Det finns en grej som återkommer i nästan alla företag som hanterar artiklar, oavsett om det är reservdelar eller inte: data ligger utspridd och är ej strukturerad
En lista har lagersaldo och interna artikelnummer. En annan lista har leverantörens prislista. Ibland finns det flera prislistor, flera varumärken och flera format. Och när man ska få fram en enkel sanning – “vilket pris ska vi sätta på de här artiklarna som finns i lager?” – då börjar det manuella pillandet.
Den här gången gjorde jag det på ett annat sätt: jag lät AI hjälpa mig samköra filerna.
Målet
Jag ville få fram en ny fil som:
- innehåller exakt samma kolumner som min lagerlista
- har en extra kolumn med pris (t ex listpris eller försäljningspris) från prislistan
- matchar på artikelnummer
Det låter banalt. Men det är sällan banalt i verkligheten. När jag har gjort sådant här förut pratar vi om att det tagit många timmar, ibland till och med data för att få ut en 100% korrekt fil. Nu pratar vi om att jag med detta arbetssättet kan göra det under timmen.
Varför det brukar bli fel om man gör det “enkelt”
I teorin ska artikelnummer vara identiska mellan två filer. I praktiken är de ofta nästan identiska.
Här är några klassiska saker som gör att en matchning blir tom, trots att artiklarna finns i båda filerna:
- Excel har tolkat artikelnumret som ett tal och lagt på .0 (t ex 10630.0)
- ledande nollor har försvunnit (t ex 012345 blir 12345)
- oönskade tecken har smugit sig in (t ex apostrof, specialtecken eller mellanslag)
- blandade format, t ex fem siffror i en fil och sex i en annan
Det räcker med en sån detalj för att en vanlig “XLOOKUP” eller sammanslagning ska missa allt, eller i alla fall göra städningen mer avancerad.
Så här gjorde jag med hjälp av AI
Istället för att sitta och felsöka i Excel bad jag AI göra jobbet i tre steg:
- Normalisera artikelnummer
AI rensade och standardiserade artikelnummer så att de faktiskt gick att jämföra:- tog bort mellanslag och oönskade tecken
- hanterade att vissa nummer skrivits som 10630.0
- återställde ledande nollor när det behövdes
- om en fil hade femsiffriga artikelnummer, så lades en 0:a framför så de blev sexsiffriga
- Slå ihop lagerlista och prislista
När artikelnumren var i samma format gjorde AI en slagning på artikelnummer:- alla rader i lagerlistan behölls
- pris hämtades från prislistan och lades i en ny kolumn
- Skapa en ny ren CSV
Slutresultatet blev en ny fil som jag direkt kan använda vidare:- samma struktur som lagerlistan
- en extra priskolumn
- tomt pris där ingen matchning finns (vilket är bra, för då ser man direkt vilka artiklar som avviker)
Det viktiga är inte filen – det är metoden
Det här är en typisk uppgift som många gör manuellt, men som är perfekt för AI:
- det är repetitivt
- det finns massa små formatproblem
- det är lätt att göra fel
- det tar onödigt mycket tid
Med AI går det snabbare och blir mer robust, eftersom AI kan hantera alla de där “nästan lika”-problemen utan att jag behöver sitta och gissa vad som är fel. Kort sagt: den rättar alla de mänskliga fel som byggs på över tid när flera personer jobbar i samma filer under flera år.
Det är verkligen här som jag älskar AI
Det jag älskar mest med den här typen av AI-användning är att det inte handlar om fluff eller “idéer”. Det handlar om praktisk nytta och att spara flera timmar eller dagars manuellt arbete.
Jag fick:
- en färdig prisfil baserad på mina lagerartiklar
- en tydlig lista på vilka artiklar som inte matchade (och alltså behöver kontrolleras)
- ett arbetssätt jag kan återanvända nästa gång en ny prislista kommer
Det är exakt så jag vill använda AI i vardagen: som en maskin som gör grovjobbet snabbt och konsekvent, så att jag kan lägga min tid på beslut istället för filhantering.
Som sista del vill jag påminna om en praktisk detalj: jobba med CSV-filer när du kan. Ofta är de enklare att läsa och hantera i automatiseringar än Excel-filer (.xls/.xlsx), och det gör att flödet blir mer förutsägbart när du ska samköra data.