Brist när efterfrågan är som högst och överlager när säsongen är över. För företag med säsongsvarierande efterfrågan är det en välbekant balansgång.
Vissa säsongsmönster är enkla att förutse. Vi vet att efterfrågan på snöskyfflar ökar när vintern närmar sig och att många fritidsprodukter säljer bättre under sommaren. Men säsong är inte alltid lika uppenbar.
Efterfrågan kan följa återkommande mönster som är svåra att upptäcka manuellt, särskilt när du har hundratals eller tusentals artiklar att planera. Samtidigt behöver många inköpsbeslut fattas långt innan du vet hur säsongen faktiskt kommer att utvecklas.
Missar du mönstren, eller reagerar för sent, blir inköpsplaneringen lätt reaktiv: för lite lager när efterfrågan stiger och för mycket kvar när den faller.
Så hur kan du arbeta mer strukturerat med säsongsvariationer?
Vi bad Jonas Borgman, Customer Success Manager på EazyStock och med lång erfarenhet av lageroptimering, att dela några av de viktigaste sakerna att ha koll på.
Säsongsvariation innebär att efterfrågan på en produkt följer ett återkommande mönster under året. Det kan bero på tydliga kalenderhändelser som jul, Black Friday eller semesterperioder, men också på exempelvis väder, kundbeteenden, produktionscykler eller andra återkommande förändringar på marknaden.
För vissa företag kan en stor del av årets försäljning vara koncentrerad till en relativt kort period. Vi har exempelvis stött på verksamheter där mer än 50 % av den årliga försäljningen sker under en kort, specifik säsong.
När efterfrågan varierar så kraftigt blir konsekvenserna av fel lagernivåer snabbt stora. För lite lager under toppen kan innebära lagerbrist och förlorad försäljning. Bygger du istället upp för mycket riskerar du att stå med ett kostsamt överlager när efterfrågan faller igen.
Utmaningen är därför inte bara att veta att en säsong finns, utan att förstå när den börjar, hur stor toppen blir och när efterfrågan vänder nedåt igen.
För att planera lagret inför säsongsvariationer behöver du framför allt förstå fyra saker:
Tillsammans ger de här faktorerna ett betydligt bättre underlag för prognoser, säkerhetslager och inköpsbeslut.
Det är enkelt att tänka på säsong som badkläder på sommaren, julpynt i december eller snöskyfflar när vintern kommer. Men många säsongsmönster är betydligt mer subtila.
Efterfrågan på en artikel kan exempelvis påverkas av kundernas egna produktionscykler, väderförändringar, semestertider eller återkommande aktivitet i en viss bransch. En produkt som vid första anblick inte känns särskilt säsongsbetonad kan därför ändå visa tydliga återkommande toppar och dalar över året.
Det gör säsongsplaneringen svårare. Det räcker inte alltid att manuellt märka de mest uppenbara artiklarna som ”säsongsprodukter”, särskilt inte i ett sortiment med hundratals eller tusentals artiklar.
Genom att analysera historisk efterfrågan på artikelnivå går det istället att upptäcka återkommande mönster som annars lätt försvinner bland den vanliga variationen. Det ger också möjlighet att skilja verklig säsong från tillfälliga toppar som kanske beror på en kampanj, en stor kundorder eller någon annan engångshändelse.
Att identifiera ett säsongsmönster och förbättra prognosen är viktigt, men en träffsäker prognos är inte slutmålet. Den behöver omsättas till faktiska lager- och inköpsbeslut.
Hur mycket behöver finnas i lager inför toppen? När behöver beställningen läggas med hänsyn till leveranstiden? Behöver säkerhetslagret anpassas? Och när är det dags att dra ned på inköpen för att inte stå med för mycket kvar när säsongen är över?
Om efterfrågan väntas öka behöver lagret byggas upp i rätt tid för att produkterna ska finnas tillgängliga när toppen kommer. Men minst lika viktigt är att reagera när efterfrågan börjar falla och anpassa inköpen därefter.
Det är först när prognosen omsätts i sådana beslut som den faktiskt kan bidra till bättre tillgänglighet, lägre kapitalbindning och mindre risk för överlager.
Säsongsplaneringen påverkar inte bara det egna lagret. När efterfrågan ökar hos dig kan samma sak hända hos många av leverantörens andra kunder, vilket kan innebära längre ledtider, kapacitetsbegränsningar eller sämre tillgång på vissa produkter.
Ju tidigare du kan identifiera kommande behov, desto bättre möjligheter har du att kommunicera dem till leverantören och planera inköpen i tid. En tidig prognos kan därför vara värdefull även utanför den egna verksamheten och ge leverantören bättre framförhållning inför kommande toppar.
Hur långt fram du behöver planera beror bland annat på leveranstider, leverantörskapacitet, transport, orderfrekvens och hur snabbt efterfrågan förändras.
För produkter med tydliga säsongstoppar kan det också vara värdefullt att planera tillsammans med leverantören. Genom att dela prognoser och förväntade behov i god tid kan ni gemensamt identifiera risker och skapa bättre förutsättningar för att rätt mängd finns tillgänglig när säsongen väl börjar.
När ett företag hanterar hundratals eller tusentals artiklar blir det svårt att manuellt avgöra vilka som påverkas av säsong och hur prognosen för varje enskild artikel ska anpassas. Ett lageroptimeringssystem kan istället analysera historisk efterfrågan, identifiera återkommande säsongsmönster och anpassa prognoserna efter hur efterfrågan faktiskt ser ut.
I EazyStock är ett första steg att automatiskt identifiera säsongsmönster utifrån historisk efterfrågan. Utifrån dessa skapas en individuell säsongsprofil på artikelnivå, som sedan används för att anpassa prognosen framåt.
Artiklar med liknande egenskaper och efterfrågemönster kan också grupperas och hanteras med gemensamma säsongsprofiler. Det minskar behovet av att manuellt uppdatera prognoser artikel för artikel och blir särskilt användbart när nya produkter introduceras.
Tänk exempelvis att du tar in två nya snöskyfflar i sortimentet. De nya artiklarna har ännu ingen egen försäljningshistorik, men du har historik från 15 liknande snöskyfflar i samma produktgrupp. Istället för att vänta på att de nya artiklarna ska bygga upp tillräckligt med historik kan de tilldelas en relevant säsongsprofil utifrån gruppens befintliga efterfrågemönster.

På samma sätt behöver artiklar där det inte finns ett tillräckligt tydligt säsongsmönster inte behandlas som säsongsartiklar.
Men arbetet slutar inte vid prognosen. När den förväntade efterfrågan förändras kan även rekommenderade lagernivåer och inköpsförslag anpassas för att möta kommande toppar och dalar.
Det gör att inköparen inte behöver upptäcka och räkna på varje förändring manuellt, utan istället kan fokusera på avvikelser och de beslut som faktiskt kräver mänsklig bedömning.
Säsongsvariationer kommer aldrig att försvinna och varje säsong kommer inte heller att se exakt likadan ut. Målet är därför inte att förutsäga framtiden perfekt.
Det handlar om att bli bättre på att identifiera återkommande mönster, förstå osäkerheten och omsätta prognosen till rätt lager- och inköpsbeslut i tid.
Då blir det lättare att bygga upp lagret inför nästa topp och bromsa inköpen innan toppen blir nästa överlager.
Den 8 oktober kl. 09.00 håller vi det kostnadsfria webinaret Toppar & dalar – få koll på säsongsefterfrågan.
På 30 minuter går vi igenom hur du kan identifiera säsongsmönster, förbättra prognoserna och planera lagret bättre inför både toppar och dalar.