3 Wege, wie Datenanalytik Ihre Beschaffung voranbringt

Oft wird der Einkauf dazu gedrängt, effizienter zu werden und Prozesse zu straffen. Zugleich muss er kostspielige Fehler vermeiden und die Kontrolle über alle direkten und indirekten Ausgaben behalten.

In der Flash-Umfrage 2020 unter CPOs von Deloitte gaben die Verantwortlichen im Einkauf an, dass das Kostenmanagement für sie derzeit oberste Priorität habe und fast 8 Mal so viel Aufmerksamkeit im Tagesgeschäft erfordere als vor der Corona-Pandemie. Dies deckt sich mit weiteren Umfrageergebnissen, die zeigen, dass zwei Drittel der Unternehmen planen, auch nach COVID-19 Strategien zur Kostensenkung zu verfolgen, verglichen mit nur einem Drittel vor COVID-19.

https://delivery-p141552-e1488202.adobeaemcloud.com/adobe/assets/urn:aaid:aem:91957458-5d3a-4845-80ec-09e71ad289a2/as/Procurement_Stat_Web_Graphic_1_DE.jpg

„In einer Welt, in der Unsicherheit und ständiger Wandel sehr wahrscheinlich eine Konstante bleiben werden, müssen Beschaffungsleiter noch einfallsreicher sein, um die Liquidität ihrer Unternehmen zu stützen und gleichzeitig Lieferunterbrechungen zu begrenzen.“ (Deloitte 2020 CPO Flash Survey)

Datenanalysen helfen nicht nur, traditionelle Einkaufsaktivitäten effizienter zu machen, sie erleichtern auch Bereiche wie Ausgabenanalyse und Prognose von Nachfragespitzen und helfen bei allen Aspekten des Supplier Relationship Managements (SRM) – ganz gleich, ob es sich um die Bewertung von Verträgen oder um bereits abgeschlossene Transaktionen handelt.

1. Optimierte Ausgaben- und Risikoanalysen

Bisher mussten Einkaufsteams mit mehreren Datenbanken arbeiten, die sowohl strukturierte als auch unstrukturierte Daten enthielten. Erstklassige Einkäufer müssen aber in der Lage sein, diese Daten an einem Ort zusammenzufassen und zu analysieren. Mit den daraus gewonnenen Erkenntnissen können erwartete Veränderungen von Angebot und Nachfrage mit realen Umgebungsfaktoren kombiniert und auf dieser Grundlage dynamische und skalierbare Preismodelle erstellt werden.

Mit Big-Data-Analysen kann das Procurement Team verschiedene Datensätze wie Rechnungseinheit, Preisabweichung und -einhaltung, Lieferanten- und Käuferinformationen, Richtpreis und steuerliche Informationen in einer einzigen, umfassenden Analyse bündeln. Dort können Möglichkeiten zur Kostensenkung identifiziert werden, die sich unmittelbar im Unternehmensergebnis niederschlagen.

So konnte PPG Industries mit einem Kostenanalyseprogramm 95% der indirekten Ausgaben in seinem jährlichen Beschaffungsbudget von 200 Millionen US-Dollar sichtbar machen und in den Griff bekommen. Das Unternehmen verringerte die Zahl seiner Lieferanten um 90% und sparte 10% der Gesamtkosten ein.

Die Transparenz im eigenen Lieferantennetzwerk bleibt jedoch eine der größten Herausforderungen für Lieferketten im Jahr 2020. In der Deloitte 2020 Flash Survey hatten nur 50 % der befragten Beschaffungsleiter eine hohe oder sehr hohe Transparenz in Bezug auf ihre Tier-1-Lieferanten, während 90 % der Unternehmen ihre Transparenz in Bezug auf ihre erweiterten Liefernetzwerke als mäßig bis sehr gering einstufen.

https://delivery-p141552-e1488202.adobeaemcloud.com/adobe/assets/urn:aaid:aem:6fd11628-80d6-4fd1-8b2e-f14135559558/as/Procurement_Stat_Web_Graphic_2_DE.jpg

Das könnte einer der Gründe sein, warum die Verbesserung der Supply-Management-Fähigkeiten sowie die Einführung und Investition in fortschrittliche Technologien als die beiden wichtigsten Themen unter den Umfrageteilnehmern auftauchten.

Dank fortschrittlicher Datenanalysen können Risikoanalysen in Entscheidungsprozesse integriert und so die besten Ausgabenentscheidungen getroffen werden. Einkaufsteams können Daten zu Preis- und Compliance-Risiken, geografischen Risiken und präventiven Maßnahmen miteinander verknüpfen und sich anbahnende Probleme in ihrer Supply Chain auf diese Weise frühzeitig erkennen.

2. Genauere Bedarfsprognosen

Wenn Einkaufsteams auf eine veränderte Nachfrage nicht vorbereitet sind, können sie auch nicht die besten Preise nutzen. Dies kann die Beziehungen zu den Lieferanten belasten, da diese kurzfristig den Bedarfsspitzen gerecht werden müssen.

Bedarfsspitzen können konjunkturelle Ursachen haben, aber auch recht gut vorhersehbar sein. Aufgabe der Unternehmen ist es, dafür zu sorgen, dass bei vorhersehbaren, wiederkehrenden Bedarfsspitzen entsprechende Lagerbestände in den Filialen und online vorhanden sind.

Aber Nachfragespitzen halten sich nicht immer an den Kalender. Im Jahr 2020 hat die Corona-Pandemie nicht nur die Lieferketten unzähliger Unternehmen unterbrochen, sondern auch das Konsumverhalten teils drastisch verändert. Beschaffungsleiter waren so gezwungen, sich schnell einen besseren Überblick über die kritischsten Glieder ihrer Supply Chain zu verschaffen. Als Krankenhäuser ihre Kapazitäten an medizinischen Geräten angesichts steigender Infektionen und Sterblichkeitsraten aufstocken, mussten Hersteller elektronischer Komponenten wie Avnet schnell reagieren. Mithilfe von Echtzeitdaten in ihrer Datenanalyse und intelligenter Automatisierung waren sie in der Lage, Bestellanpassungen noch am selben Tag vorzunehmen und Bestandslieferungen für Kunden aus der Medizin und dem Gesundheitswesen (z. B. Komponenten für Beatmungsgeräte) gegenüber nicht lebensnotwendigen Konsumgütern zu priorisieren. Mit Datenanalysen lassen sich also sowohl wiederkehrende und als auch unerwartete Umgebungsfaktoren verknüpfen, um genauere Bedarfsprognosen zu erstellen, von denen der Einkauf und das gesamte Unternehmen profitieren.

https://delivery-p141552-e1488202.adobeaemcloud.com/adobe/assets/urn:aaid:aem:c1d1113f-1728-4d96-8a4a-d43934331972/as/Procurement_Stat_Web_Graphic_3_DE.jpg