![\"Kostnader](\"https:\/\/www.agrinventory.com\/wp-content\/uploads\/2025\/07\/Deadstock-cost-equation-1024x336.png\" "\\"\\"")
<\/figure>\n\nKapital- og lagringskostnader<\/h3>\n\n
Vanlige kostnadskonsekvenser av deadstock er blant annet<\/p>\n\n
- \n
- Tapt arbeidskapital bundet opp i uselgelige varelager<\/li>\n\n\n\n
- L\u00f8pende lager-, forsikrings- og h\u00e5ndteringskostnader<\/li>\n\n\n\n
- \u00d8kt risiko for nedsalg eller avskrivninger<\/li>\n<\/ul>\n\n
Varelageret binder direkte opp arbeidskapital. Det betyr at penger brukt p\u00e5 produksjon, innkj\u00f8p og logistikk er l\u00e5st i varer som ikke gir noen avkastning. Lagring er heller ikke gratis. Lagerkostnader, forsikring og arbeidskraft \u00f8ker raskt. Jo lenger varelageret blir liggende, desto st\u00f8rre blir de irreversible kostnadene. <\/p>\n\n
Du kan estimere kostnaden for d\u00f8d lagerbeholdning ved hjelp av denne formelen:<\/p>\n\n
Kostnader for usolgte enheter = enhetskostnad \u00d7 antall usolgte enheter + lagringskostnader + avskrivningsgebyrer<\/p>\n\n
Risiko for skade, utl\u00f8p eller foreldelse<\/h3>\n\n
For grossister blir ikke lagerbeholdningen bare liggende ubrukt – den forringes. Emballasjen falmer, komponentene forringes, og n\u00e5r det gjelder lett bedervelige varer eller regulerte produkter, kan holdbarheten utl\u00f8pe lenge f\u00f8r varelageret i det hele tatt blir gjennomg\u00e5tt. P\u00e5 grunn av de store volumene det er snakk om, merker grossistene ofte den \u00f8konomiske smerten mer akutt n\u00e5r varelageret blir uselgelig. <\/p>\n\n
I tillegg inneb\u00e6rer bulklager vanligvis lengre lagringstid, hyppigere h\u00e5ndtering og st\u00f8rre plassbehov. Alt dette \u00f8ker risikoen for fysisk slitasje, eksponering for suboptimale lagringsforhold og sjansen for feilplassering eller feilmerking. For kategorier som elektronikk, mat og drikke eller helseprodukter kan selv en liten forglemmelse i utl\u00f8pssporingen gj\u00f8re hele partier ubrukelige. <\/p>\n\n
Utover fysisk forfall er foreldelse av produkter et hyppig og kostbart resultat. Grossister som ikke har god nok oversikt over oml\u00f8pshastigheten, kan bli sittende med lagerbeholdninger som ikke lenger oppfyller markedets eller kundenes krav. Derfor er det avgj\u00f8rende for lagerbeholdningen at man har oversikt over lagerets alder. M\u00e5linger som lageromsetning og aldringsanalyse, som begge er beskrevet i AGRs KPI-guide, hjelper teamene med \u00e5 oppdage risiko f\u00f8r det resulterer i avskrivninger. Utforsk hele guiden<\/a> for \u00e5 se hvordan KPI-er kan st\u00f8tte smartere beslutninger. Lett bedervelige varer g\u00e5r ut p\u00e5 dato, emballasjen falmer, materialer forringes og trender skifter. <\/p>\n\n
Innvirkning p\u00e5 kontantstr\u00f8m og prognosen\u00f8yaktighet<\/h3>\n\n
Deadstock p\u00e5virker prognoser og likviditetsstyring ved \u00e5:<\/p>\n\n
- \n
- Utdaterte data tilsl\u00f8rer reelle ettersp\u00f8rselstrender<\/li>\n\n\n\n
- Forsinket innkj\u00f8p av varer med h\u00f8y oml\u00f8pshastighet<\/li>\n\n\n\n
- Forvrenger oml\u00f8pshastigheter og p\u00e5fyllingssignaler<\/li>\n<\/ul>\n\n
D\u00f8de varer forstyrrer lagersynligheten og gj\u00f8r prognosene mindre n\u00f8yaktige. De fyller systemet med utdaterte eller irrelevante data, noe som tilsl\u00f8rer de faktiske ettersp\u00f8rselsm\u00f8nstrene. Dette f\u00f8rer til feilaktig p\u00e5fylling, d\u00e5rlig kontantallokering og tapte salgsmuligheter. N\u00e5r arbeidskapitalen er bundet opp i lagerbeholdninger som ikke er i bevegelse, utsetter bedrifter ofte investeringer i hurtigg\u00e5ende varelinjer – noe som gj\u00f8r det vanskeligere \u00e5 reagere p\u00e5 reelle endringer i ettersp\u00f8rselen. <\/p>\n\n
