For a company to stay profitable and be competitive, the customer satisfaction must be very high. This means that the company must provide the right item at the right place at the right time, or the customer may bring its business to the competitor. But these factors bring uncertainty for the company in the supply chain of when, what and how much of the item to produce and distribute. For reducing this uncertainty and for making better plans for future demand, some sort of forecasting method must be provided. A forecast can however be statistically based and also completed with a judgmental knowledge if the statistics are not sufficient. This thesis has been done in cooperation with the Sales and Operations (S&OP) department at Sandvik Mining Rock Tools in Sandviken, where a statistical forecast is currently used in combination with manual changes from sales. The forecasts are used as base for planning inventory levels and making production plans and are created by looking at the history of sales. This is done in order to meet market expectations and continuously be in sync with market fluctuations. The purpose with this thesis has been to study the item- customer combination demand and the statistical forecasting process that is currently used at the S&OP department. One problem when creating forecast is how to forecast irregular demand accurately. This thesis has therefore been examining the history of sales too see in what extent irregular demand exists and how it can be treated. The result is a basic tool for mapping customers' demand behavior, where the behavior is decomposed into average monthly demand and volatility. Another result is that history of sales can get decomposed into Volatility, Volume, Value, Number of sales and Sales interval for better analysis. These variables can also be considered whenever analyzing and forecasting irregular demand. A third result is a classification of time series working as a guideline if demand should be statistically or judgmentally forecasted or being event based. The study analyzed 36 months history of sales for 56 850 time series of item- customer specific demand. The findings were that customers should have at least one year of continuous sales before the demand can be entirely statistically forecasted. The limits for demand to even be forecasted, the history of sales should at least occur every third month in average and contain at least six sales. Then the demand is defined as irregular and the forecast method is set to judgmental forecasting, which can be forecasted using statistical methods with manual adjustments. The results showed that the class of irregular demand represents approximately 70 percent in the aspect of revenue and therefore requires attention. / För att ett företag ska kunna vara lönsamt och konkurrenskraftigt måste kundnöjdheten vara mycket hög. Detta betyder att ett företag måste kunna förse rätt produkt i rätt tid på rätt plats, annars kommer kunden troligtvis att vända sig till konkurrenten. Men dessa faktorer kommer med osäkerhet för företaget i försörjningskedjan i när, vad och hur mycket av produkten de ska producera och distribuera. För att minska osäkerheten och för att planera bättre för framtida efterfrågan, måste någon typ av prognos upprättas. En prognos kan vara baserad på statistiska metoder men också kompletterad med subjektiv marknadsinformation om statistiken inte är tillräcklig. Studien som denna rapport beskriver är gjord i samarbete med Sales och Operations- avdelning (S&OP) på Sandvik Mining Rock Tools i Sandviken. Där används statistiska prognoser i kombination med manuella förändringar av säljare samt regionala planerare som bas för planering av lagernivåer och produktion. Detta gör man för att möta marknadens efterfråga och för att kontinuerligt vara uppdaterad med marknadens variationer. Syftet med detta arbete har varit att studera kunders efterfrågan av produkt- kund kombination och den metod som används vid statistiska prognoser hos S&OP- avdelningen. Ett problem som finns när man vill skapa prognoser är hur man ska prognostisera oregelbunden försäljning korrekt. Detta arbete har därför analyserat historisk försäljning för att se i vilken utsträckning oregelbunden efterfrågan finns och hur den kan hanteras. Resultatet är ett enkelt verktyg för att kunna kartlägga kunders köpbeteende. Ett till resultat är att historisk försäljning kan bli uppdelat i Volatilitet, Volym, Värde, Antalet köptillfällen och Tidsintervallet mellan köptillfällena. Dessa variabler kan även tas till hänsyn när man analyserar och prognostiserar oregelbunden försäljning. Ett tredje resultat är en klassificering av tidsserier som kan fungera som riktmärken om efterfrågan ska vara statistisk eller manuellt prognostiserade eller inte bör ha en prognos över huvud taget. Denna studie analyserade 36 månaders historik för 56 850 tidsserier av försäljning per produkt- kund kombination. Resultaten var att en kund bör ha åtminstone ett år av kontinuerlig efterfrågan innan man kan ha en prognos med statistiska modeller. Gränsen för att ens ha en prognos är att efterfrågan bör återkomma var tredje månad i genomsnitt och ha en historik av åtminstone sex försäljningstillfällen. Då klassificeras efterfrågan som oregelbunden och prognosen kan vara baserad på statistiska metoder men med manuella ändringar. I resultatet framkom det att oregelbunden efterfrågan representerar cirka 70 procent i avseende på intäkter och kräver således mycket uppmärksamhet.