Data-Mining-Verfahren: Anwendung im Beschaffungscontrolling / 5.1 Beispiel zur Kontrolle der Ausschöpfung des Versorgungspotenzials

5.1.1 Problemstellung

Ein häufiges Problem im Beschaffungscontrolling ist die Bewertung des Lieferantenrisikos zur Kontrolle der Versorgungssicherheit. Das Risiko bezieht sich auf mögliche Probleme der Lieferung und mit dem Lieferanten selbst (Lieferausfall, -verzug, Fehlerquote, Termintreue usw.) I. d. R. basiert eine Bewertung neuer Lieferanten auf einer Selbstauskunft ggf. ergänzt um Informationen von Externen wie z. B. Auskunfteien.

Es liegen jedoch noch keine eigenen Erfahrungswerte aus einer Geschäftsbeziehung vor. Die Zielstellung des Beispiels besteht darin, neue und damit unbekannte Lieferanten in eine Risikoklasse einzuordnen. Abhängig von der vorhergesagten Klasse könnte z. B. die Betreuungsintensität der Lieferanten gesteuert werden.

5.1.2 Lösungsansatz

Zur Klassifizierung der Lieferanten nach ihrem Risiko wird ein datenanalytischer Ansatz mittels einer Diskriminanzanalyse gewählt. Die Diskriminanzanalyse ist ein Verfahren, um zwischen zwei oder mehreren Gruppen zu unterscheiden. Der Aufbau einer Diskriminanzanalyse beginnt mit der Festlegung der Gruppen.

In unserem Fall sind es drei Risikoklassen: niedrig, mittel und hoch (s. Abb. 2). Um den Algorithmus anzulernen, werden Trainingsdaten benötigt, bei denen die Gruppenzugehörigkeit eineindeutig vorliegt.^[1] Auf dieser Basis erlernt das Verfahren, Objekte anhand verschiedener Merkmale (in unserem Beispiel Jahresumsatz und Kunden) in Bezug auf die Zielvariable (Risikoklasse) zu unterscheiden.^[2] Grundlage der Einteilung ist die Berechnung der Wahrscheinlichkeit für die Zugehörigkeit eines Objekts zu den einzelnen Klassen.

Abb. 2: Klassifizierung neuer Lieferanten^[3]

[1] Vgl. Provost/Fawcett 2017, S. 45–49; Cleve/Lämmel 2016, S. 59–61; Alpaydın 2019, S. 23–29.

[2] Es handelt sich um überwachtes Lernen (Supervised). Vgl. Provost/Fawcett 2017, S. 203.

[3] Cleve/Lämmel 2016, S. 60.