Big data -analytiikalla on paljon annettavaa hankinnan ammattilaisille

Suuren volyymin (volume), vaihtelevuuden (variety) ja vauhdin (velocity) big data vaatii kehittyneen analytiikan hyödyntämistä. VTT:n tutkija Salla Paajanen tutki aihetta vasta valmistuneessa pro gradussaan Opportunities of big data analytics in supply market intelligence to reinforce supply management (http://urn.fi/URN:NBN:fi-fe201705226754). Nostamme tässä blogissa työn tuloksista viisi viestiä jokaiselle hankinnan ammattilaiselle. Lopuksi avaamme big data -analytiikan tulevaisuudennäkymiä.

Viesti 1: Hankintojen johtaminen tietoon perustuvan päätöksenteon avulla luo yritykselle kilpailuetua.

Toimittajamarkkinatietämys (supply market intelligence), eli kyky luoda syvää ymmärrystä toimittajamarkkinoiden tärkeimmistä ominaisuuksista, on hankintatoimelle tärkeää erityisesti innovaatiotoiminnan kehittämisessä, hankintastrategian muodostamisessa ja toimitusriskien hallinnassa. Toimittajamarkkinoiden tuntemus on keskeinen kilpailutekijä, jonka mahdollisuuksia monikaan yritys ei vielä osaa tunnistaa ja hyödyntää. Myöskään hankintojen johtamisessa tietoa ei hyödynnetä riittävästi.

Yrityksen tarpeiden tunnistaminen on tärkeää analysoituun tietoon perustuvassa päätöksenteossa. Näkökulmana voivat olla yrityksen, myynnin, hankinnan tai tuotekehityksen tarpeet. Toimittajien hyödyntämien teknologioiden kartoittaminen yhteistyössä muiden liiketoimintayksiköiden, kuten T&K:n, kanssa auttaa kehittämään parempaa tuotekehitystä ja liiketoimintaa. Uusia innovatiivisia toimittajia voidaan tunnistaa olemassa olevien toimittajien tai uusien ekosysteemien kautta. Kun näkemys toimittajamarkkinoista muuttuu, voi olla tarpeellista uudistaa liiketoimintaa ja strategiaa. Toimittajamarkkinatietämys siis edistää strategisten kumppanuuksien muodostamista toimittajien kanssa ja uusien ekosysteemien kehittymistä.

Viesti 2: Big data -analytiikan avulla voi luoda systemaattista toimittajamarkkinatietämystä.

Yritykset voivat luoda kilpailuetua big data -analytiikan kautta hyödyntämällä analyyttisia kyvykkyyksiä yrityksen tarpeisiin nähden ja linkittämällä analytiikkasovellukset yrityksen mittareihin ja strategiaan. On huomattava, että big data -analytiikan avulla saavutetaan hyödyt vasta, kun analyysin perusteella tehdään tietoon perustuvia päätöksiä tai toimenpiteitä, kuten (yhteistyö)mahdollisuuksien tunnistaminen ja toteuttaminen tai parhaiden toimittajien valinta. Big data -analytiikka myös vähentää odottamattomien tapahtumien määrää (esim. toimittajan konkurssi tai markkinahintojen vaihtelu) sekä vasteaikaa proaktiivisen toimintasuunnitelman avulla. Toimittajamarkkinoiden riskien arviointi ja niiden mahdollisuuksien tunnistaminen ovat haastavia tehtäviä, mutta onnistuessaan ne tarjoavat uusia liiketoimintamahdollisuuksia.

Viesti 3: Big data voidaan luokitella sen muodon (strukturoitu, puolistrukturoitu, strukturoimaton) ja omistajuuden tai pääsyn perusteella (yksityisomisteinen, julkinen, ostettu).

Tärkeimpiä datan ja informaation (kuvassa ennakkotietojen – pre-knowledge) teemoja ulkoisilta toimittajamarkkinoilta ovat tulevaisuuden markkinatrendien tarkastelu ja ennustaminen, innovaatiot ja teknologiat, toimittajien laatu ja toimituskyky, nykyisten toimittajien kyvyt, uudet toimittajat ja ratkaisut, maailmanlaajuiset hintatasot sekä tuotteiden/palveluiden saatavuus.

Taulukosta 1 löytyy esimerkkejä big data -analytiikan sovelluksista toimittajamarkkinatietämyksen luomiseen olemassa olevan kirjallisuuden ja aikaisempien tutkimusten perusteella. Taulukosta 2 taas löytyy data- ja informaatioesimerkkejä yllä olevan kuvan jaottelun eri osa-alueisiin (intranet, ekstranet, toimittajamarkkinatiedot, sosiaalinen massadata), pro gradussa kerätyn empiirisen aineiston perusteella.

