Analysemetodernes værktøjskasse: 8 metoder du kan bruge i morgen

Analysemetodernes værktøjskasse: 8 metoder du kan bruge i morgen

Resumé og konklusion

• Analysemetodernes værktøjskasse dækker stort set alt, en SMV har brug for: Pareto, indeksering, dekomponering, varians, aldersfordeling, kohorte, segmentering og scenarie. Ingen af dem kræver mere end sum, procent, gennemsnit og et indeks.
• Dekomponering er den vigtigste. Den er den eneste af de otte analysemetoder, der svarer på hvorfor omsætningen ændrede sig — opdelt i mængde, pris og mix, med tal du kan lægge på bordet.
• Metoden følger af spørgsmålet, ikke af værktøjet. »Hvem er størst« giver Pareto. »Hvorfor ændrede det sig« giver dekomponering eller varians. Det tager ti sekunder at vælge blandt otte analysemetoder.
• Syv af de otte analysemetoder kan bygges uden BI-værktøj. Analysetilstand (analysis mode) i Business Central klarer alt undtagen scenarier, som hører hjemme i et regneark.
• Faldgruberne går igen på tværs af analysemetoder. Rangering efter omsætning i stedet for dækningsbidrag, gennemsnit der skjuler halen, og modeller ingen tør røre.

Alle otte metoder i analysemetodernes værktøjskasse følger den samme skabelon

De otte metoder herunder beskrives ens: hvad den svarer på, sådan gør du, et eksempel med tal og faldgruben — artiklen er et opslagsværk. Tallene er fra en dansk SMV med 60,5 mio. kr. i omsætning, 340 kunder og 18 mio. kr. på lager. Er det ikke afklaret, hvad der skal analyseres, så start med analyse-landkortet og de fire trin fra rapportering til analyse. Metodevælgeren herunder kobler spørgsmål til metode.

1. Pareto/ABC-analyse — hvor koncentreret er det?

• Hvad den svarer på: Hvor stor en del af omsætningen, indkøbet eller lagerværdien der ligger hos hvor få kunder, varer eller leverandører.
• Sådan gør du: Sortér faldende efter beløb og læg en akkumuleret procent i kolonnen ved siden af. Sæt skillelinjer ved 80 % (A), 95 % (B) og resten (C). Kør den samme Pareto-analyse på både omsætning og dækningsbidrag.
• Eksempel med tal: 340 kunder og 60,5 mio. kr. i omsætning. De 41 største kunder, 12 % af listen, står for 48,4 mio. kr. De nederste 180 står tilsammen for 2,1 mio. kr.
• Faldgruben: A-varer efter omsætning er ikke de samme som A-varer efter dækningsbidrag. En vare med 9,2 mio. kr. i omsætning og 8 % i dækningsgrad bidrager med 736.000 kr. En vare med 6,1 mio. kr. og 34 % bidrager med 2.074.000 kr.

2. Indeksering — hvad har bevæget sig mest?

• Hvad den svarer på: Hvilken linje der har flyttet sig mest, når posterne har vidt forskellig størrelse.
• Sådan gør du: Sæt startpunktet til indeks 100, og divider hver senere periode med startværdien gange 100. Sammenlign kurverne i stedet for beløbene.
• Eksempel med tal: Gennemsnitlig købspris pr. leverandør over 12 måneder, januar = 100. I december ligger leverandør A på 103, B på 109 og C på 117. C leverer for 3,2 mio. kr. om året, så de 17 % svarer til 465.000 kr. på et år. Uden indeks drukner C i, at A er ti gange større i kroner.
• Faldgruben: Et lille udgangspunkt giver voldsomme udsving. En komponent til 40 kr., der stiger til 46 kr., springer til indeks 115 og fylder mere end en A-vare, der er steget 2 %. Sæt en beløbsgrænse.

Dekomponering er den vigtigste metode i analysemetodernes værktøjskasse

3. Dekomponering (pris × mængde × mix) — hvorfor ændrede det sig?

• Hvad den svarer på: Om ændringen kom fra flere enheder, en anden pris eller en anden sammensætning af varer.
• Sådan gør du: Mængdeeffekt = (mængde i år − mængde sidste år) × sidste års gennemsnitspris. Priseffekt = (pris i år − pris sidste år) × sidste års mængde. Mix-effekt = den samlede ændring minus de to første — den samme logik som i finansiel analyse.
• Eksempel med tal: Omsætningen steg fra 58,0 mio. kr. til 60,5 mio. kr. Sidste år: 145.000 enheder til 400 kr. i gennemsnit. I år: 151.000 enheder. Mængdeeffekt = 6.000 × 400 = +2,4 mio. kr. Priseffekt = 8,97 kr. × 145.000 = +1,3 mio. kr. Mix = 2,5 − 2,4 − 1,3 = −1,2 mio. kr. Væksten kom fra flere enheder og højere pris, mens forskydningen mod billigere varer trak 1,2 mio. kr. ud igen. Det er en anden samtale end »vi voksede 4,3 %«.
• Faldgruben: Mix-effekten opsamler alt, du ikke har forklaret. Kald restposten »mix og uforklaret«, indtil den er brudt ned på varegrupper. Er den over en tredjedel af ændringen, skal regnestykket laves på et lavere niveau.