For grossister er innvirkningen enda mer betydelig. Varer med lav oml\u00f8pshastighet reduserer ikke bare likviditeten, men forvrenger ogs\u00e5 viktige prognosefaktorer som oml\u00f8pshastighet, ledetidsbuffere og p\u00e5fyllingssykluser. Dette skaper en negativ tilbakekoblingssl\u00f8yfe: un\u00f8yaktige prognoser f\u00f8rer til overbestilling, noe som igjen f\u00f8rer til mer lagerbeholdning og enda mindre n\u00f8yaktige prognoser. <\/p>\n\n
For \u00e5 bryte denne syklusen trenger bedrifter n\u00f8yaktige og smidige prosesser for ettersp\u00f8rselsprognoser. AGRs guide med tips, formler og beste praksis for ettersp\u00f8rselsprognoser<\/a> beskriver hvordan smartere prognosemetoder – inkludert sesongjusteringer, AI-drevet modellering og samarbeidsplanlegging – kan forbedre resultatene drastisk. N\u00e5r prognosene gj\u00f8res riktig, kan bedriftene optimalisere lagerbeholdningen, frigj\u00f8re kontanter og helt unng\u00e5 «deadstock»-fellen. D\u00f8de varelagre forstyrrer varelagerets synlighet og gj\u00f8r prognosene mindre n\u00f8yaktige. Det gj\u00f8r dataene uklare, noe som gj\u00f8r det vanskeligere \u00e5 lese ettersp\u00f8rselssignaler og reagere p\u00e5 dem. Det reduserer ogs\u00e5 lageromsetningen – et viktig helsem\u00e5l for detaljhandelsbedrifter. <\/p>\n\n
\u00c5rsaker til d\u00f8de lagerbeholdninger<\/h2>\n\n
Overproduksjon og overbestilling<\/h3>\n\n
Typiske \u00e5rsaker inkluderer:<\/p>\n\n
- \n
- Bestilling basert p\u00e5 faste tidsplaner i stedet for ettersp\u00f8rsel<\/li>\n\n\n\n
- Buffring mot usikkerhet uten datainnsikt<\/li>\n\n\n\n
- Jakt p\u00e5 volumrabatter uten sikkerhet for gjennomslag<\/li>\n<\/ul>\n\n
Overproduksjon og overbestilling er blant de vanligste \u00e5rsakene til d\u00f8de varelagre i grossistleddet. De skyldes ofte manuelle planleggingsprosesser, altfor konservative bufferstrategier eller d\u00e5rlig samsvar mellom innkj\u00f8p og faktisk ettersp\u00f8rsel. Bedrifter har en tendens til \u00e5 bestille i store kvanta for \u00e5 dra nytte av volumrabatter eller for \u00e5 sikre seg mot utsolgte varer, men uten n\u00f8yaktig innsikt i ettersp\u00f8rselen f\u00f8rer denne tiln\u00e6rmingen raskt til overskudd. <\/p>\n\n
Lagerbeholdningen \u00f8ker n\u00e5r teamene ikke har en klar oversikt over optimale bestillingspunkter, eller n\u00e5r bestillingsbeslutninger tas reaktivt i stedet for proaktivt. Spesielt i B2B-omgivelser med komplekse kataloger og lange ledetider er det lett for teamene \u00e5 foreta rutinemessige bestillinger uten \u00e5 vurdere den aktuelle salgshastigheten eller tilgjengelig lagerbeholdning. Over tid f\u00f8rer dette til at lagerplassen fylles opp med varer som beveger seg sakte, og som blir stadig vanskeligere \u00e5 selge. <\/p>\n\n
Automatiserte etterfyllingssystemer som tar hensyn til salgshistorikk, ledetider og dynamiske sikkerhetslagerniv\u00e5er, kan bidra til \u00e5 forebygge dette problemet. I stedet for \u00e5 basere seg p\u00e5 gjetning, kan bedrifter ta i bruk datadrevet bestillingslogikk som reduserer menneskelige feil og tilpasser tilbudet til det faktiske forbruket. Les mer om beste praksis for automatisert bestilling her.<\/a> \u00c5 produsere eller bestille mer enn det som trengs, er en hoved\u00e5rsak til restlager. Dette er vanlig n\u00e5r virksomheter ikke tilpasser innkj\u00f8pene til den faktiske ettersp\u00f8rselen eller stoler p\u00e5 magef\u00f8lelsen i stedet for data. <\/p>\n\n
