Prognose von Einsparungen.

Prognose des Verhandlungserfolgs im Einkauf.

In diesem Projekt haben wir auf Basis historischer Vergabedaten aus dem Konzerneinkauf ein Prognosemodell zur Vorhersage des Verhandlungserfolgs auf Projektebene entwickelt.

Herausforderung.

Der Konzerneinkauf unterstützt Fachabteilungen bei der Auswahl geeigneter Lieferanten sowie bei der Erreichung gesetzter Budgetziele. Die Vorbereitung auf Verhandlungen kann dabei sehr aufwendig sein. Unser Kunde stand vor der Herausforderung, seine Einkäufer mit einem datenbasierten Tool im Verhandlungsprozess unterstützen zu müssen. Dadurch sollte sowohl die Zeit zur Vorbereitung der Verhandlung minimiert als auch automatisiert eine Empfehlung für die mögliche Ersparnis gegenüber dem Angebotspreis erzeugt werden.

Ansatz.

Nach einer umfangreichen Phase der Datenakquise und Aufbereitung wurde auf Basis historischer Vergabedaten zunächst ein Machine Learning Modell zur Prognose der Verhandlungserfolge entwickelt. Hierbei wurden zahlreiche Datenpunkte auf Lieferantenebene als auch auf Vergabe- bzw. Projektebene aus dem Lieferanten- und Vergabesystem des Kunden verwendet. Anschließend wurde eine interaktive Web-Applikation entwickelt, auf die Einkäufer im Rahmen der täglichen Verhandlungstätigkeit zugreifen können. Das Prognosemodell wurde über Docker als Microservice in die Applikation eingebunden und ermöglicht die gezielte Vorhersage des Verhandlungserfolgs für eine bestimmte Vergabe. Die gesamte Applikation wurde in der Cloud Infrastruktur des Kunden bereitgestellt und skaliert.

Ergebnis.

Durch die automatisierte Prognose des Verhandlungserfolgs sowie durch die Darstellung der relevanten Lieferanten- und Vergabehistorien im Dashboard wird der Konzerneinkauf datengetrieben im Verhandlungsprozess unterstützt. Im Zusammenspiel mit weiteren AI-Applikation entstand somit eine vollumfängliche Tool-Suite zur Unterstützung der Einkäufer.

Projekt Info.

Branche: Automotive
Thema: Procurement Analytics
Tools: R, Azure
Aufwand: 6 Monate
Projektlaufzeit: 6 Monate

STATWORX Kontakt.

Ihr Ansprechpartner:
Fabian Müller
Leiter Data Science

Download Case.

Downloaden Sie diese Case Study als PDF zur weiteren Verwendung.

PDF Download

Let's work together.

Data Science done right.

Nutzen Sie unsere Data Science Kompetenz, um Modelle aus Statistik, Machine Learning und künstlicher Intelligenz zur Verbesserung Ihrer Produkte, Prozesse und Services einzusetzen.