4. Varians-/afvigelsesanalyse — er afvigelsen stor nok?

• Hvad den svarer på: Om vi afveg fra budget eller sidste år, og om afvigelsen kræver en handling.
• Sådan gør du: Stil faktisk, budget, afvigelse i kroner og afvigelse i procent op ved siden af hinanden. Sæt væsentlighedsgrænsen, før du ser tallene — for eksempel over 50.000 kr. eller over 5 %. Alt under grænsen får ingen kommentar — det er rygraden i et hurtigt månedsluk.
• Eksempel med tal: 46 poster giver 46 afvigelser. Med grænsen står syv tilbage. De fem største — fragt +312.000 kr., konsulenter +240.000 kr., vareforbrug +198.000 kr., markedsføring −165.000 kr. og løn +145.000 kr. — forklarer netto 730.000 kr. af en samlet nettoafvigelse på 1,3 mio. kr. De resterende cirka 570.000 kr. ligger spredt i mange små poster, som ikke er værd at bruge tid på.
• Faldgruben: At forklare alle afvigelser i stedet for de fem største. Et møde, hvor 46 linjer gennemgås, ender uden beslutninger.

To metoder til tid: aldersfordeling og kohorte

5. Aldersfordeling (aging) — hvor længe har det ligget der?

• Hvad den svarer på: Hvor gammelt beløbet er. Metoden virker ens på debitorer, kreditorer og lager.
• Sådan gør du: Læg hver post i en bøtte efter dage siden forfald eller siden sidste bevægelse: 0-30, 31-60, 61-90 og over 90. Sum beløbet pr. bøtte, ikke antallet af poster — også på lageret, hvor kapitalen står på hylderne.
• Eksempel med tal: Debitorerne står i 9,4 mio. kr. og DSO er 42 dage, hvilket ser pænt ud. Aldersfordelingen viser 1,15 mio. kr. over 90 dage fordelt på 14 fakturaer. Samme metode på lageret: 4,3 mio. kr. af 18 mio. kr. har ikke bevæget sig i 12 måneder.
• Faldgruben: Gennemsnittet skjuler halen. Se på beløbet over 90 dage, ikke på DSO alene — DSO er en lagging indicator, der bekræfter en udvikling, du burde have set før (Klipfolio om leading og lagging indicators).

6. Kohorteanalyse — holder det, vi vandt sidste år?

• Hvad den svarer på: Om de kunder, I vandt i en bestemt periode, stadig køber — i stedet for om totalen ser fin ud.
• Sådan gør du: Definér gruppen ud fra hvornår den kom ind, for eksempel alle kunder med første faktura i 2024. Følg gruppens omsætning år for år, og hold den op mod kohorten fra året før — samme optik som vækst pr. kunde.
• Eksempel med tal: 40 nye kunder i 2024 købte for 6,2 mio. kr. det første år. I 2025 købte 27 af dem for 5,1 mio. kr. I 2026 er 21 tilbage med 4,4 mio. kr. — 71 % af beløbet, men kun 53 % af kunderne. 2023-kohorten lå på 58 % efter to år.
• Faldgruben: For små kohorter giver tilfældige udsving. Under 20-30 kunder kan én kunde flytte hele kurven. Slå år sammen, hvis I vinder få, store kunder.

To metoder til beslutninger: segmentering og scenarie

7. Segmentering — hvem opfører sig ens?

• Hvad den svarer på: Hvilke grupper der ligner hinanden nok til at blive behandlet ens i pris, service og opfølgning.
• Sådan gør du: Del op efter noget, der kan handles på: branche, størrelse, salgskanal, region eller en dimension (dimension) i Business Central. Test opdelingen bagefter. Har to segmenter samme dækningsgrad og samme adfærd, er opdelingen ligegyldig.
• Eksempel med tal: De 340 kunder delt på tre kanaler: webshop 31 % i dækningsgrad, direkte salg 24 %, forhandler 17 %. Forhandlerne står for 44 % af omsætningen, men kun 31 % af dækningsbidraget (e-conomic om nøgletal).
• Faldgruben: Segmenter uden ejer bliver aldrig brugt. Skriv et navn på hvert segment, før du bygger rapporten.

8. What-if / scenarie — hvad sker der hvis?

• Hvad den svarer på: Hvad en ændret forudsætning betyder for bundlinjen, før beslutningen træffes.
• Sådan gør du: Læg alle forudsætninger i egne celler, aldrig inde i formlerne. Lav præcis tre scenarier — forsigtigt, forventet og ambitiøst. Ikke ti. Byg dem i et regneark på den samme datamodel.
• Eksempel med tal: En A-leverandør varsler 3 % prisstigning. Indkøbet hos dem er 8,4 mio. kr., så stigningen koster 252.000 kr. Dækningsbidraget på 14,6 mio. kr. af 60,5 mio. kr. giver 24,1 % i dækningsgrad. Forsigtigt, hvor hele stigningen slår igennem: 23,7 %. Forventet, hvor halvdelen sendes videre: 23,9 %. Ambitiøst, hvor genforhandling holder stigningen på 1 %: 24,0 %. Forskellen er 168.000 kr. — det er, hvad forhandlingsmødet er værd.
• Faldgruben: At bygge modellen så fin, at ingen tør ændre forudsætningerne. Scenarier er den mest skrøbelige af de otte analysemetoder, netop fordi den bygger på antagelser.

