DATANOMIQ im BITKOM Leitfaden über Big Data

Big Data ist das aktuelle Schlüsselthema in der Industrie. Der Mangel an Best-Practice-Beispielen und an Praxiserfahrungen für diesen neuen Trend gelten jedoch teils noch als Barriere für die verstärkte Nutzung von Big Data.

Hier wirkt der BITKOM (Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V.) mit dem kürzlich veröffentlichten dritten Leitfaden Leitfaden über Big Data Analytics entgegen. In diesem Leitfaden stellt der BITKOM über 40 Big-Data-Einsatzbeispiele aus der Praxis von Wirtschaft und Verwaltung vor. So sollen überzeugende Hinweise dafür geliefert werden, wie der Einsatz von Big Data bei Anwendern Möglichkeiten für Geschäftsmodell-Innovationen eröffnet.
Entscheider aus dem Mittelstand können aus den Praxisbeispielen Impulse und Anregungen erhalten, in ihren Unternehmen das innovative Potenzial von Big Data zu heben.

Auch wir von DATANOMIQ sind in diesem Leitfaden mit einem Fallbeispiel aus dem Bereich Dynamic Cost Analytics und der Revision von Preisschwankungsklauseln im strategischen Einkauf auf der Seite 49 des Leitfadens vertreten.

Der BITKOM Leitfaden Big Data und GeschäftsmodellInnovationen in der Praxis: 40+ Beispiele kann über folgenden Link heruntergeladen werden: BITKOM – Leitfaden für Big Data und Geschäftsmodellinnovationen (Download-Link)

 

 

Erste Praxisstudie „Procurement Analytics“

Daten sind für Unternehmen aller Branchen eine der wichtigsten Ressourcen – darüber herrscht in Wirtschaft und Wissenschaft seit langem allgemeiner Konsens. Der Siegeszug von Big Data & Analytics begann im Marketing und Vertrieb und setzt sich nun als Procurement Analytics im Einkauf mit ungeahnten Möglichkeiten durch. Dennoch ist der Rückstand aus Sicht des Einkaufs gegenüber vertrieblichen Anwendungen noch hoch: Lediglich jeder vierte Studienteilnehmer nutzt Procurement Analytics bereits aktiv oder im Rahmen eines Pilotprojekts. Dabei ist der Einkauf am Schnittpunkt interner und externer Datenquellen, vielfältigen Datenarten und zahlreichen datengetriebenen Herausforderungen geradezu für einkaufsbezogene Anwendungen prädestiniert. Einkaufsorganisationen, die aktuell nicht die richtigen technologischen Weichen stellen und sich nicht mit den Potenzialen auseinandersetzen, droht den Anschluss an den Wettbewerb zu verlieren. Vor diesem Hintergrund beleuchtet die erste Praxisstudie „Procurement Analytics“ den Themenkomplex „Big Data und Analytics“ speziell aus der Sicht des Einkaufs. Neben der Schaffung eines einheitlichen Verständnisses befasst sich die Studie vor allem mit möglichen Potenzialen und zeigt konkrete Anwendungsfelder auf.


Befragt wurden 98 Unternehmen unterschiedlichster Branchen und Größenordnungen.

Bitte füllen Sie zum Download der Praxisstudie das nebenstehende Kontaktformular aus – Sie werden dann direkt zur Studie im PDF-Dateiformat weitergeleitet.

 

Datenschutzbestimmung:

Als Big-Data-Unternehmen kennen wir uns mit Datenschutz genauso aus, wie mit der Verarbeitung von Daten. Auch deshalb schreiben wir Datenschutz und Datensicherheit groß und behandeln erfasste Daten stets streng sensibel. DATANOMIQ unterwirft sich darüber hinaus folgenden Grundsätzen beim Schutz Ihrer personenbezogenen Daten:

Personenbezogene Daten werden nur unter Einhaltung der Datenschutzgesetze der Bundesrepublik Deutschland und der Datenschutzbestimmungen der Europäischen Union verarbeitet und genutzt.

