Warum Einkäufer Data Scientists werden sollten

Data Science kann den Einkauf revolutionieren. Dafür braucht es jedoch nicht unbedingt Experten – stattdessen können die Einkäufer selbst zu Data Scientists werden.

Für den Einkauf bietet Data Science unzählige Chancen und Möglichkeiten. Nicht nur die Zusammenarbeit mit den Lieferanten kann dadurch verbessert werden. Auch etwaige Risiken lassen sich bereits früher erkennen, sodass umgehend Maßnahmen eingeleitet werden können, die nicht nur Zeit, sondern auch eine Menge Geld sparen.

Damit das in der Praxis funktionieren kann, reichen große Datenmengen allein jedoch nicht aus. Es braucht vor allem geschulte Mitarbeiter, die in der Lage sind, sie zu analysieren und echte Erkenntnisse daraus zu gewinnen, auf denen sie ihre smarteren Entscheidungen begründen können.

Dass dies nur ein ausgebildeter Datenwissenschaftler leisten kann, ist jedoch ein fataler Trugschluss. Denn im Grunde hat der Einkauf die idealen Voraussetzungen, die es braucht, um Daten gewinnbringend einzusetzen.

Was Data Science im Einkauf konkret bedeutet

Doch noch einmal von Anfang an: Denn was bedeutet der Begriff „Data Science“ für den Einkauf überhaupt? Kurz gesagt, ist darunter die datenbasierte Erkenntnisgewinnung zu verstehen. Das heißt, dass intern oder extern gesammelte Datenmengen ausgewertet werden, um zu Wissen zu gelangen, das mit dem bloßen, menschlichen Auge nicht sichtbar wäre.

Ein Beispiel: Im Einkauf wird tagtäglich mit unzähligen Lieferanten zusammengearbeitet, wobei viele dieser Geschäftsbeziehungen Jahre oder manchmal sogar Jahrzehnte lang bestehen. Beide Parteien wissen, was sie aneinander haben und können sich im besten Fall immer aufeinander verlassen – auch in Krisenzeiten wie beispielsweise der gegenwärtigen Pandemie.

Was dabei jedoch oft verloren geht, ist der Blick fürs Detail. Denn nur, weil die Zusammenarbeit mit einem Lieferanten gut funktioniert, heißt das nicht, dass es nicht auch hier Optimierungspotenziale gibt.

Data Science legt Schwachstellen offen

So kann es beispielsweise sein, dass Lieferant A zwar sehr preiswert und zuverlässig ist, die Qualität des Produkts sich beim Endkunden aber als minderwertig herausstellt, weshalb es zu vielen Reklamationen kommt. Das verursacht nicht nur einen Mehraufwand für den Kundenservice, sondern kostet am Ende auch mehr Geld, was den günstigeren Einkaufspreis wiederum nivelliert.

Data Science kann dabei helfen, genau solche Schwachstellen offenzulegen. Eine Studie, die Emporias unter 100 Einkaufs- und Logistikentscheidern durchgeführt hat, zeigt jedoch, dass viele Unternehmen noch genau an dieser Stelle scheitern. So gaben 80 Prozent der Befragten zu, dass die Datenverarbeitung bei ihnen nicht ausreichend automatisiert sei und diese häufig noch immer manuell gepflegt würden.

Darüber hinaus berichteten sechs von zehn, dass die Weiterverarbeitung vorhandener Kostendaten bei ihnen nicht richtig funktioniere. Um in Zukunft mit der Konkurrenz Schritt halten zu können, muss sich daran unbedingt etwas ändern.

Damit das in der Praxis funktioniert, müssen allerdings zwei wesentliche Dinge gegeben sein: Einerseits muss der Einkauf abteilungsübergreifend auf alle Daten zugreifen können, die für ihn von Relevanz sind. Und andererseits muss für die Mitarbeiter die Grundlage geschaffen werden, die sie benötigen, um daraus die richtigen Schlüsse ziehen zu können.

Das Zeitalter der Data Scientists

In Folge der zunehmenden Digitalisierung den Job zu verlieren, ist eine Angst, die bei vielen deutschen Arbeitnehmern besteht. Belegt wird dies unter anderem durch das Edelman Trust Barometer 2020, in dessen Kontext drei von vier der Befragten genau diese Sorge äußerten.

Tatsächlich ist diese Gefahr jedoch für den Großteil der Angestellten in Deutschland gänzlich unbegründet. Zum einen, weil die Gefahr, dass Stellen abgebaut werden müssen, viel größer ist, wenn die Unternehmen sich nicht einem digitalen Transformationsprozess unterziehen. Und zum anderen, weil gerade die Menschen, die im Einkauf tätig sind, über hervorragende analytische Fähigkeiten verfügen. Sie sind die geborenen Problemlöser, haben das große Ganze stets im Blick und können daher auch die betriebswirtschaftlichen Auswirkungen bestimmter Faktoren bestens abschätzen.

Der Begriff „Data Science“ sollte aus diesen Gründen keinesfalls abschreckend auf sie wirken – ganz im Gegenteil sogar. Ihre analytische Denkweise gepaart mit dem Mehrwert, der sich in großen Datenmengen verbirgt, haben sogar das Potenzial, den Einkauf von Grund auf zu revolutionieren.

Die Coronakrise hat bewiesen, dass kein Weg mehr an digitalen und datenbasierten Prozessen vorbeiführt – auch innerhalb des Einkaufs nicht. Doch anstatt nach Datenwissenschaftlern Ausschau zu halten, ist es sehr viel sinnvoller, den Wandel innerhalb des Unternehmens anzustoßen.

Jede Mitarbeiterin und jeder Mitarbeiter muss verstehen, welchen gewaltigen Erkenntnisse in Daten verborgen liegen und welchen Wert das für ihren Arbeitsalltag haben kann. Ist dieses Grundverständnis vorhanden, ist es an den Unternehmen, ihnen die Werkzeuge an die Hand zu geben, die sie benötigen, um ihre Fähigkeiten praktisch einzusetzen.

Neben der Bereitstellung der richtigen Tools bedeutet das in erster Linie, ihnen beizubringen, wie sie ihre Fragen als Modellierungsprobleme formulieren können. Das gibt ihnen die Möglichkeit, auf Grundlage der verfügbaren Daten Schwachstellen oder andere Optimierungspotenziale zu erkennen und ihre Probleme selbstständig zu lösen – und das ganz ohne einen dezidierten Data Scientist an ihrer Seite.