Un\u00f8yaktige ettersp\u00f8rselsprognoser<\/h3>\n\n
D\u00e5rlige ettersp\u00f8rselsprognoser er fortsatt en av de st\u00f8rste \u00e5rsakene til lagerbeholdninger – spesielt for grossister som h\u00e5ndterer store volumer, lange ledetider og uforutsigbar ettersp\u00f8rsel fra kundene. N\u00e5r prognosene bygger p\u00e5 utdaterte antakelser eller ufullstendige data, gjenspeiler de ikke de faktiske kj\u00f8psm\u00f8nstrene, noe som f\u00f8rer til overlagring av varer med lav ettersp\u00f8rsel og underlagring av varer med h\u00f8y ettersp\u00f8rsel. <\/p>\n\n
Engroshandelsbedrifter sliter ofte med komplekse prognoser p\u00e5 grunn av det store antallet SKU-er og sesongvariasjoner p\u00e5 tvers av ulike kanaler. Feilvurdering av selv noen f\u00e5 n\u00f8kkelprodukter kan resultere i betydelig oppbygging av lagerbeholdninger, spesielt n\u00e5r det er snakk om minimumsordreantall og containerlaster. N\u00e5r planleggingen er adskilt fra salg eller innkj\u00f8p, \u00f8ker dessuten feilmarginen betydelig. <\/p>\n\n
For \u00e5 motvirke dette b\u00f8r bedrifter ta i bruk velpr\u00f8vde rammeverk for prognoser som tar h\u00f8yde for svingninger i forsyningskjeden i den virkelige verden. AGRs guide om hvordan man mestrer n\u00f8yaktig lagerprognostisering for grossister<\/a> g\u00e5r gjennom avanserte strategier som dynamisk sikkerhetslager, unntaksbasert planlegging og automatiseringsverkt\u00f8y skreddersydd for B2B-virksomhet. Disse forbedringene bidrar til \u00e5 sikre at lagerbeholdningen stemmer overens med den reelle ettersp\u00f8rselen – ikke bare prognosene. D\u00e5rlig ettersp\u00f8rselsprognostisering er fortsatt en av de st\u00f8rste \u00e5rsakene til d\u00f8dlager. Enten det skyldes at man baserer seg p\u00e5 utdaterte modeller eller ignorerer eksterne faktorer som sesongvariasjoner, f\u00f8rer un\u00f8yaktige prognoser til uoverensstemmelser mellom tilbud og ettersp\u00f8rsel. <\/p>\n\n
Spredning av SKU-er og d\u00e5rlig styring av produktlivssyklusen<\/h3>\n\n
Hvorfor overfl\u00f8dige SKU-er skaper risiko for d\u00f8d lagerbeholdning:<\/p>\n\n
- \n
- \u00d8ker lagerkostnadene og lagerkompleksiteten<\/li>\n\n\n\n
- Tar oppmerksomheten bort fra produkter med h\u00f8y ytelse<\/li>\n\n\n\n
- Skjuler aldrende varelager fra gjennomgang og rasjonalisering<\/li>\n<\/ul>\n\n
\u00c5 tilby for mange SKU-er kan virke som en vekststrategi, men uten livssyklusdisiplin kan det sl\u00e5 feil. For grossister er risikoen spesielt h\u00f8y. \u00c5 legge til nye SKU-er uten \u00e5 fase ut underpresterende SKU-er kan overvelde planleggingsteamene, bl\u00e5se opp lagerkostnadene og gj\u00f8re det vanskelig \u00e5 identifisere hvilke produkter som faktisk skaper verdi. <\/p>\n\n
En overdimensjonert katalog f\u00f8rer ofte til utvanning av lagerbeholdningen – der arbeidskapitalen spres over et stort utvalg av produkter, hvorav mange er langsomt omsettelige eller foreldede. Etter hvert som flere SKU-er legges til for \u00e5 im\u00f8tekomme foresp\u00f8rsler fra kunder eller salgsteam, \u00f8ker kompleksiteten i h\u00e5ndteringen av prognoser, bestillinger og lagerniv\u00e5er. Dette resulterer ofte i d\u00e5rlig samsvar mellom tilbud og ettersp\u00f8rsel. <\/p>\n\n
