Prescriptive Analytics: Optimale Entscheidungen im Strategischen Einkauf

Stellen Sie sich vor, Ihr Navigationssystem im Auto zeigt Ihnen nicht nur die schnellste Route zum Ziel, sondern empfiehlt Ihnen auch, wann genau Sie losfahren sollten, um dem Stau zu entgehen, und schlägt sogar die günstigste Tankstelle auf dem Weg vor. Genau das leistet Prescriptive Analytics für den strategischen Einkauf – es geht weit über die reine Analyse hinaus und gibt konkrete Handlungsempfehlungen, um die besten Entscheidungen zu treffen. 🎯

In einer Welt, in der Lieferketten immer komplexer und Märkte unberechenbarer werden, ist es für Einkaufsabteilungen entscheidend, nicht nur auf Ereignisse zu reagieren, sondern proaktiv zu handeln.

Daten sind dabei der Schlüssel zum Erfolg. Doch das Sammeln von Daten allein reicht nicht aus.

Hier kommt Prescriptive Analytics ins Spiel, die höchste Stufe der Datenanalyse, die Unternehmen befähigt, ihre Einkaufsstrategien auf ein neues Level zu heben.

Um zu verstehen, was Prescriptive Analytics so besonders macht, lohnt sich ein Blick auf die verschiedenen Stufen der Datenanalyse:

1. Descriptive Analytics (Beschreibende Analyse):
   Sie schaut in den Rückspiegel und beantwortet die Frage: „Was ist passiert?“.
   Ein Beispiel wäre ein Dashboard, das die Ausgaben des letzten Quartals anzeigt.
   
2. Diagnostic Analytics (Diagnostische Analyse):
   Sie geht einen Schritt weiter und fragt: „Warum ist es passiert?“.
   Hier wird versucht, die Ursachen für bestimmte Entwicklungen zu finden, zum Beispiel warum die Kosten bei einem Lieferanten gestiegen sind.
   
3. Predictive Analytics (Vorausschauende Analyse):
   Sie blickt in die Zukunft und versucht zu beantworten: „Was wird passieren?“.
   Sie könnte beispielsweise vorhersagen, dass die Nachfrage nach einem bestimmten Rohstoff in den nächsten Monaten steigen wird.
   
4. Prescriptive Analytics (Vorschlagende Analyse):
   Dies ist die Königsdisziplin. Sie beantwortet die Frage: „Was sollen wir tun?“.
   Aufbauend auf den Vorhersagen gibt sie konkrete, datengestützte Handlungsempfehlungen.
   Sie schlägt also nicht nur vor, dass etwas getan werden muss, sondern auch was die optimale Aktion ist.

Einfach gesagt:

Prescriptive Analytics kombiniert Vergangenheitsdaten und Zukunftsprognosen, um die bestmögliche Entscheidung für eine bestimmte Situation zu empfehlen.

Prescriptive-Analytics-Systeme nutzen fortschrittliche Technologien wie künstliche Intelligenz (KI), maschinelles Lernen und mathematische Optimierungsmodelle.

Stellen Sie sich eine extrem komplexe Rechenaufgabe mit Tausenden von Variablen vor – zum Beispiel alle möglichen Lieferanten, Transportwege, Preisschwankungen, Qualitätsanforderungen und geopolitischen Risiken.

Ein Mensch könnte diese Fülle an Informationen niemals gleichzeitig überblicken und die optimale Lösung finden.

Ein Prescriptive-Analytics-Modell hingegen kann unzählige Szenarien simulieren und bewerten, um die Handlung zu finden, die zum besten Ergebnis führt – sei es die maximale Kosteneinsparung, die minimale Lieferzeit oder das geringste Risiko.

Die theoretischen Grundlagen sind das eine, aber wo genau kann Prescriptive Analytics den Einkauf wirklich revolutionieren?

Hier sind einige praxisnahe Beispiele:

Problem:
Ein Unternehmen benötigt einen neuen Lieferanten für eine kritische Komponente.

Es gibt Dutzende potenzielle Anbieter mit unterschiedlichen Preisen, Lieferzeiten, Qualitätsstandards und Risikoprofilen.

Lösung mit Prescriptive Analytics:
Das System analysiert nicht nur die aktuellen Angebote, sondern simuliert auch die Auswirkungen verschiedener Entscheidungen. Es berücksichtigt Faktoren wie:

• Kosten: Nicht nur der Einkaufspreis, sondern auch Transport-, Lager- und Qualitätskosten.
• Risiko: Politische Instabilität in der Region des Lieferanten, dessen finanzielle Gesundheit oder mögliche Naturkatastrophen.
• Leistung: Historische Daten zur Liefertreue und Qualität.

