De vigtigste KPI’er i lager og fulfillment for e-commerce

Når en webshop vokser, bliver lageret hurtigt mere end et rum med hylder og kasser. Det bliver et styringspunkt for hele kundeoplevelsen. Hvis lagertal, pluk, pak og afsendelse ikke hænger sammen, mærkes det straks i form af forsinkelser, restordrer og unødige omkostninger.

Det er netop her, KPI’er i lagerstyring og fulfillment bliver værdifulde. Ikke som pynt i et dashboard, men som konkrete målepunkter, der viser, hvor driften fungerer, og hvor den taber fart. For e-commerce er det sjældent de mange nøgletal, der gør forskellen. Det er de få, skarpe KPI’er, som kan omsættes til handling fra dag til dag.

Hvorfor KPI’er i lagerstyring og fulfillment betyder så meget i e-commerce

E-handel stiller høje krav til præcision. Kunden forventer, at varen er på lager, at ordren behandles hurtigt, og at leveringen sker til tiden. Når disse forventninger ikke bliver mødt, er konsekvensen sjældent kun én tabt ordre. Det kan også påvirke loyalitet, anmeldelser og genkøb.

Samtidig er mange e-commerce-virksomheder presset mellem vækst og kompleksitet. Flere SKU’er, flere salgskanaler, kampagner, sæsonudsving og internationale forsendelser gør lagerdrift markant mere følsom. Her bliver KPI’er et fælles sprog mellem indkøb, lager, kundeservice og ledelse.

Benchmarking fra blandt andet APQC peger igen og igen på nogle få målinger som særligt centrale i logistik: inventory accuracy, order fill rate og pick-to-ship cycle time. Det giver god mening, fordi de måler tre helt afgørende forhold: om data er rigtige, om kunden får det bestilte, og hvor hurtigt ordren kommer videre i flowet.

De mest relevante KPI’er i lagerstyring for webshops

En god KPI skal være let at forstå, mulig at måle løbende og tæt knyttet til driftens virkelighed. Tabellen herunder samler de vigtigste KPI’er for lager og fulfillment i e-commerce.

KPI Hvad måler den? Hvorfor er den vigtig? Enkel beregning
Lagernøjagtighed Om fysisk lager stemmer med systemet Reducerer oversalg, stockouts og fejlpluk Korrekte lagerlinjer / totale lagerlinjer × 100
Order fill rate Hvor stor del af efterspørgslen der kan opfyldes Viser om varer kan allokeres, pakkes og sendes uden restordre Fuldt leverede enheder eller ordrelinjer / bestilte enheder eller linjer × 100
Pick-to-ship cycle time Tiden fra plukstart til afsendelse Viser hastighed og flow i fulfillment Gennemsnitlig tid pr. ordre
On-time ship rate Andel af ordrer sendt til den lovede tid Afgørende for kundeløfte og leveringsoplevelse Ordrer sendt til tiden / totale afsendte ordrer × 100
Omkostning pr. ordre Den samlede driftsomkostning pr. behandlet ordre Gør det muligt at styre lønsomhed ved vækst Samlede fulfillment-omkostninger / antal ordrer
Returandel og returårsager Hvor mange ordrer der kommer retur, og hvorfor Afslører problemer i varedata, pluk, pak eller produktmatch Returnerede ordrer / totale ordrer × 100
Datakvalitet Om stamdata og lagerdata er komplette og korrekte Dårlige data skaber fejl i hele flowet Måles ofte via fejlrate eller datakomplethed

Tabellen viser også noget vigtigt: KPI’er i lagerstyring må ikke ses isoleret. Høj hastighed er ikke nok, hvis lagertallene er forkerte. Lav omkostning pr. ordre er heller ikke en gevinst, hvis fill rate falder og kundeservice drukner i henvendelser.

Lagernøjagtighed som grundlag for god lagerstyring i e-commerce

Lagernøjagtighed er ofte det første sted, man bør starte. Hvis systemet siger 14 enheder, men hylden kun rummer 11, bliver alle efterfølgende målinger usikre. Indkøb planlægger forkert, webshoppen viser et forkert antal, og kundeservice står med ubehagelige beskeder til kunderne.

Det er også her, mange virksomheder undervurderer effekten af realtidslager. Når lagerbevægelser registreres med det samme ved modtagelse, pluk, pak, justering og retur, bliver lagerstyring langt mere robust. IBM peger på, at lav inventory accuracy kan føre til stockouts, overpromising, ekstra hasteforsendelser, prisnedsættelser og højere sikkerhedslager. Det er med andre ord ikke kun et lagerproblem. Det rammer hele forretningen.

GS1 har påvist, at inventory accuracy i visse opsætninger kan løftes markant med bedre identifikation og registrering, blandt andet via EPC/RFID. I nogle cases er niveauet løftet fra omkring 70 procent til 95 procent eller højere. Pointen er ikke, at alle webshops skal investere i samme teknologi. Pointen er, at præcis registrering og stabile processer giver stor effekt.

Sådan opdages lav lagernøjagtighed i praksis

Mange fejl viser sig længe før den årlige lageroptælling. De bliver tydelige i den daglige drift, hvis man ser efter de rigtige signaler.

Cycle counting er et godt svar på problemet. I stedet for at vente på en stor optælling kan man tælle udvalgte varegrupper løbende. Det giver hurtigere fejlfinding og mindre driftsforstyrrelse. For e-commerce med mange bevægelser er det ofte en langt bedre model end sjældne, store statusoptællinger.

