Studie 2016 'Big Data Analytics im  Strategischen Einkauf'

In 3 Schritten zu vollständiger Datentransparenz im direkten & indirekten Einkauf

Eine Klassifizierung der Einkaufsdaten, also der Einkaufsbelege, wie Rechnungen und Bestellungen, ist der zeitaufwändigste Schritt bei der Implementierung eines leistungsfähigen Einkaufscontrolling-Systems.

Beleg-Klassifizierung als Basis für mehr Transparenz

DatCategorizer

Er ist zugleich der wichtigste Schritt bei der Implementierung eines solchen Systems im Hinblick auf die Qualität und Akzeptanz der Ergebnisse durch die Einkäufer als Nutzer eines Einkaufscontrolling-Systems. Gerade im indirekten Einkauf, bei den so genannten "indirekten Kategorien", wie z.B. alle Arten von Dienstleistungen, finden sich oft weder Material- noch Warengruppeninformationen. Für diese Kategorien ist eine (teil-)automatische Klassifizierung in einkäuferische Kategorien bzw. Standards wie eCl@ss oder UNSPSC besonders wichtig.

Ein bedeutender Zweck, sowohl der personellen als auch der teilautomatisierten Beleg-Klassifizierung, ist die Ableitung von Regeln bzw. Mustern, die man ggf. später bei der Einführung einer nachhaltigen Beschaffungscontrolling-Lösung als Initialisierung bzw. als Trainigs-Set für hoch-automatisierte Verfahren verwenden kann.


Die Datenklassifizierung erfolgt dabei in drei Schritten

Schritt 1: Grobe Klassifizierung des Einkaufsvolumens

Die Grobklassifizierung hat die Aufgabe, mit Hilfe von groben Lieferanten-, Sachkonten-, Material- und Materialgruppenregeln das gesamte Einkaufsvolumen den Ebenen 1 oder 2 eines (Standard-) Klassifizierungsschemas wie z.B. eCl@ss oder UN/SPSC zuzuordnen. Um genauer zu sein: die Rechnungs- und Bestellpositionen sind den Grobkategorien zuzuordnen. Nur dort, wo es ohne signifikante Mehrarbeit möglich ist, detailliertere Aussagen zu treffen, verwendet man die Ebene drei oder noch feingranularere Level. Die unten stehende Abbildung verdeutlicht das Prinzip.

Zuordnung von Einkaufsbelegen zu Einkaufskategorien auf Level 1 und 2

Das der Grobkategorisierung zugrunde liegende Datenvolumen kann sehr hoch werden. Um besser handhabbare Datenpakete zu erstellen, kann man z.B. Pakete nach einzelnen Anfangsbuchstaben von Lieferanten bilden, so dass ein Kategorisierungs-Bearbeiter alle Rechnungen und Bestellungen eines Lieferanten bearbeiten darf.

PRAKTISCHES BEISPIEL

Zur Unterstützung des Kategorisierungsprozesses kommen Softwaretools zum Einsatz, die das Filtern und Sortieren von Datensätzen vereinfachen. Die unten stehende Abbildung zeigt beispielhaft das Content Management Werkzeug von Orpheus "Data Categorizer".

  • Die realen Gesellschaftsnamen sollen hier anonym bleiben. Diese Tabellenspalte repräsentiert im Beschaffungscontrolling-System die erste Dimension der Gesellschaften bzw. Standorte.

  • In den folgenden Spalten des Tools folgt die nächste Dimension der Lieferanten (z.B. Lieferantenname).

  • Die dritte und letzte Dimension ist die Beschaffungsgruppe. Diese Spalte wird durch den Klassifizierungs-Mitarbeiter aufgrund von Informationen befüllt, die wir weiter rechts im Bildschirm sehen:

    • Bestelltext (ORDER_POS) und
    • Rechnungstext (INVOICE_POS)
    .

    Bei modernen Klassifizierungswerkzeugen wie in unserem Beispiel werden die Kategorisierungen mit regelbasierten Verfahren oder Methoden der Künstlichen Intelligenz vorbelegt, um dem Bearbeiter die Entscheidung zu erleichtern.

    Weitere hilfreiche Kriterien sind durch die Sachkonto-Einordnung und den Rechnungsbetrag gegeben, die im vorliegenden Screenshot aus Platzgründen nicht angezeigt werden können.

