BIG DATA SPEND. indirect. Inhalte: Ausgangsbasis im Einkauf. Analysen im indirekten Einkauf. Plattforminterne Analysen. Plattformübergreifende

Transkript

1 indirect Ausgabe 07/2017 BIG DATA Inhalte: Ausgangsbasis im Einkauf Analysen im indirekten Einkauf Plattforminterne Analysen Plattformübergreifende Analysen KI & Big Data im indirekten Einkauf

2 Künstliche Intelligenz und Big Data im indirekten Einkauf Durch die omnipräsente Darstellung des Begriffs Digitalisierung in Unternehmen in den Medien wird suggeriert, dass weite Unternehmensfelder aktuell noch nicht digitalisiert sind und weite Bereiche quasi vorsintflutlich bearbeitet werden. Das ist natürlich nicht der Fall. Alle wichtigen Unternehmensprozesse, einschließlich der Beschaffungsprozesse, sind digital abgebildet. Zum Einsatz kommen digitale Anwendungen, wie ERP-Systeme, E-Procurement / E-Sourcing Plattformen oder im einfachsten Fall s. Also was steckt wirklich hinter dem großen Hype um die Digitalisierung? Zwei neue Bausteine davon sind KI (künstliche Intelligenz) und Big Data. Künstliche Intelligenz steht als Oberbegriff für Regel-basierte, oder selbstlernende Systeme. Diese Verfahren können zur Klassifizierung, zum Clustern, oder zum Analysieren gewisser Eigenschaften eingesetzt werden. Anja Rössel Geschäftsführerin Big Data Analytics umschreibt Methoden des Zusammenführens und Auswertens von Daten aus verschiedensten internen so wie externen Quellen, bei denen Techniken aus der herkömmlichen Datenverarbeitung nicht ausreichend sind. Wir möchten in dieser Ausgabe von indirect den Begriff der Big Data Analytics in Bezug speziell auf den indirekten Einkauf für Sie verständlich erklären und Ihre Chancen und Anforderungen aufzeigen. Mehr Informationen erhalten Sie gerne direkt bei uns unter 089/ Viel Erfolg im Einkauf - Ihre Anja Rössel VORSCHAU NÄCHSTE AUSGABE: In der nächsten Ausgabe indirect August werden wir uns mit dem Thema SAP-Wartung beschäftigen. Hans Becker GmbH Impressum 2

3 Ausgangsbasis im Einkauf Die Daten der direkten Einkaufsprozesse in den einzelnen marktüblichen Systemen, ERP, E-Procurement, E- Sourcing Plattformen können nahezu vollständig erfasst und dadurch entsprechende Workflows gesteuert werden. Die Mehrzahl der Systeme bieten Reportingtools an, in denen klassische Spend Analysis und Spend Management Abfragen hinterlegt werden können und entsprechende Reports auf Knopfdruck erstellt werden. Im indirekten Einkauf ist zu berücksichtigen, dass folgende Punkte maßgeblich von der Struktur des direkten Einkaufs abweichen. Datenqualität ist schlechter Es liegen keine Materialnummern bzw. keine Materialgruppen in den Rechnungen vor. Die Quote von Maverick Buying ist hoch. Wiederholbarkeit Für viele Bedarfe werden unterschiedliche Produkte bestellt, da es augenscheinlich zu aufwendig ist für alle Bedarfe Standards zu definieren. Daraus wird bei herkömmlicher Analyse von einem Einmalartikel ausgegangen, was die Analyse verzerrt. Komplexität Relativ hohe Anzahl an Lieferanten und daraus resultierende Steuerungskosten, da es sich oft um spezielle Waren oder Dienstleistungen handelt. Daraus folgt, dass ein qualifiziertes Reporting aus einem System für den indirekten Einkauf per se deutlich anspruchsvoller ist als für den direkten Einkauf. Analysen im indirekten Einkauf Um fundierte, strategische Entscheidungen für den indirekten Einkauf treffen zu können muss zunächst eine fundierte, transparente Datenbasis geschaffen werden. Einheitliche Warengruppenstruktur Im direkten Einkauf sind in ERP-Systemen in der Regel unternehmensweite Warengruppenstrukturen hinterlegt, die sowohl konzernweite Aspekte als auch Aspekte des Lieferantenmarktes enthalten, um strategische Analysen auf Warengruppenebene durchführen zu können. Im indirekten Bereich ist eine eigene konzernweite einheitliche Warengruppenstruktur in der Regel nicht vorhanden. Standards wie werden eingesetzt um eine gewisse Struktur vorzugeben. Für volumenmäßig relevante Beschaffungsbereiche kann es trotzdem erforderlich sein, allgemeine Strukturen wie weiter zu verfeinern oder zu ergänzen, um unternehmensspezifische Aspekte oder spezielle Aspekte des Beschaffungsmarktes optimierter aufzubereiten. Hans Becker GmbH Impressum 3

