Quick Check: Potentiale aus Einkaufsdaten ermitteln

Die Bedeutung datengetriebener Entscheidungen im Einkauf

In einer Ära, in der Daten als das "neue Öl" bezeichnet werden, wird auch der Einkaufsbereich zunehmend von der Notwendigkeit datengetriebener Entscheidungen geprägt. Die Sammlung, Analyse und Anwendung von Daten gewinnen im Einkauf nicht nur an Bedeutung, sondern werden zu einem entscheidenden Faktor für den unternehmerischen Erfolg. Die Grundlage datengetriebener Entscheidungen im Einkauf bildet die umfassende Analyse von Einkaufsdaten. Transaktionen, Lieferantenbeziehungen, Preisentwicklungen und Bestellverhalten werden zu wertvollen Datenquellen, die durch modernste Analysetools effizient durchforstet werden können. Diese Analyse geht über die reine Betrachtung von Zahlen hinaus und ermöglicht eine tiefgehende Interpretation von Mustern und Zusammenhängen.

Deskriptive Analyse – der Gamechanger im Einkauf?

Die deskriptive Datenanalyse ist eine Technik, bei der vergangene und aktuelle Datensätze analysiert werden, um Erkenntnisse über Muster, Trends und Beziehungen zu gewinnen. Im Gegensatz zur prädiktiven oder präskriptiven Analyse konzentriert sich die deskriptive Analyse auf die Identifizierung von Ereignissen in der Vergangenheit und das Verständnis aktueller Bedingungen. Dies kann für Einkaufs Professionals nützlich sein, da sie ein klares Verständnis der historischen Beschaffungsmuster und der Leistung der Lieferanten ihres Unternehmens haben müssen. Die deskriptive Datenanalyse kann ein unverzichtbares Instrument sein, da sie wertvolle Einblicke in die Beschaffungsprozesse ermöglicht. Durch die Analyse großer Datenmengen kann die deskriptive Analyse dazu beitragen, Muster und Trends zu erkennen, die sonst unbemerkt bleiben würden. Eine Möglichkeit, wie Einkaufs Professionals von der deskriptiven Datenanalyse profitieren können, ist die Transparenz der Lieferantenleistung. Durch die Verfolgung von Metriken wie Liefertreue oder Qualitätsbewertungen können Beschaffungsteams ihre Lieferanten effektiver verwalten und fundierte Entscheidungen darüber treffen, mit wem sie zusammenarbeiten sollen. Ein weiterer wichtiger Vorteil der deskriptiven Datenanalyse ist die Möglichkeit, Kosteneinsparungsmöglichkeiten zu identifizieren. Durch die Analyse von Ausgabendaten über verschiedene Kategorien hinweg können Unternehmen Bereiche aufdecken, in denen sie möglicherweise zu viel Geld ausgeben, oder Möglichkeiten zur Aushandlung besserer Preise mit Lieferanten identifizieren. Zusätzlich zu diesen Vorteilen hilft die deskriptive Datenanalyse auch beim Risikomanagement. Durch die Überwachung der Einhaltung von Vorschriften durch Lieferanten und die Identifizierung potenzieller Risiken im Zusammenhang mit bestimmten Lieferanten oder Lieferketten sind Unternehmen besser in der Lage, diese Risiken zu mindern, bevor sie zu größeren Problemen werden. Der Einsatz der deskriptiven Datenanalyse wird für Beschaffungsexperten, die ihre Prozesse verbessern und den Wert ihres Unternehmens steigern wollen, immer wichtiger.

