Welche Potenziale liegen in der Nutzung eines bereichsübergreifenden Datenanalysesystems für den Seefrachteinkauf von Vollcontainern eines international operierenden Logistikdienstleisters, um den Einkaufsprozess zu steuern?
Daten sind eine wertvolle Ressource, vorausgesetzt, ihr Potenzial wird genutzt. Diese Arbeit zeigt das Potenzial, das in der Nutzung eines Datenanalysesystems liegt. Mit Daten können Effizienz, Effektivität und Qualität gesteigert und gleichzeitig Risiken minimiert werden. Die Studie basiert auf einem Praxisbeispiel des Seefrachteinkaufs eines Logistikdienstleisters. Das global agierende Unternehmen bewegt sich in einem volatilen Markt, für den Schnelligkeit und Flexibilität zu einer zusätzlichen Herausforderung geworden sind. Der empirische Nachweis wird durch halbstrukturierte Interviews mit Experten aus dem Einkauf des Logistikdienstleisters erbracht.
Die Experteninterviews werden durch einen Fragebogen geleitet, der sich an den Kernaufgaben der Prozessorganisation orientiert. Die Prozesse sind den befragten Experten bekannt und eng mit der Datenanalyse verknüpft. Der Einsatz der Datenanalyse schafft einen Mehrwert für das Unternehmen, der besonders deutlich wird, wenn er sich über die gesamte Wertschöpfungskette erstreckt. Basierend auf den Erkenntnissen aus der Literatur und den Interviews wird in dieser Studie der Bedarf für den Einsatz eines Datenanalysesystems dargestellt. Daraus ergeben sich Handlungsempfehlungen für das Unternehmen im Hinblick auf die digitale Transformation.
Inhaltsverzeichnis
1 Einleitung
1.1 Relevanz des Themas
1.2 Problemstellung
1.3 Motivation
1.4 Zielsetzung und Forschungsfragen
1.4.1 Ziele und Eingrenzung
1.4.2 Forschungsfragen
1.5 Methodik und Aufbau der Arbeit
1.5.1 Methodisches Vorgehen
1.5.2 Aufbau der Arbeit
1.6 Stand und kritische Reflexion
2 Begriffsbestimmung
2.1 Spediteur in der Logistik
2.2 Verfrachter von Seeschiffen
2.2.1 Die weltweit größten Container-Reedereien
2.2.2 Container
2.2.3 Allocation
2.3 Logistikdienstleister
3 Grundlagen des Einkaufs
3.1 Einkauf
3.2 Operativer Einkauf
3.3 Strategischer Einkauf
3.4 Aufgaben im Einkaufsprozess
3.4.1 Bedarfsermittlung
3.4.2 Beschaffungsmarktforschung
3.4.3 Vertragsvereinbarung
3.4.4 Bestellabwicklung
3.4.5 Lieferantenmanagement
3.4.6 Strategische Beschaffung
3.5 Wertschöpfung
3.5.1 Wertschöpfung im Einkauf
3.5.2 Datengetriebene Wertschöpfung
3.6 Erfolgsmessung
3.7 Controlling
3.7.1 Digitalisierung im Controlling für den Einkauf
4 Abgrenzung Big Data, Analytik und künstliche Intelligenz
4.1 Big Data
4.1.1 Begriffe und Definition
4.1.2 Datenarten
4.1.3 Big Data vs. Analytik
4.2 Analytik
4.2.1 Definition
4.2.2 Arten der Datenanalyse
4.2.3 Predictive Analytics
4.3 Künstliche Intelligenz
4.3.1 Begriffe und Definition
4.3.2 Schwache und starke KI
4.3.3 Maschinelles Lernen
4.3.4 Deep Learning
5 Empirische Untersuchung
5.1 Forschungsmethode
5.2 Planung
5.2.1 Zielgruppe
5.2.2 Erstellung des Fragebogens
5.3 Durchführung
5.4 Auswertung
5.4.1 Fragebogen
5.4.2 Interview
5.5 Forschungsfragen
5.5.1 Welche Potenziale liegen in der Nutzung eines bereichsübergreifenden Datenanalysesystems für den Seefrachteinkauf von Vollcontainern eines international operierenden Logistikdienstleisters, um den Einkaufsprozess zu steuern?