4 Extraktion spezifischer Charakteristika und Klassifizierung gemäß der Warengruppenstruktur Um eine transparente, belastbare Datenbasis zu erhalten müssen alle Rechnungen oder Bestellungen mit allen erforderlichen Merkmalen erfasst werden. Beispielsweise Sendungsstrukturen von Logistikprozessen (inkl. Anlieferort, Ablieferstelle, Gewicht, Maße, Gefahrengut, Nebenkosten,...) oder Bestellungen (Qualität, Liefermenge, Verpackungseinheit,...). Danach müssen die Daten entsprechend der vorgegeben Warengruppenstruktur klassifiziert werden. Konsolidierung Bündelung von Lieferanten und Materialen In nächsten Schritt müssen die Daten konsolidiert werden. Beispielweise müssen Lieferanten, die doppelt auftreten, zusammengefasst werden. Man erhält eine transparente Spend-Analyse in der vorgegebenen Warengruppenstruktur auf deren Basis ein Einkäufer strategische Analysen aufsetzen kann. Schnell wird deutlich, dass die Anforderungen einer fundierten Analyse indirekter Einkaufspotentiale nur mit sehr viel Aufwand abgedeckt werden können. Einkaufsabteilungen in Unternehmen können auf Grund der Diversität der indirekten Beschaffungsfelder die notwendigen Informationen nur schwer abbilden. Die Analyse an sich ist sehr ressourcenintensiv. Analyse - Benchmarking - Querchecks zukünftige Bedarfsermittlungen Prognosen Mit einer transparenten Datenbasis kann ein strategischer Einkäufer eine Vielzahl von Analysen durchführen. Beispielsweise kann die Treue zu Rahmenvereinbarungen überprüft werden, Konditionen verglichen werden, festgelegte Standardsortimente nachjustiert werden, aktuelle betriebswirtschaftliche Entwicklungen in Prognosen eingearbeitet werden,... Dazu bedarf es neben den Daten aus der Spend-Analyse Kennzahlen aus anderen Datenquellen. Plattforminterne Analysen Im indirekten Einkauf können viele, wenn auch nicht alle Warengruppen, über Bestellplattformen abgewickelt werden. Nahezu alle Plattformen bieten Auswertungstools gemäß der im Tool hinterlegten Struktur der Warengruppen, des Unternehmens, des Artikelsortiments, etc.... an. Wurde beim Aufsetzen des Tools auf eine für das Unternehmen und den Lieferantenmarkt sinnvolle Struktur geachtet, so lassen sich auf Knopfdruck durchaus brauchbare Reports generieren. Man erhält die Spend-Analyse eines Systems. Anreicherungen der Reports durch Daten aus anderen Systemen werden von einigen Systemen angeboten, müssen jedoch, um sinnvolle Ergebnisse zu liefern, in der Datenstruktur aufeinander abgestimmt sein. Strategische Entscheidungen können jedoch nicht allein auf Basis von Reports aus einem plattforminternen System getroffen. Hierzu ist eine übergreifende Analyse erforderlich. Hans Becker GmbH Impressum 4

