Bei Big Data geht es um die Erhebung, Sammlung und Analyse großer Datenmengen zur Nutzung für unternehmerische Ziele. Gerade für die Logistik mit ihren Bedarfsschwankungen und der Vielzahl beteiligter Vertragsparteien ist Big Data interessant. Wir verraten Ihnen fünf Tipps für die Implementierung von Big Data im Supply Chain Management.
Definieren Sie klare Ziele
Zu Beginn der Implementierung von Big Data sollten Sie klare Ziele formulieren. Wie möchten Sie Big Data für Ihr Geschäft nutzen? Welche Prozesse möchten Sie optimieren? Wollen Sie Peaks frühzeitig vorhersagen oder Ihr Lagermanagement verbessern? Je klarer Ihre Ziele definiert sind, um so genauer können die nötigen IT-Systeme für Datenerhebung und Auswertung angepasst werden. Gleichzeitig setzen Sie einen festen Rahmen für die Implementierung. Da im Supply Chain Management unzählige Daten anfallen, lassen sich durch eine klare Zielvorgabe die relevanten Daten präziser extrahieren.
Formulieren Sie einen realistischen Zeitplan und kalkulieren Sie unerwartete Fallstricke mit ein
Formulieren Sie gemeinsam mit Ihren Experten einen realistischen Zeitplan. So können Sie sich jederzeit einen Überblick über den Fortschritt des Projektes verschaffen. Setzen Sie sich dabei einzelne Projektziele sogenannte „Milestones“, um den Fortschritt der Implementation zu dokumentieren. Fallstricke und Learnings sollten Sie dabei stets mit einkalkulieren. Big Data ist ein weites Feld und kann sehr unterschiedlich ausgestaltet sein. Stellen Sie sich darauf ein, dass sich erst im Verlauf des Projektes herauskristallisiert, wie Big Data in Ihrem Unternehmen ausgestaltet wird. Diese Lernkurve sollten Sie sowohl zeitlich, als auch budgetär einkalkulieren.
Qualifiziertes Personal verschafft Ihnen den Überblick im Datendschungel
Aktuell herrscht eine große Diskrepanz zwischen der Möglichkeit, Daten zu sammeln, und der Fähigkeit, diese auch gewinnbringend zu nutzen. Eine jüngst von Forrester Consulting durchgeführte Umfrage unter rund 400 Finanz-, Beschaffungs- und Supply-Chain-Managern aus den USA, Großbritannien, Frankreich und Deutschland belegt, dass fehlende interne Kompetenzen eine Nutzung der zahlreichen Daten erschwert.
Material-, Informations- und Geldfluss, damit verbunden Inventarlisten, Frachtbriefe, Zahlungspläne: Um aus diesen Datenmengen die für den Geschäftserfolg und die Zielsetzung relevanten heraus zu filtern, benötigen Sie qualifizierte Fachleute. IT-Personal wie z.B. Data Scientists lichten den Datendschungel und entwickeln Schritt für Schritt ein analytisches Modell, welches zu Ihren Anforderungen und in Ihr Unternehmen passt. Sie reduzieren darüber hinaus die Fehleranfälligkeit des Systems durch z.B. mangelhaft ausgewertete Algorithmen.
Achten Sie auf eine gute Datenqualität
Eine gute Qualität und die Vollständigkeit der Daten sind für die erfolgreiche Nutzung von Big Data essentiell. Ohne sie sind keine präzisen Aussagen oder Vorhersagen möglich. Fehlt zum Beispiel ein kompletter Datensatz zu Artikel A aus Lager B, können auch Fachleute keine Prognosen hinsichtlich der Nachfrage oder Verfügbarkeit machen. Die Forrester Consulting-Studie belegt auch hier, dass die schlechte Datenqualität in Beschaffung und Supply Chain Management Investitionspläne in künstliche Intelligenz (wozu man auch Big Data Algorithmen zählen kann) erschweren könnte: 59 Prozent der befragten Manager sagen, dass die schlechte Datenqualität es für derartige Technologien unmöglich macht, genaue Entscheidungen zu treffen.
Haben Sie keine zu hohe Erwartungen
Entlang der Lieferkette fallen unzählige Daten an und das SCM ist prädestiniert für die Nutzung von Big Data. Die Möglichkeiten, Peaks vorherzusagen und Bestände entsprechend zu managen bietet selbstverständlich enorme Wettbewerbsvorteile. Die Erwartungen an die Technologie sind daher häufig sehr hoch. Bleiben Sie jedoch realistisch, was Ihre Erwartungen angeht und setzen Sie diese nicht zu hoch an. Bewerten Sie den Nutzen daher anhand der einzelnen Projektziele und weniger am „Endprodukt“. Denn es ist ein langer Prozess, bis Unternehmen Big Data vollumfänglich für ihre Ziele nutzen können.
Auch Hermes Germany entschied sich im Rahmen einer großen Analyse für die umfassende Implementierung von Big Data. Ziele von Hermes Germany sind die Optimierung des Tagesgeschäfts und die Präzisierung der Prognosefähigkeit: Verbesserungen von denen auch die Kunden des Logistikdienstleisters direkt profitieren. Weitere Informationen zum Identifikationsprozess und zur Implementierung von Big Data bei Hermes Germany finden Sie hier.
Die komplette Studie von Forrester Consulting „Enabling Smarter Procurement” können Sie hier herunterladen (Registrierung erforderlich).