Ein Haufen Steine ist noch kein Haus. Ein Haufen Daten ist noch keine Information“ – so die treffende Aussage von Uwe Günther, CPO der Deutschen Bahn. „Wir haben die Kompetenz, daraus etwas Sinnvolles abzuleiten“, betonte er im September vor Lieferanten in Berlin. Wie kompetent sich der Bahn-Einkauf dabei anstellt, wird sich erst in der Zukunft erweisen. In welchen Geschäftseinheiten schafft es der Konzern nachweislich, die Flut ein- und ausgehender Datenströme standardisiert und medienbruchfrei so zu steuern, dass diese sich gezielt auf bestimmte Fragestellungen hin auswerten lassen? Nächster Schritt: Nach den Auswertungen sind zeitnah geeignete Maßnahmenpakete ab- und einzuleiten, die den Konzern nachhaltig beschleunigen. Parallel gilt es, die globalen Kaskaden aus großen und kleineren Netzwerkpartnern ins Boot zu holen bzw. an Bord zu halten. Aus Big Data erwächst die Pflicht zum systematischen Handeln, und das nicht nur bei der Deutschen Bahn. Das Rauschen der Datenströme ist in den meisten Branchen laut und deutlich zu vernehmen. Wer jetzt dem Thema ausreichend Zeit und Kapazität widmet, macht schneller Erfahrungen als andere. Zum strukturierten Vorgehen gehört eine neutrale, ehrliche Bestandsaufnahme. Generelle Fragen hinter der komplexen Problematik Big Data sind beispielsweise:
- Kennen wir unsere Daten bzw. Datenquellen im Unternehmen?
- Wie trennen wir „Falsches“ von „Richtigem“?
- Welchen Nutzen wollen wir durch das Auslesen erreichen?
- Wer kann mit unseren Erkenntnissen etwas anfangen bzw. die richtigen Schlüsse ziehen?
- Wer behält den Überblick bzw. wer steuert den vernetzten Prozess?
- Auf welche Tools und Systeme können wir – auch in Zukunft – bauen?
- Welche Mitarbeiter helfen uns dabei?
- Woher kommen Big Data Manager?
- Welche Skills sollen sie erfüllen?
- Wie binden wir diese speziellen Experten geschickt ein?
- Muss „unser“ Big Data Manager zwingend Einkaufsexpertise mitbringen?
- Gegen welche Windmühlen wird der Big Data Manager in unserer Organisation bzw. im Unternehmen kämpfen müssen?
Viele Unternehmen haben noch nicht ausreichend Klarheit darüber gewonnen, welche Informationen man eigentlich beherrschbar machen sollte. Gründe für zögerliches Vorgehen gibt es viele. Beispiele:
- tradierter Wust unterschiedlicher Systeme im Unternehmen
- mangelnde Transparenz (Wer weiß konkret was?)
- Inkonsistenzen in den Fachbereichen (keine Standards)
- Silo-Handeln (Wissen hängt unvernetzt auf Papier, in Schubladen, in Mails und individuellen Excel-Listen)
- veraltete Kennzahlen
- keine Weitergabebereitschaft von vermeintlichem Herrschaftswissen
- Weigerung von Geschäftspartnern/Lieferanten, bestimmte Daten bewusst zu teilen
- Unlust und Unflexibilität von Geschäftspartnern/Lieferanten, sich an Kundensysteme anbinden zu lassen
- Zurückhaltung, auf (kollaborativen) Plattformen mitzumachen
Mehr Integration, weniger Hierarchie
„Mitarbeiter und Fachbereiche wissen sehr wohl, welche Informationen relevant sind“, meint Jan Herold von der Cosmo Consult BI GmbH (München). Zuweilen mangele es an benutzerfreundlichen Werkzeugen, um diese Informationen aus den vorliegenden Daten zu gewinnen. Insgesamt betrachtet gehe es allerdings weniger um Technologien und Produkte, als vielmehr um die Schaffung von Rahmenbedingungen und Vorgehensweisen, die den Erfolg eines Analyseprojektes flankierten. Herold: „Erfolgskritisch ist die adäquate Kombination aus einer positiv empfundenen Unternehmenskultur, Umgang mit der großen Bandbreite an Datenquellen und Kompetenzaufbau in den Fachbereichen.“
Für Dr. Bernd Rosenkranz, bis vor kurzem Leiter SCM beim Schalungs- und Gerüsttechnikunternehmen Peri, Weißenhorn, ist Big Data „Anfang und Ende des Kreislaufs“. Wer beginne, im Einkauf Daten zu analysieren, sei erstaunt, was Lieferanten alles preisgäben und welche Kostenanalysen sich daraus generieren ließen. Sein Rat: „Analysieren Sie auch Ihre eigenen dispositiven Daten im Einkauf.“ Das Thema sei weder neu noch sexy, aber notwendig und dank neuer Tools machbar. Rosenkranz hat bei Peri die Erfahrung gemacht („spät, aber nicht zu spät“), dass Organisationsteile, die etwa für Stammdaten sowie interne und externe transaktionale Daten verantwortlich seien, aus bestimmten Bereichen zusammengeführt werden müssen – „und zwar in Form virtueller Teams unter der Prämisse ‚mehr Integration, weniger Hierarchie‘“. Vereinfachung und Standardisierung helfen laut Rosenkranz bei der Sicherung der Datenqualität. Zu diesem Thema verweist Dr. Marcell Vollmer, ehemaliger Einkaufschef und heutiger Chief Digital Officer bei SAP Ariba (Atlanta/USA), auf „Artificial Intelligence, Machine Learning und Cognitive Computing“. Allerdings sei auch weiterhin „die ein oder andere Aufgabe“ noch manuell zu übernehmen, meint Vollmer.
