Cikk
olvasás: 9 perc
Beszerzési stratégiák adatokra építve
A technológiai és az adatelemzési képességek folyamatos fejlődésével a nagyvállalatok beszerzési területeinek egyre több lehetőségük van minden eddiginél megalapozottabb döntéseket hozni. Az adataik elemzésével a vállalatok olyan adatvezérelt beszerzési stratégiákat dolgozhatnak ki, amelyek forradalmasíthatják a beszerzési folyamataikat. Ebben a cikkben körbejárjuk, hogy mit is jelent az adatvezérelt beszerzési stratégia, amit a valós életből vett példákkal és a legjobban bevált gyakorlatokkal szemléltetünk. Megvizsgáljuk, hogyan tudják kiaknázni a vállalatok az adatvagyonukat a hatékonyabb beszerzési döntések meghozatalához és eredményeik javításához.
Az adatvezérelt beszerzési stratégiák előnyei
1. Jobb döntéshozatal
Az adatvezérelt beszerzési stratégiák lehetővé teszik a beszerzésen dolgozó szakemberek számára, hogy megalapozottabb döntéseket hozzanak a költési szokásokra, a beszállítói teljesítményre és a piaci trendekre vonatkozó adatok elemzésével. Ez lehetővé teszi a szervezetek számára, hogy azonosítsák a fejlesztésre szoruló területeket és olyan adatvezérelt döntéseket hozzanak, amelyek jobb eredményekhez vezetnek.2. Költségmegtakarítás
Az adatvezérelt beszerzési stratégiák költségmegtakarítást eredményeznek. A költési adatok elemzésével a szervezetek azonosíthatják a túlköltekező területeket és költségtakarékossági intézkedéseket hajthatnak végre. Ezenkívül jobb szerződéseket köthetnek a beszállítókkal és azonosíthatják a beszállítók konszolidálásának lehetőségeit, ami további költségmegtakarítást eredményez.3. Jobb beszállítói kapcsolatok
A beszállítók teljesítményének értékelésével és elemzésével a vállalatok azonosíthatják a fejlesztésre szoruló területeket, és a beszállítókkal együttműködve javíthatnak rajtuk. Ez jobb beszállítói kapcsolatokhoz és jobb együttműködéshez vezet, ami kedvezőbb árakat, rövidebb szállítási időt és magasabb minőséget eredményez. A beszerzési szakemberek azonosíthatják a potenciális kockázatokat az ellátási láncban és lépéseket tehetnek azok kezelésére, javítva ezzel a vállalat termelékenységét.4. Növekvő hatékonyság
Az adatvezérelt beszerzési stratégiák az adatok feldolgozásának és elemzésének az automatizálásával növelhetik a munkavállalók hatékonyságát, csökkentve a beszerzési tevékenységek kezeléséhez szükséges időt és erőforrásokat. Az adatok manuális összegyűjtése és feldolgozása helyett a beszerzési szakértők az adatok elemzésével, a bennük rejlő insight-ok feltárásával foglalkozhatnak.5. Jobb megfelelőség (compliance)
Az adatvezérelt beszerzési stratégiák javítják a törvényi követelményeknek és a vállalati szabályozásoknak való megfelelést. A beszerzési adatok nyomon követésével és elemzésével a szervezetek azonosíthatják a szabályozásnak nem megfelelő eseteket és korrekciós intézkedéseket tehetnek, csökkentve a meg nem felelésből eredő kockázatokat.Az adatközpontú beszerzési stratégiák megvalósításának fő lépései:
1. Adatgyűjtés- és tárolás
Az adatvezérelt beszerzési stratégia megvalósításának első lépése az adatok hatékony összegyűjtése és tárolása. Ez magában foglalja a releváns adatforrások, például a szerződés adatok, költési adatok, a szállítói teljesítményadatok és a piaci adatok összegyűjtését és folyamatos frissítését. Szintén része az adatok központi helyen történő gyűjtésére és tárolására szolgáló rendszerek (adattárház) megvalósítása is.2. Adatok feldolgozása, adatminőség biztosítása
Egy jó adatvezérelt beszerzési stratégia alapja a jó minőségű adat. Egy nagy vállalatcsoport nagyon ritkán rendelkezik a vállalaton átívelő egységes beszállítói törzsadattal és még ritkábban alakít ki egységes taxonómiát a beszerzett tételeire. Emiatt az adatok feldolgozása magában kell, hogy foglalja a beszállítói és számlaadatok konszolidációját. A fejlett mesterséges intelligencia alapú adatfeldolgozó eszközök segítségével előállíthatók a költések egységes nézetben való elemzéséhez szükséges, konszolidált beszállítói adatok és a taxonómia mentén csoportosított számlatétel-adatok. Miután előálltak a törzsadataink, nem maradhat el a folyamatos adatminőség-ellenőrzés és az adatirányítási folyamatok bevezetése annak biztosítására, hogy az adatok pontosak, teljesek és következetesek maradjanak.3. Adatok elemzése
Miután az adatokat összegyűjtöttük a következő lépés azok elemzése a trendek és insight-ok feltárása érdekében. Ez magában foglalja a fejlett adatelemző eszközök használatát, amellyel a költési adatokban, a beszállítói teljesítményadatokban lévő rejtett mintázatok beazonosíthatók, lehetővé téve a beszerzési szakemberek számára, hogy adatvezérelt döntéseket hozzanak, amelyek jobb eredményekhez vezetnek. Az adatok elemzésével olyan üzleti kérdésekre kaphatnak választ, mint- mennyit költünk ugyanarra a beszállítóra a vállalatcsoporton belül,
- milyen kategóriákat vásároljuk különböző beszállítóktól,
- mely kategóriák esetében látunk megtakarítási lehetőséget, ha központilag szereznénk be a vállalatcsoport egészére,
- mely kategóriák esetében látunk megtakarítási lehetőséget, ha egy beszállítótól vásárolnánk őket?