Regelmessig rasjonalisering av SKU-er er n\u00f8kkelen til \u00e5 holde lagerbeholdningen slank og h\u00e5ndterbar. Dette inneb\u00e6rer blant annet \u00e5 identifisere overfl\u00f8dige varer eller varer med lav verdi, spore livssyklusstadier og bruke terskler for oppbevaring eller fjerning. For en grundig gjennomgang av strategier og formler for \u00e5 gj\u00f8re dette effektivt, kan du lese denne veiledningen om SKU-rasjonalisering<\/a>. Det kan virke som en vekststrategi \u00e5 tilby for mange SKU-er, men uten disiplin i livssyklusen kan det sl\u00e5 feil. <\/p>\n\n
Hvordan unng\u00e5 og h\u00e5ndtere d\u00f8de lagerbeholdninger<\/h2>\n\n
Forbedre planlegging og prognoser for ettersp\u00f8rsel<\/h3>\n\n
Blant de viktigste metodene for bedre planlegging er<\/p>\n\n
- \n
- Bruk av unntaksbaserte prognoser for \u00e5 fange opp avvik tidlig<\/li>\n\n\n\n
- Justering for sesongvariasjoner og markedstrender i sanntid<\/li>\n\n\n\n
- Samordne planleggingsteam med salg og innkj\u00f8p<\/li>\n<\/ul>\n\n
Effektiv ettersp\u00f8rselsplanlegging er en hj\u00f8rnestein i arbeidet med \u00e5 forebygge lagerbeholdninger. N\u00e5r prognosene er forankret i sanntidsdata og tilpasset skiftende markedsforhold, er det langt mindre sannsynlig at bedrifter akkumulerer overskudd. For grossister, som har lengre ledetider og st\u00f8rre ordrevolumer, kan selv sm\u00e5 forbedringer i prognosen\u00f8yaktigheten gi store lagergevinster. <\/p>\n\n
Viktige metoder er blant annet \u00e5 ta hensyn til sesongvariasjoner, bruke statistiske modeller og bruke unntaksbasert planlegging for \u00e5 flagge avvik. Disse metodene – som er beskrevet i AGRs tips og beste praksis for ettersp\u00f8rselsprognoser<\/a> – bidrar til \u00e5 skape mer robuste prognoser som gjenspeiler den faktiske kundeettersp\u00f8rselen i stedet for gjetninger. Disse forbedringene er avgj\u00f8rende for virksomheter som h\u00e5ndterer tusenvis av SKU-er. <\/p>\n\n
Et godt eksempel: Regal Wholesale, en ledende distribut\u00f8r av dagligvarer, slet med ineffektive manuelle prosesser. Ved \u00e5 bytte til automatiserte planleggingsverkt\u00f8y sparte de flere dager med administrativt arbeid hver m\u00e5ned og forbedret lagern\u00f8yaktigheten dramatisk. Historien deres gjenspeiler de bredere strategiene som er skissert i AGRs guide til programvare for ettersp\u00f8rselsplanlegging og -prognoser<\/a>, som viser hvordan teknologi kan gi teamene mulighet til \u00e5 redusere d\u00f8dlager og \u00f8ke smidigheten i forsyningskjeden. Ved \u00e5 bytte til AGR sparte de flere dager med administrativt arbeid hver m\u00e5ned og forbedret lagern\u00f8yaktigheten. <\/p>\n\n
Bruk programvare for lageroptimalisering<\/h3>\n\n
Fordelene med lagerplattformer for kontroll av varelageret:<\/p>\n\n
- \n
- Sentraliser data for beslutningstaking i sanntid<\/li>\n\n\n\n
- Spor lagerbeholdningen med oversikt over alle SKU-er<\/li>\n\n\n\n
- Automatiser p\u00e5fylling og unntaksvarsler<\/li>\n<\/ul>\n\n
Moderne systemer for lageroptimalisering gj\u00f8r mer enn \u00e5 holde oversikt over lagerbeholdningen. De analyserer, forutser og automatiserer. For grossister, der volum, variasjon og variabilitet er en del av den daglige driften, er dette kontrollniv\u00e5et helt avgj\u00f8rende. Uten dette risikerer man \u00e5 reagere p\u00e5 problemer i stedet for \u00e5 drive proaktiv lageroptimalisering. <\/p>\n\n