Handlungsempfehlung:
Das System empfiehlt nicht einfach den billigsten Anbieter, sondern schlägt vielleicht einen etwas teureren Lieferanten vor, der jedoch eine deutlich höhere Zuverlässigkeit bietet und somit das Risiko eines teuren Produktionsausfalls minimiert. Es könnte sogar eine Multi-Sourcing-Strategie mit zwei Lieferanten empfehlen, um das Risiko weiter zu streuen.

Problem:
Ein Einkäufer muss die Konditionen für einen Jahresvertrag über einen Rohstoff neu verhandeln, dessen Preis stark schwankt.

Lösung mit Prescriptive Analytics:
Das System analysiert Marktdaten, historische Preistrends und Zukunftsprognosen.

Handlungsempfehlung:
Anstatt einer pauschalen Empfehlung gibt das System konkrete Anweisungen: „Schließen Sie jetzt einen Vertrag für 60 % des Bedarfs zu einem Festpreis ab. Sichern Sie weitere 20 % über den Spotmarkt, da unsere Prognose einen Preisverfall in drei Monaten nahelegt. Für die restlichen 20 % empfehlen wir den Abschluss von Quartalsverträgen, um flexibel zu bleiben.“

Problem:
Wie viel von jedem Produkt sollte auf Lager gehalten werden, um Lieferengpässe zu vermeiden, aber gleichzeitig die Lagerkosten so gering wie möglich zu halten?

Lösung mit Prescriptive Analytics:
Das System analysiert Verkaufs- und Bedarfsprognosen, Lieferzeiten der Lieferanten und Lagerkosten.

Es kann automatisch Bestellungen auslösen, die nicht nur auf einfachen Meldebeständen basieren.

Handlungsempfehlung:
Das System schlägt nicht nur die optimale Bestellmenge vor, sondern auch den idealen Zeitpunkt für die Bestellung.

Es könnte sogar empfehlen, Waren von einem Lager in ein anderes zu verlagern, um auf regionale Nachfragespitzen zu reagieren, oder die optimale Transportroute vorschlagen.

Die Implementierung von Prescriptive Analytics im Einkauf ist kein kleines Unterfangen, aber die Vorteile sind enorm und machen den Einkauf zu einem strategischen Partner im Unternehmen.

• Kostenreduktion:
  Durch die Optimierung von Lieferantenauswahl, Verhandlungen und Lagerhaltung können erhebliche Einsparungen erzielt werden.
  
  
• Risikominimierung:
  Potenzielle Störungen in der Lieferkette werden frühzeitig erkannt und durch proaktive Maßnahmen entschärft.
  
  
• Effizienzsteigerung:
  Routineentscheidungen können automatisiert werden, wodurch sich strategische Einkäufer auf komplexere Aufgaben konzentrieren können.
  
  
• Bessere Entscheidungen:
  Anstelle von Bauchentscheidungen basieren alle Handlungen auf fundierten, datengestützten Analysen.
  
  
• Wettbewerbsvorteil:
  Unternehmen, die ihre Lieferketten intelligenter und widerstandsfähiger gestalten, sind der Konkurrenz einen entscheidenden Schritt voraus.

Trotz der vielen Vorteile gibt es auch Hürden.

Die Einführung von Prescriptive Analytics erfordert saubere, qualitativ hochwertige Daten, das nötige technische Know-how und vor allem die Bereitschaft im Unternehmen, traditionelle Entscheidungsprozesse zu überdenken und den Empfehlungen der Algorithmen zu vertrauen.

Die Technik ist oft nicht das Hauptproblem – die größte Herausforderung liegt häufig in der Unternehmenskultur.

Prescriptive Analytics ist mehr als nur ein technologisches Schlagwort; es ist ein fundamentaler Wandel in der Art und Weise, wie strategische Entscheidungen im Einkauf getroffen werden.

Es ermöglicht Unternehmen, aus der Fülle an verfügbaren Daten nicht nur Erkenntnisse zu gewinnen, sondern direkt die bestmöglichen Handlungen abzuleiten.

Wer diesen Schritt wagt, verwandelt seinen Einkauf von einer reaktiven, administrativen Abteilung in einen aktiven, strategischen Werttreiber, der maßgeblich zum Unternehmenserfolg beiträgt.

Weiterführende Links

• Was ist Prescriptive Analytics? – Eine Einführung von IBM
• EAG Inc.: Understanding the Four Types of Data Analytics
• Digitalization World: The Role of Prescriptive Analytics in Procurement

Kombiniert man dieses Tool mit einer Sentiment Analyse - sie werden riesen Schritte vorwärts machen.
Mehr dazu in folgendem Blogbeitrag:

Mein Name ist Claus Angerhofer - seit 30 Jahren im Dienste der Industrie als Experte für Technologie und Einkauf