Hinter dem Begriff „prädiktive Analyse“ (englisch: Predictive Analytics) verbergen sich verschiedene Datenanalysemethoden sowie statistische und mathematische Techniken.

Ihr Ziel: Zukünftige Trends in Datensätzen zu erkennen. Heute sind diese Technologien immer weiter verbreitet und halten sogar Einzug in die Einkaufsabteilungen.

Was ist eine prädiktive Analyse?

Es gibt gemeinhin drei Arten der Datenanalyse mit unterschiedlichen technischen Aspekten und Zwecken:

• Die deskriptive Analyse ist eine Technik, die vergangene Ereignisse beschreibt und analysiert (dies geschieht z.B. mithilfe von Business Intelligence-Tools);
• Mithilfe der prädiktiven Analyse wird die Wahrscheinlichkeit, dass sich dieselben Ergebnisse wiederholen, bewertet;
• Die präskriptive Analyse identifiziert ein Phänomen und schlägt Maßnahmen vor, mit denen darauf reagiert werden kann.

Bei der prädiktiven Analyse geht es also darum, Informationen aus einem Satz vergangener und aktueller Daten zu extrapolieren, um Annahmen über die Zukunft zu treffen und es Unternehmen zu ermöglichen, ihre Entscheidungsprozesse zu verbessern. Mit anderen Worten: Das Schlüsselwort lautet Antizipation.

Diese prädiktive Methode ist bei Unternehmen sehr beliebt. Dies ist insbesondere in den Bereichen Gesundheit, Energie, Finanzdienstleistungen oder auch Versicherungen der Fall, um ein Vorhersagemodell zu ermitteln, Verhaltensweisen zu antizipieren oder ein mögliches Eintrittsrisiko zu erkennen. Diese historischen Daten sind für die Vorhersage zukünftiger Ergebnisse von entscheidender Bedeutung.

Bei der Erstellung eines Kfz-Versicherungsvertrags beispielsweise kann die prädiktive Analyse die potenziellen Risiken eines Fahrers vorhersagen, indem sie mehrere Vorhersage-Faktoren (Alter, Fahrpraxis usw.) berücksichtigt. Dies hilft dem Versicherer, eine angemessene Versicherungsprämie für jeden seiner Kunden zu ermitteln.

In technologischer Hinsicht stützt sich die prädiktive Analyse häufig auf Data Mining, um große Datensätze (insbesondere Big Data) aus verschiedenen Blickwinkeln zu betrachten und Trends oder Muster zu entdecken. Sie basiert außerdem auf Machine Learning-Algorithmen (maschinelles Lernen), wie z.B. lineare oder logistische Regression, um unstrukturierte Datensätze schneller und präziser zu verarbeiten. Zu den weiteren Methoden der prädiktiven Analyse gehört auch die statistische Modellierung.

Prädiktive Analyse in Einkaufsabteilungen

Aufgrund ihrer Positionierung im Zentrum des Ökosystems eines Unternehmens haben die Einkaufsabteilungen Zugang zu einer Vielzahl von Daten. Bei richtiger Nutzung eröffnet dieses neue „schwarze Gold“ großartige Möglichkeiten für die Steuerung der Geschäftstätigkeit und den Aufbau der Einkaufsstrategie. Es geht nicht mehr darum, auf Ereignisse lediglich zu reagieren, sondern sie auch zu verstehen und zu antizipieren. Es sei zu Recht daran erinnert, dass diese Informationen kein Selbstzweck sind, sondern ein Mittel, um die schnelle Entscheidungsfindung zu optimieren.

In einer ungewissen und unbeständigen Welt, in der die Anzahl der Variablen ständig zunimmt, macht es Sinn, den Entscheidungssystemen der Einkaufsfunktion eine prädiktive Dimension hinzufügen. Auch wenn ein solcher Ansatz noch nicht sehr verbreitet ist, ist dennoch ein gewisses Interesse seitens der Einkäufer festzustellen. In der jüngsten Umfrage von Deloitte sind mehr als ein Drittel der Entscheidungsträger im Einkauf der Meinung, dass prädiktive Analysen zu den nützlichsten Ressourcen in ihrem Bereich gehören.

