Lagerplanering handlar inte längre bara om att lägga inköpsorder. I denna praktiska session delar Duncan Reed hur Vital Pet Group transformerade sin lageroptimering genom att gå från manuella, kalkylarksdrivna processer till ett mer strukturerat, datadrivet tillvägagångssätt med AGR. Han förklarar hur bättre prognoser, renare data och större automatisering bidrog till att förbättra tillgängligheten, minska lagret och ge teamet mer tid att fokusera på strategiska beslut inom försörjningskedjan.
Ange dina uppgifter för att titta på inspelningen på begäran.
Att gå bortom manuell lagerplanering
I takt med att produktsortiment expanderar och försörjningskedjor blir mer komplexa räcker traditionella inköpsmetoder inte längre till. I denna kundpresentation förklarar Duncan Reed, Director of Category på Vital Pet Group, hur hans team moderniserade lagerplaneringen genom att införa AGR och gå från manuell orderläggning till datadrivet beslutsfattande.
Med hjälp av praktiska exempel från sin egen implementering delar Duncan hur bättre prognoser, automatiserade inköp och förbättrad datakvalitet gjorde det möjligt för Vital Pet Group att minska lagret, öka produkttillgängligheten och bygga en mer motståndskraftig planeringsprocess. Han utforskar också hur rollen som lagerplanerare utvecklas i takt med att AI och automatisering tar över rutinuppgifter, vilket gör det möjligt för medarbetare att fokusera på beslut med högre värde.
Duncan Reed leder kategorihantering och lagerstrategi över ett stort produktsortiment. Han fokuserar på att använda data, prognoser och teknik för att förbättra prestanda inom försörjningskedjan och hjälper företaget att öka produkttillgängligheten, minska lagret och bygga mer motståndskraftiga planeringsprocesser genom automatisering och smartare beslutsfattande.
AI-driven lageroptimering använder maskininlärningsmodeller för att prognostisera efterfrågan på SKU-nivå, upptäcka avvikelser i försäljningshistorik och föreslå påfyllningsorder som planerare kan godkänna med ett klick. I AGR körs AI kontinuerligt på affärssystemets försäljnings- och lagerdata och visar endast de undantag som kräver mänsklig uppmärksamhet.
Automatisering utför regler du redan har definierat – till exempel att automatiskt generera en inköpsorder när lagret når en beställningspunkt. AI förbättrar reglerna själva: den lär sig säsongsvariationer, kampanjer och leverantörers ledtidsvariation från historisk data och uppdaterar prognoser och säkerhetslager utan manuell justering.
De flesta AGR SaaS-kunder går live inom 4–8 veckor. Den standardiserade datamodellen och förbyggda affärssystemskontakter (Microsoft Dynamics 365 Business Central, NAV, SAP, NetSuite, Sage, IFS, Jeeves) eliminerar det integrationsarbete som tar flera månader och är typiskt för äldre verktyg för försörjningskedjan.
AGR har förbyggda, stödda kontakter för Microsoft Dynamics 365 Business Central, Dynamics NAV, SAP, NetSuite, Sage, Visma, IFS och Jeeves. Andra affärssystem ansluter via REST API eller flat-filintegration.
Över AGR:s kundbas minskar företag vanligtvis lagerhållningen med upp till 11 % och minskar lagersaldot med upp till 40 % inom de första 12 månaderna – baserat på AGR:s kundbenchmarkdata, 2025.
Ja. AGR används av över 400 företag inom grossistdistribution, special- och FMCG-detaljhandel samt tillverkning med planering av råmaterial och färdiga varor. Samma prognos- och beställningsmotor anpassar sig till varje vertikal via konfiguration, inte anpassad kod.
Ange dina uppgifter för att titta på inspelningen på begäran.
Föredrar du att prata med någon? Boka en demo
