ABC-klassificering og forecast – et stærkt makkerpar

Det er et symbol på og bruges som en advarsel mod gradvise forandringer, som man ikke reagerer på i tide. Fx når sortimentet og kundegrupper langsomt øges, uden der gribes ind. Her accepteres små ”forværringer” over tiden hvilket ofte betyder at kompleksiteten øges.

Pointen er: Små ændringer kan føre til katastrofale resultater, hvis man ikke er opmærksom og handler i tide.

Hvordan kan virksomheden beskyttes mod "kogt frø"-effekten?

Når sortimentet vokser lidt ad gangen, nye varenumre tilføjes, kundesegmenter opdeles, leverandører multipliceres sker det ofte uden, at nogen aktivt beslutter det. Det er her, kompleksiteten sniger sig ind. Uden bevidst styring bliver det en organisatorisk "kogt frø"-effekt.

ABC-klassificering er en meget udbredt metode til at skabe overblik og synlighed over store datamængder. Metoden er enkel at anvende og vil, rigtigt benyttet, betyde at frøen vil overleve.

Ved regelmæssigt at analysere varer, kunder og leverandører efter værdi og betydning (fx omsætning, dækningsbidrag, plukfrekvens), får man et klart overblik over, hvad der reelt skaber værdi og mindst lige så vigtigt, hvad der ikke giver værdi for virksomheden.

Fokus på det væsentlige

ABC-klassificering er en enkel metode at anvende, og den er let at forstå for alle i virksomheden. Metoden anvendes til gruppering af fx varer i forhold til deres årlige omsætning, og på den måde identificeres de få varer, der repræsenterer hovedparten af omsætningen. På samme tid vil de mange varer, der kun repræsenterer en lille del af omsætningen, blive identificeret. 

En ABC-analyse vil typisk vise at mange varer er CC-varer (varer med relativ lav omsætning og relativ lav efterspørgsel) og de fylder op på lageret, men bidrager meget lidt til indtjening. Varerne vokser ofte hurtigt i antal uden at nogen opdager det. Man risikerer at anvende for meget tid på de forkerte varer.

ABC-klassificering og forecast – et stærkt makkerpar

Valg af forecast metode kan være kompliceret, især når man har mange produkter med forskellige efterspørgselsmønstre, men det bliver lettere når varerne er klassificeret. Automatiserede systemer kan hjælpe med at identificere hvilke statistiske metoder der passer bedst på de respektive ABC-klasser. Systemerne vælger altid model ud fra historik hvorfor det er vigtigt at der kan skelnes mellem stabil efterspørgsel, sæsonprægede varer og uregelmæssige varer.

Data skal være renset og være korrekt. Out of Stock, kampagner eller andre data ”fejl” bør identificeres og justeres automatisk. I takt med at mere og mere automatiseres vokser behovet for transparens. Brugerne skal vide hvilke modeller der valgt og hvorfor.

Eksempel på en dobbelt ABC-klassificering for varerne

Omsætning og aftræk (ordrelinjer) er anvendt som kriterier. 

AA-varer er varer med relativ høj omsætning og relativ høj efterspørgsel. Varerne bidrager til en stor del af virksomhedens indtjening.

Vær opmærksom på:

• Fokus, fokus og fokus
• Sikre god forecast kvalitet 
• Høj servicegrad giver god værdi
• Tæt dialog med salg & marketing
• En god avance på varerne
• Højere salgspriser giver hurtigt en bedre indtjening
• Mindre kostpriser giver hurtigt en bedre indtjening
• Høj nøjagtighed i data 

CA-varer er varer med relativ lav omsætning, men med en relativ høj efterspørgsel. Varerne betyder ofte ikke så meget for indtjeningen, men der er relativ stor efterspørgsel.

Vær opmærksom på:

• Sæt servicegraden op 
• Ofte ubetydelig lagerbinding 
• Mangler varen er det ”irriterende” 
• Køb rigeligt, hvis de ikke fylder på lageret
• Mindre kostpriser har næsten ingen effekt
• Anvend simple styringsmetoder
• Kan-ban/VMI kan anvendes

AC-varer er varer med relativ høj omsætning, men med en relativ lav efterspørgsel. Varerne betyder meget for indtjeningen, men kan være vanskelige at forecaste.

Vær opmærksom på:

• Sikre god forecast kvalitet
• Risiko for ukurans
• Ofte høj lagerbinding på få varer
• I leverandørforhandlingerne kan evt. returret indgå
• Kortere leveringstid fra leverandør mod en let forhøjet kostpris?
• Længere leveringstid til kunden, vil betyde mindre lagerrisiko
• Lavere servicegrad kan overvejes

CC-varer er varer med relativ lav omsætning og relativ lav efterspørgsel. CC-varerne udgør ofte 50% af det samlede sortiment, men bidrager sjældent til mere end 5% af omsætningen. Ofte repræsentere CC-varerne næsten halvdelen af virksomhedens samlede lagerværdi, men værdien er tvivlsom fordi varen ofte er ”død”. 

Vær opmærksom på:

• Ofte ”døde” varer evt. opstil aktioner for at realisere varerne
• Vandskelige at forecaste med manuelle systemer (excel)
• Risiko for at der anvendes for meget tid
• Ryd op i sortimentet - reglmæssigt
• Ofte mindre lagerbinding pr. vare,
• Servicegraden er ofte unødvendig høj
• Køb evt. periodisk
• Varen skal evt. være en skaffevare?

