Datenanalyse: An der Schnittstelle zwischen Einkauf und IT

Den Grundstein seiner Arbeit legt der Datenanalyst, indem er eine hohe Qualität der Einkaufsdaten sicherstellt. Aufbauend darauf unterstützt er die Einkaufsabteilung in allen drei Kernprozessen des Einkaufs. Welche Fähigkeiten einen Datenanalysten auszeichnen sollten und welchen Mehrwert seine Arbeit im operativen und strategischen Einkauf sowie im Lieferantenmanagement für die Einkaufsabteilung mit sich bringt, damit haben wir uns in diesem Artikel auseinandergesetzt.

Naturgemäß fallen im Einkauf große Mengen an Daten an: Einkaufsvolumendaten aus ERP-Systemen wie SAP, Spezifikations- und Lieferantendaten sowie Angebote von Lieferanten – das ist nur der Beginn einer langen Liste. Mit dem richtigen Know-how können alle diese Informationen sinnvoll zur Unterstützung der verschiedenen Aufgaben im digitalisierten Einkauf 4.0 genutzt werden und zu signifikanten Einsparungen führen. Die Voraussetzung hierfür ist, dass die Daten zuverlässig sind und so detailliert wie möglich ausgewertet werden. 

In der Praxis ist jedoch die Datenqualität häufig mangelhaft. Das hat sehr unterschiedliche Gründe. Allein unvollständige und damit intransparente Bestelldaten haben unterschiedlichste Ursachen (z.B. eilige Bestellungen per Telefon, die nicht automatisch vom System erfasst werden). Die Herausforderung, eine transparente Datengrundlage zu schaffen, ist also zweigeteilt. Zum einen müssen auch aus mäßigen Daten die bestmöglichen Informationen herausgeholt werden. Zum anderen erfordern die zukünftige Datenqualität und -quantität eine Optimierung, so dass der Aufwand für die Aufarbeitung mittelfristig stark minimiert wird.

Die Arbeit mit Daten im Allgemeinen (und insbesondere mit unstimmigen Daten) erfordert allerdings IT-Kenntnisse, die viele Einkäufer nicht haben. Angefangen bei einem sicheren Umgang mit Excel reichen die Anforderungen bis hin zu Kenntnissen aufwendiger Datenbankmanagementsysteme. Außerdem fehlt es Einkäufern in der Regel ungeachtet ihrer IT-Kenntnisse an Kapazität, sich neben dem Tagesgeschäft intensiver Datenpflege zu widmen. Auf der anderen Seite haben die Mitarbeiter der IT-Abteilung normalerweise nicht das notwendige Einkaufswissen, um die Daten optimal für die Anforderungen im Einkauf aufzubereiten und daraus Empfehlungen für strategische Einkaufsentscheidungen abzuleiten. Infolgedessen werden Daten nur eingeschränkt genutzt und potentielle Einsparungen liegen brach im Unternehmen.

Mithilfe der smarten Einkaufsorganisation wird dieses Dilemma durch den Aufbau eines Teams von Datenanalysten überwunden. Aufgabe des Datenanalysten ist es, im ersten Schritt Transparenz und Qualität für die bestehenden Daten herzustellen und diese im zweiten Schritt für die Zukunft zu erhalten. Aufbauend darauf nutzt er alle verfügbaren Informationen,  etwa um Kennzahlen abzuleiten, die sich als wertvoll für Unterstützung und Steuerung des operativen und strategischen Einkaufs erweisen. Die Arbeit mit Einkaufsdaten erfordert sowohl Einkaufswissen als auch informationstechnisches Know-how. Dies macht den Datenanalyst zu einem wertvollen Bindeglied zwischen Einkauf und IT-Abteilung, da er die Sprache beider Seiten versteht und deren Zusammenarbeit damit enorm verbessern kann. Durch die umfassende Routine im Umgang mit Daten führt er Analysen effizienter durch als die meisten Einkäufer, die nun ihren Fokus auf die strategischen Kernaufgaben des Einkaufs legen können.