Oberfläche des Orpheus Klassifizierungs-Tools mit Beispieldaten

Der Benutzer kann durch einen Blick in das Tool die Herausforderung erahnen, die man bei solchen Kategorisierungsprojekten zu bewältigen hat. Obwohl es sich nur um einen Auszug aller Lieferanten handelt, ist das Gesamtvolumen in diesem Beispiel über 260 Mio. Euro groß, und es liegen insgesamt über 100.000 Datensätze vor.

In den Zeilen sind zudem viele Datensätze ohne Bestelltext vorhanden. Dies sind Beispiele für Rechnungen ohne Bestellbezug. Die Einordnung der Rechnungszeile muss dann aufgrund des Rechnungstextes, der Rechnungssumme und dem Lieferanten getroffen werden. Die Software zeigt bei der Filterung nach einem bestimmten Lieferanten dem Bearbeiter, welche Kategorien dieser Lieferant bislang beliefert hat. Dadurch kann in vielen Fällen die Anzahl der in Frage kommenden Kategorien reduziert werden.

Mit einer Zuordnung von ca. 10% der Einkaufsdaten kann meist ein Kategorisierungs-Level von 80% erreicht werden.

Das Programm sortiert die Rechnungspositionen der Größe nach. Erfahrungsgemäß schafft man durch eine Zuordnung von ca. 10 % der Datensätze eine Kategorisierung von ungefähr 80 % des relevanten Einkaufsvolumens. Hierbei muss der Benutzer des Programms nicht alle Einträge einzeln zuordnen, sondern er kann durch die Verwendung von Regeln eine bestimmte Kategorie auf viele Datensätze anwenden, die einem Muster entsprechen. Das Programm unterstützt den Benutzer dabei.

Hinweis: Es ist zu beachten, dass nicht alle Kriterienkombinationen sinnvoll sind.

  • Der Anwender kann erzwingen, dass alle Datensätze mit einem Materialstamm, einer Warengruppe, einem Sachkonto oder einem Lieferanten einer bestimmten Kategorie zugeordnet werden.

  • Es lässt sich u.a. festlegen, dass alle Kombinationen aus verschiedenen Attributen zugeordnet werden. Die einmal getroffenen Entscheidungen lassen sich als Regel speichern und später bei einer automatisierten Klassifizierung wieder verwenden.

  • Zu guter Letzt bleibt dem Bearbeiter noch die Möglichkeit, den Datenbestand durch "Schlagwortregeln" zu durchsuchen und zu klassifizieren.

Bearbeitungspakete, wie sie in unserem Beispiel dargestellt sind, werden im Rahmen der Grobklassifizierung an unterschiedliche Experten verteilt und nach der Bearbeitung wieder in die Datenbank des Einkaufscontrolling-Systems zurückgespielt.


Schritt 2: Feine Klassifizierung ausgewählter Kategorien

Die Zuordnungstiefe einer eCl@ss- oder UN/SPSC-Ebene 2 ist nicht ausreichend für eine gezielte Bearbeitung bestimmter Beschaffungskategorien bzw. Warengruppen mit Blick z.B. auf die Verhandlung neuer Rahmenverträge. Hierfür sind feinere Spezifikationen hilfreich, damit die Strategischen Einkäufer auf dieser Grundlage die Ausschreibungsunterlagen mit den exakten Produktbeschreibungen, genauen Mengenangaben und Preis-Benchmarks erstellen können.

Die Grundlage der Feinklassifizierung sind die Ergebnisse aus der Grobklassifizierung. Die Qualität aus diesem Schritt determiniert wesentlich die Akzeptanz der Auswertungen am Ende des Prozesses.

Die Vorgehensweise zur Verfeinerung der Klassifizierungen skizziert die unten stehende Abbildung. Dort sind beispielhaft Warengruppen hervorgehoben, die das Ziel von Einkaufsinitiativen sind:

  • Handwerkerleistungen,
  • Baustoffe & Dämmungen,
  • Logistik,
  • Kraft & Brennstoffe
  • sowie Entsorgung & Industriereinigung.

Feinklassifizierung ausgewählter Kategorien

Mittlerweile kommen auch für die Feinklassifizierung teilautomatisierte Verfahren zum Einsatz, die auf Basis der Grobkategorie eine feinere Zuordnung versuchen. Die entsprechenden Verfahren sind regel- und textbasierte Algorithmen (Text-Mining) aus der Künstlichen Intelligenz (KI).