Daten und sinnhafte Ableitungen
„Daten müssen strukturiert erhoben werden und sich verdaubar einordnen lassen“, sagt Dr. Christoph Streng, Senior Director bei BravoSolution Er nennt Beispiele:
- Spend-Daten, die nicht nur aus Rechnungsdaten, sondern auch aus Bestelldaten oder Wareneingangsinformationen bestehen können
- Daten, die in zentralen und dezentralen Systemen gehalten werden, etwa Verträge und Dokumente
- Daten, die aus der Fertigung kommen, wie Qualitätsdaten und Informationen aus dem Internet of Things (IoT),
- Daten, die zusätzlich erzeugt werden, z.B. Bewertungen von Lieferanten, Audits, Qualifizierungen
- externe Daten, die z.B. von Wirtschaftsdiensten und Datenbanken stammen
Und was sollte der Einkauf ableiten? Laut Streng beispielsweise Kenngrößen, die auf Lieferanten einwirken („im Idealfall auch bezogen auf 2nd und 3rd Tier“) sowie spezielle Parameter, die auf Kunden und Wettbewerb Einfluss haben. Auslese und Vorhersagevermögen – Predicitive Analytics im Zusammenspiel mit Demand Forecasts – erleichtern Einkäufern die Mustererkennung und auch das Verhandeln. Zudem lassen sich belastbare Rückschlüsse auf kritische Lieferanten und Risiken ziehen.
Fortschrittlich: Predictive Analytics
Viele Einkaufsabteilungen nutzen deskriptive Daten, also Informationen, die im Nachhinein erhoben und zur Verfügung gestellt werden. „Fortschrittliche Abteilungen setzen auf Predictive Analytics“, sagt CDO Marcell Vollmer. Nächste Schritte: Prescriptive Guidance und die Intensivierung der Möglichkeiten durch Cognitive Computing. Hierdurch lassen sich individuell direkte und möglichst rechtssichere Handlungsanleitungen für berechtigte Bedarfsträger generieren. „Empfehlungsmöglichkeiten waren früher nicht realisierbar. Sie sollten unbedingt genutzt werden, um auf Marktanforderungen und aktuelle Ereignisse zielgenau reagieren bzw. vorausschauend handeln zu können“, rät Vollmer. IT-Experte Christoph Streng hält es für eine „große Herausforderung“, tendenziell falsche („Vorsicht vor Fake News, etwa bei Social Media“) und minderwertigere Daten von bewiesenen, richtigen und wertigeren Daten möglichst treffsicher unterscheiden zu können.
Big Data Manager: Spielkind und Feldherr
„Alle wissen, dass Digitalisierung zu grundlegenden Veränderungen in Organisationen und neuen Anforderungen an die Mitarbeiter führt. Die einen sind sehr aktiv, die anderen schieben das Thema vor sich her. Wer sich damit durchgängig beschäftigen will, muss sich auch der Konsequenzen bewusst sein“, meint Heiner Baerecke, Recruiting-Spezialist bei der Kölner Organisationsberatung 3p Procurement Branding. Das Bemühen um eine „Touchless-Abwicklung“ erfordere entsprechendes Personal. Es bedürfe zukünftig wesentlich agilerer, resilienterer und zudem jüngerer, technikaffiner Mitarbeiter – „im adäquaten Teammix wohlgemerkt. Viele Personalabteilungen haben das noch nicht realisiert“, meint Baerecke. Generell sei im Moment ein hoher Bedarf an Einkaufsmanagern festzustellen. Im Vordergrund stehe allerdings das Thema Versorgung, weil die Auftragsbücher voll seien. Baerecke: „Die Planungen des Einkaufs haben immer auch Auswirkungen auf andere Abteilungen. Diese sind freilich nicht immer erfreut über neue Ideen und Prozesse. Es kommt also darauf an, neben Tools und Schnittstellen passende agile Charaktere im Einkauf zu haben, die in Sachen ‚4.0‘ notwendige Ableitungen erkennen, für neue Ideen werben und auch Maßnahmen initiieren bzw. umsetzen können.“
In den Unternehmen herrscht noch keine Klarheit darüber, welche Skills einen erfolgreichen Big Data Manager auszeichnen. Personalvermittler Heiner Baerecke war früher lange Jahre selbst als Einkaufschef aktiv. Er rät dazu, den neuen Spezialisten nicht „von vornherein einzunorden“, sondern ihm Freiräume in der Organisation zu schaffen: „Der Mann sitzt genau in der Mitte. Er agiert horizontal und vertikal, versteht Big Data als Servicegeschäft und sorgt für zusätzliche Kundenbindung.“ Bernd Rosenkranz hält einen „Mix aus Spielkind und Feldherr“ für ideal. Dieser soll auch Fragen liefern – „und zwar bitte die unangenehmen“. Einen fachlichen Einkaufshintergrund halten weder Baerecke noch Rosenkranz für zwingend erforderlich.