Aufgaben des Datenanalysten in den drei Kernprozessen des Einkaufs

Um Daten analysieren zu können, ist die Transparenz der Daten oberstes Gebot. Diese erreicht man über eine hohe Datenqualität, deren zwei wichtigste Merkmale Vollständigkeit und Konsistenz sind. Indem er im Bestellprozess sicherstellt, dass Daten vollständig und konsistent gespeichert werden, legt der Datenanalyst den Grundstein für seine erfolgreiche weitere Arbeit. Ziel ist es, dass Informationen, die für Entscheidungen im Einkauf hilfreich sein können, jederzeit verfügbar sind. Mithilfe dieser Informationen sollten sich die sieben W des strategischen Einkaufs („Wer kauft Was von Wem zu Welchem Preis in Welcher Menge über Welchen Prozess Wann ein?“) präzise beantworten lassen. Zum Beispiel sollten sich Einkaufsvolumina nach Möglichkeit eindeutig und überschneidungsfrei auf verschiedenen Ebenen gliedern (z.B. Artikel, Lieferanten, Warengruppen). Um die dauerhafte Verfügbarkeit hochwertiger Daten zu gewährleisten, unterstützen Datenanalysten die Einkäufer sowohl auf der operativen als auch auf der strategischen Ebene und im Lieferantenmanagement, also in allen drei Kernprozessen des Einkaufs.

1) Kernprozess operativer Einkauf

Auf der operativen Ebene beginnt die Arbeit der Datenanalysten bereits vor der ersten Bestellung. Beispielsweise müssen zur exakten Beantwortung der Frage „Was wird gekauft?“ Spezifikationen sauber erfasst und gespeichert, aufgenommen bzw. festgelegt werden. Diese werden in vielen Unternehmen von Einkäufern mit entsprechender Expertise oder vom Fachbereich entwickelt, das Speichern der Spezifikationsdaten obliegt hingegen häufig der IT-Abteilung oder der Qualitätssicherung. An der Schnittstelle zu den beteiligten Fachbereichen ist es die Aufgabe des Datenanalysten, fehlende Angaben oder Inkonsistenzen zu identifizieren und in Absprache mit beiden Seiten deren Behebung in die Wege zu leiten. Generell gilt: Der Datenanalyst hat die Verantwortung für Konsistenz und Vollständigkeit der Stammdaten des Unternehmens. Durch seine Arbeit mit den Daten stellt er schnell fest, wenn einer der beiden Aspekte nicht gegeben ist und kann Maßnahmen einleiten.

Im Sinne der Konsistenz kommt es im Einkauf vor allem auf klar definierte Arbeitsabläufe an. Zum Beispiel sollte der Bestellweg je Lieferant eindeutig festgehalten sein, damit die entsprechenden Bestelldaten einheitlich sind und zwar unabhängig davon, welcher Einkäufer die Bestellung ausführt. Idealerweise läuft die Bestellung elektronisch ab, um die Menge der Daten, die manuell eingepflegt werden müssen, gering zu halten. Auf diese Weise werden Fehlbuchungen auf ein Minimum reduziert und Ressourcen im operativen Einkauf geschont. Die Definition des optimalen Bestellweges ist Aufgabe der Datenanalysten, die einschätzen können, welche Bestellwege aus Sicht des Einkaufs in Frage kommen und sich technisch effizient implementieren lassen. Wie für die Arbeitsabläufe des operativen Einkaufs sind auch für die Arbeitsstrukturen exakte Definitionen wichtig. Ein Beispiel hierfür ist ein überschneidungsfreier Warengruppenbaum, dessen Aufbau und Pflege ebenfalls in die Zuständigkeit der Datenanalysten fallen. Für transparente Auswertungen nach (Unter-) Warengruppen bedarf es für alle Artikel einer eindeutigen Zuordnung auf jeder Ebene des Warengruppenbaums. 