Die DATANOMIQ GmbH wird Ihre Daten, die wir über unsere Webseiten erfassen, ausschließlich intern und stets nur zur Abwicklung Ihrer Anfrage als Kunde oder Partner verarbeiten. In keinem Fall werden Ihre personenbezogenen Daten zu Werbe- oder Marketingzwecken oder unbefugt zu anderen Zwecken Dritten übermittelt (das heißt zum Beispiel zur Kenntnis geben oder weitergeben)

Neue Möglichkeiten in der Lieferantenkonsolidierung durch Analyse unstrukturierter Einkaufsdaten

Im Einkauf liegt der Gewinn – Gerade im aktuellen Umfeld steigt der Druck auf den Einkauf enorm. Eine Basismethode zur Beschaffungskostenreduzierung ist die Realisierung von Bündelungseffekten, die darauf abzielt, über Mengeneffekte bei wenigen Lieferanten zusätzliche Einsparungen zu erzielen. Auch wenn der digitale Wandel bereits im deutschen Mittelstand angekommen ist, haben viele Unternehmen mit einer schlechten Datenqualität im Einkauf zu kämpfen, die eine Identifikation von Bündelungsmöglichkeiten insbesondere für B- und C-Teile drastisch erschwert.

Häufig ist in der Einkaufspraxis eine Beschaffung gleicher Warengruppen bei den unterschiedlichsten Lieferanten festzustellen. Mangelhafte Datenqualität und intransparente Prozesse sind ein wesentlicher Grund dafür, dass die Bündelungsmöglichkeiten nicht erkannt und deren Potenziale nicht im vollen Umfang realisiert werden können. Schuld daran sind oft mehrere Faktoren, wie mangelhafte Soll-Prozesse, fehlende interne Richtlinien, inkonsistente Stammdaten und pauschale Buchungen über „Dummy“-Werte sowie falsch konfigurierte ERP-Systeme. Mit Data Quality Analytics, eine Zusammenstellung von auf die Datenbasis anzuwendende analytische Testverfahren, können typische und untypische Datenfehler sowie Inkonsistenzen nun ermittelt und auch bereinigt werden.

textnetzwerk

Sollten die Materialstammdaten nicht konsistent gepflegt und Bestellungen über Dummy-Positionen (beispielsweise „Betriebsmittel“ oder „Fremdleistungen“) verbucht werden, können Bündelungspotenziale vom strategischen Einkauf nicht direkt erkannt werden. Sind in den Bewegungsdaten – hierzu zählen insbesondere Daten über Bestellungen, Wareneingänge, Verbräuche, Rechnungen und Zahlungen – jedoch zumindest vereinzelte Positionstexte vorhanden, können über Textalgorithmen besonders markante Wörter aus diesen unstrukturierten Daten extrahiert, nach bestimmten Kontextmodellen gefiltert und aggregiert werden.  Wenn beispielsweise in einzelnen Positionstexten Begriffe vorkommen, die bestimmte Voraussetzungen erfüllen – beispielsweise ein Matching der jeweiligen Begriffe untereinander oder mit Wortlisten (z. B. dem Duden) – kann über eine Netzwerkanalyse ermittelt werden, über welche Lieferanten und verantwortliche Stellen gleichartige Positionen bezogen werden. Aus dem gesamten Buchungsstoff können so automatisiert Bündelungspotenziale umfassend aufgedeckt werden. Dies funktioniert auch dann, wenn der Einkauf über mehrere Betriebe mit unterschiedlichen IT-Systemen betrachtet werden soll. Diese neuartigen Analyseformen aus dem Bereich Big Data Analytics ermöglichen für den Einkauf neue Kostensenkungspotenzialeoftmals im zweistelligen Prozentbereich – die vom strategischen Einkauf verhältnismäßig leicht zu realisieren sind.