它不应该是一个很大的冲击,采购分析现在是一个大问题。后采购组织已经建立了一些基本花多维数据集(或“花了立方体”)和仪表板,他们正在寻找更深层次的预测洞察消费,合同,供应商、成本、过程改进、供应风险和其他领域。事实上,分析是目前为止最引用技术领域将有一个业务影响未来两年手机调查在最近的2019年德勤全球CPO调查。
在分析一直最感兴趣的领域:
*自助分析/可视化业务涉众和采购人员
*预测分析电力用户(例如,价格/成本/体积预测)
*性能分析和仪表板(如供应商计分卡,类别仪表板,等等)。
*支持数字计划如AI /机器学习(这通常是集中预测分析问题),则(这需要一些分析过程中或相反的是关于帮助自动化分析工作流),或大数据分析(例如,使用从供应链物联网传感器数据)
的困境
然而,尽管热分析,实现障碍可以石头冷杀手:
*数据质量不佳。40%的手机引用无法生成的见解和分析,因为一个更大的数字(60%)引用主数据质量差、标准化和治理。
*主数据质量问题非常熟悉从业者运行任何类型的分析,与供应商、项目和合同——即。,其中大部分是!
*一些ERP套房和采购套房已经支离破碎的主数据在他们的产品线,和几乎所有这些解决方案没有主数据,可以使用作为MDM-type解决方案的一部分(例如,有一个供应商的主人,可以真正的SIM卡从MDM解决方案的角度而不是创建另一个供应商主文件添加到堆)。
*基于外部数据生成前瞻性的见解和智慧,而不是简单的花取证——特别是范畴特定见解,通常是从零开始的。
*的斗争创建超越现成的运营分析报告从各个模块/工具在市场上。
*仪表板的吸引力,但可以视觉上压倒性的,不是帮你优先考虑的关键机遇在哪里。
* IT组织可能推动遗留数据仓库和BI工具不允许更多的民主化分析开发与日益数字化精明的一代的业务用户和工具(可能还需要通过老一代的采购从业人员)。数据可视化和预测分析前两个数字技能优先采购技术培训在未来一年。
在剩下的这花箴短暂,我们将深入介绍采购分析区域的当前和未来的状态,做一些预测,关于我们希望看到在2020年从市场的角度来看,也更详细的技术角度来看。