Realtidslager gør KPI’er mere brugbare

Når lagerdata opdateres løbende, bliver KPI’er mere end historik. De bliver styringsværktøjer. En lav fill rate kan kobles direkte til bestemte SKU’er, kanaler eller leverandører. En stigende cycle time kan spores til bestemte tidsrum eller ordretyper. Det gør handlingerne mere præcise og langt hurtigere.

Order fill rate, afsendelsestid og on-time ship rate i fulfillment

Order fill rate måler, hvor stor en del af kundens bestilling der faktisk kan opfyldes. Oracle beskriver denne KPI ud fra niveauer som allocated, packed, shipped og cancelled. Det er nyttigt, fordi det viser, hvor i processen ordren mister fart eller bliver reduceret. Hvis 10 enheder bestilles, og 10 sendes, er fill rate 100 procent. Det lyder enkelt, men i praksis kan få manglende enheder få store konsekvenser.

For kunden er fill rate tæt knyttet til oplevelsen af troværdighed. En vare, der ser tilgængelig ud, men ikke kan sendes, føles som et løfte, der ikke bliver holdt. Derfor bør fill rate følges både samlet og på produktniveau. Nogle webshops har en stærk samlet score, men skjuler store problemer i enkelte kategorier.

Pick-to-ship cycle time måler hastigheden i selve fulfillment-flowet. Den fortæller, hvor lang tid der går fra ordren er klar til behandling, til den er afsendt. Den KPI er særlig vigtig i perioder med kampagner, højsæson og mange små ordrelinjer. En stigende cycle time er ofte et tidligt tegn på flaskehalse.

On-time ship rate er tæt på kundeløftet. Oracle beskriver den som andelen af ordrelinjer sendt til tiden i forhold til totalen i perioden. Den måling er central, fordi den forbinder intern drift med det løfte, der er afgivet i checkout eller ordrebekræftelse.

Efter nogle måneders opfølgning bliver mønstrene ofte tydelige:

Det er netop her, KPI-arbejdet bliver værdifuldt. Tallene viser ikke bare, om driften er god eller dårlig. De viser hvilken del af flowet der skal justeres.

Datakvalitet som KPI i moderne lagerstyring

Mange taler om lagerstyring, men glemmer datakvalitet. Det er en fejl. Hvis produktdata, lokationer, enheder, stregkoder eller tidsstempler ikke er konsistente, bliver selv de bedste processer ustabile.

GS1 beskriver data quality ud fra flere dimensioner: completeness, consistency, accuracy, time-stamped og standards-based. På dansk kan det oversættes til, at data skal være komplette, ensartede, korrekte, tidsmærkede og bygget på fælles standarder. Det lyder teknisk, men effekten er meget konkret.

En webshop med stærk datakvalitet kan lettere styre modtagelse, lokationering, pluk og returflow. En webshop med svag datakvalitet oplever ofte de samme symptomer igen og igen, selv når lagerpersonalet arbejder hurtigt og disciplineret.

Datakvalitet kan vurderes gennem få, klare målepunkter:

Når datakvalitet gøres til en KPI, bliver det lettere at få øje på årsagen bag andre problemer. Lav fill rate kan skyldes mere end manglende varer. Det kan også skyldes, at data ikke er pålidelige nok til korrekt allokering.

Sådan vælger webshops de rigtige KPI’er i lager og fulfillment

Det mest effektive er sjældent at starte med ti eller femten målinger. En mindre eller mellemstor webshop får ofte mest værdi af et kort KPI-sæt, som følges uge for uge. Her vil lagernøjagtighed, fill rate, pick-to-ship cycle time, on-time ship rate og omkostning pr. ordre dække meget.

KPI’erne bør også kobles til ansvar. Hvis alle ser tallene, men ingen ejer dem, sker der ikke meget. Lageret kan eje cycle time og accuracy, indkøb kan eje tilgængelighed og genbestilling, og ledelsen kan følge udviklingen i omkostning pr. ordre og leveringsperformance.

En praktisk model kan se sådan ud:

  1. Fastlæg 4 til 6 KPI’er, der følger hele ordreflowet fra lagerbeholdning til afsendelse.
  2. Aftal tydelige definitioner, så alle måler det samme på samme måde.
  3. Følg udviklingen i faste intervaller og knyt hver KPI til konkrete handlinger.

Det afgørende er ikke, om dashboardet ser flot ud. Det afgørende er, om tallene ændrer adfærd i hverdagen.

KPI-opfølgning i samarbejde med 3PL, lagerhotel eller egen lagerdrift

Mange webshops når et punkt, hvor egen lagerdrift bliver tung at skalere. Her bliver det relevant at arbejde med et lagerhotel eller en fulfillment-partner. I den situation bliver KPI’er endnu vigtigere, fordi de skaber gennemsigtighed i samarbejdet.

Et godt setup bør give løbende indblik i varemodtagelse, lagerbeholdning, ordrestatus, afsendelse og track & trace. Når data opdateres i realtid mellem webshop og lager, bliver det lettere at reagere på afvigelser, før de vokser sig dyre. Det gælder især ved kampagner, sæsontryk og international levering, hvor tempo og præcision skal følges tæt.

For virksomheder med vækstambitioner er det en klar fordel, når KPI-opfølgning ikke kræver manuel jagt i regneark. Automatiserede flows og tydelige driftsdata gør det muligt at fokusere på det, der flytter forretningen: sortiment, salg, kundeloyalitet og kapacitet. Lager og fulfillment bliver så ikke en begrænsning, men en mere stabil platform for vækst.

Når de rette KPI’er er på plads, bliver lagerstyring i e-commerce langt mindre præget af mavefornemmelse og langt mere styret af fakta, tempo og kvalitet.