Viesti 4: On tehokkaampaa luoda arvoa big data -analytiikan avulla yhteistyössä palveluntarjoajan kanssa kuin tehdä se yrityksen sisällä.

Kun yritys hyödyntää ulkoista big data -analytiikan palveluntarjoajaa, sen ei tarvitse investoida perusanalytiikkaan, mutta kattavammat tietolähteet ja analyyttinen osaaminen ovat sen käytettävissä. Monet yritykset pyrkivät saavuttamaan suuret hyödyt big data -analytiikan avulla liian nopeasti ja liian pienillä resursseilla. Tämä johtaa kriittisen pisteen saavuttamiseen nopeasti, usein 3–6 kuukauden kuluttua, sekä kertaluonteisiin ja irrallisiin kokeiluihin.

Ulkoinen palveluntarjoaja mahdollistaa systemaattisen toimittajamarkkinatietämyksen luomisen integroimalla sisäistä ja ulkoista dataa eri lähteistä ja tietokannoista pilvipalveluun. Palveluntarjoaja hyödyntää kehittynyttä analytiikkaa ja interaktiivisia hallintatyökaluja ja luo niiden avulla päätöksentekijälle yhden helppokäyttöisen käyttöliittymän.

Viesti 5: Ennen ja jälkeen analyysia tapahtuvat prosessit ovat haastavampia kuin itse analyysi.

Tietojen yhdisteleminen ja organisointi tulee tehdä ennen analyysia, mikä on työlästä, koska strukturoimatonta tietoa löytyy eri muodoissa (esim. teksti, numero tai kuva) ja eri lähteistä (esim. yritysten tietokannat, sosiaalinen media tai kirjallisuus). Analysoitu tieto tulee jakaa yrityksen sisällä ja omaksua, jolloin analyysin ymmärtämisen ja liiketoimintayksiköiden välisen yhteistyön merkitys korostuvat. Eri tahot voivat olla vastuussa näistä prosesseista, mutta tärkein vaihe arvonluomisessa big data -analytiikan avulla on ymmärtää toimittajamarkkinoiden tärkeimmät elementit ja analysoitu tieto.

Ratkaiseva tekijä arvonluonnissa on siis pienentää analyytikkojen ja päätöksentekijöiden välistä kuilua. Palveluntarjoajien tulee räätälöidä palveluja asiakkaan tarpeiden mukaan, mutta hankinnan ammattilaisten valveutuneisuus, kiinnostus ja osallisuus big data -analytiikan hyödyntämiseen on yhtä tärkeää. Onnistunut analyysi edellyttää oikeiden kysymysten kysymistä.

Big data -analytiikan tulevaisuudennäkymät

Tekoälypohjaisen koneoppimisen ja automaation merkitys lisääntyy entisestään big datan analysoimisessa. Teknologian kehitys, kuten kognitiivinen tietojenkäsittely, robotiikka, mobiiliteknologia ja esineiden internet (Internet of Things), luo mahdollisuuksia, jotka vaativat vielä lisätutkimusta parhaan hyödyn saavuttamiseksi. Hankintojen ja koko toimitusketjun digitalisaatio muuttaa prosesseja ja luo uusia toimintatapoja.

Salla Paajanen VTT

Salla Paajanen, tutkija

Anna Aminoff VTT

Anna Aminoff, erikoistutkija
Twitter: @AminoffAnna

The unexploited opportunities of big data analytics in supply market intelligence

The opportunities of big data analytics (BDA) were studied in a recently published master’s thesis ‘Opportunities of big data analytics in supply market intelligence to reinforce supply management’ (http://urn.fi/URN:NBN:fi-fe201705226754) by Salla Paajanen, a Research Scientist at VTT. The big data characteristics of high volume, variety and velocity (3Vs) require utilizing advanced analytics. In this blog, we will present five messages that every supply management professional should recognise. Finally, we will unwrap some of the future trends of BDA according to big data professionals.

Message 1: Insight-based decision-making in supply management creates competitive advantage for a company.

Supply market intelligence (SMI) that can be defined as the ability to develop deep insights into key supplier market characteristics is important in supply management especially in driving innovation, sourcing strategy formation and supply risk management. SMI is a key element in creating competitive advantage, but its opportunities are still not identified and exploited in many companies, and insight-based decision-making is insufficiently utilized in supply management. Recognising the company’s needs is important in data-driven decision-making. The needs can derive from the point of view of sales, supply management or product development. Supplier technology road mapping in collaboration with other business units, like R&D, enables enhanced product and business development. When the perception of the supply markets changes, a need may be derived to reform existing business and strategy. Thus, SMI contributes to forming strategic partnerships with suppliers and developing new ecosystems.