2) Kernprozess strategischer Einkauf

Sind Transparenz und Konsistenz der im operativen Prozess gespeicherten Daten als wichtige Grundlage sichergestellt, ist es eine Hauptaufgabe des Datenanalysten, in den Daten wiederkehrende  Muster zu erkennen und aus diesen grobe Strategien abzuleiten. Im zweiten Kernprozess, dem strategischen Einkauf, geht es also primär darum, sich alle zur Verfügung stehenden Informationen zunutze zu machen und dadurch Einkaufsvorteile zu erzielen. Zum Beispiel geht aus den Gesamtdaten des Unternehmens für den Datenanalysten hervor, für welche Artikel an mehreren Standorten Bedarf besteht. Sofern an einigen Standorten noch unabhängig von anderen Einkäufern eingekauft wird, können die entsprechenden Einkäufer einschlägige Information der Analysten nutzen, um die standortübergreifende Bündelung zu optimieren und den Mengenvorteil zu verstärken. Auch kann es  Aufgabe des Einkäufers sein, ähnliche Spezifikationen verschiedener Artikel zu identifizieren, die gegebenenfalls vereinheitlicht werden können, um Bündelungseffekte zu erzielen.

Eine weitere Hauptaufgabe des Datenanalysten im strategischen Einkaufsprozess sind Auswahl und Ermittlung von Kennzahlen, die  sich zur strategischen Steuerung des Einkaufs eignen. Bei der Erhebung von Kennzahlen ist ein hoher Automatisierungsgrad erstrebenswert. Bewährte Kennzahlen sollten regelmäßig mit minimalem Mehraufwand aus den Stammdaten berechnet werden können. Regelmäßig aktualisierte Kennzahlen dienen dem Einkauf als Frühindikatoren für unerwünschte Entwicklungen, denen so rechtzeitig entgegengewirkt werden kann. Welche Kennzahlen sich am besten zur Steuerung des Einkaufs eignen, hängt maßgeblich von der verfolgten Strategie ab. Außerdem stehen jedem Unternehmen unterschiedliche Daten zur Verfügung. Eine gängige Kennzahl ist beispielsweise die Maverick-buying-Quote, definiert als der Anteil des Einkaufsvolumens, der nicht über den Einkauf abgewickelt wird und deshalb potentiell von der verfolgten Einkaufsstrategie abweicht.

Im Sinne des zweiten Qualitätsaspekts, der Vollständigkeit der Daten, sorgt der Datenanalyst in Absprache mit Einkauf und IT dafür, dass alle benötigten Informationen erhoben und gespeichert werden. Er hat den besten Überblick darüber, welche Daten dem Unternehmen zur Verfügung stehen, an welchen Informationen es gegebenenfalls noch mangelt, und bei welchen Daten das saubere Erheben oder Speichern unter Umständen problematisch sein könnte. Sofern die Einführung eines neuen, im Idealfall zentralen Stammdatenmanagements ansteht, sollte er deshalb bei dessen Konzeption und Implementierung beratend eingebunden sein.

Des Weiteren fallen im strategischen Prozess zahlreiche Aufgaben an, deren effiziente Bearbeitung durch den Datenanalysten für die Einkäufer eine direkte Zeitersparnis zur Folge hat:

  • Das Erstellen von bedarfsgerechten Anfrageunterlagen für Ausschreibungen, um eine gute Auswertbarkeit der Ergebnisse sicher zu stellen.
  • Die Analyse von Einkaufsmarkt- und Lieferantendaten im Vorfeld von Verhandlungen, die zu den eigenen Daten in Relation gesetzt werden können, um den Aufbau einer fundierten Verhandlungsstrategie zu unterstützen.
  • Das Auswerten und Aufbereiten der Ausschreibungs- bzw. Verhandlungsergebnisse sowie die detaillierte Einsparmessung, durch die Einkaufserfolge sichtbar werden, und der Stellenwert des Einkaufs innerhalb des Unternehmens gestärkt wird.

