Fragebogen 2017

Wie bereits im Text dieser Studie erwähnt, konnten manche Effekte bei der Auswertung des bisherigen Fragebogens nicht eindeutig erklärt werden. So haben sich neue, zusätzliche Fragestellungen ergeben, die im Fragebogen für die nächste Version der Studie entsprechend hervorgehoben wurden. Unterhalt der Tabelle finden Sie auch einige Begriffe erklärt.

  sehr wichtig wichtig wichtig, aber
nicht für 2017
unwichtig schon erreicht
Transparenz Ο Ο Ο Ο Ο
Mehr Transparenz schaffen Ο Ο Ο Ο Ο
Probleme früh erkennen Ο Ο Ο Ο Ο
Datenqualität verbessern Ο Ο Ο Ο Ο
NEUSemi-automatisiertes DataCleansing * Ο Ο Ο Ο Ο
Reporting Ο Ο Ο Ο Ο
Reporting automatisieren Ο Ο Ο Ο Ο
Reporting Manager-gerecht darstellen Ο Ο Ο Ο Ο
Benchmarking Ο Ο Ο Ο Ο
(Predictive) Analytics Ο Ο Ο Ο Ο
Kostentreiber erkennen Ο Ο Ο Ο Ο
Einsparungen genauer messen Ο Ο Ο Ο Ο
Bestehende Kennzahlen verbessern Ο Ο Ο Ο Ο
Lieferanten bewerten Ο Ο Ο Ο Ο
Entscheidungs-Szenarien simulieren Ο Ο Ο Ο Ο
Wertbeitrag des Einkaufs Ο Ο Ο Ο Ο
Gesamtkosten betrachten (TCO) Ο Ο Ο Ο Ο
Wertbeitrag des Einkaufs darstellen Ο Ο Ο Ο Ο
NEUDie Einkaufsleistung verbessern Ο Ο Ο Ο Ο
NEUDas Einkaufsergebnis verbessern Ο Ο Ο Ο Ο
Effizienz genauer messen Ο Ο Ο Ο Ο
Working Capital optimieren Ο Ο Ο Ο Ο
Strategie Ο Ο Ο Ο Ο
Klare Einkaufsstrategien festlegen Ο Ο Ο Ο Ο
Genauere Zielpl. f. Warengr./Maßnahmen Ο Ο Ο Ο Ο
Low Cost Country Sourcing unterstützen Ο Ο Ο Ο Ο
Prozesse Ο Ο Ο Ο Ο
Risiken überwachen Ο Ο Ο Ο Ο
Fachwissen & Kompetenzen aufbauen Ο Ο Ο Ο Ο
Compliance sicherstellen Ο Ο Ο Ο Ο
NEUProcess Mining , um Schwachstellen in Prozessen aufzudecken Ο Ο Ο Ο Ο
Maßnahmen Ο Ο Ο Ο Ο
Mit Lieferanten kooperieren Ο Ο Ο Ο Ο
Maßnahmen aus Controlling-Ausw. ableiten Ο Ο Ο Ο Ο
Lieferantenportfolio optimieren Ο Ο Ο Ο Ο
Interne Prozesskosten verringern Ο Ο Ο Ο Ο
Make or Buy-Entscheidungen unterstützen Ο Ο Ο Ο Ο
Organisations-(Re)Design auf Basis von KZ. Ο Ο Ο Ο Ο
Spezifikationen optimieren Ο Ο Ο Ο Ο
Trends zur Digitalisierung Ο Ο Ο Ο Ο
NEUAnwendung methodengetriebener
Einkaufsdaten-Analyse **
Ο Ο Ο Ο Ο
NEUEinsatz von künstlicher Intelligenz zur Potenzialerkennung Ο Ο Ο Ο Ο
NEUIntegrierte Planung, Steuerung & Messung von Einkaufserfolgen Ο Ο Ο Ο Ο
NEUÄhnliche oder gleiche Teile konzernweit gruppieren/clustern Ο Ο Ο Ο Ο
NEUDatenfehler und Ausreißer automatisiert erkennen Ο Ο Ο Ο Ο
NEUSimulation zur verbesserten Prognose (Predictive Analytics) *** Ο Ο Ο Ο Ο
  • * Unter semi-automatisiertem DataCleansing versteht man Ausreißererkennung und automatisierte Vorschläge für die Behebung von Datenfehlern.
  • ** Hinterlegte Algorithmen und im Einkauf bewährte Methoden ermöglichen es auf einfache Weise "Verursacher" aufzuspüren und Zusammenhänge zu erkennen.
  • *** Typische Anwendungsfälle sind hier beispielsweise die Voraussage von Wechselkurs- oder Rohstoffpreisentwicklungen.

Laden Sie sich die Studie 2016 "Big Data Analytics im strategischen Einkauf" im kompakten PDF Format herunter.

Format: PDF,
Seitenanzahl: 64,
Dateigröße: ca. 1,6 MB

Inhaltsverzeichnis

Sie finden über dieses Inhaltsverzeichnis alle Inhalte der Orpheus Studie 2016 "Big Data Analytics im strategischen Einkauf"

8 Themen zum Nachdenken!

Studie 2016: Big Data Analytics im strategischen Einkauf.

Sie haben Fragen oder Anregungen zur Orpheus Studie "Big Data Analytics im strategischen Einkauf"? Gerne diskutieren wir mit Ihnen die Ergebnisse der Studie und die Schlußfolgerungen und Ziele, die sich aus den gewonnenen Erkenntnissen ergeben.