Skip to main content
main-content
Top

About this book

Big Data und Data Science sind Trends, die sowohl in der Wissenschaft als auch in Unternehmen auf großes Interesse stoßen. Dieses essential zeigt einen konzeptionellen Rahmen auf, um die Grundlagen von Big Data und Data Science besser zu verstehen. Einkaufsentscheider und Einkaufsorganisationen können dann aufbauend auf der Beschaffungsdigitalisierung sowie weiteren Datenquellen ein Big Data Warehouse konzipieren, welches die Voraussetzung schafft, um wichtige Beschaffungsprobleme zu lösen. Analytische Methoden werden genauso beleuchtet, wie neue Fähigkeiten in bereichsübergreifenden Teams. Abschließend werden 30 konkrete Anwendungsfälle von Big Data für die strategische Beschaffung vorgestellt.

Table of Contents

Frontmatter

Chapter 1. Einleitung

Zusammenfassung
In der schnelllebigen Zeit mit gestiegener Komplexität und großen Unsicherheiten sowie hoher Volatilität in Kunden- und Lieferantenmärkten ist eine gute Beschaffungsstrategie wichtiger denn je. Dabei ist die Bedeutung der Beschaffung schon heute für viele Unternehmen sehr hoch – nicht nur aufgrund des hohen finanziellen Hebels, sondern auch, weil der Einkauf über den Lieferantenmarkt eine wichtige Schnittstelle über die Unternehmensgrenzen hinaus koordiniert und damit Trends und Innovationen schnell erkannt werden können. Zudem sorgt ein professioneller Einkauf auch dafür, dass Lieferantenrisiken frühzeitig abgefedert werden, oder besser gar nicht erst auftreten.
Stefan Zeisel

Chapter 2. Die Bedeutung von Big Data in der Beschaffung

Zusammenfassung
Big Data ist ein Modewort und Hype mit mehr als hundert Millionen von Suchanfragen pro Jahr bei Google (Geraint 2016). Basierend auf der Prognose, dass sich die globale Datenmenge ca. alle zwei Jahre verdoppelt, entstehen neue ungeahnte Möglichkeiten. Einige Schätzungen gehen sogar davon aus, dass 90 % aller erzeugten Daten in den letzten zwei Jahren entstanden sind.
Stefan Zeisel

Chapter 3. Beschaffungsdigitalisierung und weitere Quellen als Datengrundlage

Zusammenfassung
Mit der Beschaffungsdigitalisierung können verschiedene Einkaufsziele unterstützt werden. Primär erreicht man durch Beschaffungsdigitalisierung schnellere, stabilere und standardisierte Prozesse und damit in Summe mehr Effizienz sowie eine geringere Fehlerhäufigkeit. Schon heute sind Einkaufsorganisationen u. a. durch die Digitalisierung deutlich effizienter geworden.
Stefan Zeisel

Chapter 4. Überblick über Data Science für die Beschaffung

Zusammenfassung
Digitale Beschaffungsdaten und die weitere Verknüpfung von verschiedenen Informationen sind die Voraussetzung für Big-Data-Anwendungen. Um komplexe Fragestellungen zu beantworten, muss das Big Data Warehouse mit geeigneten Werkzeugen analysiert werden. In diesem Zusammenhang spricht man von Data-Science-Methoden, die auf bereits bekannten Verfahren des Operations Research bzw. der angewandten Wirtschaftsmathematik, der Statistik und der Informatik (Data Mining) beruhen. Data Science wird alternativ auch als Business Analytik, Big Data Analytic oder Wissensmanagement bezeichnet.
Stefan Zeisel

Chapter 5. Einfluss von Big Data auf die Beschaffungsteams

Zusammenfassung
Eine erfolgreiche Umsetzung von Big Data in der Beschaffung impliziert, dass man neben geeigneten IT-Werkzeugen auch über ein geschultes Team verfügen muss. Zudem bedarf es für den Einsatz von Big Data und Data Science auch einer Kulturveränderung: weg von emotionalen Bauchentscheidungen und hin zu einer permanent hinterfragenden, datengetriebenen Unternehmenskultur. Eine solche Big-Data-Kultur benötigt eine hohe Kommunikations- und Informationskompetenz innerhalb der Organisation sowie eine fachliche und mentale Veränderungskompetenz der Mitarbeiter (Hertweck und Kinitzki 2015, S. 17).
Stefan Zeisel

Chapter 6. Anwendungsbeispiele von Big Data in der Beschaffung

Zusammenfassung
Das Big Data Warehouse für die Beschaffung, die Data-Science-Methoden und die passenden Kompetenzen im Beschaffungsteam bilden die Grundlage für die Anwendung von Big Data auf konkrete Fragestellungen. Für die Anwendungsfälle ist es dabei wichtig, die richtigen Daten, die passenden Data-Science-Methoden und notwendigen Fähigkeiten spezifisch zu kombinieren, um die jeweiligen Fragestellungen zu adressieren. Die Analysen helfen dann wiederum, um die zugrunde liegenden Beschaffungsziele, d. h. Einsparungen, Qualität, Versorgungssicherheit, Effizienz, Innovation, Corporate Social Responsibility (CSR) und Kundenzufriedenheit & Beratung zu verbessern.
Stefan Zeisel

Chapter 7. Ausblick

Zusammenfassung
„Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen.“ Bezieht man dieses geflügelte Wort, das diversen Persönlichkeiten zugeschrieben wird – mal Mark Twain, mal Winston Churchill und mal Kurt Tucholsky oder Niels Bohr – auf Big Data in der strategischen Beschaffung, darf man sicher die Prognose wagen, dass dieses Thema zunehmend an Relevanz gewinnen wird. Die Frage ist nur wie schnell? Big Data und Data Science befinden sich in der Beschaffung noch in den Anfängen. Umso mehr gibt es Chancen, bei einem frühzeitigen Einsatz, Wettbewerbsvorteile für das eigene Unternehmen zu generieren und die Beschaffungsfunktion innerhalb des Unternehmens prominenter zu vertreten.
Stefan Zeisel

Backmatter

Additional information