Hinweis: Zu beachten ist allerdings, dass die derzeit existierenden Wissens- und Regelbasen teilweise sehr branchenspezifisch sind, vor allem dann, wenn es sich um direktes Material handelt. Somit können die Vorschläge zwar verwendet werden, sie benötigen jedoch in einem Spend-Management-Projekt eine weitergehende Plausibilisierung. In jedem Fall sollte man wiederum die lokalen Einkäufer einbeziehen, um das relevante „Expertenwissen“ zu erheben. Hierbei können die existierenden Vorschläge der Wissensbasen durchaus als Diskussionsgrundlage dienen.

Einspareffekte von ca. 8-20 % erzielbar

Es empfiehlt sich, je Kategorie bei den Einkaufsexperten die relevanten Lieferanten sowie die wichtigsten Produkte und Dienstleistungen zu erheben. Nach diesen sucht man dann im Einkaufsdatenkubus und löst spezifische Datenpakete heraus. Die Kategorie-Spezialisten versuchen anschließend, aufgrund der verfügbaren Informationen (Bestell- und Rechnungstext, Warengruppen, Sachkonto-Einordnung etc.) wiederkehrende Muster herauszulesen und die Daten detailliert zu klassifizieren.

Üblich sind dabei mehrere Validierungsrunden, in denen man Kategorie-Experten aus dem Einkauf mit den Ergebnissen der Klassifizierungen konfrontiert, um somit die Qualität bzw. Klassifizierungsgüte sukzessive zu steigern. Weil die Qualitätsanforderungen an die Detailklassifizierung wesentlich höher sind als für die Grobklassifizierung, ist der durchschnittliche Volumendurchsatz (kategorisiertes Einkaufsvolumen in Euro pro Stunde) geringer. Eine sorgfältige Bearbeitung lohnt sich für größere Kategorien dennoch, weil für neu verhandelte Rahmenvertragskategorien Einspareffekte von ca. 8-20 % erzielbar sind.

Die Kategorieexperten der Feinklassifizierung haben die Aufgabe, in ihren Interviews und Validierungsrunden mit den Einkäufern Regeln für die nachhaltige Sicherung des Wissens zu sammeln und zu formalisieren.

Ziel ist es, eine unternehmensspezifische Wissensbasis für die Kategorien aufzubauen und regelmäßig zu erweitern. Mit Hilfe dieser Vorgehensweise kann man die spezifischen Fachbegriffe und Terminologien in mehrere Sprachen übersetzen, damit das einmal gewonnene Wissen auf andere Ländergesellschaften bzw. Kulturkreise im Konzern übertragen werden kann.

Die Workshops und Interviews mit den Einkaufsexperten des Konzerns sind entscheidend dafür, um später zum Einsatz kommende automatisierte Klassifizierungswerkzeuge möglichst ideal zu initialisieren. Für diese ist eine einwandfreie Ausgangsdatenqualität Voraussetzung. Nur dann ist im weiteren Verlauf der zunehmenden Automatisierung eine hohe Akzeptanz gewährleistet.


Schritt 3: Plausibilisierung der Klassifizierungen und Automation

Nach der Verdichtung der Rohdaten fließen die bereinigten Daten an die verschiedenen Gesellschaften zur Prüfung zurück, damit weitere Verbesserungen an der Datenqualität erzielt werden können. Es ist entscheidend für die Akzeptanz des gesamten Beschaffungscontrolling-Systems, dass die Ergebnisse vor der Veröffentlichung durch die verantwortlichen Einkäufer geprüft und ggf. nachgebessert werden. Die Einkaufs-Analysen und Reports geben Einblick in die Leistungsfähigkeit der Einkaufsorganisationen; deshalb sollten jeweils die Einkaufsleiter einbezogen werden. Für die Prüfung der Ergebnisse extrahiert ein Datenspezialist Auswertungen aus der dem Beschaffungscontrolling zugrunde liegenden Einkaufs-Datenbank je Gesellschaft und verteilt diese an die Ansprechpartner. Es ist darauf zu achten, dass die Daten in einer lesbaren Form, d. h. in einem angemessenen Detaillierungsgrad, und in einem Standard-Werkzeug zur Verfügung gestellt werden. Am besten geeignet erscheinen hierfür MICROSOFT-EXCEL-Datenblätter, die Listen mit sog. Drop-Down-Menüs enthalten.