Message 2: BDA has great potential in creating systematic SMI.

Companies can create competitive advantage by analysing big data according to their needs by applying analytical capabilities. It is notable that value via BDA is realised only when the analysis is used for data driven decisions or actions, such as identifying and implementing (collaboration) opportunities or selecting the best suppliers. Furthermore, BDA reduces unexpected events (e.g., supplier’s bankruptcy or market price fluctuation), as well as response time through proactive action planning. Supply markets’ risk assessment and opportunity identification are challenging, but once successful, can offer new business development opportunities.

Message 3: Big data can be categorised based on its form (structured; semi-structured; unstructured), and ownership or access to it (proprietary; public; purchased).

Some of the most important data and information (referred to as ‘pre-knowledge’ in the above figure) that is needed from the external supply markets are examining and forecasting future market trends, innovations and technologies, suppliers’ quality and delivery performance, existing suppliers’ abilities, but also new suppliers and solutions, global price levels as well as product/service availability.

Examples of BDA applications in creating SMI according to existing literature and previous studies can be found via the following link. This link on the other hand presents examples of data and information for different pre-knowledge categories as per the above figure based on the conducted research.

Message 4: Value creation with BDA is more efficient in collaboration with a solution provider than when implemented entirely in-house.

When utilising the capabilities of an external BDA solution provider, the company does not have to invest in basic analytics, but has access to more comprehensive data sources and analytical skills. Many companies attempt to achieve large gains from BDA too fast and with too little resources. This results in encountering a tipping point quickly, often from 3–6 months, as well as nonrecurring and disconnected experiments.

An external solution provider enables the creation of systematic SMI by integrating internal and external data from different sources and databases into a cloud warehouse management system. By utilising advanced analytics and interactive management tools, the solution provider can create an easy to use single point of truth user interface for the decision-maker.

Message 5: Pre- and post-analysis processes are more challenging than the actual analytics implementation.

Data aggregation and organisation are prerequisites for the analysis, which is labor-intensive due to large amounts of unstructured data in different formats (e.g., textual, numeric or graphic) and in different sources (e.g., corporate internal databases, social media or literature). Analysed information needs to be shared and absorbed internally in the company, which emphasises understanding the analysis and collaboration between the business units. Different parties can be responsible for these processes, but the most important step in creating value via BDA is understanding the key elements of the supply market and the analysed data. Closing the gap between analysts and decision-makers who are actually utilising the analysed data is a determining factor for realising the value from BDA. Solution providers need to tailor their services according to customer needs, but enlightenment, interest and involvement of supply management professionals in utilising BDA is equally important. Hence, asking the right questions is one of the requirements for a successful analysis.

Future trends of BDA

In the future, artificial intelligence (AI) -based machine learning and automation will continue to increase importance in analysing big data. Technological developments, such as cognitive computing, robotics, mobile technologies and Internet of Things (IoT) create future opportunities that still require further research in order to achieve the best benefits. Digitalisation of supply management and the entire supply chain changes processes and creates new methods of working.

Salla Paajanen VTT

Salla Paajanen, Research Scientist

Anna Aminoff VTT

Anna Aminoff, Senior Scientist
Twitter: @AminoffAnna

Miksi toimittajamarkkinatietämys on yrityksille elintärkeää?

VTT, Aalto-yliopisto ja Suomen Osto- ja Logistiikkayhdistys LOGY ry järjestivät 31.1.2017 seminaarin, jossa oli aiheena toimittajamarkkinatietämys ja big data -analytiikka. Tilaisuuteen osallistui yli 50 hankinnan ammattilaista suomalaisista eturivin yrityksistä. Microsoftin edustaja kertoi big datan muuttamisesta älykkääksi toiminnaksi, jolla tehostetaan yrityksen toimintoja. Hankintatoimen analytiikkaratkaisuja tarjoavan Sievon edustaja esitteli näkökulmia dynaamisesta suorituskyvyn mittaamisesta, joka mahdollistaa yrityksen tehokkuuden parantamisen maailmanlaajuisesti. Tilaisuuden lopuksi VTT veti työpajan big data -analytiikan hyödyntämisestä.

fig1

Kuva: Hanna van der Steen

Toimittajamarkkinatietämys eli Supply Market Intelligence (SMI) on kykyä luoda syvä ymmärrys keskeisistä toimittajamarkkinoiden ominaisuuksista, kuten uusista teknologioista, hinta- ja kustannustrendeistä, yritysfuusioista ja -kaupoista, kapasiteettivaatimuksista, laadusta ja toimituskyvystä sekä muista keskeisistä toimittajien ominaisuuksista, jotka luovat pohjan strategiselle hankinnalle. SMI on osa markkinatuntemusta (Market Intelligence – MI), joka luo pohjan koko toimitusketjun hallintaan. SMI taas liittyy tarkemmin hankintatoimen prosesseihin, kuten hankintastrategian määrittämiseen ja tuotekategorioiden johtamiseen.

