AI

10 spørsmål du kan stille dine egne forretningsdata – i dag

De fleste vet ikke hva de skal spørre AI-en om når det gjelder sin egen virksomhet. Her er ti konkrete spørsmål – om kunder, marginer, lager og produksjon – som du kan stille direkte til dataene dine, pluss det som kreves for at svarene skal være til å stole på.

Mørkeblå grafikk med overskriften «10 spørsmål du kan stille dine egne forretningsdata – i dag» og et promptfelt med eksempelspørsmålet «Hvilke ti kunder mistet vi mest omsetning på?»

Kort oppsummert

  • Ti ferdige spørsmål om salg, innkjøp, lager, produksjon og økonomi som du kan stille direkte til dine egne forretningsdata.
  • Nytten oppstår først når assistenten leser virksomhetens egne tall i stedet for å gjette.
  • Svarene holder bare dersom det finnes en semantisk modell, lagret historikk og styrt tilgang i bunnen.
  • Tre ting øker treffsikkerheten umiddelbart: angi periode, be om nedbrytingen og still oppfølgingsspørsmålet.

Gode svar begynner med et godt spørsmål

Den vanligste innvendingen vi møter er ikke at AI føles vanskelig. Det er at man ikke vet hva man skal spørre om. Så lenge assistenten brukes til å oppsummere e-poster og pusse på tekster er nytten tydelig, men liten. Først når spørsmålene handler om den egne virksomheten – kunder, marginer, lager, produksjon – begynner det å merkes i hverdagen.

Derfor har vi samlet ti spørsmål som kundene våre stiller direkte til sine egne data. Alle kan stilles i dag, i Claude eller ChatGPT, når assistenten er koblet mot en semantisk modell via Vellox MCP. Model Context Protocol (MCP) er den åpne standarden for å koble AI-assistenter til eksterne systemer – les mer om hvordan du prompter forretningsdataene dine med AI. Kopier spørsmålene rett av, eller bytt ut periode og dimensjon med noe som passer din virksomhet bedre.

Salg og kunde

1. Hvilke ti kunder mistet vi mest omsetning på sammenlignet med samme periode i fjor – og hvilke varegrupper står for tapet?

Det klassiske tapet synes sjelden i totaltallet. En kunde som halverer volumene sine skjules bak to nye som vokser. Nedbrytingen på varegruppe viser dessuten om det er hele forretningen som glipper eller et enkelt sortiment.

2. Hvilke kunder handlet regelmessig, men har ikke lagt inn en ordre de siste 90 dagene?

En glemt kundeliste er som regel den billigste salgsinnsatsen som finnes. Be assistenten sortere på historisk ordreverdi, så vet selgeren hvor samtalene skal begynne.

3. Hvordan har bruttomarginen per selger og kundesegment utviklet seg de siste tolv månedene?

Volum er enkelt å måle og lett å styre mot. Margin er vanskeligere – og det er der forskjellen mellom en god og en dårlig forretning faktisk ligger. Grunnlaget kommer fra salgsmodulen, den samme som ledelsesrapporten leser.

Innkjøp og leverandør

4. Hvor mye av leverandørenes prisøkninger det siste året har vi ført videre til kunde, per varegruppe?

Spørsmålet som pleier å vekke mest reaksjon i ledergruppen. Innkjøpsprisen justeres løpende, salgsprisen i en prisliste som oppdateres én gang i året. Gapet imellom er rent margintap.

5. Hvilke leverandører har dårligst leveringspresisjon, og hvilke varer rammes hardest?

Grunnlag til neste leverandørmøte. Bekreftet leveringsdato mot faktisk mottaksdato, per leverandør og vare – i stedet for magefølelse om hvem som pleier å være sen.

Lager og kapitalbinding

6. Hvilke varer binder mest kapital uten å ha beveget seg de siste seks månedene?

Sortert på lagerverdi blir listen konkret med en gang. Ofte er det et fåtall varer som står for mesteparten av den døde kapitalen, og de er sjelden dem man gjetter på.

7. Hvilke varer risikerer å gå tomme innen 30 dager gitt dagens forbrukstakt og planlagte innleveranser?

Den fremoverskuende varianten. Samme data, men spørsmålet stilles om fremtiden i stedet for historikken – og svaret kan du handle på før kunden tar kontakt.

