Om tjänsten
Problemställning: Vårt lagerförda sortiment består till 75% av artiklar som säljer färre än en gång i månaden. Systemstöd för att
fånga upp trender saknas vilket resulterar i att stora värden med tiden fastnar som dött lager. Syfte Utveckla en datadriven
modell som kan identifiera artiklar med hög risk att utvecklas till dött eller mycket långsamt lager. Genom att upptäcka
riskartiklar tidigare ska modellen ge bättre förutsättningar för proaktiva beslut kring inköp, lagerstyrning och sortiment.
Förväntat resultat/mål: Examensarbetet förväntas resultera i en validerad prediktiv modell som för varje artikel kan uppskatta
risken att utvecklas till dött lager inom en definierad framtida period. Resultatet bör även visa vilka faktorer som driver risken
och presenteras på ett sätt som gör det möjligt att prioritera vilka artiklar som bör analyseras eller åtgärdas. Varmt välkommen
med din ansökan!