Strateg för leveranskedja
Bygg ett datastyrt system för analys och optimering av leveranskedjan via OpenClaw Ultra. Från lagerhantering till efterfrågeprognos till leverantörsbedömning till riskövervakning — hantera hela din leveranskedjedrift från ett enda chattgränssnitt.
Systemöversikt
ℹ️ Info
Detta är en sluten loop arbetsflöde för leveranskedjehantering. OpenClaw Ultra analyserar dina lagerdata, förutser efterfrågan, optimerar lager nivåer, bedömer leverantörer, övervakar risker och genererar åtgärdsbara rapporter — så att du kan fatta databaserade beslut om leveranskedjan.
| Systemlager | Kärnfunktion | Slutresultat |
|---|
| Datainsamlingslager | Import av ERP/Excel/CSV-data, rensning och normalisering | Strukturerat leveranskedjedataset |
| Efterfrågeprognosanalys | Historisk trendanalys, säsongsdetektering, prediktionsmodellering | Efterfrågeprognos per SKU och period |
| Lageroptimeringslager | ABC-klassificering, beräkning av säkerhetslager, inställning av återbeställningspunkt | Optimerade lagerparametrar |
| Leverantörsbedömningslager | Prestationspoäng, ledtidanalys, kvalitetsspårning | Leverantörspoängkort och rankningar |
| Riskövervakningslager | Lager sinar-varningar, ledtidavvikelse, detektering av leveransstörning | Riskvarningar och avhjälpningsplaner |
| Rapporteringslager | Dashboardgenerering, KPI-spårning, sammanfattningar för ledningen | Veckovis/månadsvis leveranskedjerapport |
Förutsättningar
| Objekt | Krav |
|---|
| OpenClaw Ultra | Installerat och körningsbart |
| Lagerdata | CSV/Excel-export med SKU, kvantitet, plats, datum |
| Försäljningsdata (Rekommenderat) | Historiska försäljningsregister för efterfrågeprognos |
| Leverantörsdata (Valfritt) | Leverantörslista med ledtider, priser, prestationshistorik |
| Affärsparametrar | Mål servicenivå, acceptabel risk för lagersvinn, budgetbegränsningar |
Steg 0 — Initiera ditt leveranskedjesystem
Konfigurera OpenClaw Ultra som din dedikerade leveranskedjeanalytiker.
Driftsteg
- Öppna en ny chattsession OpenClaw Ultra
- Förbered dina datafiler (CSV/Excel)
- Klistra in initieringsprompten
Redo att använda prompt
Fungera som min leveranskedjestrat och analytiker.
Min verksamhet:
- Bransch: [detaljhandel / tillverkning / e-handel / grossist]
- Produkttyp: [lättfördärvlig / ej lättfördärvlig / säsongsbetonad / standard]
- Antal SKU: [ungefärligt antal]
- Platser: [lager, butiker, regioner]
Mina mål:
- Minska lagersvinn till under [X]%
- Optimera lagerhållningskostnader
- Förbättra leverantörstillförlitlighet
- Bygga leveranskedjans motståndskraft
Data jag kan tillhandahålla:
- Lagersnapshots (CSV/Excel)
- Försäljningshistorik (CSV/Excel)
- Leverantörsinformation (om tillgängligt)
Bygg ett komplett leveranskedjehanteringssystem som täcker:
- import och analys av data
- efterfrågeprognos
- lageroptimering
- leverantörsbedömning
- riskövervakning
- automatiserad rapportering
Steg 1 — Importera & Analysera leveranskedjedata
Ladda dina data och etablera baslinjeprestanda.
1.1 Dataimport
Prompt
Importera och analysera min leveranskedjedata:
Lagerfil: [klistra in data eller ladda upp CSV]
Kolumner: SKU, Produktnamn, Kvantitet, Plats, Senast uppdaterad
Försäljningshistorik: [klistra in data eller ladda upp CSV]
Kolumner: Datum, SKU, Sald kvantitet, Intäkt
Uppgifter:
1. Rensa data (ta bort dubbletter, korrigera formatering)
2. Validera datakvalitet (saknade fält, avvikelsevärden)
3. Generera sammanfattande statistik
4. Identifiera datagluckor som behöver uppmärksamhet
1.2 Baslinjeprestanda
Prompt
Beräkna grundläggande leveranskedjeprestanda från min data:
Lagerprestanda:
- Totalt antal SKU: [X]
- Totalt lagervärde: [X]
- Genomsnittliga försörjningsdagar: [X]
- SKU under minimilager: [lista]
- Överlager SKU: [lista]
Försäljningsprestanda:
- Total intäkt (senaste 12 månaderna): [X]
- Topp 10 SKU per intäkt
- Botten 10 SKU per intäkt
- Identifierade säsongsvariationer
Utdata: baslinjedashboard med nyckelfynd.
Steg 1 Utdata
Ren datamängd med baslinjeprestanda och initiala insikter.
Steg 2 — Efterfrågeprognos
Förutspå framtida efterfrågan för att informera lagerbeslut.
2.1 Historisk trendanalys
Prompt
Analysera efterfrågemönster i min försäljningsdata:
För varje topp-SKU (topp 20 per intäkt):
- Månatlig försäljningstrend (senaste 12 månaderna)
- Säsongsdetektering (toppmånader, lågmånader)
- Tillväxttakt (månad till månad, år till år)
- Efterfrågevariabilitet (variationskoefficient)
Identifiera:
- SKU med stabil efterfrågan (förutsägbar)
- SKU med volatil efterfrågan (behöver säkerhetslager)
- SKU med nedåtgående trend (potentiell avveckling)
- SKU med tillväxttrend (behöver ökat lager)
2.2 Efterfrågeprognosgenerering
Prompt
Generera efterfrågeprognoser för de kommande [3/6/12] månaderna:
För varje SKU, prognosticera:
- Förväntad månatlig efterfrågan
- Konfidensintervall (låg / förväntad / hög)
- Rekommenderad beställningskvantitet
- Använd prognosmetod (glidande medelvärde, säsongsbetonad, trend)
Utdataformat:
| SKU | Produkt | Månad 1 | Månad 2 | Månad 3 | Metod | Förtroende |
Prioritera noggrannhet för topp-intäkt SKU.
Steg 2 Utdata
Efterfrågeprognoser på SKU-nivå med konfidensintervall.
—
Visar 5/11 sektioner. Fullständigt innehåll: https://openclaw.aiondesktop.com/tutorials/sv/25