købes hjem i samme mængder? Kan minimumslageret reduceres? Bør varen udfases? Eller ligger der mere på lager, end den faktiske efterspørgsel kan retfærdiggøre?
Når de langsomt sælgende varer bliver synlige
Langsomt sælgende varer skaber sjældent akut opmærksomhed. En udsolgt vare bliver hurtigt opdaget, mens en vare, der har stået på samme hylde i ni måneder, let forsvinder i mængden. Økonomisk kan den stille vare imidlertid være mindst lige så vigtig, fordi pengene allerede er betalt, mens kapitalen forbliver bundet.
I Power BI kan kunden identificere produkter, hvor salget er faldet, varer, der er blevet erstattet af en nyere model, og beholdninger, hvor indkøbsmængden ikke længere passer til efterspørgslen. Når varerne bliver synlige, kan indkøb og ledelse tage konkret stilling: Nogle skal fortsat være på lager, andre skal ikke genbestilles, og enkelte kan med fordel afvikles, selv hvis det kræver en lavere avance.
Lageroptimering begynder før næste indkøb
Analysen bruges ikke kun til at rydde op i det eksisterende lager. Den kan også ændre måden, nye indkøb foretages på. Hvis indkøberen kan se, at der allerede ligger en stor beholdning af en vare med lav omsætning, bliver det lettere at udfordre næste indkøbsordre: Har vi reelt brug for 500 mere, eller gentager vi blot sidste bestilling?
Hvis der konsekvent købes lidt for meget ind på mange varer, kan det samlet binde betydelig kapital. Værdien opstår derfor, når indsigten fra Power BI bliver en del af den løbende indkøbsbeslutning.
Et lagerproblem kan blive et likviditetsproblem
Lagerstyring bliver ofte betragtet som en opgave for indkøb eller logistik. Men lagerværdi er også et økonomisk nøgletal. Når virksomheden køber en vare hjem, bliver kontanter konverteret til lager. Først når varen bliver solgt, og kunden betaler, vender pengene tilbage som likviditet.
Sammenhængen bliver særlig tydelig, når lageranalysen ses i forlængelse af virksomhedens cashflow forecast. Et forventet likviditetspres kan ikke altid løses gennem finansiering eller hurtigere kundebetalinger. Nogle gange ligger en del af forklaringen i varer, som er købt hjem, men endnu ikke omsat.
Hvis virksomheden kan reducere lagerbindingen uden at svække leveringssikkerheden, frigøres kapital til eksempelvis investeringer, vækst, nedbringelse af kreditfaciliteter eller et større økonomisk råderum. Derfor er det mere værdifulde spørgsmål ikke kun: Hvor mange varer har vi? Det er: Har vi kapitalen bundet de rigtige steder?
Power BI skaber et fælles beslutningsgrundlag
Den færdige rapport ligger i Power BI, hvor kunden kan følge lagerværdien samlet og filtrere på varegrupper, produkter og andre relevante dimensioner. Det er samme bevægelse, vi beskriver i artiklen om at gå fra manuelle Excel-ark til automatiseret finansiel rapportering: Data skal være nemme at opdatere, undersøge og dele på tværs af organisationen.
Ledelsen kan følge den samlede kapitalbinding. Økonomiafdelingen kan se udviklingen i lagerværdien. Indkøb kan arbejde med de konkrete varer, hvor beholdningen skal vurderes. Dermed får de tre funktioner et fælles udgangspunkt for dialogen i stedet for hver sin Excel-liste.
Hvad ændrede det for kunden?
Lagerværdien blev mere gennemsigtig. Kunden kunne se, hvilke produkter der stod for kapitalbindingen, og hvor lagerbeholdningen ikke længere hang fornuftigt sammen med salget.
I stedet for generelt at beslutte, at lageret skulle ned, kunne økonomi, indkøb og ledelse arbejde målrettet med de relevante varer. Det gav et bedre grundlag for at optimere indkøbene og nedbringe unødvendig lagerbinding uden at behandle alle produkter ens.
Målet er ikke det mindst mulige lager
Lageroptimering handler ikke om at presse lagerværdien så langt ned som muligt. Et for lille lager kan være lige så dyrt som et for stort lager, hvis virksomheden ikke kan levere til kunderne.
Målet er at have den rigtige beholdning af de rigtige varer. Når salg, lagerbeholdning og værdi bliver tilgængelige i samme analyse, bliver det lettere at se, hvor lageret understøtter forretningen, og hvor det primært binder kapital.
Vil I se, hvordan Power BI kan give jer et mere handlingsorienteret overblik over lagerværdi, omsætningshastighed og indkøb? Læs mere om vores Power BI-løsning til lager og indkøb.