En robust plattform samler alle dataene p\u00e5 ett sted, slik at teamene kan oppdage trender, sette smartere bestillingspunkter og iverksette tiltak mot aldrende lagerbeholdninger f\u00f8r de blir til d\u00f8de varer. Disse systemene utgj\u00f8r ogs\u00e5 ryggraden for bedre prognoser, unntaksvarsler og sporing av leverand\u00f8rprestasjoner, noe som er avgj\u00f8rende for \u00e5 opprettholde lagerbeholdningen i stor skala. <\/p>\n\n
Som beskrevet i denne artikkelen om hvorfor forsyningskjedeplattformer b\u00f8r v\u00e6re en del av budsjettet for 2025<\/a>, gir disse verkt\u00f8yene strategisk verdi utover driften. De gir beslutningstakerne en klar oversikt over hva som fungerer og hvor det er behov for tiltak, noe som bidrar til \u00e5 unng\u00e5 kostbare feil og redusere overskuddsbeholdningen. Moderne systemer for lageroptimalisering gj\u00f8r mer enn \u00e5 holde oversikt over lagerbeholdningen. De analyserer, forutser og automatiserer. AGRs plattform gir detaljert innsyn og bidrar til \u00e5 forhindre opphopning av d\u00f8de varer.<\/p>\n\n
Milj\u00f8p\u00e5virkningen fra d\u00f8de varer<\/h2>\n\n
Deadstock og b\u00e6rekraft<\/h3>\n\n
D\u00f8de varer skader planeten ved at de bidrar til deponering, sl\u00f8sing med r\u00e5materialer og for store utslipp. \u00c5 redusere antall d\u00f8de varer st\u00f8tter b\u00e6rekraftig forretningspraksis og appellerer til milj\u00f8bevisste forbrukere. <\/p>\n\n
![\"Deastocks](\"https:\/\/www.agrinventory.com\/wp-content\/uploads\/2025\/07\/Deadstock-sustainability-infographic-1024x725.png\" "\\"\\"")
<\/figure>\n\nFigur: Milj\u00f8p\u00e5virkningen fra d\u00f8dfisk p\u00e5 tvers av viktige dimensjoner.<\/p>\n\n
- \n
- Vannforbruk: 70%<\/li>\n\n\n\n
- CO\u2082-utslipp: 60%<\/li>\n\n\n\n
- Avfall av r\u00e5materialer: 80<\/li>\n\n\n\n
- Deponibidrag: 90 prosent<\/li>\n<\/ul>\n\n
Vanlige sp\u00f8rsm\u00e5l om deadstock<\/h2>\n\n
Hva er et eksempel p\u00e5 deadstock?<\/h3>\n\n
I grossistleddet er det ofte snakk om lagerbeholdninger som aldri flyttes fra hyllene. En distribut\u00f8r kan for eksempel bestille store mengder av et produkt i p\u00e5vente av gjentatt ettersp\u00f8rsel fra en n\u00f8kkelkunde, men s\u00e5 g\u00e5r ordren i vasken. Resultatet er palle etter palle med uselgelige varer som opptar plass, taper seg i verdi og for\u00e5rsaker forstyrrelser i planleggingen og kontantstr\u00f8mmen nedstr\u00f8ms. Disse varene legger beslag p\u00e5 ressurser som ellers kunne v\u00e6rt brukt p\u00e5 varer med h\u00f8y oml\u00f8pshastighet og som genererer inntekter. For \u00e5 unng\u00e5 slike scenarier er det derfor avgj\u00f8rende med god oversikt, automatiserte prognoser og datadrevet bestilling. <\/p>\n\n
Er deadstock d\u00e5rlig eller verdifullt?<\/h3>\n\n
Varelageret anses vanligvis som en belastning p\u00e5 grunn av driftsomfanget og kostnadskonsekvensene. De binder arbeidskapital, \u00f8ker lagerkostnadene og kan forvrenge prognosemodellene hvis de ikke h\u00e5ndteres p\u00e5 riktig m\u00e5te. Noen ganger kan imidlertid lagerbeholdningen omdisponeres, for eksempel gjennom rabatterte B2B-kanaler eller pakkesalg for \u00e5 rydde lagerplass. Dette er likevel siste utvei. En mer strategisk tiln\u00e6rming inneb\u00e6rer \u00e5 forebygge d\u00f8de varer gjennom strukturert SKU-styring, ettersp\u00f8rselsprognoser og regelmessige gjennomganger av lagerbeholdningen, som beskrevet i AGRs veiledninger om prognoser<\/a> og SKU-rasjonalisering<\/a>. <\/p>\n\n
Hva er forskjellen mellom d\u00f8dlager og ukurant lager?<\/h3>\n\n
