[13.05.2020]
Die Einkäufer beschaffen auf unterschiedlichen regionalen Märkten verschiedene Leistungsbündel zu unterschiedlichen Konditionen. Optimale Einkaufsentscheidungen können unter diesen Bedingungen suboptimal sein, weil ein Mangel an Vergleichbarkeit gegeben ist. Eine bessere Entscheidungsgrundlage durch bessere Transparenz und die Möglichkeit zum Ausnutzen der Verhandlungsspielräume ergibt sich, wenn die Einkäufer „Price Performance Analyse“ nutzen, da verschiedene Leistungsbündel der Lieferanten vergleichbar werden. Zwar ist diese Methode nicht neu, jedoch ergeben sich durch den Einsatz von Data Science Tools nochmals erhöhte Potenziale zur Verarbeitung von Massendaten.
Als Einkäufer und somit Schnittstelle zu den Beschaffungsmärkten wird man oft mit einer sehr großen Menge von Daten konfrontiert, welche die Defizite bestehender IT-Lösungen im Einkauf aufzeigen. Eine vielversprechende Möglichkeit, aus großen Datenmengen einen Einkaufserfolg zu generieren, ist der Einsatz von KI und Machine Learning. Die Berechnung von Technologiekoeffizienten mittels Algorithmen ist in manuellen Tools nicht durchführbar. Genau dort liegt die Kernkompetenz des TCW-Tools.
Welche Vorteile bietet die Preis-Performance-Analyse mittels KI und Machine Learning? Die Erzielung von Kostenpotenzialen ist mit Sicherheit der Hauptgrund für den Einsatz, jedoch bietet speziell der Einsatz von KI weitere signifikante Vorteile:
Die Kombination unterschiedlichster Eingangsgrößen machen die Preis-Performance-Analyse zu einem mächtigen Werkzeug: Beispielsweise werden sie in der Lage sein, automatisierte Preis- und Spezifikations-Benchmarks über Warengruppen hinweg zu generieren, wie Preisarbitrage-Analysen oder produktionsspezifische Kosten pro Quadratmeter und pro Person. Die Preise werden mit Materialkostenindizes oder mit Produktspezifikationen über lineare Leistungspreise (LPP) korreliert.
Die Vorgehensweise im Projekt erfolgt in 6 Schritten. Zunächst müssen die notwendigen Daten aus den unternehmensinternen Systemen konsolidiert werden. Dabei spielte es keine Rolle, ob diese aus dem CAD oder dem ERP System kommen. Auch extern gesammelte Daten durch Lieferanten Cost Break Downs und manuell zusammengetragene Daten in der Excel Liste können genutzt werden. Die Daten aus den unterschiedlichen Quellen werden dann durch das TCW-Tool automatisch zusammengeführt, sodass der Aufwand für eine manuelle Überprüfung reduziert wird. Fehler, Dopplungen oder unglaubwürdige Daten werden dabei herausgefiltert.
Im nächsten Schritt erfolgt das Matching aller Unterscheidungsmerkmale verschiedener Produkte und Services auf eine dimensionslose Performance-Größe. Der daraus entstandene Koeffizient dient als Inputgröße für den nächsten Schritt der Durchführung der Analysen. Das TCW Tool vergleicht unterschiedliche Szenarien, Eingangsparameter und mögliche Ergebnisse mit Hilfe von Algorithmen und liefert die Ergebnisse grafisch aufbereitet an ein Ergebnis-Dashboard. Die Ergebnisse wurden danach durch das Kernteam interpretiert und Potenziale (Kosten, Zeit und Ablauf) herausgearbeitet. Im letzten Schritt werden Handlungsalternativen generiert und den jeweiligen Einkäufern als Aufgabe zugewiesen.
Mit Hilfe des Tools können Unternehmen Sourcing Entscheidungen um ein Vielfaches schneller treffen. Die dafür benötigten Daten sind im Unternehmen vorhanden, es gilt sie jedoch systematisch zu kombinieren. Das dabei entstandene Datenmodell geht über die konventionellen Möglichkeiten der Analyse weit hinaus geht. Algorithmen durchsuchen die Datenmengen und prüfen relevante Muster und Zusammenhänge, indem sie diese mit einer Vielzahl von Szenarien abgleichen. Wenn auch Sie auf der Suche nach kurzfristigen und schnellen Einsparpotenzialen im Einkauf sind, kontaktieren Sie uns gerne. Wir unterstützen Sie bei der Durchführung der Preis Performance Analyse im Einkauf und der Identifikation und Erzielung von Kosteneinsparungen.