# 10 spørgsmål du kan stille til dine egne forretningsdata – i dag URL: https://vellox.se/da/blog/10-fragor-till-din-affarsdata Published: 2026-08-20 Tags: AI, MCP, Business Intelligence, Dataanalyse, Semantisk model, Nøgletal De fleste ved ikke, hvad de skal spørge deres AI om, når det gælder deres egen forretning. Her er ti konkrete spørgsmål – om kunder, marginer, lager og produktion – som du kan stille direkte til dine data, plus det, der skal være på plads, for at svarene kan stoles på. ## Gode svar begynder med et godt spørgsmål Den mest almindelige indvending, vi møder, er ikke, at AI føles svært. Det er, at man ikke ved, hvad man skal spørge om. Så længe assistenten bruges til at opsummere mails og finpudse tekster, er nytten tydelig, men lille. Først når spørgsmålene handler om den egen forretning – kunder, marginer, lager, produktion – begynder det at kunne mærkes i hverdagen. Derfor har vi samlet ti spørgsmål, som vores kunder stiller direkte til deres egne data. Alle kan stilles i dag, i Claude eller ChatGPT, når assistenten er koblet til en semantisk model via Vellox MCP. Kopiér dem direkte, eller udskift periode og dimension med noget, der passer bedre til din virksomhed. ## Salg og kunde **1. Hvilke ti kunder mistede vi mest omsætning på sammenlignet med samme periode sidste år – og hvilke varegrupper står for tabet?** Det klassiske tab ses sjældent i totaltallet. En kunde, der halverer sine volumener, skjules bag to nye, der vokser. Nedbrydningen på varegruppe viser desuden, om det er hele forretningen, der skrider, eller et enkelt sortiment. **2. Hvilke kunder handlede regelmæssigt, men har ikke lagt en ordre de seneste 90 dage?** En glemt kundeliste er oftest den billigste salgsindsats, der findes. Bed assistenten sortere på historisk ordreværdi, så ved sælgeren, hvor samtalerne skal begynde. **3. Hvordan har bruttomarginen pr. sælger og kundesegment udviklet sig de seneste tolv måneder?** Volumen er enkelt at måle og let at styre efter. Margin er sværere – og det er der, forskellen mellem en god og en dårlig forretning faktisk ligger. ## Indkøb og leverandør **4. Hvor meget af leverandørernes prisstigninger det seneste år har vi ført videre til kunden, pr. varegruppe?** Spørgsmålet, der plejer at vække mest reaktion i ledelsesgruppen. Indkøbsprisen justeres løbende, salgsprisen i en prisliste, der opdateres en gang om året. Gabet derimellem er rent margintab. **5. Hvilke leverandører har den dårligste leveringspræcision, og hvilke varer rammes hårdest?** Grundlag til næste leverandørmøde. Bekræftet leveringsdato mod faktisk modtagelsesdato, pr. leverandør og vare – i stedet for mavefornemmelse om, hvem der plejer at være sen. ## Lager og kapitalbinding **6. Hvilke varer binder mest kapital uden at have bevæget sig de seneste seks måneder?** Sorteret på lagerværdi bliver listen konkret med det samme. Ofte er det få varer, der står for størstedelen af den døde kapital, og de er sjældent dem, man gætter på. **7. Hvilke varer risikerer at løbe tør inden for 30 dage givet det nuværende forbrugstempo og planlagte modtagelser?** Den fremadskuende variant. Samme data, men spørgsmålet stilles om fremtiden i stedet for historikken – og svaret kan der handles på, før kunden henvender sig. ## Produktion **8. Hvilke varer har den største afvigelse mellem kalkuleret og faktisk produktionsomkostning?** Kalkulen sættes én gang og lever derefter sit eget liv. Når materiale, omstillingstid og udfald sammenlignes med kalkulen, ses hurtigt, hvilke varer der sælges med en margin, der kun findes på papiret. **9. Hvordan har kassationer og omarbejde udviklet sig pr. produktionsgruppe det seneste år?** En tendens, der sjældent har sin egen rapport, men som ofte forklarer, hvorfor et tilsyneladende stabilt produkt har mistet lønsomhed. ## Økonomi og ledelse **10. Hvad forklarer afvigelsen mod budgettet i sidste måned – bryd ned på volumen, pris og mix?** Månedsopfølgningens sværeste spørgsmål, og det, der plejer at tage længst tid at besvare manuelt. Med definitionerne på plads i modellen tager nedbrydningen sekunder i stedet for en eftermiddag. ## Det, der gør svarene værd at stole på Spørgsmålene ovenfor er enkle at stille. Det, der afgør, om svarene holder, er, hvad der ligger under dem. - **En semantisk model i bunden.** Margin, omsætning og lagerværdi er defineret én gang, på ét sted. Assistenten regner ikke begreberne om på egen hånd – den læser de samme mål som ledelsesrapporten. - **Historik, der faktisk stadig findes.** ERP-systemer overskriver ofte i stedet for at gemme. Uden gemt historik kan man ikke svare på, hvordan noget har udviklet sig. - **Læsende forbindelse og styret adgang.** Ingen skriveoperationer er mulige, og du bestemmer, hvilke dele af modellen der eksponeres og for hvem. - **Sporbarhed.** Hvert svar kan følges tilbage til mål og dimensioner. Det gør forskellen mellem et beslutningsgrundlag og et gæt, der lyder godt. ## Tre tips, der hæver kvaliteten af svarene **Angiv altid periode.** "Seneste kvartal" og "år til dato" giver forskellige svar. Vær eksplicit, så undgår du fortolkningsfejl. **Bed om nedbrydningen med det samme.** Tilføj "pr. kundegruppe", "pr. varegruppe" eller "pr. måned" i spørgsmålet. Et aggregat er sjældent tilstrækkeligt til at træffe beslutninger. **Stil opfølgningsspørgsmålet.** Den største gevinst ligger ikke i det første svar, men i at kunne bore videre uden at bestille en ny analyse. "Hvorfor faldt marginen netop der?" er oftest det spørgsmål, der fører til noget. ## Test på dine egne data Alle spørgsmål på denne liste bygger på data, der allerede findes i dit ERP-system. Det, der mangler, er oftest blot strukturen, der gør dem spørgbare. Gå ind på [www.vellox.se](https://www.vellox.se) og book en demo, så viser vi, hvordan din assistent svarer på spørgsmålene ovenfor – med dine egne tal.