Selv om deadstock og ukurante varer er beslektet, er det et viktig skille. Deadstock er varer som ikke er solgt og som sannsynligvis ikke vil selge, men som fortsatt kan ha et markedspotensial under de rette forutsetningene – for eksempel m\u00e5lrettede kampanjer eller redistribusjon. Foreldede varer er derimot utdaterte og helt irrelevante for dagens markedsbehov. Dette kan skyldes utl\u00f8pt holdbarhetstid, utrangerte komponenter eller at nye produktversjoner erstatter gamle. I grossistleddet \u00f8ker risikoen for begge deler hvis man ikke har oversikt over lagerets aldring og omsetning. AGRs KPI-guide<\/a> tar for seg disse forskjellene og hvordan du kan overv\u00e5ke dem effektivt. <\/p>\n\n
Hvordan kan d\u00f8de varelager f\u00f8re til lagerbrudd andre steder i forsyningskjeden?<\/h3>\n\n
Varelageret kan virke som et overskuddsproblem, men det bidrar ofte til uventede utsolgtsituasjoner. N\u00e5r lagerplass og arbeidskapital er bundet opp i varer som g\u00e5r sakte eller er irrelevante, kan det f\u00f8re til at bedrifter utsetter etterbestillinger av produkter som g\u00e5r raskt, eller at de g\u00e5r tom for plass til nye varer. I tillegg kan oppbl\u00e5ste kataloger gj\u00f8re det vanskeligere \u00e5 oppdage reelle ettersp\u00f8rselssignaler, slik at planleggerne g\u00e5r glipp av tegn p\u00e5 \u00f8kende ettersp\u00f8rsel andre steder. Denne mismatchen kan f\u00f8re til at h\u00f8yt prioriterte SKU-er blir utsolgt, noe som frustrerer kundene og svekker serviceniv\u00e5et. AGRs innsikt i ettersp\u00f8rselsplanlegging<\/a> viser hvordan du kan balansere tilbudet og unng\u00e5 dette scenarioet ved \u00e5 holde lagerbeholdningen i tr\u00e5d med det reelle forbruket. <\/p>\n\n
Relaterte ressurser<\/a><\/h2>\n\n
- \n
- Reduser avskrivningene av ukurante varer med 5-20 %.<\/a><\/li>\n\n\n\n
- Oppn\u00e5 sunn lageromsetning<\/a><\/li>\n\n\n\n
- Programvare for ettersp\u00f8rselsplanlegging og prognoser<\/a><\/li>\n\n\n\n
- Casestudie av Regal Wholesale<\/a>:<\/li>\n<\/ul>\n\n
<\/p>\n","protected":false},"excerpt":{"rendered":"
Deadstock er ikke bare usolgte varer – det er en stille profittdreper. Denne grundige guiden forklarer hva deadstock er, hvorfor det oppst\u00e5r i grossistmilj\u00f8er, og hvordan du kan forhindre det ved hjelp av smartere prognoser, bedre SKU-styring og automatisering av forsyningskjeden. Inkluderer eksempler, formler og visualiseringer som hjelper teamet ditt med \u00e5 iverksette tiltak. <\/p>\n","protected":false},"author":4,"featured_media":24265,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[67],"tags":[],"class_list":["post-24466","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inventory-management-optimisation"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/posts\/24466","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/comments?post=24466"}],"version-history":[{"count":0,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/posts\/24466\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/media\/24265"}],"wp:attachment":[{"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/media?parent=24466"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/categories?post=24466"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.agrinventory.com\/no\/wp-json\/wp\/v2\/tags?post=24466"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
- Oppn\u00e5 sunn lageromsetning<\/a><\/li>\n\n\n\n
- Reduser avskrivningene av ukurante varer med 5-20 %.<\/a><\/li>\n\n\n\n