Ligesom frøen i gryden ikke mærker varmen, mærker virksomheden ofte ikke kompleksiteten vokse. ABC-analyser, skal gennemføres regelmæssigt og varer bevægelser skal identificeres. Det er ofte varebevægelser til en ny ABC-kategori, der skaber problemerne. 

Hvor hyppigt analyserne skal gennemføres er afhængig af virksomheden, men en gang pr. måned vil i de fleste tilfælde være tilstrækkeligt.

ABC-klassificering og valg af forecast metode

Når varerne er blevet klassificeret i ABC-klasser, er det lettere at identificere og anvende den mest passende statistiske metode til efterspørgselsprognoser.

Hver klasse kræver forskellige statistiske tilgangsmetoder. For eksempel vil AA-varer, som ofte er kritiske for forretningen anvende mere avancerede statistiske metoder. Hvorimod for CC-varer som har en relativ lille værdi og et lavt aftræk, vil man ofte benytte mere simple metoder, som gennemsnit eller faste genbestillingsniveauer, da det ikke nødvendigvis er økonomisk effektivt at anvende avancerede metoder for disse varer.

Moderne forecast og indkøbssystemer (Inventory & Demand Planning) vil automatisk anvende den bedste egnede statistiske model for de respektive ABC-klasser. Når en vare skifter klasse, f.eks. fra BB til AA på grund af ændret efterspørgsel eller værdi, opdateres dens status automatisk i systemet. Dette medfører, at den tilknyttes en ny, mere passende statistisk metode uden manuel indgriben. Det sikrer, at prognoserne hele tiden er optimeret i forhold til varens aktuelle betydning og adfærd.

Denne automatisering forbedrer ikke kun forecast kvaliteten, men bidrager også til bedre indkøbsstyring, reduceret spild og højere kundetilfredshed.

Forsyningskædens ABC-klassificering

Et større udvalg af produkter, kunder og leverandører kan uden tvivl gøre virksomheden mere attraktiv for flere målgrupper. Men det er ikke ensbetydende med, at lønsomheden følger med. Kunderne forventer i stigende grad individuelle løsninger, og salgs- og distributionskanalerne bliver stadig mere komplekse. Samtidig skærper det kravene til kundeservice, og det bliver vanskeligere at navigere i et marked præget af stigende uforudsigelighed.

Er der kunder, som trækker mange ressourcer, men kun bidrager lidt til indtjeningen? Har de samme kunder gode betalingsvilkår? Hvilke varer køber disse kunder? Hvilke leverandører leverer hvilke varer? Er der leverandører, hvor leveringstid er lang og hvor efterspørgslen af varen er usikker? Her er et eksempel på hvordan ABC-klassificeringen giver et overblik over virksomhedens forsyningskæde.

Der er to ”kæder” der er særlig interessante. Den ene kæde er den grønne kæde, der består af AA-leverandører, AA-varer og AA-kunder. Dette er virksomhedens hovedpulsåre. Mister virksomheden momentum i denne kæde har det store konsekvenser for virksomheden.

Den anden kæde, er den sorte kæde, der består af CC-leverandører, CC-varer og CC-kunder. Mister virksomheden momentum i denne kæde har det ikke de store konsekvenser for virksomheden. Med fordel kan virksomheden undersøge om alle leverandører, varer og kunder er nødvendige. Det er ofte i denne sorte kæde, der skabes snigende kompleksitet hvilket er årsagen til at frøen bliver kogt.

Hidtil har mange virksomheder forsøgt at håndtere stigende kompleksitet med forældede og alt for manuelle tilgange. Ofte reagerer de ved at fjerne produkter med lav omsætning eller lave marginer uden reelt at forstå, hvilke faktorer der skaber den største kompleksitet og påvirker virksomhedens samlede værdi.

Selv store organisationer kæmper med at gennemskue sammenhængene, og for mindre virksomheder udgør dette en markant barriere for at forbedre rentabiliteten. Uden et klart overblik over, hvad der reelt skaber eller reducerer indtjening, risikerer man at træffe reaktive og fejlagtige beslutninger som at skære de forkerte produkter væk eller investere unødigt i kunder, der ikke bidrager til bundlinjen.

Læs og download pdf her

Om Lars Villads Krogh

Lars Villads Krogh er en erfaren specialist inden for Supply Chain Management og arbejder i dag hos Slimstock Danmark – en international markedsleder inden for forecast og lageroptimering. Her hjælper han virksomheder med at forbedre deres planlægning og disponering gennem praktiske og datadrevne løsninger.

Lars kombinerer teknisk indsigt med forretningsforståelse og har gennem sin karriere udviklet og implementeret løsninger på tværs af industrier. Han er medudvikler af værktøjer inden for ABC-analyse og har bidraget med faglige indsigter i artikler og på konferencer.

Han har været aktiv i Effektivitet.dk’s bestyrelse og deltaget i udviklingen af den årlige Danske Supply Chain Konference. Derudover har han undervist og gæsteforelæst på flere danske universiteter, herunder CBS, SDU, DTU og VIA.

Vil du følge med i, hvad Lars arbejder med? Så følg Slimstock – eller Lars Villads Krogh – og få indsigt i den nyeste viden inden for Supply Chain Management.