5 Plattformübergreifende Analysen Die Aussagekraft plattforminterner Reports aus unterschiedlichen Systemen sind für einen umfassenden strategischen Ansatz nicht zufriedenstellend. Mögen diese einzelnen Reports allein betrachtet ausreichend fundiert sein, durch einfaches Zusammenfügen kann man keine aussagekräftige, systemübergreifende Gesamtanalyse erhalten. Das liegt insbesondere daran, dass in unterschiedlichen Systemen in der Regel nicht die gleiche Warengruppenstruktur vorliegt, Überschneidungen in Warengruppen bestehen, Kreditorennamen nicht einheitlich sind, etc.... Damit können maßgebliche Potentiale nicht erkannt werden. Gerade im indirekten Einkaufsbereich werden häufig mehrere Systeme eingesetzt. Die Systeme offerieren natürlich überschneidende Artikelsortimente, sodass Materialgruppen überschneidende Bestellungen in verschiedenen Systemen erfolgen. Eine plattformübergreifende Analyse ist deshalb zwingend erforderlich. Als Tool der Wahl bietet sich dem strategischen Einkäufer deshalb häufig Excel an. In Excel werden exportierte Daten aus den verschiedensten Systemen in mühsamer Kleinstarbeit konsistent zusammengeführt und einheitlich klassifiziert. Darüber erstellt der Einkäufer mit PIVOTS die gewünschten Reports. Diese Kleinstarbeit fällt allerdings bei jedem aktualisierten Export von Daten wiederholt an. Der immense Aufwand führt zwangsläufig dazu: dass derartige Analysen im besten Fall nur quartalsweise erstellt werden und, dass bei Fertigstellung der Analyse, die Daten schon nicht mehr aktuell sind. Abfragen über PIVOTS können zwar dynamisch aktualisiert und beliebig gefiltert werden, bieten allerdings keine moderne interaktive Darstellung wie in Reportingtools an. Darüber hinaus können relevante Daten aus anderen isolierten Systemen, wie CRM-, SRM-, PLM- und Buchungs-Systemen oder s bisher gar nicht in die Analyse mit einbezogen werden. Excel ist natürlich nicht in der Lage entsprechende Bezüge zwischen den Daten ohne jedweden einheitlichen Schlüssel herzustellen. Künstliche Intelligenz und Big Data im indirekten Einkauf Durch Verwendung von Methoden aus der Künstlichen Intelligenz kann die Schaffung einer transparenten, konsistenten Datenbasis maßgeblich unterstützt werden. Datenerfassung & Analyse In diesem Schritt werden bestehende Daten bereinigt, strukturiert und auf dieser verifizieren Basis Analysen erstellt. Daten bereinigen Die Bereinigung der Daten aus unterschiedlichsten Quellen, manchmal sogar in unterschiedlichen Sprachen, kann u.a. auf gängige Algorithmen für Doublettenbereinigung oder Übersetzungen zurückgreifen. Beide Verfahren basieren auf Techniken der KI, in diesem Fall vor allem neuronale Netze. Erst durch den vermehrten Einsatz von KI hat sich diese Technologie in den letzten Jahren deutlich verbessert und ein marktreifes Niveau erreicht. Hans Becker GmbH Impressum 5

