En 2019, il ne suffit pas de s'appuyer uniquement sur des données internes pour la fonction Achats. Il est devenu évident que les données sont partout et ne cessent de croître. Cette réalité est particulièrement vraie pour les données générées à l'extérieur de l'organisation. Dans la recherche de nouvelles idées, la convergence de données provenant de sources multiples semble être très bénéfique pour ceux qui parviennent à l'exploiter. Toutefois, très peu de départements Achats ont intégré des données externes dans leur stratégie et celles qui l'ont fait ne les utilisent pas à leur plein potentiel.
Les données internes constituent toujours un défi pour de nombreuses organisations. En fait, il n'est pas si facile d'utiliser les données de dépenses, les données de contrat et les données SRM. De plus, la plupart des organisations sont encore aux prises avec des informations cloisonnées et n'ont pas encore essayé de combiner les données des différents départements d'une même organisation. Mais au cas où vous auriez déjà maîtrisé vos données internes, vous pourriez envisager de jeter un coup d'œil aux données qui existent déjà.
La plupart des décideurs en matière d'achats comprennent que des concepts comme l'analyse et l'automatisation des processus sont le présent et l'avenir de ce domaine, aux côtés des technologies de pointe telles que le Machine Learning, l'IoT (Internet des objets) et le NLP (Natural Language Processing). Toutefois, seuls quelques-uns ne sous-estiment pas la valeur des données 'externe. En effet, les données internes et externes sont tout aussi importantes dans votre stratégie Achats.
En ce moment, vous vous demandez peut-être quel type de données externes vous pourriez exploiter... Eh bien, cela dépend de plusieurs éléments. Après plusieurs expériences, nous avons remarqué qu'habituellement, certains indicateurs spécifiques sont fortement liés à la performance globale de vos achats. Par exemple, le prix d'une ressource naturelle peut avoir un impact énorme sur vos prévisions. De plus, les indices de prix peuvent également être utilisés pour surveiller le rendement par rapport au marché. La fonction Achats a besoin d'information externe, que ce soit sur la concurrence, les marchés des produits et des catégories, la base d'approvisionnement ou l'économie de l'entreprise.
Les données externes peuvent être trouvées presque partout, il vous suffit de déterminer les bonnes données qui vous aideront à confronter vos propres données. Nous recommandons également aux organismes d'approvisionnement d'utiliser les fils de nouvelles directement dans votre outil d'aide à la décision. Avec la prolifération des API et de la culture de données ouverte, il devient possible de recueillir de nouvelles données et de les confronter aux vôtres pour identifier un modèle. Par exemple, nous envisageons un avenir à court terme dans lequel des modèles d'analyse prédictive des prix et de la demande ou de prévision des perturbations de la chaîne d'approvisionnement seront élaborés pour la plupart des produits stratégiques. Cette capacité à exploiter le potentiel des données internes et externes afin d'accroître la fiabilité des budgets et des prévisions sera essentielle pour les acheteurs et leurs organisations.
Nous prévoyons également un avenir où des outils d'Achats avancés aideront les organisations à déterminer le moment le plus pertinent pour renégocier les détails d'un contrat. De plus, en tirant parti des données internes et externes, nous pourrions nous attendre à ce que des outils avancés aident les organisations à comprendre la "ventilation" des coûts de chaque composant qu'elles achètent en modélisant la structure prix/coût et en proposant peut-être différents scénarios fondés sur les données recueillies.
Lorsque c'est possible, l'intégration des données des fournisseurs peut également s'avérer bénéfique dans votre processus décisionnel. Les spécialistes de la fonction Achats qui tirent parti de la convergence des données seront en position de force à la table de négociation avec les fournisseurs et seront en mesure de relever les défis de la demande interne.
Notre solution est équipée d'une visualisation des données et d'outils d'analyse avancés qui permettent de tirer le meilleur parti des données externes. Notre dernier exemple est celui de l'industrie des soins de santé où nous avons créé un tableau de bord personnalisé qui peut aider les spécialistes de la fonction Achats en GHT à comprendre leur performance par rapport aux indicateurs nationaux.
L'ajout de données externes dans votre stratégie Achats peut sembler formidable, mais il comporte aussi des défis. Tout d'abord, vous devez vous assurer que vous avez le droit d'utiliser des données externes (accords, données ouvertes, GDPR, etc.). Deuxièmement, vous devez vous assurer que vos données peuvent être utilisées par votre outil d'aide à la décision.
Avez-vous déjà entendu parler du nettoyage des données ?
Eh bien, nous devons préparer vos données pour qu'elles puissent être utilisées par votre outil... et cela prend du temps. Enfin, certaines organisations pourraient être tentées de recueillir autant de données externes que possible, mais ce n'est pas la bonne approche. Nous vous recommandons de construire vos KPI en gardant à l'esprit le type d'informations que vous voulez voir sur votre tableau de bord et ce qui est techniquement faisable.
Nous construisons nos solutions avec l'idée que les organisations Achats auront une vision à 360° des fournisseurs à travers des données internes (dépenses, performances...), des données des fournisseurs et des données de marché.
Avec la montée en puissance des solutions basées sur l'intelligence artificielle, nous nous attendons à ce que les Achats tirent parti d'une masse importante de données grâce au développement de modèles analytiques avancés d'apprentissage machine et d'apprentissage approfondi afin de découvrir des informations inaccessibles grâce à des analyses standard (relations/corrélations), et de faire également des prévisions fiables. Par exemple, nous avons vu plusieurs projets mettant à profit le pouvoir du NLP (traitement du langage naturel par ordinateur) pour passer en revue un nombre important de documents écrits afin de mettre en évidence les principales possibilités qui pourraient être utilisées pour la négociation de contrats. De plus, certaines applications d'IA peuvent aider les acheteurs à prédire le fournisseur le plus approprié à partir d'une combinaison de données.
La combinaison de l'analyse avancée, de la visualisation des données, du traitement du langage naturel et du Machine/Deep Learning ouvrira une nouvelle ère pour la fonction Achats. Nous envisageons des algorithmes qui peuvent faire des recoupements avec des données externes pour interpréter les résultats et identifier les domaines à améliorer ou apprendre des expériences passées et prédire le meilleur résultat possible de chaque décision commerciale. L'avenir est définitivement prometteur pour les organisations d'approvisionnement désireuses de commencer à tirer parti des données externes grâce à des outils d'analyse décisionnelle de pointe. De nombreux obstacles peuvent apparaître en cours de route, mais les avantages vont bien au-delà. Nous nous engageons à faire progresser les données dans le monde de l'approvisionnement.
RÉFÉRENCES CLIENTS