3) Kernprozess Lieferantenmanagement

Der dritte Kernprozess des Einkaufs ist das Lieferantenmanagement. Auch hier geht es prinzipiell um die Beantwortung von sieben W-Fragen: „Wer bewertet Was und Wen Wie Wann und Wie oft über Welches System?“. Letztgenannte Frage „Über welches System wird bewertet?“ stellt sich einmalig zu Beginn. Die Antwort auf diese Frage hängt im Allgemeinen von den übrigen sechs W des Lieferantenmanagements ab. Für den Datenanalysten ist die Frage deshalb wichtig, weil er später mit den Daten arbeitet, die durch die Lieferantenbewertung generiert werden. Um auch hier eine gute Auswertbarkeit sicherzustellen, sollte er bei der Konzeption des Lieferantenmanagementsystems von Beginn an, also schon während der Erstellung des Pflichtenhefts an das System, involviert sein.

Sobald der Bewertungsprozess klar definiert ist, liegt die Hauptaufgabe des Datenanalysten im dritten Kernprozess des Einkaufs im Aufbereiten der für die Bewertung benötigten Daten. Einige gängige Bewertungskriterien, wie die Lieferzuverlässigkeit, bieten sich für eine kontinuierliche automatische Berechnung an, was den Bewertungsaufwand für die Einkäufer verringert. In anderen Fällen ist die qualitative Entscheidung eines Einkäufers unumgänglich, etwa bei der Bewertung der Kompetenz der Mitarbeiter einer Lieferantenhotline.

Nach Abschluss des Bewertungsvorgangs ist das Auswerten der Ergebnisse eine weitere Aufgabe des Datenanalysten. Ähnlich wie im operativen und strategischen Einkauf ist er nicht nur für das Strukturieren der Daten zuständig. Nach einer ersten Interpretation formuliert er Handlungsempfehlungen, welche die strategischen Einkäufer für ihre Entscheidungen zu Rate ziehen können.

Anforderungsprofil des Datenanalysten

Entscheidend für die Qualität eines Datenanalysten sind Kenntnisse in den Bereichen Einkauf und IT, die ihn befähigen, zwischen beiden Abteilungen zu vermitteln und die Effizienz der Zusammenarbeit zu steigern. Folgende Fähigkeiten zeichnen einen erfolgreichen Datenanalysten in besonderem Maße aus:

  • Analytisches Denken und Zahlenverständnis: Die grundlegenden Eigenschaften für jeden, dessen Aufgabe es ist, wie die Bezeichnung „Datenanalyst“  impliziert, große Datenmengen zu analysieren und aussagekräftige Kennzahlen abzuleiten.
  • IT-Affinität: Programmiererfahrung ist wünschenswert, und ein sicherer Umgang mit MS Office ist in jedem Fall erforderlich. Insbesondere Excel und Access sind aufgrund der hohen Kompatibilität mit vielen anderen Tools für Analysen kleinerer Datenmengen ein geeignetes Mittel. Bei großen Datenmengen ist Erfahrung mit Datenbankmanagementsystemen und SQL sehr hilfreich. Über Excel hinaus ist aber weniger die  Erfahrung im Umgang mit bestimmten Tools erforderlich als vielmehr die Bereitschaft und Fähigkeit, sich schnell in eine neue technische Umgebung einzuarbeiten. Denn ein Tool, das heute auf den Bedarf des Unternehmens zugeschnitten ist, kann schon in Kürze nicht mehr ausreichend sein und muss durch ein Neues ersetzt werden.
  • Sorgfalt: Obwohl diese Eigenschaft in jeder Position förderlich ist, ist sie für den Datenanalysten besonders zu betonen. Der Aufbau einer Verhandlungsstrategie auf Basis fehlerhafter Zahlen kann und wird selbstverständlich gravierende Folgen für den Verhandlungserfolg haben. Ohne sorgfältiges Agieren des Datenanalysten sind auch die transparentesten Daten wenig brauchbar.
  • Pragmatismus: Je nach Datenlage ist es leicht, sich in den Datenmengen zu verlieren anstatt eine große Menge an Kennzahlen exakt zu bestimmen. So wichtig eine sorgfältige Arbeitsweise ist, so sehr müssen Aufwand und Nutzen in einem gesunden Verhältnis stehen. Der geforderte Detailgrad einer Analyse sollte nur übertroffen werden, wenn dies einen echten Mehrwert schafft. Außerdem sollte bei jeder berechneten Kennzahl regelmäßig reflektiert werden, ob diese noch sinnvoll ist und genutzt wird.