5.5.2 Welche Anforderungen sind zu erfüllen, um den Einkaufsprozess zu steuern?
5.5.3 Welche Abweichungen sind zwischen Anforderung und Nutzung zu erkennen?
5.5.4 Hypothese, mit der bereichsübergreifenden Datenanalyse, unter Einsatz digitaler Systeme, kann der Seefrachteinkaufsprozess von Vollcontainern in einem international operierenden Logistikdienstleistungsunternehmen rational gesteuert werden
6 Bewertung und Ausblick
6.1 Kritische Reflexion
6.2 Handlungsempfehlungen
6.2.1 Datenanalyse, Prozess- und Wissensmanagement
6.2.2 Anwendungsfelder identifizieren
6.2.3 Entwicklungsziele formulieren
6.2.4 Technische Systeme
6.2.5 Struktur und Kompetenzen
6.2.6 Zusammenfassung
6.3 Forschungsbedarf
7 Fazit
7.1 Ausblick
Zielsetzung & Themen
Die Arbeit untersucht das Potenzial datengetriebener Analysesysteme im Seefrachteinkauf von Vollcontainern, um die komplexen, oft in abteilungsbezogenen "Silos" ablaufenden Prozesse in internationalen Logistikunternehmen rationaler und transparenter zu steuern. Die Forschungsfrage fokussiert dabei auf die Identifikation von Anforderungen, Abweichungen zwischen Soll- und Ist-Zustand sowie auf die messbare Wertschöpfung durch digitale Transformation im Einkauf.
- Analyse der Rolle von Daten als neuer Produktionsfaktor in der Logistik.
- Strukturelle Untersuchung der Einkaufsprozesse bei Logistikdienstleistern.
- Abgrenzung und Bedeutung von Big Data, Business Analytics und KI.
- Empirische Erhebung durch Experteninterviews im Seefrachteinkauf.
- Ableitung von Handlungsempfehlungen zur Prozessoptimierung und Digitalisierung.
Auszug aus dem Buch
1.1 Relevanz des Themas
Die Thematik Industrie 4.0 befasst sich mit der fortschreitenden Entwicklung der Informations- und Kommunikationstechnologie. Der Begriff selbst bezeichnet im allgemeinen die vierte industrielle Revolution. Mit den neuen Technologien (Kapitel 4), die sich dabei entwickelten, entstand die Möglichkeit der elektronischen Datenverarbeitung, die auf der Erfindung des Internets in der Phase der dritten industriellen Revolution aufbaut. Die vierte Revolution ist die Grundlage des gesellschaftlichen Wandels von der Industrie- zur Wissensgesellschaft. Aufgrund des Konzept Industrie 4.0, das im Jahr 2011 von W.D. Lukas, H. Kagermann und W. Wahlster vorgestellt wurde, erfolgt in Organisationen die digitale Transformation. Der digitale Wandel bezieht sich dabei unter anderem auf den Bereich des Einkaufs, hier bezeichnet als Einkauf 4.0. Er ist verantwortlich für die Beschaffung von Gütern, Rechten und Dienstleistungen, die das Unternehmen für seinen Geschäftsbetrieb benötigt. Zu seinen Aufgaben gehören die Mitwirkung bei der Auswahl und Weiterentwicklung von Geschäftspartnern sowie ein effizientes Kostenmanagement.
In dem Praxisbeispiel, das dieser Masterarbeit zugrunde gelegt wird, hat ein international operierendes Logistikdienstleistungsunternehmen, das als Frachtenvermittler operiert, im Bereich des globalen Frachteneinkaufs mit der Umsetzung der digitalen Transformation begonnen. Der Einkauf für Transportdienstleistung ist neben dem Vertrieb und den operativen Abteilungen, ein wesentlicher Bestandteil in der Wertschöpfungskette. Der Einkauf verhandelt mit den Reedereien die Kosten und Verfügbarkeit von Containern. Der Vertrieb hat die Aufgabe, den Kunden ein verbindliches Angebot zu unterbreiten, die operativen Abteilungen wickeln das Geschäft ab und buchen die Seefracht bei den Reedereien. Traditionell bezieht sich der Verkaufspreis auf den Einkaufspreis zum aktuellen Zeitpunkt des Verkaufs. Der Anspruch des digitalisierten Einkaufs ist es, autonom, in Echtzeit und vorausschauend zu agieren. Um dies zu erfüllen, werden im ersten Schritt Daten erfasst, verarbeitet und gespeichert. Zur Effizienzsteigerung werden sie dann analysiert, neu geordnet und der Entscheidungsfindung zugrunde gelegt. Mit dem Einsatz von künstlicher Intelligenz sollen in Zukunft auf Basis von Informationen aus der Vergangenheit, aus den Geschäftsvereinbarungen und aus den anstehenden Ereignissen innovative Modelle entwickelt werden, die das Expertenwissen und neue Publikationen sowie die Entscheidungen in das tägliche Handeln integrieren.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung erläutert die Relevanz der Datenanalyse im Kontext von Industrie 4.0 und stellt das Fallbeispiel eines Logistikdienstleisters vor.
