Lagerplanlegging handler ikke lenger bare om å legge inn innkjøpsordrer. I denne praktiske sesjonen deler Duncan Reed hvordan Vital Pet Group transformerte sin lageroptimalisering ved å gå fra manuelle, regnearkbaserte prosesser til en mer strukturert, datadrevet tilnærming med AGR. Han forklarer hvordan bedre prognoser, renere data og økt automatisering bidro til å forbedre tilgjengeligheten, redusere varelageret og gi teamet mer tid til å fokusere på strategiske beslutninger i forsyningskjeden.
Skriv inn dine detaljer for å se opptaket på forespørsel.
Forbi manuell lagerplanlegging
Etter hvert som produktsortimentet utvides og forsyningskjedene blir mer komplekse, er tradisjonelle innkjøpsmetoder ikke lenger tilstrekkelige. I denne kundepresentasjonen forklarer Duncan Reed, kategoridirektør i Vital Pet Group, hvordan teamet hans moderniserte lagerplanleggingen ved å introdusere AGR og skifte fra manuell bestilling til datadrevne beslutninger.
Ved å bruke praktiske eksempler fra egen implementering deler Duncan hvordan bedre prognoser, automatisert innkjøp og forbedret datakvalitet gjorde det mulig for Vital Pet Group å redusere varelageret, øke produkttilgjengeligheten og bygge en mer robust planleggingsprosess. Han utforsker også hvordan rollen til lagerplanleggere utvikler seg ettersom AI og automatisering tar over rutineoppgaver, slik at folk kan fokusere på beslutninger med høyere verdi.
Duncan Reed leder kategoristyring og lagerstrategi på tvers av en stor produktportefølje. Han fokuserer på å bruke data, prognoser og teknologi for å forbedre ytelsen i forsyningskjeden, og hjelper virksomheten med å øke produkttilgjengeligheten, redusere varelageret og bygge mer robuste planleggingsprosesser gjennom automatisering og smartere beslutningstaking.
AI-drevet lageroptimalisering bruker maskinlæringsmodeller for å prognostisere etterspørsel på SKU-nivå, oppdage avvik i salgshistorikk og foreslå etterfyllingsordrer som planleggere kan godkjenne med ett klikk. I AGR kjører AI kontinuerlig på ERP-salgs- og lagerdata og viser kun unntak som krever menneskelig oppmerksomhet.
Automatisering utfører regler du allerede har definert – for eksempel automatisk generering av en innkjøpsordre når lagerbeholdningen når et bestillingspunkt. AI forbedrer selve reglene: den lærer sesongvariasjoner, kampanjer og variasjoner i leverandørens ledetider fra historiske data og oppdaterer prognoser og sikkerhetslager uten manuell justering.
De fleste AGR SaaS-kunder er i drift innen 4–8 uker. Den standardiserte datamodellen og forhåndsbygde ERP-koblingene (Microsoft Dynamics 365 Business Central, NAV, SAP, NetSuite, Sage, IFS, Jeeves) eliminerer det flerårige integrasjonsarbeidet som er typisk for eldre forsyningskjedeverktøy.
AGR har forhåndsbygde, støttede koblinger for Microsoft Dynamics 365 Business Central, Dynamics NAV, SAP, NetSuite, Sage, Visma, IFS og Jeeves. Andre ERP-systemer kobles til via REST API eller flatfilintegrasjon.
På tvers av AGRs kundebase reduserer selskaper typisk lagerbeholdningen med opptil 11 % og kutter utsolgtsituasjoner med opptil 40 % innen de første 12 månedene – basert på AGRs kundebenchmarkdata, 2025.
Ja. AGR brukes av over 400 selskaper innen engrosdistribusjon, spesial- og FMCG-detaljhandel, og produksjon med planlegging av råvarer og ferdigvarer. Den samme prognose- og bestillingsmotoren tilpasses hver vertikal via konfigurasjon, ikke tilpasset kode.
Skriv inn dine detaljer for å se opptaket på forespørsel.
Foretrekker du å snakke med noen? Be om en demo
