Statt einer klassischen Darstellung von Kennzahlen soll das Augenmerk nun aber darauf gerichtet werden, welche strategischen Kennzahlen es bereits gibt und welche neu entwickelt werden müssen, um die zukünftige Leistung des Einkaufs zu messen bzw. den geänderten Anforderungen an den Einkauf gerecht zu werden. So ist vorstellbar, dass es ein Set von "Basiskennzahlen", die immer erhoben werden, gibt. Darüber hinaus ist es abhängig von der Zielsetzung, welche Kennzahlen zusätzlich erhoben werden sollten. Die aktuell in den Unternehmen vorherrschenden Zielsetzungen sind z. B. Nachhaltigkeit, Digitalisierung, Innovation und Prozessoptimierung.
Eine alternative Herangehensweise ist die Entwicklung eines Kennzahlenkatalogs, abhängig von den Erfolgsfaktoren einer gewissen Stoßrichtung. Am Beispiel von "Digitalisierung/Einkauf 4.0" kann dies deutlich gemacht werden: Die Erfolgsfaktoren Prozesse und Systeme, Daten, interne Zusammenarbeit, Mindset und Supply Chain bilden die Kategorien für den Kennzahlenkatalog. Pro Kategorie gilt es, geeignete Kennzahlen zu entwickeln.
Um eine hohe Aussagekraft der Kennzahlen tatsächlich gewährleisten zu können, ist es wichtig, dass diese richtig ausgewertet und von allen Mitarbeitern auf die gleiche Weise interpretiert werden. Beides kann sichergestellt werden, indem eine klare Definition der Kennzahlen sowie eine exakte Beschreibung existiert, welche Daten in die Auswertung einfließen.
Hilfreich kann es sein, wenn für jede Kennzahl ein Steckbrief angelegt wird, der für alle Mitarbeiter einsehbar ist. Dieser kann z. B. die folgenden Informationen enthalten:
Abb. 3: Steckbrief Einkaufskennzahlen[1]
Im Unternehmen sollte außerdem sichergestellt werden, dass eine einheitliche Auswertung von Kennzahlen aus dem Datenpool erfolgt. Dies kann mit folgenden Maßnahmen gelingen:[2]
- Erläuterung der einzelnen Dimensionen einer Kennzahl
- Definition von Standards
- Auswertung offizieller Kennzahlen am besten durch eine zentrale Stelle
- Automatisierte Ermittlung von Kern-Kennzahlen
Innovative Technologien wie KI und Blockchain (BCT) können den Einkäufern bei der Erstellung einer erweiterten Balanced Scorecard und somit bei der Erhebung und Auswertung der klassischen und neuen Kennzahlen assistieren und dadurch die Komplexität u. a. aufgrund einer Vielzahl unterschiedlicher Datenquellen reduzieren. KI- und Machine Learning-Tools unterstützen nicht nur durch fortgeschrittene Algorithmen bei der Datenauswertung (z. B. Process-Mining und Web-Crawling), sondern schaffen auch verbesserte Prognosemodelle und Fraud-Detection.
Die BCT ermöglicht neben der Transparenz und Rückverfolgbarkeit von Lieferketten (Proof of Origin) auch die Datentransparenz und -konsistenz (Single Point of Truth), die bei der Erhebung und Auswertung von z. T. auch neuen, unternehmensübergreifenden Kennzahlen von großer Bedeutung sind.
Das ist nur ein Ausschnitt aus dem Produkt Haufe Finance Office Premium. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen
Anmelden und Beitrag in meinem Produkt lesen