Produksjon

8. Hvilke varer har størst avvik mellom kalkulert og faktisk produksjonskostnad?

Kalkylen settes én gang og lever deretter sitt eget liv. Når materiale, stilletid og utfall sammenlignes mot kalkyle, ser man raskt hvilke varer som selges med en margin som bare finnes på papiret.

9. Hvordan har kassasjoner og omarbeiding utviklet seg per produksjonsgruppe det siste året?

En trend som sjelden har en egen rapport, men som ofte forklarer hvorfor et tilsynelatende stabilt produkt har tapt lønnsomhet.

Økonomi og ledelse

10. Hva forklarer avviket mot budsjett forrige måned – bryt ned på volum, pris og miks?

Månedsoppfølgingens vanskeligste spørsmål, og det som pleier å ta lengst tid å besvare manuelt. Med definisjonene på plass i modellen tar nedbrytingen sekunder i stedet for en ettermiddag.

Det som gjør svarene verdt å stole på

Spørsmålene over er enkle å stille. Det som avgjør om svarene holder, er hva som ligger under dem – noe vi gikk gjennom mer prinsipielt i AI og data som skaper reell effekt.

  • En semantisk modell i bunnen. Margin, omsetning og lagerverdi er definert én gang, på ett sted. Assistenten regner ikke om begrepene på egen hånd – den leser de samme målene som ledelsesrapporten.

  • Historikk som faktisk er bevart. Forretningssystemer overskriver ofte i stedet for å lagre. Uten lagret historikk går det ikke an å svare på hvordan noe har utviklet seg.

  • Lesende kobling og styrt tilgang. Ingen skriveoperasjoner er mulige, og du bestemmer hvilke deler av modellen som eksponeres og for hvem.

  • Sporbarhet. Hvert svar kan følges tilbake til mål og dimensjoner. Det utgjør forskjellen mellom et beslutningsgrunnlag og en gjetning som høres bra ut.

Tre tips som hever kvaliteten på svarene

Angi alltid periode. «Siste kvartal» og «hittil i år» gir ulike svar. Vær eksplisitt, så unngår du tolkningsfeil.

Be om nedbrytingen med en gang. Legg til «per kundegruppe», «per varegruppe» eller «per måned» i spørsmålet. Et aggregat er sjelden nok til å ta beslutninger.

Still oppfølgingsspørsmålet. Den største gevinsten ligger ikke i det første svaret, men i å kunne bore videre uten å bestille en ny analyse. «Hvorfor sank marginen akkurat der?» er som regel spørsmålet som fører til noe.

Det som gjør svaret nyttig, er ikke at det kommer raskt, men at det bygger på de samme tallene som ledelsesrapporten.
Vellox

Kilder

Vanlige spørsmål om å spørre sine egne forretningsdata

Hvilke forretningssystemer fungerer det med?

Vellox henter data direkte fra Business Central, Dynamics NAV, Jeeves, Monitor, Pyramid og Visma Business. Modellen er ferdig konfigurert for ditt system fra start, så spørsmålene over kan stilles uten at noen må bygge en datamodell først.

Trenger jeg Power BI for å kunne stille spørsmålene?

Nei. Den samme semantiske modellen driver både rapportene i Power BI og AI-assistenten – Microsoft beskriver begrepet i dokumentasjonen om semantiske modeller. Du kan bruke den ene, den andre eller begge – tallene blir de samme.

Kan AI-en endre noe i forretningssystemet?

Nei. Koblingen er lesende, ingen skriveoperasjoner er mulige. Du bestemmer dessuten hvilke deler av modellen som eksponeres og for hvem.

Hvordan vet jeg at svaret stemmer?

Hvert svar kan følges tilbake til målene og dimensjonene det bygger på. Siden definisjonene finnes på ett sted, regner ikke assistenten ut egne varianter av margin eller omsetning.

Hva kreves for å komme i gang?

At data hentes fra forretningssystemet og struktureres i en semantisk modell. For de vanligste systemene er det et spørsmål om dager, ikke måneder – se Kom i gang.