Rollen für Digitalisierung sind im Entstehen
Data Scientists werden Daten so aufbereiten, dass z.B. kognitive Systeme oder Predictive-Modelle damit arbeiten können. „Intelligente Systeme müssen anhand von Trainingsdaten lernen können“, sagt Christoph Streng von BravoSolution. Das bedeutet: Erfahrungswissen des Menschen bleibt unerlässlich. Ein exaktes Anforderungsprofil für einen Big Data Manager gibt es indes noch nicht, meinen Streng und Personalprofi Heiner Baerecke übereinstimmend. Der Grund: Die Rollen für ein systematisches Agieren im noch verschwommenen Digitalisierungsumfeld sind teilweise erst im Entstehen. Weiterer Aspekt: Ein Big-Data-Spezialist generiert erst dann einen wahrnehmbaren Wertbeitrag, wenn „jemand“ im Unternehmen die selektierten Informationen zu schätzen weiß und diesen Content dann auch bewusst nutzt – dazu gehören messbare qualitative und quantitative Erfolge. Christoph Streng: „Nur durch ein ‚Out-of-the-box-Denken‘ verschaffen sich Unternehmen einen Informationsvorsprung. Wichtig ist, gezieltes Wissen früher als andere zu generieren, um Vorhersagen für den eigenen Markt bzw. die eigene Lieferkette in einen Wettbewerbsvorteil oder eine Alleinstellung zu transferieren.“
Konkretes Anforderungsprofil formulieren
Jan Herold von Cosmo Consult BI verweist auf die besondere Rolle der IT bei Business-Intelligence-Projekten: „Es hat sich als vorteilhaft erwiesen, wenn die IT als Coach Projekte begleitet, Datenquellen öffnet, deren Qualität dauerhaft sichert und insbesondere in den Feldern Governance und Security unterstützt“. Die konkrete Umsetzung sollte dann in den Fachbereichen laufen, meint der Spezialist für Verkehrsunternehmen. In Zusammenarbeit mit der IT seien Berechtigungskonzepte und Aktualisierungsroutinen zu entwickeln. Herold rät, Datenquellen nach und nach anzugehen und bei „Quick wins“ zu beginnen. Ein „Bottom-up“-Verfahren involviere spätere Anwender und sorge für breite Umsetzung im Unternehmen.
Jan Herolds Erfahrungen zeigen: Professioneller Umgang mit Daten und datengetriebene Entscheidungsfindung sollte kein Spezialauftrag für isolierte Teams sein. Digitalisierung ist zunächst einmal Chefsache. Das heißt: Die Unternehmensleitung muss neue Prozesse fordern und fördern. Ein Big Data Manager bewegt sich im Idealfall elegant und geschmeidig zwischen den Welten, sprich den Abteilungen. Er weiß Strömungen (vom Strudel über drohendes Unwetter bis Sonnenschein) aufzunehmen. Er ist in der Lage zu antizipieren. Ohne Empathie wird er keinen nennenswerten Erfolg haben – auch nicht im Einkauf selbst. Personalprofi Heiner Baerecke: „Wer einen engagierten smarten Freigeist mit Mission findet, sollte ihm in der Organisation Steine aus dem Weg räumen. Sonst kann es schnell passieren, dass er zu einem vermeintlich attraktiveren Wettbewerber abwandert.“ Es wird also Zeit, ein konkretes Anforderungsprofil zu skizzieren und gezielt nach Talenten Ausschau zu halten. Einkaufschefs sind gut beraten, zeitnah in Eigenregie proaktiv ihre Anforderungen an einen „freien Radikalen“ zu formulieren, anstatt auf eine Initiative der Personalabteilung zu warten.
Sabine Ursel,
Journalistin, Wiesbaden