Beispiele für Prüfprozeduren bzw. Validierungen sind die folgenden Auswertungen:
  1. Gesamtes jährliches Rechnungs- und Bestellvolumen: Der Einkäufer sollte prüfen, ob das ermittelte Gesamtvolumen über alle Rechnungen bzw. Bestellungen der Konzerngesellschaft den Erwartungen bzw. Erfahrungen entspricht.

  2. Jahresumsätze der 50 größten Lieferanten: Die Einkäufer aus den Gesellschaften kennen in der Regel ihre wichtigsten Lieferanten. Bei der Liste der Top 50 Lieferanten ist zu klären, ob sich diese an der jeweils vermuteten Position befinden und ob die Volumina plausibel sind.

  3. Stichproben aus den feinklassifizierten Daten: Mit einem Extrakt von ca. 80 % des Rechnungsvolumens gelingt es, die Anzahl der Datensätze erheblich zu reduzieren. Die Einkäufer prüfen, ob die vorgenommenen Klassifizierungen korrekt sind; ggf. nehmen sie Umklassifizierungen vor.

  4. Regelerfassung für die wichtigsten Datenmuster: Ein Teil der Prüfungen sollte in Form eines Workshops mit einem Datenspezialisten durchgeführt werden, um die wichtigsten Regeln je Gesellschaft und Kategorie zu erfassen. Dies ermöglicht, Einkäuferwissen für spätere Datenbereinigungen in die Klassifizierungs-Datenbanken zu übernehmen.

Die Abbildung unten zeigt abschließend ein Beispiel für eine solche Datei auf Excel-Basis. Dort enthalten sind die Lieferanten, der Bestell- bzw. Rechnungstext und eine vorgeschlagene Kategorisierung. Darüber hinaus wird der kumulierte Rechnungsbetrag angezeigt.

Validierungsdatei auf Excel-Basis

Die korrigierten Excel-Dateien oder Datenauszüge geben die Einkäufer am Ende der Bearbeitungsfrist wieder an das Transparenz-Team zurück. Dieses integriert die Daten in die Beschaffungscontrolling-Datenbank und überträgt somit die vorgenommenen Änderungen bis in die Belegebene hinein. Die erfassten Regeln gelangen in die Wissensbasis, die daraufhin für spätere regelmäßig durchgeführte Bereinigungen zur Verfügung stehen.

Hoher Automationsgrad nach den „Anlernschritten“ 1 bis 3

Sobald die Schritte 1 bis 3 initial für das Trainingsset durchlaufen wurden, so sind die Textmining-Algorithmen und Klassifizierungsregeln „angelernt“. Üblicherweise werden in den drei Schritten der Anlernphase ca. 50% bis 70% der Belege kategorisiert. Der Rest erfolgt vollautomatisch. Das Gleiche gilt für die nun monatlich neu hinzukommenden Einkaufsbelege (Rechnungen, Bestellungen). Auch sie werden vollautomatisch klassifiziert.

Geschäftsführer - Orpheus GmbH
Dr. Jörg Dittrich
Geschäftsführer Orpheus GmbH
 
"Der indirekte Einkauf hat ganz besondere Anforderungen an das Beschaffungscontrolling bzw. Einkaufsreporting."

Blog durchusuchen

Orpheus Blog

In diesem Blog finden Sie Expertenwissen rund um Maßnahmen-Management und Projektleitung im Strategischen Einkauf. InitiativeTracker ist eine Software zum Planen und Überwachen Ihrer Sourcing-Initiativen, Steuern Ihrer Einkaufsorganisation und Messen Ihrer Einkaufsperformance.

Events

08. - 10. November 2017

52. BME-Symposium Einkauf und Logistik

InterContinental Berlin, Budapester Straße 2, 107874 Berlin, Germany

52. BME-Symposium Einkauf und Logistik

Sprechen Sie uns an.

Gerne beantworten wir Ihre Fragen und stellen Ihnen unsere Lösungen in einer kurzen Online-Präsentation vor. Nennen Sie uns zwei Wunschtermine und teilen Sie uns mit, wie Sie kontaktiert werden möchten. Wir setzen uns mit Ihnen in Verbindung.