Die Zurückhaltung bei der Akzeptanz der prädiktiven Analyse durch die Einkaufsabteilungen erklärt sich vor allem durch die Komplexität ihrer Umsetzung. Zunächst sollte ein System zur Analyse der Ausgaben vorhanden sein. Bevor man irgendetwas antizipieren kann, muss man zunächst einmal wissen, welche Produkte in einem bestimmten Zeitraum von wem und bei welchem Lieferanten verbraucht werden. Dann geht es darum, alle anderen relevanten Daten aus verschiedenen Informationsquellen zu integrieren (daher die Verwendung von Data Mining). Auch heute noch wird die prädiktive Analyse als ein breit angelegtes Projekt im Unternehmen betrachtet, das sich in den Dienst verschiedener Abteilungen stellt (Vertrieb, Marketing, Finanzen, Einkauf usw.).

Die Vorteile der prädiktiven Analyse für den Einkauf

Prädiktive Schemata und Modelle können von Einkaufsabteilungen auf vielfältige Weise genutzt werden.

Die Einkäufer können damit:

• Ihre Lieferantenbeziehungen besser steuern;
• Risiken und neue Beschaffungsmöglichkeiten antizipieren;
• Ihre Ausgaben vorhersagen;
• Ihre Key Performance Indicators (KPIs) an die Entscheidungsfindung anpassen usw.

So gewinnen sie an Agilität und steigern ihre Leistung, um ihre strategische Position innerhalb des Unternehmens weiter zu festigen.

Neben der prädiktiven Analyse kann man sich leicht vorstellen, welche Vorteile sich aus den Empfehlungen der präskriptiven Analyse ergeben. Patrick Chabannes, damals Senior Solution Strategist bei Determine, einem SaaS-/Cloud-Anbieter von Softwarelösungen für Vertragsmanagement, Lieferantenmanagement, strategisches Sourcing und Procure-to-Pay, nennt ein konkretes Beispiel:

„Die Einkaufsabteilungen werden in der Lage sein, den Benutzern Empfehlungen zu geben und dabei individuelle Geschäftsbereichsregeln zu berücksichtigen, indem sie interaktive Situationen schaffen. Stellen Sie sich einen Einkäufer von Produktionsmaterial vor, der seine zwei qualifizierten Lieferanten im seriellen Modus verfolgt. Und er erhält eine Empfehlung, dass ein Mitbewerber seiner beiden Lieferanten seinen Umsatz um 17% gesteigert hat, während dieser bei seinen beiden Lieferanten bei 1% bzw. 3% liegt. Der Einkäufer fragt sich dann zu Recht: Was ist passiert? Was haben sie herausgefunden? Wie profitieren meine eigenen Konkurrenten, wenn sie mit diesen Quellen arbeiten?“

Wie Sie sicher schon bemerkt haben, können Einkaufsabteilungen mithilfe prädiktiver Analysen ihre Entscheidungen antizipieren, beschleunigen und absichern. Dies stellt also einen gewaltigen Hebel zur Wertschöpfung für die Einkaufsfunktion, das Unternehmen und die Beteiligten dar.

Um den Weg zu solchen Möglichkeiten einschlagen zu können, ist es jedoch von entscheidender Bedeutung, die Verfügbarkeit von Daten sicherzustellen. Dazu müssen die Einkaufsabteilungen alles daransetzen, möglichst viele Daten zu generieren, die es dann zu analysieren gilt. Das geschieht am besten durch eine Digitalisierung des gesamten Procure-to-Pay-Prozesses.

Laden Sie unser Whitepaper „Digitalisieren Sie Ihre Transaktionen“ herunter.