Vitvaruexperten är en nordisk återförsäljare av primärt vitvaror och and hushållsprodukter online, och utgör en del av koncernen BHG Group. Vitvaruexperten omsätter runt 200 miljoner kronor och är idag inte vinstdrivande. Man har sedan en tid tillbaks övergått från en dropshipping-modell till att upprätthålla ett lager. Syftet med detta arbete var att analysera den befintliga lagerstyrningen och identifiera möjliga brister, för att sedan föreslå förbättringar grundade i kvantitativa metoder för efterfrågansprognostisering och lageroptimering. Med grund i teorikapitlet har en metod arbetats fram, som tar in tillhandahållen försäljnings- och lagerdata från Vitvaruexperten. Med datan har tidsserier analyserats för prognoser och lagerstyrningen har betraktats med (R,Q)-modellen. Resultatet påvisade mycket stora nuvarande lagerkvantiteter i förhållande till modellens för en majoritet av produktkategorierna. Efterfrågansprognoserna varierade i kvalitet, där vissa säsongsvariationer fångades upp bättre än andra. Slutsatserna av arbetet är att Vitvaruexperten bör se till att beställningar i framtiden ej blir överflödiga, om det ej finns grund för det, samt att de modeller som tillämpats har anpassats i stor utsträckning för att lösa det verkliga problemet, på bekostnad av noggrannhet och precision.

Vitvaruexperten is a Nordic online retailer primarily dealing in home appliances and other household products, and is part of the BHG Group conglomerate. With an annual turnover of around 200 million SEK, Vitvaruexperten is currently not profit-driven. The company has recently transitioned from a dropshipping model to maintaining a physical inventory. The purpose of this study was to analyze the existing inventory management and identify potential deficiencies in order to propose improvements based on quantitative methods for demand forecasting and inventory optimization. Drawing on the theoretical framework, a methodology was developed that utilizes sales and inventory data provided by Vitvaruexperten. This data was used to analyze time series for forecasts and to examine inventory management using the (R,Q)-model. The findings revealed significantly larger current inventory quantities compared to the model's suggestions for a majority of the product categories. The quality of demand forecasts varied, with some seasonal variations being captured more effectively than others. The conclusions of the study are that Vitvaruexperten should ensure that future orders are not excessive unless justified, and that the models applied have been extensively adapted to address the real-world problem, at the expense of accuracy and precision.