Så här i digitaliseringens tid, är det lätt att tro att områden som inköp och lagerstyrning skulle ligga i framkant. Siffror talar sig tydliga språk, och är därför den perfekta utgångspunkten för beräkning av lager och inköp. Men verkligheten har sina utmaningar. Även om det hos många företag är på gång, får man ta med i beräkningen att förändring tar tid. Gamla arbetssätt, system och processer behöver bytas ut och människor behöver börja tänka på ett nytt sätt.
Den allra största utmaningen, menar vi, ligger i att våga släppa kontrollen och att skapa tilltro till det nya. Än idag sitter många inköpare och planerar och analyserar sitt arbete enbart med hjälp av Excel eller andra enklare system. Många har ett väl inarbetat arbetssätt som man tycker fungerar bra, om än inte perfekt, och rädsla och osäkerhet sätter ofta käppar i hjulet när det kommer till att införa nya arbetssätt. Att implementera nya system är ofta betydligt lättare än att ändra människors beteende.
Vi vet det, och vi förstår det. Men vi vill ändå slå ett slag för digitaliseringen. Nedan anger vi tre skäl.
Varierande efterfrågan försvårar prognostiseringen
Många företag har idag en ökande andel intermittenta produkter och varor på sina lager. Orsakerna till detta är flera, men följden är densamma för alla; lagerhantering och prognostisering blir alltmer utmanande och krävande.
Traditionella lösningar för supply management är inte gjorda för att kunna hantera stora variationer, vilket leder till problem med att beräkna förväntad efterfrågan. Som ett resultat av detta, växer osäkerheten hos den som ansvarar för inköpsbiten, och ofta kompenseras osäkerheten med att man ökar på säkerhetslagret. Och som du säkert vet så ger ett för stort säkerhetslager ofta onödiga kostnader och i förlängningen inkurans.
Komplexa miljöer kräver mer avancerade system
Majoriteten av svenska företag använder fortfarande Excel och/eller ABC-klassificering för att optimera sitt lager. Eftersom många har tio- eller hundratusentals kombinationer – ibland ännu fler – är det omöjligt att identifiera servicenivån för varje enskild SKU. Med hjälp av ABC-klassificering kan man göra beräkningarna av säkerhetslager mer hanterbara, men de innehåller alltid ett visst mått av ”mellan-tummen-och-pekfingret-tänk”, vilket gör det omöjligt att identifiera den verkligt optimala lagringsnivån för varje enskild artikel.
När man förlitar sig på system som inte är anpassade efter dagens komplexa miljöer, minskar chansen att uppnå servicemålen, likväl som att nå de ekonomiska målen.
Maskininlärning förbättrar lageroptimeringen
Det mänskliga sinnet är fantastiskt, men det finns saker som datorer klarar av som vi inte kan komma i närheten av. Maskininlärningens förmåga att hitta mönster i enorma datamängder gör det till ett perfekt komplement till den mänskliga planeringsförmågan.
Genom att ta vara på de möjligheter som digitaliseringen erbjuder, istället för att låta dig skrämmas och begränsas av dem, kan du ta dina analyser och prognoser till en ny nivå. Träffsäkerheten ökar och du frigör tid till annat.