Hvordan løse utfordringene knyttet til konsolidering og harmonisering av innkjøpsdata

Èn av utfordringene til innkjøpsfunksjonen er å konsolidere og harmonisere dataen som finnes for å jobbe mer faktabasert i innkjøpsarbeidet.

Ignite Procurement
Ignite Procurement

Feb 14, 2020 5 min read

Innkjøpfunksjonen møter flere utfordringer i innkjøpsarbeidet. Èn av de største flaskehalsene for å jobbe mer faktabasert med innkjøp, er knyttet til selve datainnsamlingen og -harmoniseringen. I dette innlegget gir vi deg noen praktiske tips til hvordan du kan løse disse problemene - både gjennom større virksomhetsovergripende tiltak til tilpassede løsninger basert på moderne teknologi.

Tre barrierer for å jobbe mer datadrevet med innkjøp

Datakonsolidering

I flere virksomheter kan det være flere kilder for innkjøpsdata, men relevant data kan ligge spredt mellom ulike systemer og systemløsninger. Ett eksempel på dette er bruk av ulike ERP-løsninger på tvers av en konsernstruktur. Dette blir ofte en barriere for å i det hele tatt ta i bruk den dataen man har.

Å ha tilgang til konsolidert data, er likevel helt nødvendig for å få nødvendig innsikt i totaliteten av kjøpet. Hvilke alternativer bør du vurdere for å konsolidere denne informasjonen?

1. Investere i felles ERP-løsning

  • Fordeler: All data er tilgjengelig i et felles system, og i samme format, på tvers av virksomhetene.
  • Ulemper: Krever store investeringer i både interne og eksterne ressurser, og vil typisk være et omfattende prosjekt.

2. Bygge datavarehus

  • Fordeler: Mulighet til å samle informasjon fra flere datakilder i èn felles database.
  • Ulemper: Krever investeringer, kompetanse og ressurser for å bygge opp og vedlikeholde databasen.

3. Bruke plug-and-play SaaS-løsning

Datakonsolidering er noe vi legger til rette for i vår løsning for strategisk innkjøp, og som skaper stor verdi for kundene våre.

  • Fordel: Samler all data i en skybasert løsning, som krever minimale investeringer i kapasitet og ressurser. Kan enkelt integreres direkte mot datakildene.
  • Ulemper: Krever god digital sikkerhet for beskyttelse av dataen. Dette er heldigvis noe alle seriøse SaaS-selskap prioriterer høyt.

Datakvalitet

Noen selskaper opplever utfordringer knyttet til datakvaliteten. Eksempler på dette kan være små forskjeller i rådataen for leverandørnavn eller manglende standardisering for kontering i regnskapet (bruk av regnskapskontoer). Hva kan din virksomhet gjøre for å forbedre datakvaliteten?

1. Master data management

  • Fordeler: Sikrer at rådataen blir oppdatert og kvalitetssikret med jevne mellomrom.
  • Ulemper: Krever ofte èn eller flere dedikerte ressurser for å vedlikeholde, og vil sjelden være løpende oppdatert.

2. Standardisering av policyer

  • Fordeler: Sikrer standardisering i bruk og logging av data på tvers av virksomheten, for eksempel policy for bruk av riktig regnskapskonto.
  • Ulemper: Vil kreve en gjennomgang på flere områder, samt kapasitet rundt oppfølging internt.

3. Bruke plug-and-play SaaS-løsning

Vår skybaserte løsning gjør automatisk datacleaning og -validering, i tillegg til at brukerne enkelt kan redigere dataen.

  • Fordeler: Automatiske og manuelle kvalitetsforbedringer i enkle brukergrensesnitt. Eventuelle justeringer blir husket for ny data fremover.
  • Ulemper: Manuelle justeringer vil kreve en mindre engangsinvestering.

For mange virksomheter oppleves utfordringene rundt datakvalitet som en barriere for å bruke dataen i det store og hele. Vår erfaring tilsier at det er mye bedre å bruke den informasjonen man har, enn å ikke bruke den i det hele tatt!

Datakonsolidering, datakvalitet og dataharmonisering

Dataharmonisering

En annen vanlig utfordring er knyttet til harmonisering av dataen. Det vil si å bruke datagrunnlaget for formål som er relevante for innkjøpsfunksjonen. Eksempel på dette kan være å klassifisere kjøpet til en hensiktsmessig kategoristruktur. Hvordan kan du harmonisere dataen for å få den nødvendige innsikten du trenger?

1. Bruk av Excel

  • Fordeler: De fleste har tilgang til Excel og kan bruke dette på et overordnet nivå.
  • Ulemper: Tidkrevende å bygge og vedlikeholde, der klassifiseringer vil kreve komplekse formler og avansert kompetanse som gir lite transparens over tid.

2. Bygge klassifiseringsalgoritmer i ERP-løsning

  • Fordeler: Sikrer at informasjon er lett tilgjengelig i ERP-systemet.
  • Ulemper: Bistand fra IT-ekspertise internt og eksternt, og lite dynamisk løsning for eventuelle justeringer og endringer fremover.

3. Bruke plug-and-play SaaS-løsning

Vår digitale løsning for strategisk innkjøp tilrettelegger for klassifisering og standardisering av data, hvor brukerne eksempelvis har full fleksibilitet til å utarbeide egne kategoristrukturer.

  • Fordeler: Data kan klassifiseres basert på èn eller flere dataparametere, i mange tilfeller ved hjelp av enkel «drag and drop»-funksjonalitet og AI/ML. Klassifiseringsregler sørger for automatisk harmonisering, som samtidig er lett å tilpasse ved behov.
  • Ulemper: Vil typisk kreve en mindre tidsinvestering for å bygge gode klassifiseringsstrukturer.

Vår løsning for strategisk innkjøp hjelper deg med dine utfordringer knyttet til datakonsolidering, -kvalitet og -harmonisering. Oppdag kraften i strategisk innkjøp gjort digitalt!