Effektiv identifiering av säsongsvariation vid prognostisering

2 min läsning

Tags: Prognostisering, Tips & Tricks

Daniel Fritsch   18 maj 2015


Industry main header image-businessman-tablet-pc-showing-social-connected-portrait-success-laptop-business-

Innehåll

  1. Vad är en säsongsvariation?
  2. Identifiering av säsong
  3. Separera grundprognos och säsongsfaktor

För att kunna styra lager krävs tillgång till information om framtida efterfrågan, såsom säsongsvariation. Detta behov tillgodoses med hjälp av prognostisering. I företag används sen lång tid tillbaka olika prognosmetoder för att åstadkomma denna prognostisering. Bland de metoder som används tillhör enkel exponentiell utjämning och glidande medelvärde de vanligaste.

Vad är en säsongsvariation?

I traditionell tidsserieanalys brukar man tala om fyra olika variationsorsaker, nämligen trend, konjunktur, säsong och slump. Dessa måste man ta hänsyn till vid produktionen av prognoser. Denna artikel handlar om säsongsvariation, vilket är svängningarna som hela tiden upprepar sig med lika långa tidsintervall, d.v.s. variationen är periodisk. Dessa perioder är hela tiden lika långa: ett dygn, en vecka, en månad eller ett år.

Flertalet branscher kan förvänta sig ha säsongsvariationer i efterfrågan. Allting från högtider till väder kan komma att påverka försäljningen. En förståelse för säsongsbetonade köpmönster hjälper företag att positionera sig bättre på marknaden genom högre prognossäkerhet. Bristsituationer är vanligt förekommande tidigt under säsong samtidigt som överbeställningar sker i slutet på säsong.

Identifiering av säsong

Genom att analysera försäljningsutvecklingen kan företag identifiera mönster i efterfrågan. Detta görs enklast genom att betrakta tidsserieplotten över en artikel. Längden på tidsserien som krävs för analysen varierar mellan olika verksamheter. Om möjligt är det bra att använda 24 månaders försäljningsdata för att i nästa steg korrelera data mellan de två åren och analysera hur signifikant säsongsdelen är.

Säsongsvariation

Exempel på en artikel med en klar säsongsvariation

I vissa verksamhetstyper är det svårt att identifiera säsongerna på artikelnivå, men datakvaliteten ökar om analysen görs på produktsegmentnivå. Testa dig fram och gruppera produkter som du tror har liknade försäljningsmönster.

Säsongsvariationerna gör att möjligheten till en träffsäker prognos blir mindre när prognosmodellerna inte inkluderar trend och säsong. Ett bra program som automatiserar processen kring testning och simulering är avgörande för noggranna analyser. För att öka prognoskvaliteten måste basprognosen kompletteras med säsongsindex. Prognosmodeller som inkluderar säsongsvariationer maximerar säsongsförsäljningen och minimerar restlagren.

Separera grundprognos och säsongsfaktor

En bra grundregel är att hålla säsongsdata separerad så att den säsongsberoende efterfrågan enkelt kan exkluderas då grundprognosen ska baseras på efterfrågestatistik, rensad från säsongsvariationer. Nedan illustreras ett exempel där grundprognosen korrigeras per period med beräknade trender, säsongsindex samt kvalitativa bedömningar baserat på marknadskännedom, för att ta fram den slutliga prognosen.

 

Faktorer som påverkar prognosen säsongsvariation
Olika faktorer som påverkar prognosen

Faktorer som marknadstrender, marknadskunskap, och säsongsvariationer är alla separata för att enkelt kunna justera försäljningshistoriken innan nästa prognosberäkning görs.

Genom att addera säsongsprofilen blir prognosen bättre vilket i sin tur resulterar i lägre lagernivåer och mindre kassation, samtidigt som försäljningsintäkter säkras genom att produkter finns tillgängliga när kunden efterfrågar dem. Frigjort kapital och höjda servicenivåer kan ha en betydande skillnad i lönsamheten.

Är du intresserad av att lära dig mer om identifiering av säsong och lagerstyrning? Boka en personlig 20-minuters demo så hjälper vi dig.