Från svinn till styrka: finansanalys som skärper kostnadskontrollen i livsmedelsindustrin

En stor livsmedelsproducent med flera fabriker, kyl- och fryslager samt ett omfattande distributionsnät stod inför växande kostnadspress. Råvarupriserna fluktuerade kraftigt, energikostnaderna steg och kraven från dagligvaruhandeln på låga priser ökade. Samtidigt var svinn, omarbetningar och kvalitetsavvikelser svåra att fånga upp i tid. Finansavdelningen hade en tydlig ambition: att gå från grov kostnadsuppföljning till finmaskig, datadriven styrning. För att nå dit engagerades Radners team med uppdraget att etablera en lösning där avancerad dataanalys för finansavdelningar skulle bli motorn i kostnadskontrollen.

Utgångsläget kännetecknades av att kostnaderna följdes upp per fabrik och produktgrupp, men sällan på en nivå som gjorde det möjligt att se exakta drivare. Produktionscheferna hade egna system för att följa upp effektivitet, medan ekonomifunktionen arbetade med standardkostnader och periodiserade avvikelser. Detta skapade en tidsförskjutning mellan det att ett problem uppstod i produktionen och det att det syntes i de finansiella rapporterna. Radners team identifierade tidigt behovet av att knyta samman produktionsdata och ekonomidata i realtid.

Första steget blev att kartlägga alla relevanta datakällor. Produktionslinjerna genererade detaljerad information om körningar, stopp, temperaturer, batchstorlekar och kvalitetskontroller. Lager- och logistiksystemen innehöll data om inleveranser, plock, utleveranser och svinn. Inköpssystemen hanterade råvarupriser, leverantörsvillkor och volymrabatter. Radners team designade en datamodell där dessa flöden kunde kopplas till kostnadsställen, artiklar och kundorder, vilket skapade en grund för kostnadsanalys i realtid.

När datagrunden var på plats utvecklades modeller för att beräkna faktisk kostnad per batch, produkt och kund. I stället för att enbart använda standardkostnader kunde finansavdelningen nu se hur variationer i råvarupriser, svinn, omställningstider och energiförbrukning påverkade den verkliga kostnadsbilden. Radners team byggde algoritmer som fördelade indirekta kostnader baserat på faktiska drivare, som maskintid, antal omställningar eller kylkapacitet, snarare än schabloner. Detta gav en mer rättvisande bild av vilka produkter och kunder som var lönsamma.

En central del av uppdraget var att synliggöra svinn och kvalitetsbrister ur ett finansiellt perspektiv. Tidigare rapporterades svinn i kilo eller procent, men kopplingen till resultatet var otydlig. Radners team utvecklade en modell för svinnkostnadsanalys där varje kilo svinn värderades utifrån råvarukostnad, bearbetningskostnad och förlorad täckningsgrad. Genom att visualisera svinnkostnader per linje, skift och produkt kunde finansavdelningen tillsammans med produktionen prioritera åtgärder där effekten blev störst.

Energi var en annan betydande kostnadspost. Fabrikerna använde stora mängder el, gas och kyla, men uppföljningen skedde ofta på aggregerad nivå. Radners team integrerade mätdata från energisystemen med produktionsplaneringen och kostnadsredovisningen. På så sätt kunde energiförbrukningen per produktionslinje, produkt och tidsperiod analyseras. Finansavdelningen fick verktyg för att se hur förändringar i körordning, batchstorlek eller driftstider påverkade energikostnaden per producerad enhet.

För att göra analysen användbar i vardagen skapades rollanpassade dashboards. Produktionschefer kunde följa nyckeltal som kostnad per kilo, svinnkostnad, omställningstid och energiförbrukning i nära realtid. Controllers hade tillgång till mer detaljerade vyer där de kunde borra sig ned i avvikelser och identifiera underliggande orsaker. Radners team lade stor vikt vid att visualisera sambanden mellan operativa parametrar och finansiella effekter, så att alla nivåer i organisationen kunde se hur deras beslut påverkade resultatet.

En viktig del av projektet handlade om att förbättra prognoserna för kostnader och marginaler. Genom att kombinera historiska data om råvarupriser, produktionsutfall, svinn och energiförbrukning med externa prisindex och säsongsmönster kunde Radners team bygga prediktiva modeller för kostnadsutvecklingen. Dessa modeller integrerades i finansavdelningens budget- och prognosprocesser, vilket gjorde det möjligt att simulera hur olika scenarier, som prisökningar på råvaror eller förändrade produktionsvolymer, skulle påverka marginalerna.