6 Klassifikation der Daten Durch algorithmische Unterstützung können Rechnungen, Lieferanten- und Materialstammdaten bereinigt und richtig klassifiziert werden. Neben regelbasierten Verfahren werden statistische Text-Mining-Methoden aus der künstlichen Intelligenz angewendet. Dahinter verbirgt sich ein lernendes System, das mit Hilfe von Verschlagwortungen mit Attributen bei jedem neuen Datensatz dazu lernt und verfeinert wird. Die richtige Trefferquote wird damit stetig erhöht. Bündelung der Daten Durch die Verschlagwortung mit Attributen ist den einzelnen Materialien / Teilen / Artikeln eine umfassende Beschreibung / Charakterisierung hinzugefügt worden. Eine Abfrage über die Menge gleicher Attribute erlaubt also eine Bündelung gleichartiger Materialen / Teile / Artikel, ohne dass diese ursprünglich zwangsläufig gleich benannt sind. Plausibilitätscheck Der Vergleich gleichartiger Rechnungen mit Hilfe von KI-Methoden kann Ausreißer erkennen. Beispielsweise kann ein um Potenzen abweichender Preis, der durch eine falsch erfasste Verpackungseinheit hervorgerufen wurde automatisch erkannt werden. Vorausschauende Analysen & Controlling Die erstellte saubere Datenbasis kann mit Daten aus anderen Systemen angereichert werden, um mit Methoden der Big Data Analyse die Analysetätigkeiten eines strategischen Einkäufers zu unterstützen. Beispielsweise können so Benchmarkanalysen erstellt werden oder Konzeptansätze zur Optimierung vorgeschlagen werden. Simulationen und Vorhersagen Die Analyse greift auf vergangene Daten (getätigte Bestellungen) zurück. Exploriert man diese Daten und reichert sie mit Daten aus der Planung an so kann man bedarfsorientierte Vorhersagen erstellen. Unbekannte Größen können als variable Werte in die Simulation eingebaut werden und mit speziellen Wahrscheinlichkeiten gewichtet werden, sodass die in den verschiedenen Szenarien eine unterschiedliche Wahrscheinlichkeit das Eintreffen dieses Szenarios abgebildet werden kann. Flexible Anpassungen der Variablen an reale Werte führen zu stetig genaueren Prognosen. Konzepte, die sich aus gewissen bereits durchgeführten Szenarien bewährt haben, können in gleicher Weise für Konzeptvorschläge und Prognosen für zukünftige Szenarien angewendet werden. Prozessanalysen Mit der Methode des Process Mining werden die Ist-Prozesse des Einkaufs analysiert, um Schwachstellen sowie Ansatzpunkte für Prozessverbesserungen aufzudecken. Beispielweise Procure-to-Pay Prozess. Ziel ist es u.a. suboptimale Prozessvarianten zu erkennen, um Verbesserungen einleiten zu können. Hans Becker GmbH Impressum 6

7 Hans Becker arbeitet in diesen Bereichen mit fachkundigen Kooperationspartnern zusammen, welche in diesem sich schnell entwickelnden Metier stets up to date sind. Haben Sie noch Fragen oder Interesse am Thema Big Data und KI im Einkauf? Kontaktieren Sie uns unter 089/ oder unter Hans Becker GmbH Impressum 7

8 Die Hans Becker GmbH im Kurzportrait Als inhabergeführtes Unternehmen hat sich Hans Becker seit über 25 Jahren auf die Optimierung des strategischen indirekten Einkaufs sowie aller damit verbundenen Prozesse spezialisiert. Seit 1992 beobachtet Hans Becker die relevanten Märkte und verfügt über fundierte Erfahrungen in Industrie, Handel, Banken, Versicherungen und vielen anderen Branchen. Über 400 Klienten konnten von dem Spezialwissen der Hans Becker - Experten profitieren und dadurch ihre Kosteneffizienz steigern. Methoden- und Umsetzungskompetenz sind bis heute ein Markenzeichen von Hans Becker. Neben der Durchführung von reinen Kostensenkungsprojekten bzw. strategischen Optimierungsprojekten in einem klar definierten Zeitrahmen übernimmt Hans Becker für die Auftraggeber den kompletten oder auch nur teilweisen strategischen Einkauf von Gütern und Dienstleistungen. Hierzu gehören auch das Coachen von Einkaufs-Mitarbeitern sowie die nachhaltige und langfristige Qualitätskontrolle in den untersuchten Bereichen. Verschiedene Online-Angebote runden das Portfolio ab und unterstützen die Klienten punktuell. Hans Becker GmbH Impressum 8