Decision Mining: der nächste Schritt für Mehrwert in Lieferketten

Die meisten Unternehmen haben ein Vorausplanungssystem (APS) im Einsatz. Die Frage ist, ob Ihr Unternehmen das Potenzial von APS auch voll ausschöpft?

Zusammen mit einem Enterprise Resource Planning (ERP)-System eingeführt, versprach das APS, die Planung der Lieferkette zu revolutionieren. Mit automatisierten und routinierten Planungsentscheidungen. Doch es gibt neue Möglichkeiten für Planer, das Potenzial des APS noch erfolgreicher zu nutzen.

Leider bleibt die Performance von APS in vielen Unternehmen hinter dem zurück, was man sich davon versprochen hat. Und gar nicht mal aufgrund von Mängeln der Plattform oder ihrer Funktionen. Sondern weil das Potenzial ganz einfach nicht ausgeschöpft wird.

Obwohl APS-Plattformen sehr viele intelligente Funktionen bieten, vertrauen manche Planer einfach nicht auf die Empfehlungen, die das System gibt. Stattdessen setzen sie das System lieber außer Kraft und bearbeiten es manuell. Dies führt nicht nur zu Ineffizienzen, sondern kann sich auch negativ auf die Ergebnisse auswirken.

Wenn das APS die Erwartungen nicht erfüllt, handelt es sich also weniger um eine unzureichende Performance als vielmehr um eine unzureichende Nutzung. Und dieses Problem ist weitaus verbreiteter als angenommen.

Gehen wir einmal davon aus, dass Ihre APS-Plattform optimal genutzt wird. Die Softwareauswahl ist richtig, die Konfiguration stimmt, alles wurde perfekt implementiert und das Training erfolgreich absolviert. Dann können Sie den Systemalgorithmen die Entscheidungen überlassen. Aktive Eingriffe sollten, wenn überhaupt, nur sehr sparsam durchgeführt werden. Dennoch sind in vielen Unternehmen manuelle Entscheidungen an der Tagesordnung. Das bedeutet, dass Planer nicht zulassen, dass das APS sein Performance-Versprechen hält.

Oft hilft nur ein Vergleich der Ergebnisse der Systemalgorithmen mit denen der Performance nach manuellen Eingriffen. Durch diese Vergleiche kommt Ihr Unternehmen in die komfortable Lage zu wissen, wie optimale Ergebnisse zustande kommen.

Ihr Unternehmen sollte idealerweise wissen, welche Korrelationen von Arbeitsschritten, Techniken oder Attributen die erfolgreichsten Ergebnisse liefern. Und dieses Wissen künftig repliziert einsetzen.

Decision Mining ist die systematische Erfassung und Analyse von Entscheidungen innerhalb der Lieferkette, um die Effizienz zu steigern, bessere Ergebnisse zu erzielen und das Kundenerlebnis zu verbessern.

Unser Decision Mining führt Sie in drei Schritten ans Ziel:

1. Erfassen von Entscheidungsdaten im Kontext des Planungsprozesses. Zum Beispiel beim Sales and Operations Planning (S&OP), in dem die Vertriebspläne mit der Planung der anderen Abteilungen und Funktionen in Einklang gebracht werden müssen. In dieser Phase werden die Daten nach Prozessschritt, Zeitstempel und Reihenfolge geordnet. Außerdem werden sie mit dem vom APS ermittelten optimalen Pfad verglichen.

2. Die tatsächlichen Daten des Planungsprozesses werden mit der vom APS prognostizierten Leistung abgeglichen und analysiert. Diese Daten werden auch nach einer Fülle von Attributen analysiert, wie z. B. Produktgruppen, Lieferanten, Regionen, Vorhandensein/Fehlen von Prozessschritten, Planern und Segmenten, um festzustellen, welche Faktoren oder Kombinationen von Faktoren eine optimale Entscheidungsfindung ermöglichen.

3. Bewerten der APS-Empfehlungen. Das Ergebnis können sein:

• Segmentierung als Planungshilfe: Wer sollte welchen Teil während welcher Saison planen?
• Ein maßgeschneidertes Schulungsprogramm: Planungspraktiken, die dem Prozess maximalen Wert verleihen
• Verbesserungsinitiativen: Welches Segment, welcher Lieferant, welche Region oder andere Kategorie verursacht unverhältnismäßig hohe Kosten für das Unternehmen?

Durch diesen dreistufigen Prozess identifiziert das Decision Mining, welche Funktionen innerhalb des APS zu schwach genutzt werden, und empfiehlt Optimierungsmaßnahmen.

Unsere Methodik zur Entscheidungsfindung basiert auf zwei Fähigkeiten: Process Mining und maschinelles Lernen.

Process Mining

Process Mining optimiert Geschäftsprozesse durch die Analyse von Ereignisprotokolldaten aus dem ERP, um Unternehmen dabei zu helfen, die realen Prozesse innerhalb der Lieferkette zu visualisieren. Im Gegensatz zu den Ist-Analysen hat Process Mining den Vorteil, dass auf Echtzeit-Ereignisdaten zugegriffen wird. Process Mining ist notwendig, um Entscheidungen und Aktionen im Kontext der wirklichen Geschäftsprozesse zu verstehen.

Maschinelles Lernen

Maschinelles Lernen erkennt die Muster und Gesetzmäßigkeiten, die zu wertsteigernden oder wertmindernden Entscheidungen führen. Angesichts der begrenzten menschlichen Rechenleistung sind computergenerierte Algorithmen bei der Erkennung dieser Muster wesentlich effizienter (und effektiver). Dies wiederum ermöglicht es den Planern, sich auf anspruchsvollere Aufgaben zu konzentrieren, statt Energien in zeitaufwändige und komplexe Analysen zu investieren.

Die Geschäftsabläufe entwickeln sich ständig weiter. Neue Technologien schaffen neue Möglichkeiten. Den Anfang machte das ERP, das die Planungsfunktion revolutionierte. Gefolgt von der Einführung des APS, das die Lieferkettenabläufe durch Automatisierung rationalisierte. Heute ist der nächste logische Schritt die wissenschaftliche Verbesserung der Entscheidungsfindung durch Decision Mining.

Wenn Ihre Lieferkette über ein APS verfügt, ist es an der Zeit, sicherzustellen, dass Ihre Planungsfunktion das Potenzial auch voll ausschöpft. Dies könnte zur besten Entscheidung werden, die Ihr Unternehmen bisher getroffen hat.

Dieser Beitrag wurde verfasst von Luis Dominguez, Supply Chain Lösungen, Genpact.