^

Die Supply Chain als Glaskugel – Der 3-Punkte-Plan für E2E-Datentransparenz

[26.06.2020]

Foto: pfpgroup - stock.adobe.com
Die Logistikkosten sind für viele Unternehmen ein entscheidender Wettbewerbsfaktor. Das ist vielen Unternehmen bewusst und dennoch sind Logistikkosten, selbst bei überdurchschnittlich digitalisierten Unternehmen, häufig intransparent. Unternehmen wissen oft nicht, an welchen Stellen der Wertschöpfungskette welche Logistikkosten anfallen. Die Lösung kann heute über intelligente Datenauswertung erfolgen, aber die entscheidenden Daten liegen in unterschiedlichen Formen auf verschiedenen Plattformen. Das Ziel ist, verteilte Logistikdaten in einem Modell zu konsolidieren - und das ist möglich, mit verfügbaren Tools! Im Zeitalter von Big Data sind die Möglichkeiten der digital transparenten Lieferkette gegeben. Das beste Fallbeispiel liefern Logistikunternehmen selbst und für ein solches optimierte TCW zuletzt die Datenauswertung, um die Logistikkosten zu reduzieren.

Kostentreiber Logistik

Mit intelligenten Algorithmen lässt sich ein Weg durch das Dickicht der Daten finden, um Transparenz über Kosten herzustellen und so die Basis für Optimierungspotenziale zu schaffen. Die Datentransparenz schafft auch die Voraussetzung zur Bewältigung einer entscheidenden Herausforderung im Bereich der Logistikkosten – die Zuordnung zu den richtigen Kostenstellen.

Logistikkosten sind ein branchenübergreifender Kostentreiber. Für viele Unternehmen sind sie ein entscheidender Faktor, da sie fast 30% des Umsatzes ausmachen können.

Globale Lieferketten haben zwar zu Kostenvorteilen geführt, mit dem rasanten Wachstum wuchs allerdings ebenfalls die Komplexität. Die Intransparenz der Kosten ist dabei ein weitverbreitetes Phänomen. In komplexen Lieferketten mit einer Vielzahl an Lieferanten, Servicedienstleistern und Produkt- sowie Servicebündeln können die Kosten schwer auf die einzelnen Kostenstellen zugeordnet werden. Zudem ist eine Total-Cost Erfassung der Logistikkosten häufig eine Herausforderung. Insbesondere bei Sonderfällen wie beispielsweise der Beschädigung von Ware, haben viele Unternehmen keine klaren Richtlinien, wie die entstandenen Kosten zugeordnet werden.

Wo liegen die Ursachen der Intransparenz?

Durch die hohe Komplexität der globalen Lieferketten kann Transparenz nur noch über Datenauswertung geschaffen werden. Die Anforderungen an die Datenbasis und -auswertung, die für eine Optimierungen notwendig wäre, sind dabei entsprechend hoch. Die mitgewachsene Datenlandschaft ist aber, typisch für rasantes Wachstum, unstrukturiert mitgewachsen. Probleme bei der Datenauswertung können die Folge verschiedener Ursachen sein:

  • Falsche Daten werden erhoben,
  • es werden nicht ausreichend Daten erhoben,
  • die Daten lassen sich nicht vergleichen und
  • es ist ein Mangel der Datengenauigkeit festzustellen.
„TCW hilft Ihnen dabei, Transparenz für Logistikdaten zu schaffen und Kosten zu reduzieren“

Fallbeispiel:

Das Logistikunternehmen sah sich besonders mit der Herausforderung konfrontiert, dass die steigende Komplexität der Supply-Chain - von klassischen Lieferketten zu Netzwerkstrukturen - nicht mit den Prozessstrukturen und dem Kostencontrolling im Einklang war.