Sådan vælger du mellem de otte metoder

Valget i analysemetodernes værktøjskasse ligger i, hvordan spørgsmålet begynder. »Hvem eller hvad er størst« giver Pareto/ABC. »Hvorfor ændrede det sig« giver dekomponering, hvis du har mængder og priser, og varians, hvis du kun har et budget at holde det op imod. »Hvor længe har det ligget der« giver aldersfordeling. »Holder det, vi vandt« giver kohorte. »Hvem opfører sig ens« giver segmentering. »Hvad nu hvis« giver scenarie.

Indeksering står for sig selv: ikke et selvstændigt spørgsmål, men en visningsform, du kan lægge oven på de øvrige analysemetoder, når størrelsesforskellene gør kronebeløb ulæselige. Metodevælgeren kan printes og hænges op ved siden af skærmen — pointen med et fast sæt analysemetoder er, at man slipper for at improvisere og kan lægge dem ind i årshjulet for rapportering.

Alle otte analysemetoder kan laves uden BI-værktøj

Syv af de otte metoder bygges direkte i analysetilstand (analysis mode) med pivot, gruppering og filtre. Du åbner en liste, slår analysetilstand til, trækker felter ind som rækker og kolonner og gemmer visningen som en fane. Det kræver permission set DATA ANALYSIS – EXEC og ingen udvikler.

Microsoft har opskrifter pr. domæne: finans, salg, indkøb og lager. Pareto laves på finansposter (G/L Entries) eller vareposter (Item Ledger Entries) ved at gruppere og sortere faldende. Aldersfordeling laves på debitorposter og kreditorposter (Vendor Ledger Entries) med filtre på forfaldsdato. Segmentering laves på dimensioner (dimensions). Den ottende — scenarier — hører hjemme i et regneark, fordi forudsætningerne ikke findes i data endnu. Artiklen om analysetilstand i Business Central går i dybden med, hvor langt den rækker uden et BI-projekt.

Sådan understøtter oneBC365 analysemetodernes værktøjskasse

oneBC365 er færdige Power BI-rapporter oven på Business Central-data, bygget op om de samme analysemetoder som denne artikel. ABC-rangeringen på kunder og varer findes i to versioner, efter omsætning og efter dækningsbidrag, så faldgruben fra metode 1 er lukket på forhånd. Grafikken herunder viser, hvorfor de to rangeringer ikke peger på samme vare.

Dekomponeringen i mængde, pris og mix er en færdig visualisering, hvor du selv vælger periode og dimension. Aldersfordelingen kører ens på debitorer, kreditorer og lager med de samme fire bøtter. Forskellen fra at bygge det selv er ikke, at metoderne er avancerede — men at nogen har lagt datamodellen, defineret dækningsbidraget ens på tværs af rapporter og afstemt det mod finansposterne. Se alle artikler og rapportområder.

Sådan kommer du i gang

1. Vælg ét spørgsmål, ledelsen faktisk stiller. Skriv det ned ordret, og brug beslutningsreglen til at pege på én af de otte metoder. Ét spørgsmål, én metode, denne uge.
2. Byg den i analysetilstand først. Åbn den relevante liste i Business Central og lav den simple version. Er svaret interessant, kan den flyttes til Power BI bagefter.
3. Sæt væsentlighedsgrænsen, før du ser tallene. Aftal, at afvigelser under 50.000 kr. eller 5 % ikke kommenteres. Det halverer længden på næste møde.
4. Skriv metode og faldgrube ned ved siden af rapporten. To linjer er nok, og de gør analysemetoder til fælles sprog i stedet for privat viden. Den, der åbner rapporten om et halvt år, skal kunne se, hvordan tallet er regnet, og hvad man ikke må konkludere af det.

Hele serien: fra rapportering til analyse

Serien er tolv artikler i fire blokke — fundament, domæner, praksis og AI. Hver artikel kan læses alene; læst i rækkefølge er de en plan for et år.

1. Fra rapportering til analyse: de fire trin
2. Analyse-landkortet
3. Analysemetodernes værktøjskasse — du læser den nu
4. Finansiel analyse
5. Salgsanalyse
6. Indkøbsanalyse
7. Lageranalyse
8. Datagrundlaget
9. Analysens årshjul
10. Analyse uden BI-projekt
11. AI i analysen (1): Copilot i Business Central
12. AI i analysen (2): Copilot i Power BI og Fabric

Vil du se, hvordan analyserne ser ud på jeres egne tal? Book en demo af oneBC365.