Blogs zu Data-Driven Costing, Data-Driven Category Management und die systematische Nutzung von Unternehmensdaten mittels Data-Mining, Advanced Analytics, Predictive Costing und Machine Learning. Blogs on data-driven costing, data-driven category management and the systematic use of corporate data by means of data mining, advanced analytics, predictive costing and machine learning.
Generally, suppliers have an edge on information over their customers. They know exactly how high their production costs are.
Benchmarking ist wertvoll. Sich mit bewährten Praktiken in der Branche zu vergleichen hat noch nie geschadet. Unternehmen, die Benchmarking erfolgreich einsetzen, können ihre Leistung steigern und Wettbewerbsvorteile generieren. Je umfassender ein Benchmarking-Prozess gestaltet ist, desto aufwendiger ist er. Die Auswahl geeigneter Kennzahlen, das Sammeln von Daten, das Analysieren und Interpretieren der Ergebnisse … es gibt viel zu tun. Im Zeitalter von KI eine perfekte Aufgabe für Algorithmen.
Das automatisierte Benchmarking - auch Data-Driven Benchmarking genannt - deckt das interne Benchmarking und das Wettbewerbsbenchmarking ab. Die Herkunft der Daten macht dabei den Unterschied. Werden für das Benchmarking ausschliesslich interne Daten verwendet, kommen z.B. unsere herausragenden Möglichkeiten im Bereich der Gleichteileerkennung in Massendaten zum Einsatz. Mit SID - similar item detection werden divisionsübergreifend ähnliche und/oder identische Artikel identifiziert. Der grosse Vorteil von SID - similar item detection: 100'000 Artikel in zwei Wochen zu analysieren ist keine Herausforderung. Lesen Sie hierfür unseren spannenden Blog-Beitrag "Der Versorgungsknappheit mit Digitalisierung begegnen".
Werden ausschliesslich externe Daten verwendet, wird der interne Einkauf mit "dem Markt" verglichen. Aber woher stammen denn die Vergleichsdaten? Die Antwort ist kurz: aus unseren bereits über hundert Massendatenanalysen, die wir für unsere Kunden durchgeführt haben. Diese Daten ergeben ein breit abgestütztes Bild des Marktes. Natürlich fliessen nur Daten von Unternehmen in den Datenpool, die der Wiederverwendung Ihrer Daten zugestimmt haben. Damit die Daten den Markt widerspiegeln, werden die Preisschwankungen vom Rohmaterial und der Währung in Echtzeit - direkt bei der Anfrage - berechnet. Auch marktspezifische Aspekte wie Lohnkosten etc. sind abgebildet und werden laufend erweitert. Dadurch ist sichergestellt, dass die Daten jederzeit verlässlich sind und den Markt bestmöglich abbilden. Aus datenschutzgründen dürfen jedoch Artikel aus dem Benchmarking - Datenpool, die einem internen Artikel ähnlich sind, nicht dargestellt werden. Im Bild unten sehen Sie den CostChecker mit externen Marktdaten, aber ohne der Darstellung von ähnlichen Artikeln (normalerweise auf der rechten Seite - siehe Bild unten).
Wäre es nicht spannend, beide Sichten - intern und Markt - in einer Software zu kombinieren? Der CostChecker DDB - Data-Driven Benchmarking verbindet die internen Daten mit externen Marktdaten und berechnet die Sollkosten von Artikeln; auf Basis von 3D CAD Daten; auf Knopfdruck. Die Sollkostenberechnung stellt den Marktpreis dar. Die Darstellung im SID - similar item Bereich (rechts) zeigt zusätzlich auf Knopfdruck ähnliche Artikel, die intern bereits bestehen. Natürlich mit den aktuellsten Preisen aus dem ERP-System (siehe Integration in ERP). Benchmarking war noch nie so schnell und einfach.
Bild: Der CostChecker mit Benchmark - Datenpool und integriertem Cost Breakdown. Zusätzlich zeigt der CostChecker in Echtzeit, bereits beschaffte, interne Artikel an (SID - similar item detection)
Manchmal ist die Anzahl und die Varianz der Bauteile in Unternehmen unvorstellbar hoch. Menschen können ein paar hundert Artikel überblicken ... aber 70'000? Ein Ding der Unmöglichkeit. Es braucht Maschinen und Algorithmen um "Herr der Artikel" zu werden. Wir haben ein Unternehmen dabei unterstützt 70'000 Artikel automatisiert zu bündeln.
Ziele des Projektes:
Bei 70'000 Artikel wollten wir wissen ... wie viele absolut identische Bauteile gibt es im gesamten Artikelspektrum? Mit identisch meinen wir: 100% fertigungstechnisch identisch. Also auch dieselbe Beschichtung, dieselben Toleranzen ... 100% identisch eben. Und siehe da: Bei den 70'000 Artikel konnten wir 980 Artikel mit fertigungstechnisch identischen "Geschwistern" identifizieren. FAZIT: 490 Artikel können im ERP-System inaktiv gesetzt werden. Das ist natürlich nicht so einfach wie es klingt. Kompatibilitäten, Lagerbestände und viele weitere Abklärungen müssen getätigt werden. Die Ersparnis ist trotzdem substanziell: 480'000 EUR - in 2 Wochen. Denn in der dritten Woche haben wir mit der Bündelung erst richtig begonnen.
Bereits über die Möglichkeit der automatisierten Bündelung tausender Artikel sparen unsere Kunden 6-stellige Beträge. Die Zeitersparnis durch die automatisierte Bündelung noch nicht eingerechnet. Data-Driven Procurement verändert gerade so einiges bei unseren Kunden.
Die systematische Nutzung der eigenen Unternehmensdaten ist für Unternehmen ein zentraler Punkt um die Wettbewerbsfähigkeit auszubauen. Aus diesem Grund steht als nächstes die Implementierung unserer AI-powered Product Data Engine an - damit unser Kunde die eigenen Daten systematisch zur Stärkung der Wettbewerbsfähigkeit nutzt. Wann beginnen Sie mit der systematischen Nutzung der Unternehmensdaten?
Heute fand der Breakfast Event bei Staufen.Inova statt. Zusammen haben wir aufgezeigt, was Next Level Transparency bedeutet und wie KI Unternehmen wettbewerbsfähiger macht.
In konjunkturell - und geopolitisch anspruchsvollen Zeiten sind Transparenz auf Artikelebene und verlässliche Unternehmensdaten das Gebot der Stunde. Wir mussten aber schnell feststellen: Einkäufer haben eine andere Vorstellung von "Transparenz" und "verlässlichen Daten" als wir. Aber der Reihe nach.
Die aktuelle Wirtschaftslage lässt die Kostensensibilität in Unternehmen stark ansteigen. Die Relevanz von Kostentransparenz und Kostensicherheit in Projekten nimmt entsprechend zu. Kostensicherheit definiert den Wissensstand, wieviel ein Produkt Kosten wird, bevor ein Produkt auf den Markt kommt. Die Sicherheit also, ob und wieviel Gewinnmarge ein Produkt auf dem Markt erzielen kann.