Darüber hinaus sollten zahlreiche Fähigkeiten, die in jeder Position bis zu einem gewissen Grad erforderlich sind, auch bei einem Datenanalysten nicht fehlen. Dazu zählt zum Beispiel Kommunikationsfähigkeit. Ein Analyst muss in der Lage sein, die Ergebnisse seiner Analysen dem Rest des Einkäuferteams verständlich zu präsentieren.

Der Mehrwert des Datenanalysten anhand eines Beispiels

Der Mehrwert des Datenanalysten für die Einkaufsabteilung lässt sich in zwei Komponenten aufteilen. Zum einen führt seine besonders effiziente Arbeit mit den Daten über die Prozesse hinweg zu Zeitersparnis. Je umfangreicher die Datenbasis, desto größer ist auch der zeitliche Mehrwert gegenüber einer Einkaufsabteilung ohne Datenanalyst. Zum anderen generiert er durch tiefgehende Analysen Informationen, die eine Einkaufsabteilung ohne Datenanalyst unter Umständen nicht zur Verfügung hat.

Das Auswerten von Angeboten im Rahmen von Ausschreibungen ist eine typische Aufgabe des Datenanalysten. Anhand des Beispiels der Angebotsauswertung und Einsparmessung mit Excel soll der Mehrwert des Datenanalysten für die Einkaufsabteilung verdeutlicht werden. Die folgende Tabelle zeigt für drei Aufgabenkategorien exemplarisch einige Arbeitsschritte, deren Komplexität zunimmt. Aus der Spalte „Einkaufsabteilung ohne Datenanalyst“ geht hervor, ob die benötigten Fähigkeiten erfahrungsgemäß auch in Abteilungen ohne Datenanalyse vorhanden sind. Die Rede ist dabei von der automatischen Auswertung einer Anzahl von Angeboten, die für einen manuellen Vergleich zu umfangreich sind.

Abbildung 1: Tabelle: Möglichkeiten, verschiedene Aufgaben der Datenanalyse auszuführen.

1) Baseline

Als Baseline bezeichnet man die Messlatte, gegen die Einsparungen im Einkauf gemessen werden. Grundsätzlich kann in den meisten Fällen zwischen der budgetorientierten und der historischen Baseline unterschieden werden. In diesem Beispiel werden drei Varianten der historischen Baseline verglichen.

Im einfachsten Fall wählt man auf Artikelebene den letzten gezahlten Preis aus und vergleicht diesen mit den neuen Angeboten, was unter anderem bei einer konstanten Preisentwicklung sinnvoll ist. Das Bestimmen des letztgezahlten Preises ist von geringer Komplexität und kann von jedem Einkäufer durchgeführt werden. 

Die Berechnung eines mengengewichteten Durchschnitts aus allen gezahlten Preisen eines Zeitraums (in der Regel ein Jahr) auf Artikelebene erfordert bei umfangreichen Daten komplexer Warengruppen hingegen Formelkenntnisse, die mangels Routine nicht für jeden Einkäufer selbstverständlich sind. Den mengengewichteten Durchschnittspreis wählt man üblicherweise zum Beispiel für solche Artikel als Baseline, deren Preis aufgrund von starken Mengenschwankungen variiert.

Das Verrechnen der historischen Preise mit der Entwicklung eines Rohstoffindexes gehört ebenfalls nicht zum Standardrepertoire eines Einkäufers mit durchschnittlichen Excel-Fähigkeiten. Insbesondere bei sehr preisvolatilen Rohstoffen bietet die indexbasierte Baseline jedoch eine deutlich bessere Vergleichbarkeit als andere Varianten der historischen Baseline. 

