Data-Mining-Verfahren: Anwendung im Beschaffungscontrolling / 6 Zusammenfassung

Traditionelle Controlling-Instrumente werden durch Data Mining nicht obsolet. Sie liefern auch weiterhin effizient belastbare Informationen auf der Basis qualitativ hochwertiger Daten und klar definierter Zusammenhänge. Data Mining erweitert den Instrumentenkasten des Beschaffungscontrollings, indem unbekannte Zusammenhänge in einem komplexen Datenberg entdeckt werden können. Aber auch Algorithmen mit bekannten Mustern können auf die Ausgabe bestimmter Zielgrößen trainiert werden, um diese nachfolgend auf neue und noch unbewertete Daten anzuwenden.^[1] Die Potenziale sind immens und wurden im Beitrag anhand von drei einfachen Beispielen illustriert.

Die Anwendung von Data-Mining-Verfahren im Beschaffungscontrolling setzt jedoch ein Grundverständnis über den Analyseprozess und die Verfahren voraus, um zielführende Aufgabenstellungen definieren zu können – egal, ob es sich um die Entwicklung eines Prototyps für eine unternehmensspezifische Problemstellung oder den Einsatz einer etablierten Softwarelösung (z. B. Social Media Monitoring von Lieferanten oder Process Mining zur Analyse von Beschaffungsprozesse) handelt.

Anders als bei traditionellen Controlling-Instrumenten sind nicht nur die Ausgangsqualität der Daten und einige Rechenoperationen ausschlaggebend, sondern die Wahl des richtigen Analysemodells und dessen Parametrisierung, da in allen Daten nicht nur sinnvolle, sondern auch unsinnige Muster gefunden werden können.^[2]

Data Mining ist kein abgekapseltes Projekt von Umsetzungsspezialisten, sondern vielmehr ein kooperativer Prozess, in den sich das Beschaffungscontrolling inhaltlich einbringen und vor allem die Ergebnisse der Verfahren bewerten muss. Dieses Bewusstsein ist die Grundlage für eine erfolgreiche Umsetzung von Data-Mining-Verfahren im Beschaffungscontrollin...