Unternehmen befinden sich im Supply-Chain-Bereich oft zwischen den einzelnen Stufen der Digitalisierung, was bedeutet, dass Unternehmen in technologischen Teilbereichen, wie zum Beispiel Trackingtechnologie, gute Ausstattungen besitzen. Die reine Anhäufung von Daten ist aber alles andere als zielführend, wenn die auswertenden Systeme keine State of the Art Lösungen sind. In Teilbereichen der Logistik, wie dem Bestandsmanagement, führt dies oft zu Überkapazitäten. Dasselbe lässt sich für Prozessstrukturen feststellen. Sie wachsen und verbinden sich nicht analog zur Supply-Chain und sind deshalb oftmals nicht für die Logistikprozesse des Status Quo des Unternehmens geeignet. Im Falle des Logistikunternehmens wurde zwar eine Vielzahl von Daten gesammelt, die zielführende Auswertung über verschiedene Unternehmensbereiche brachte aber eine Reihe von Hürden mit sich:

  • Daten liegen in unterschiedlichen Formen und Systemen vor. Das Zusammenführen von Daten im Lieferketten-Ökosystem ist mit hohem Aufwand verbunden.
  • Das Lieferketten-Ökosystem sorgt dafür, dass interne Daten zum Teil nicht ausreichen, um valide Prognosen zu treffen. Durch die starke Vernetzung sind auch externe Daten anderer Stakeholder notwendig. Beispielsweise entstanden Engpässe unverschuldet durch Terminverzug des Kunden.
  • Unterschiedliche Unternehmensbereiche handelten nach inkompatiblen KPIs. Deshalb führten Insellösungen dazu, dass nicht im Sinne des Gesamtunternehmens gehandelt wurde. Dies gilt insbesondere für das Controlling und Monitoring. Die Liefertreue als entscheidender KPI im Einkauf führte beispielsweise zu Überkapazitäten.

Die Transformation zur datengetriebenen Supply-Chain – TCW-Vorgehensweise

Als zentrale Optimierungsmaßnahme ergibt sich die Anpassung der Prozess-, Daten- und KPI-Strukturen an das Lieferketten-Ökosystem. Zentrale Leitfragen sind dabei:

  • Welche Daten geben Aufschluss über Logistikkosten?
  • Welche Daten müssen kombiniert werden, um aussagekräftige Modelle in Form eines Data-Cubes zu entwickeln?
  • Welche Daten müssen zusätzlich gemessen oder beschaffen werden?
  • Wie müssen Prozesse verändert werden, um datengetrieben agieren zu können?
  • Wie muss das zentrale Dashboard für das Supply Chain Controlling gestaltet werden?

Dafür müssen die Daten aus den unterschiedlichen Systemen zusammengeführt werden. Das TCW verwendet dafür automatisierte Algorithmen, die eine einfache Zusammenführung von Daten aus verschiedenen Plattformen ermöglichen. Darüber hinaus ist eine automatisierte Bereinigung der Stammdaten möglich. Es müssen zudem Kommunikationsstrategien zwischen den einzelnen Unternehmensbereichen geschaffen werden. Das umfasst die Einführung eines übergreifenden KPI-Systems. Ein entscheidender Schritt für eine validerte Datenbasis war der Aufbau von strategischen Partnerschaften zum Datenaustausch. Ein gemeinsamer Datenaustausch mit den Kunden führte zur automatisierten, frühzeitigen Benachrichtigung bei Engpässen. Eine einheitliche und saubere Datenstruktur in der Supply Chain ermöglicht die Einführung eines lernenden Prognosesystems, dass laufende Anpassungen im Einkauf, Vertrieb oder Versand ermöglicht.

Die Vorteile die sich aus einer digital transparenten Supply Chain ergeben sind weitreichend:

  • Kostentransparenz – wo fallen Kosten an und welche Kosten können reduziert werden? (Bestände, Transportkosten, Ausfälle)
  • Schnelle Reaktionsfähigkeit – wo kommt es zu Engpässen und wie kann reagiert werden?
  • Optimiertes Controlling – verbessertes Monitoring sorgt für ein verbessertes Controlling
  • Genaueres Forecasting – eine optimierte Datenbasis, ermöglicht bessere Prognosen
  • Ein Datenmodell, mit fest zugewiesenen Kostenstellen
  • KPI, die die Erwartungen des Managements in die operative Ebene transportieren

Potenziale der digitalen Supply Chain in Zahlen

Die durchgeführten Maßnahmen und die Einführung eines lernenden Überwachungssystems führten dazu, dass die Logistikkosten insgesamt um 26% sanken. Bei auftretenden Engpässen konnte eine deutliche Steigerung der Reaktionsfähigkeit erreicht werden. Durch den lernenden Modellcharakter verbessern sich beide KPI auch nach Projektende fortlaufend.

Beratungsleistungen

Publikationen

Praxisbeispiele

Vorherige