Analytics unterstützt Procurement-Verantwortliche mit klaren Erkenntnissen zu rechtzeitiger Nachfrageerkennung, besseren Beschaffungsmodellen und Risikovermeidung. Allerdings konnten bisher nur wenige Abteilungen das volle Potenzial tatsächlich ausschöpfen und die Stärke ihrer Daten nutzen.
Unsere Erfahrung zeigt, dass Unternehmen bestrebt sind, ihren Einkauf von einer traditionellen operativen Funktion zu einem integrierten Partner weiterzuentwickeln, um die eigenen Digitalisierungsambitionen zu verwirklichen. Die Integration robuster Datenstrategie- und Analysetools in bereits bestehende Prozesse und Teams ist ein wichtiger Faktor für einen intelligenten und agilen Einkauf.
Warum jetzt auf Analytics setzen?
In der jüngsten von CAMELOT durchgeführten Studie zur digitalem Transformation im Einkauf stellten 71 % der teilnehmenden Verantwortlichen aus diesem Bereich die nicht genügende Nutzung der Daten in ihrem Unternehmen als große Herausforderung für ihre digitale Transformation heraus. Zudem wurde die Datenqualität von überwältigenden 81 % der Befragten als sehr dürftig bis akzeptabel bezeichnet. Obwohl sie derzeit kaum angewendet wird (12 %), wurde die Datenanalyse und -auswertung insgesamt – einschließlich voraussagender Analysen (Predictive Analytics) und künstlicher Intelligenz – von 75 % der Teilnehmer als die wünschenswerteste Technologie im Bereich der Beschaffung ausgewählt (Abbildung 1).
Abbildung 1: Technologieexploration in der Beschaffung
Der Einkauf befasst sich mit der Beschaffung von Gütern und Dienstleistungen, die für das Unternehmen unverzichtbar sind, und ist daher sehr eng mit der Gesamtstrategie des Unternehmens verknüpft. Im Kern unterstützt der Einkauf drei übergeordnete Prozesse (Abbildung 2):
- Source-to-Contract – mit Schwerpunkt auf der Definition der geeigneten Sourcingstrategie und der Beauftragung passender Lieferanten
- Purchase-to-Pay – die wichtigsten operativen Aufgaben der Bestellung und Beschaffung von Waren und Dienstleistungen
- Supplier Lifecycle Management – umfasst die strategische und operative Zusammenarbeit und das Beziehungsmanagement mit Lieferanten
Abbildung 2: Zentrale Beschaffungsprozesse
Diese Prozesse verbinden nicht nur eine Vielzahl interner und externer Stakeholder, sondern generieren und nutzen auch eine Vielzahl von Daten – sowohl Transaktions- als auch Stammdaten. Die oben genannten Studienergebnisse und Einzelnachweise unserer Kunden unterstreichen jedoch die geringe Nutzung solcher Daten. Schwache Transparenz im Inneren und nach außen sowie das Unvorbereitetsein auf die Digitalisierungswelle im Ganzen sind bedauerliche Folgen dieses Phänomens. Inwieweit der Einkauf seinen eigenen Anspruch erfüllen kann, sich als strategischer Partner innerhalb des Unternehmens zu positionieren und auch Prozesse weiter zu verbessern und damit Kosten erheblich zu reduzieren oder gar zu vermeiden, hängt in hohem Maße von ihrer Fähigkeit ab, sich erfolgreich mit dem Thema Datenmanagement auseinanderzusetzen.
Analytics-Fallbeispiele für den Einkauf
Obwohl Beschaffungsexperten mit Nachdruck die Digitalisierung als Enabler bezeichnen, liegen die tatsächlichen Prioritäten, die im Rahmen der Studie zur digitalen Transformation im Einkauf ermitteltet wurden, weiterhin auf dem Kern der Funktion: Warengruppen-, Ausgaben- und Lieferantenmanagement sowie strategisches Sourcing. Mit der Anwendung von Datenanalysen auf diese Bereiche kann die Beschaffung von reduziertem Risiko, erhöhten Einsparungen und effektiveren Entscheidungen profitieren. In diesem Sinne kann Analytics – von deskriptiven bis hin zu prädiktiven und präskriptiven Analysen – die Beschaffung beim Identifizieren spezifischer Schmerzpunkte in strategischen Fokusbereichen unterstützen (Abbildung 3).
Abbildung 3: Zukünftiges Betriebsmodell
Im Folgenden seien einige der Möglichkeiten aufgeführt, für die sich Analytics im Einkauf empfiehlt:
- Analytics in Procure-to-Pay und Warengruppenmanagement: Analytics im Bereich transaktionaler Beschaffungsdaten aus ERP-Systemen und anderen internen Quellen wie Bestellzyklen und allgemeinen Ausgabendaten kann zur Optimierung der Zahlungsbedingungen und damit zur Verbesserung des Cashflows beitragen. Zudem lässt sich über die Bündelung der Ausgaben und die Identifizierung von Mustern ein ausgefeilterer Ansatz für das Warengruppenmanagement entwickeln. Insgesamt kann die Kombination aus Zahlungs- und Zahlungszielanalysen sowie Ausgabenmanagement- und Rechnungsanalysen zu mehr Transparenz führen, Ausgabenverläufe optimieren und Risiken reduzieren.
- Analytics in strategischer Beschaffung: Durch die Analyse der bisherigen Leistung der Lieferanten einerseits und des eigenen bisherigen Einkaufsverhaltens andererseits sind Unternehmen besser dafür gerüstet, die besten Zeiten für Beschaffungsaktivitäten (RFI, RFP, Auktion) und die jeweils am besten geeigneten Lieferanten zu ermitteln. Zudem liefert die Analyse der bisherigen Leistung der Lieferanten in Kombination mit Marktpreisen und Risikobewertungen (basierend auf externen Daten) zusätzliche Erkenntnisse über die Servicequalität, potenzielle Risiken und Complianceprobleme und generiert so einen Mehrwert, da es gilt, bessere Einkaufsentscheidungen zu treffen und strategische Lieferanten zu ermitteln.
Wie wir unsere Kunden unterstützen
Mit Know-how und Erfahrung in den Bereichen Einkauf und Data Analytics unterstützt CAMELOT Kunden bei diversen Belangen von der Strategie- und Prozessbewertung bis hin zu technologieübergreifenden Implementierungen (Abbildung 4). Die Identifizierung der wichtigsten strategischen Prioritäten für die Beschaffungsorganisation und die Auswahl geeigneter Anwendungsfälle mit hohem Geschäftswertpotenzial gehören oft zu den ersten Schritten. Nach der Analyse des Ist-Zustands, der Erfassung spezifischer Anforderungen und der Konzeption eines passenden Lösungskonzepts liegt der Fokus auf der Implementierung einer gut integrierten Lösung, die die bisherigen Herausforderungen im Beschaffungsbereich adressiert.
Abbildung 4: CAMELOT – Analytics-Ansatz in der Beschaffung
Wir bedanken uns bei Albena Bogoeva für ihren Beitrag zu diesem Artikel.