2) Einsparmessung

Bei einer großen Anzahl von Angeboten im Rahmen einer Ausschreibung sind verschiedene Szenarien mit unterschiedlicher Anzahl von Lieferanten denkbar. Die Wahl des Szenarios ist von verschiedenen Kriterien wie beispielsweise strategischen Vorgaben und der Güte der Angebote abhängig.

Jeder Einkäufer ist in der Lage, die Gesamtkosten je Angebot zu errechnen und das insgesamt günstigste Angebot zu bestimmen. In einigen Fällen kann dies völlig ausreichend sein, vor allem dann, wenn für den Einkauf die Vorgabe besteht, sich auf einen einzigen Lieferanten zu beschränken. 

Trotz etwas höherer Komplexität können viele Einkäufer die ausgeschriebenen Artikel auch in Pakete unterteilen und je Paket den günstigsten Anbieter auswählen („Cherrypicking auf Paketebene“). Diese Variante bietet sich bei stärkerem Fokus auf den Aspekt der Kostenminimierung an.

Deutlich komplexer ist hingegen das Bilden von Einsparszenarien mit unterschiedlicher Lieferantenanzahl. Eine solche Auswertung lässt sich ohne den Einsatz eines VBA-Makros kaum effizient lösen. Vor allem in Hinblick auf die Verfügbarkeit von Schlüsselartikeln kann die Betrachtung von Szenarien mit unterschiedlicher Lieferantenanzahl jedoch durchaus interessant sein.

3) Detailgrad Einsparmessung

Einsparungen können in verschiedenen Detailstufen ausgewiesen werden. Es kann zum Beispiel nach Kostenfaktoren, Härtegraden, Kostenreduzierung/-vermeidung oder Einsparhebeln differenziert werden.

Die Unterscheidung der Einsparungen nach Kostenfaktoren und nach Härtegraden ist rechnerisch unproblematisch und wird – wenn überhaupt – von vielen Einkäufern wohl eher aus Zeitgründen vernachlässigt. Erstgenannte bietet einen besseren Einblick in die Kostenstruktur der angefragten Artikel und gibt gegebenenfalls Aufschluss über weiteres Optimierungspotential. Die Unterscheidung nach Härtegraden ermöglicht hingegen beispielsweise eine genauere Budgetplanung.

Komplexer ist hingegen die Unterscheidung der Einsparungen nach Einsparhebeln, die großen Mehrwert haben kann. Sie kann zum Beispiel Aufschluss darüber geben, welcher Hebel in einer Warengruppe das größte Einsparpotential birgt. Dies lässt sich gegebenenfalls auf weitere Artikel übertragen, die noch nicht unter Anwendung des entsprechenden Hebels optimiert wurden. Allerdings ist die Unterscheidung nach Hebeln gerade dann anspruchsvoll, wenn mehrere Hebel zugleich angewendet wurden, etwa die Erweiterung des Lieferantenkreises bei erhöhter Menge im Vergleich zur Vorperiode. Eine derartige Unterscheidung erfordert sehr gute analytische Fähigkeiten, über die ein Datenanalyst verfügen sollte.

Fazit

Um Daten im Einkauf in vollem Umfang nutzen zu können, bedarf es sowohl Einkaufswissen als auch IT-Know-how. Beides bringt der Datenanalyst mit, und  er ist deshalb ein wertvolles Bindeglied zwischen Einkaufs- und IT-Abteilung. Ziel seiner Arbeit ist es zunächst, eine hohe Datenqualität herzustellen und dauerhaft sicher zu stellen. Dies erreicht er zum Beispiel über eindeutige Definitionen der Arbeitsabläufe und -strukturen im operativen Kernprozess des Einkaufs. Darauf aufbauend nutzt er die Daten, um daraus Informationen zur Unterstützung strategischer Einkaufsentscheidungen abzuleiten, beispielsweise durch die Definition von Kennzahlen. Aufgrund seines routinierten und effizienten Umgangs mit Daten, bedeutet seine Arbeit für die Einkäufer einen Kapazitätsgewinn, so dass sie ihre Zeit vollständig auf Kernaufgaben des Einkaufs konzentrieren können.