2 Begriffsbestimmung: Hier werden logistische Fachbegriffe wie Spediteur, Verfrachter, FCL-Container und Allocation definiert, um eine einheitliche Grundlage zu schaffen.
3 Grundlagen des Einkaufs: Dieses Kapitel strukturiert die Aufgaben im Einkaufsprozess und beleuchtet die Bedeutung von Wertschöpfung und Erfolgsmessung im strategischen wie operativen Einkauf.
4 Abgrenzung Big Data, Analytik und künstliche Intelligenz: Das Kapitel differenziert zwischen den technologischen Konzepten Big Data, Datenanalytik und KI und erläutert deren Zusammenspiel.
5 Empirische Untersuchung: Dieser Teil beschreibt die qualitative Forschungsmethode, die Planung und Durchführung von Experteninterviews sowie die Auswertung der gewonnenen Erkenntnisse.
6 Bewertung und Ausblick: Hier erfolgt eine kritische Reflexion der Arbeit, gefolgt von konkreten Handlungsempfehlungen und der Darstellung von weiterem Forschungsbedarf.
7 Fazit: Das Fazit fasst die Ergebnisse zusammen und bestätigt, dass der Einkauf durch datenbasierte Systeme und Prozessmodellierung an Effizienz und Transparenz gewinnen kann.
Schlüsselwörter
Datenanalyse, Einkauf 4.0, Logistik, Seefrachteinkauf, Vollcontainer, Wertschöpfungskette, Big Data, Künstliche Intelligenz, Digitalisierung, Prozessmanagement, Erfolgsmessung, Lieferantenmanagement, Datensysteme, Entscheidungsfindung, Strategischer Einkauf.
Häufig gestellte Fragen
Worum geht es in dieser Master Thesis grundlegend?
Die Arbeit analysiert die Möglichkeiten und Herausforderungen beim Einsatz bereichsübergreifender Datenanalysesysteme im globalen Seefrachteinkauf eines Logistikunternehmens, um Prozesse effizienter zu gestalten.
Was sind die zentralen Themenfelder der Arbeit?
Die Schwerpunkte liegen auf der digitalen Transformation im Einkauf, dem Supply Chain Management, der Anwendung von Data Analytics zur Entscheidungsunterstützung und der Optimierung von Lieferantenbeziehungen.
Welches primäre Ziel verfolgt die Autorin?
Ziel ist es, das Potenzial der Datennutzung für den Seefrachteinkauf aufzuzeigen, um durch bessere Transparenz und automatisierte Analysen eine rationalere Steuerung zu ermöglichen.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es wurde ein qualitatives Forschungsdesign gewählt, das Experteninterviews mit Führungskräften aus dem globalen Einkauf beinhaltet, ergänzt durch eine Literaturanalyse und eine strukturierte Datenauswertung.
Welche Inhalte werden im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in theoretische Grundlagen (Einkaufsprozesse, KI, Big Data), die methodische Beschreibung der empirischen Studie sowie die detaillierte Auswertung der Experteninterviews.
Was charakterisiert die Arbeit in Bezug auf ihre Schlüsselwörter?
Die Arbeit ist stark durch Begriffe der Digitalisierung (Big Data, KI) in Kombination mit klassischen Managementthemen (Wertschöpfung, Controlling, Strategischer Einkauf) geprägt.
Welche Rolle spielt Microsoft Excel im aktuellen Prozess des untersuchten Unternehmens?
Excel dient derzeit als zentrales, aber manuelles Werkzeug zur Datenaggregation, was laut der befragten Experten zu hohem Ressourcenaufwand und mangelnder Effizienz führt.
Wie wichtig ist die persönliche Beziehung zu den Lieferanten laut den Experten?
Die Experten betonen, dass in Notsituationen persönliche Beziehungen zu Carriern oft wichtiger sind als rein datenbasierte Fakten, weshalb Daten nur die Grundlage für eine erste Einschätzung bilden sollten.
- Quote paper
- Elke Flüchter-Stölke (Author), 2021, Potenziale der bereichsübergreifenden Datenanalyse, Munich, GRIN Verlag, https://www.grin.com/document/995224
