Data-Mining-Verfahren: Anwendung im Beschaffungscontrolling

Zusammenfassung

• Data-Mining-Verfahren können im Beschaffungscontrolling helfen, die Komplexität, Unsicherheit und Volatilität in der Versorgungssituation des Unternehmens mit den benötigten Gütern zu bewältigen.
• Eine klare Aufgabenbeschreibung und ein Grundverständnis der Analysealgorithmen ist Voraussetzung für den erfolgreichen Einsatz von Data-Mining-Verfahren im Beschaffungscontrolling.

• Eine Orientierung an bewährten Prozessmodellen für Data Mining reduziert das Risiko des Scheiterns von datenanalytischen Projekten.

  Der Beitrag bietet anwendungsorientierte Einblicke der Nutzung von Data Mining im Beschaffungscontrolling. Hierfür wird der CRISP-DM-Prozess vorgestellt, der als Leitfaden für datenanalytische Projekte dienen kann. Anschließend werden Analysemethoden verschiedener Aufgabenstellungen im Beschaffungscontrolling erläutert.

1 Herausforderungen in der Beschaffung

In den 1980er bis in die 2000er wurde die Fertigungstiefe in Unternehmen teilweise erheblich reduziert. Dies geschah durch eine Konzentration auf die unternehmenseigenen Kernkompetenzen. Im Gegenzug führte dies dazu, dass Lieferanten nun einen sehr hohen Anteil der Wertschöpfung am Endprodukt erbringen. Beispielsweise beträgt der Wertschöpfungsanteil der Lieferanten in der Automobilindustrie aktuell 70 bis 80 % an einem Pkw.^[1]

Parallel dazu stieg die Bedeutung der Beschaffung, da sie den aus den Zulieferungen resultierenden Kostenblock im Unternehmen verantwortet.^[2] Die Aufgabe der Beschaffung darf aber nicht auf die Einsparung und Vermeidung von Kosten reduziert werden. Denn globalisierte Lieferketten stellen ebenso hohe Anforderungen an das Risikomanagement im Beschaffungsbereich. Und nicht zuletzt sind die Unternehmen auf Innovationen und Beiträge zur Nachhaltigkeit durch die Lieferanten angewiesen.

Zudem sehen sich Unternehmen im Allgemeinen und die Be...