Vorgehensweise im Projekt

Ein Unternehmen trat an TCW heran, da man mit Hilfe des Quick Checks die Möglichkeit von Potentialen durch die Analyse der Einkaufsdaten anpeile. Der Ansatz von TCW gliedert sich hierbei in 5 Module. Zunächst galt es mit dem Projektteam einen ersten Potentialcheck durchzuführen. Dabei wurden zunächst bisherige Initiativen und Schritte untersucht und deren aktueller Status festgehalten. Im Anschluss erfolgte die Erstellung eines Data Cubes. Dazu können Daten in fast jeder Form zur Verfügung gestellt werden. Aus der ersten Grobanalyse können anhand von Erfahrungswerten und Benchmarks erste Potentiale abgeleitet werden. Im nächsten Modul wird die vorhandene Komplexität analysiert. Die Komplexitätsanalyse ermöglicht die nachvollziehbare Bewertung der Zubehörbeutel hinsichtlich Kosten, Komplexitätstreibern, Gleichteilquote, Lieferantenportfolio und Beschaffungsgüter/ Beschaffungsquellen Portfolio. Basis hierfür ist die Deskriptive Datenanalyse. Es werden im Anschluss an die Analyse potentialträchtige Ideen entwickelt. Parallel hierzu finden Validierungsworkshops statt mit den Mitarbeitern des Unternehmens. Ziel ist es die entstandenen Ideen zu validieren und auf Machbarkeit zu überprüfen. Dabei werden zusammen mit den internen Mitarbeitern Kosten-Nutzen-Analysen erstellt und Roadblocks (Hills) diskutiert, welche gegen eine Idee sprechen bzw. deren Implementierung verzögern könnte. Maßnahmen werden im Anschluss konkret definiert und mögliche Kosteneinsparpotentiale abgeleitet. Im Modul erfolgt die Ableitung von Handlungsempfehlungen. Basierend auf den Zielen werden die relevanten Einkaufshebel (Ausschreibungen, Verhandlungen, Prozesse, Auktionen, Cost Engineering, Benchmarking, Lieferantenworkshops, Data Analytics, technische Standardisierung, …) angewendet. Die generierten Maßnahmen und angewendeten Hebel werden unter Berücksichtigung von Rahmenbedingungen priorisiert und zu Lösungspaketen und Szenarien zusammengefasst, z.B. durch Anwendung von Morphologischen Kästen und Cherry-Picking. Anschließend werden sie in eine Umsetzungsroadmap (Action Plan) überführt und mit konkreten Zuständigkeiten, Meilensteinen und Fristen versehen. Um den Aufwand für die Umsetzung möglichst gering zu halten, werden ähnliche Maßnahmen zu Konzepten gebündelt.

Die Potentiale in diesem Projekt waren beträchtlich, sodass unmittelbar mit der Umsetzung begonnen wurde. Dabei wurden in regelmäßigen Jour Fixe Meetings der Status der Maßnahmen vorangetrieben und auch organisatorisch ein Eskalationsmanagement aufgesetzt.

Fazit

Insgesamt unterstreicht die Bedeutung datengetriebener Entscheidungen im Einkauf die Notwendigkeit für Unternehmen, nicht nur Daten zu sammeln, sondern diese auch in strategische Erkenntnisse umzuwandeln. Unternehmen, die in Analysetools investieren und eine datenbasierte Kultur fördern, werden nicht nur effizientere Einkaufsprozesse haben, sondern auch besser positioniert sein, um den Herausforderungen einer sich ständig verändernden Geschäftswelt zu begegnen. Datengestützte Entscheidungen sind der Schlüssel zu einem erfolgreichen, nachhaltigen und zukunftsorientierten Einkaufsmanagement. Das TCW unterstützt Sie hierbei durch jahrelange Erfahrung im Einkaufsbereich.

Beratungsleistungen

• Einkauf im Anlagenbau
• Einkaufspotenzialanalyse
• Electronic Sourcing
• Global Sourcing
• Zielpreisermittlung im Global Sourcing
• Lieferantenmanagement
• Make-or-Buy: Optimierung der logistischen Leistungstiefe
• Planungs- und Steuerungssystematik

Publikationen

• Data Science
  Wie lässt sich die fünfte industrielle Revolution im Unternehmen managen?
• Einkaufspotenzialanalyse (EPA)
  Leitfaden zur Kostensenkung und Gestaltung der Abnehmer-Lieferanten-Beziehung
• Total Cost of Ownership
  Leitfaden zur Optimierung der Gesamtkostenposition in Beschaffung, Produktion und Logistik

Praxisbeispiele

• Erfolgreiche Implementierung von Data Science im Einkauf
• Intelligentes Teilemanagement - Standardisierung mit Data Science
• Data Science und KI für Frühwarnsysteme in der Beschaffung
• Data Science Implementierung leicht gemacht: Das können Sie von den Best-Practice-Unternehmen für die Implementierung lernen