Miksi toimittajamarkkinatietämys (SMI) on tärkeää?

Koska yritykset käyttävät liiketoiminnassaan ulkoisia resursseja yhä enemmän, toimittajamarkkinatietämyksestä on tullut yksi yritysten ydinkyvykkyyksistä. Toimittajamarkkinatietämys on strategisen hankintatoimen perusta. Lisäksi sillä on suuri merkitys koko yrityksen johtamiselle, sillä asiakastarpeiden tyydyttäminen edellyttää yhä useammin sisäisten ja ulkoisten resurssien yhdistämistä optimaalisesti. Systemaattisen SMI:n luominen on keskeinen edellytys oikeiden toimittajien valitsemiseksi, hyvien sopimusten tekemiseksi ja parhaiden yhteistyömallien kehittämiseksi.

Toimittajamarkkinoiden arviointi mahdollistaa potentiaalisten kustannustehokkaiden markkinoiden, uusien teknologioiden ja innovaatioiden tunnistamisen ennen kilpailijoita. Lisäksi SMI:n luominen on olennaista toimittajamarkkinoiden riskienhallinnassa, kuten markkinahintojen vaihtelujen ennustamisessa ja neuvoteltujen kustannusten noudattamisessa.

Big data -analytiikan mahdollisuuksia

Informaatioteknologiaa ja big data -analytiikkaa voidaan hyödyntää resurssien optimoimisessa hankintatoimen johtamisen tueksi, ja niiden käyttäminen luo kilpailuetua yritykselle. Big data -analytiikan hyödyntäminen parantaa yrityksen suorituskykyä, riskienhallintaa sekä kykyä luoda syvää ymmärrystä toimittajamarkkinoista.

Big data -analytiikka luo arvoa

  1. toimintojen läpinäkyvyyden ja avoimuuden kautta
  2. tarpeiden ja vaihtelun havaitsemisella
  3. toimintojen muokkauksella segmentoinnin perusteella
  4. päätöksenteon tukemisella automatisoitujen algoritmien avulla
  5. uusien liiketoimintamallien, tuotteiden ja palvelujen innovoimisella.

Supplier Market Intelligence (SMI) ja big data -seminaarin työpajan tuloksia

Seminaarin työpajaosuuteen osallistui noin 40 hankintatoimen eri alojen ammattilaista. Saimme kerättyä mielenkiintoisia näkemyksiä ja kommentteja mm. siitä, mitä toimittajamarkkinoista pitäisi tietää ja miten muutoksiin voidaan varautua tietämyksen ja big datan avulla hankintojen johtamisen tueksi.

Alla olevassa kuvassa on yhteenvetona työpajan tuloksia siitä, mitä toimittajamarkkinoista pitäisi tietää, jaoteltuna big datan eri osa-alueisiin. Big data voidaan jakaa jäsentelyn perusteella strukturoituun ja strukturoimattomaan tietoon sekä omistajuuden perusteella yksityisomisteiseen ja avoimeen tietoon.

fig2

Yksityisomisteisen sisäisen tiedon systemaattisuus ja jäsentely toimivat lähtökohtana avoimen ulkoisen tiedon keräämiselle. Hinnan muodostuminen ja kustannusvertailu nousivat ryhmissä yhdeksi tärkeimmistä osa-alueiksi toimittajamarkkinoilta tarvittavaksi tiedoksi. Myös teknologioiden kehitys ja innovointimahdollisuudet toimittajien kanssa nähtiin tärkeiksi tiedoiksi, joita tarvitaan hankintojen johtamisen tukena.

Big data -analytiikan mahdollisuuksia toimittajamarkkinatuntemuksessa tutkitaan osana Tekesin, VTT:n ja suomalaisten yritysten rahoittamaa Supplier Innovation Management (SIM) -projektia, jossa VTT:n tutkimuskumppanina on Aalto-yliopisto.

anna_aminoff

Anna Aminoff, erikoistutkija
Twitter: @AminoffAnna

salla_paajanen

Salla Paajanen, tutkimusharjoittelija