Prissättningen mot kunderna var ett område där den nya analysförmågan gav tydliga effekter. Tidigare hade prislistor ofta justerats med generella procenttal när kostnaderna steg. Med den detaljerade kostnadsbilden kunde finansavdelningen nu se exakt vilka produkter som hade störst kostnadspress och vilka som hade utrymme för marginalförbättring. Radners team hjälpte till att ta fram underlag för mer differentierad prissättning, där prisjusteringar baserades på verkliga kostnadsförändringar och kundernas priskänslighet.

Logistikkedjan analyserades också mer ingående. Transporter från fabriker till lager och vidare till kunder stod för en betydande del av kostnadsbasen, men sambandet mellan logistikupplägg och lönsamhet var inte alltid tydligt. Genom att koppla samman ruttplanering, fyllnadsgrad, leveransfrekvens och kundernas ordermönster med finansiella data kunde Radners team identifiera var onödiga kostnader uppstod. Finansavdelningen fick verktyg för att utvärdera alternativa distributionsupplägg, exempelvis samleveranser eller förändrade leveransfönster.

Under projektets gång blev det tydligt att kulturförändring var avgörande. Många medarbetare i produktion och logistik var vana vid att se sina nyckeltal i tekniska termer, medan finansavdelningen fokuserade på kronor och ören. Radners team genomförde därför gemensamma workshops där deltagarna fick arbeta med konkreta exempel på hur en viss förändring i exempelvis omställningstid eller svinnnivå slog igenom i resultatet. Detta skapade en gemensam förståelse för värdet av avancerad dataanalys för finansavdelningar.

Resultaten blev påtagliga. Inom det första året kunde företaget visa en tydlig minskning av svinnkostnaderna, inte bara i relativa termer utan i absoluta belopp. En del av förbättringen kom från riktade åtgärder på linjer med höga svinnkostnader, där investeringar i utbildning, underhåll eller processförbättringar prioriterades. En annan del kom från bättre planering, där produktionsupplägg anpassades för att minska omställningar och därmed spill.

Energioptimeringen gav också konkreta effekter. Genom att styra produktionen till tider med lägre energipriser, optimera körordningen och identifiera ineffektiva maskiner kunde energikostnaden per producerad enhet reduceras. Finansavdelningen kunde tillsammans med teknikavdelningen ta fram investeringskalkyler för energieffektiviseringsprojekt baserade på faktiska data, snarare än uppskattningar. Radners team såg hur detta ledde till mer träffsäkra beslut och snabbare återbetalningstider.

På längre sikt innebar projektet att företaget kunde arbeta mer strategiskt med sin produktportfölj. Genom att kombinera detaljerad kostnadsinformation med försäljningsdata och kundkrav kunde finansavdelningen identifiera produkter med låg lönsamhet och hög komplexitet. Vissa av dessa produkter avvecklades eller omformulerades, medan andra fick justerade priser eller produktionsupplägg. Radners team bidrog med scenariomodeller som visade hur olika portföljbeslut påverkade både kostnadsstruktur och kapacitetsutnyttjande.

En viktig kvalitativ effekt var att dialogen mellan finans, produktion, inköp och logistik förändrades. I stället för att diskutera kostnadsavvikelser i efterhand kunde parterna nu gemensamt analysera orsaker och åtgärder i nära realtid. Avancerad dataanalys för finansavdelningar blev ett gemensamt språk där alla kunde se samma data, men tolka den utifrån sina roller. Radners team noterade hur detta minskade skuldbeläggande och ökade fokus på lösningar.

För att säkerställa att lösningen fortsatte att skapa värde etablerades en intern analysenhet inom finans. Denna enhet fick ansvar för att vidareutveckla modeller, bevaka datakvalitet och stödja verksamheten med nya analyser. Radners team utbildade medarbetarna i både tekniska verktyg och analytiska metoder, med fokus på att göra dem självständiga. På så sätt blev avancerad dataanalys inte ett engångsprojekt, utan en integrerad del av företagets styrning.

Sammanfattningsvis innebar satsningen att livsmedelsproducenten gick från reaktiv kostnadsuppföljning till proaktiv kostnadsstyrning. Genom att koppla samman produktionsdata, energiförbrukning, svinn, logistik och finansiella nyckeltal skapades en helt ny transparens i kostnadsstrukturen. Avancerad dataanalys för finansavdelningar gav ekonomifunktionen möjlighet att inte bara rapportera vad kostnaderna var, utan också varför de såg ut som de gjorde och hur de kunde påverkas. Radners team lämnade efter sig en organisation som kunde möta kostnadspressen med fakta, analys och välgrundade beslut.

För livsmedelsproducenten blev detta en konkurrensfördel i en bransch där marginalerna är små och kraven höga. Kombinationen av svinnkostnadsanalys, energioptimering, detaljerad produktkalkylering och scenariobaserad planering skapade en mer robust och lönsam verksamhet. Finansavdelningen tog steget från att vara en mottagare av siffror till att bli en aktiv drivkraft i företagets operativa och strategiska utveckling.