4. Technológia kiaknázása
A technológia döntő szerepet játszik az adatvezérelt beszerzési stratégiákban. A beszerzési szakembereknek ki kell használniuk a technológiai képességeket a folyamatok automatizálására, például a beszerzési rendelések létrehozására vagy a beszállítókkal való együttműködés, információ csere hatékonyabbá tételére. Informatikai fejlesztéseiknek ki kell térniük a nagy mennyiségű adatok hatékony kezelésére és elemzésére is.5. Teljesítménymutatók (KPI-k) monitorozása
A beszerzési területeknek teljesítménymutatókat (KPI-ket) kell létrehozniuk a szervezeti célokhoz és célkitűzésekhez kapcsolódóan, amelyekkel mérhető az adatvezérelt beszerzési stratégia sikere.6. Adatvezérelt kultúra kiépítése
Az adatvezérelt beszerzési stratégiák sikerének biztosítása érdekében a szervezeteknek kulturálisan is fejlődniük kell. Fontos, hogy a döntéshozók megértsék az adatok értékét és szerepét a döntéshozatalban. A szakértőknek el kell sajátítaniuk az adatok hatékony elemzéséhez szükséges eszközök használatát. A vállalaton belül ki kell alakítanunk azt az irányítási rendszert, amely biztosítja az adatokhoz való biztonságos hozzáférést, a megfelelő adatminőséget és az adatok jelentéstartalmával kapcsolatos tudásmegosztást.Valós példák adatvezérelt beszerzési stratégiákra
1. Coca-Cola
A Coca-Cola adatvezérelt beszerzési stratégiát alkalmazott a költési adatok elemzésével és a költségmegtakarítási lehetőségek beazonosításával. Konszolidálták a beszállítókat és újratárgyalták a szerződéseket, ami többszáz millió dolláros megtakarítást eredményezett három év alatt.2. Procter & Gamble
A Procter & Gamble adatvezérelt beszerzési stratégiát vezetett be a beszállítói teljesítményadatok elemzésével és a fejlesztendő területek azonosításával. A beszállítókkal együttműködve megoldották a beazonosított problémákat, ami jobb beszállítói kapcsolatokat és az ellátási lánc javulását eredményezte.3. Walmart
A Walmart adatvezérelt beszerzési stratégiát vezetett be a piaci adatok elemzésével és a készletkezelés optimalizálási lehetőségeinek feltárásával. Prediktív elemzést használtak a kereslet előrejelzésére és a készletszintek optimalizálására, ami kevesebb selejtet és a kereslet magasabb minőségű kielégítését eredményezte.Az adatvezérelt beszerzési stratégiák forradalmasíthatják a beszerzési folyamatot és javíthatják a vállalatok teljesítményét. A legjobb gyakorlatok bevezetésével és a technológia kihasználásával a szervezetek hatékonyan gyűjthetik, kezelhetik és elemezhetik az adataikat, hogy megalapozottabb döntéseket hozzanak, csökkentsék a költségeiket, növeljék a hatékonyságot, valamint javítsák a beszállítói kapcsolatokat és a szabályozásnak való megfelelőséget. A fenti valós példák is az adatvezérelt beszerzési stratégiákkal elérhető sikereket támasztják alá.
Szeretné tudni, hogy a Stratis hogyan tudna segíteni a vállalatuknak a beszerzési költségek lefaragásában? Vegye fel velünk a kapcsolatot!
Forrás:
https://www.coca-colahellenic.com/en/about-us/what-we-do/supply-chain
https://marketplace.walmart.com/linnworks-automated-inventory-management/
https://www.scmr.com/article/Insiders-view-of-Proctor-and-Gamble-supply-chain-success
A szerzőről
Gáspár Sándor a Stratis mesterséges intelligenciával foglalkozó területét vezeti 2020 óta és több, mint 20 éve foglalkozik data science-szel. Csapatával nagyvállalatok számára fejleszt gépi tanulásra, prediktív analitikára épülő döntéstámogató megoldásokat ügyfeleink meglévő adatvagyonának kiaknázásával. Ezen kívül mély neurális hálókra épülő NLP és machine vision megoldásokkal segíti ügyfeleink meglévő folyamatainak automatizálását.
