Recommendation Engine im Einkauf.
Supplier Recommendation Tool.
In diesem Projekt haben wir ein Recommendation Tool auf NLP-basis entwickelt, das für den Einkauf unseres Kunden vergleichbare Supplier bzw. Angebote identifiziert und so Alternativvorschläge für Lieferanten generiert.
Herausforderung.
Der Konzerneinkauf ist mit der Auswahl von Lieferanten sowie dem Einkauf verschiedenster Güter und Dienstleistungen betraut. Um stets das bestmögliche Preisleistungsverhältnis zu erzielen, sind Vergleiche zwischen Lieferanten sowie das Einholen von Konkurrenzangeboten essentiell. Unser Kunde, ein internationaler Konzerneinkauf im Automobilsektor, stand vor der Herausforderung, für einen beliebig wählbaren Referenz-Supplier eine Liste mit Vorschlägen für alternative Lieferanten generieren zu müssen.
Ansatz.
Zunächst mussten die Daten der vorhandenen Angebotsdokumente zur Modellierung aufbereitet werden. Hierfür wurden verfügbare Leistungsbeschreibungen intensiv analysiert und bereinigt. Es wurden u.a. Füllworte gelöscht, inhaltlich bedeutsame Worte auf ihren Wortstamm reduziert und entsprechend ihrer Seltenheit und damit Aussagekraft normalisiert. Anschließend wurden die einzelnen Lieferanten basierend auf ihren Leistungsbeschreibungen mithilfe einer Latent Semantic Analysis (LSA) im semantischen Raum verortet. Durch die Umwandlung der textuellen Information in einen numerischen Raum können nun eine Vielzahl von mathematischen und logischen Operationen zwischen den Lieferanten bzw. Angebotsdokumenten durchgeführt werden. Somit können z.B. Ähnlichkeiten berechnet werden, die zur Anzeige von inhaltlich passenden Lieferanten-Empfehlungen genutzt werden.
Ergebnis.
Unser NLP-Modell generiert, ausgehend von einem Referenz-Supplier, Vorschläge für korrespondierende Lieferanten – die nächsten Nachbarn im semantischen Raum. Das Modell wurde in ein interaktives Dashboard mit Userinterface zur Vorschlagsgenerierung sowie zur einfachen Suche in der Supplier-Datenbank integriert. Die Applikation erleichtert die Nutzung vorhandener Inforationen, reduziert Arbeitszeit und spart unserem Kunden, durch den verbesserten Wettbewerb zwischen Lieferanten bei jeder Ausschreibung bares Geld.
Projekt Info.
Branche: Automotive
Thema: Procurement Analytics
Tools: R, Azure
Aufwand: 12+ Monate
Projektlaufzeit: 12+ Monate
STATWORX Kontakt.
Ihr Ansprechpartner:
Fabian Müller
Leiter Data Science
Download Case.
Downloaden Sie diese Case Study als PDF zur weiteren Verwendung.