Datakvalitet er avgjørende for effektivt og strategisk innkjøp

I dagens virksomheter er datadrevet innkjøp langt mer enn å finne laveste pris. Det handler om å bruke innsikt og fakta til å ta smartere valg og oppnå varige forbedringer. Likevel opplever mange organisasjoner at strategisk innkjøpsarbeid hemmes av dårlig datakvalitet. Feil, mangler og ustrukturerte tall gjør det vanskelig å identifisere forbedringsområder og dokumentere besparelser.

Datadrevet innkjøp handler om mer enn teknologi. Det handler om å vite hva man faktisk bruker penger på, hvordan det er strukturert, og hvilke verdier som kan skapes ved å koble sammen tall, mennesker og prosesser.

Hva mener vi med datadrevet innkjøp?

Datadrevet innkjøp innebærer at beslutninger tas på grunnlag av faktiske data fremfor magefølelse, vaner eller interne myter. Dette krever at dataene er:

• Fullstendige og oppdaterte
• Strukturert på en måte som muliggjør analyse
• Tilgjengelige på tvers av avdelinger og systemer
• Relevante for å måle ytelse og identifisere forbedringer

Et godt eksempel er en kunde i prosessindustrien som trodde de kjøpte mest verneutstyr fra sin hovedleverandør. En analyse viste at 38 % kom fra alternative kanaler, til høyere kost og med svakere leveringspålitelighet. Denne innsikten var skjult bak inkonsistent varegruppering og ufullstendige artikkeldata.

De vanligste dataproblemene vi avdekker i strategisk innkjøp

I vårt arbeid med strategisk innkjøpsanalyse ser vi gjentatte utfordringer knyttet til datakvalitet:

1. Ustrukturert leverandørinformasjon: Samme leverandør registrert flere ganger med ulike navn, noe som gir feil bilde av volum og forhandlingsstyrke.
2. Manglende kategorisering av varer og tjenester: Gjør det vanskelig å se hva som faktisk kjøpes og i hvilke mengder.
3. Lite standardiserte enheter og benevnelser: For eksempel blir “stk”, “STK” og “enhet” brukt om hverandre, og volumdata blir ubrukelige.
4. For svakt eierskap til datakvalitet: Ingen har klart ansvar for å sikre at innkjøpsdataene faktisk er riktige og nyttige.
5. Avstand mellom økonomisystem og innkjøpssystem: Dataene finnes, men snakker ikke sammen, noe som hindrer innsikt.

Hva betyr dette i praksis?

Når data ikke stemmer, gjør vi dårligere valg. Man ser ikke hvilke leverandører som leverer best på pris og kvalitet, hvilke kategorier som vokser, eller hvor det er overlapp og dobbelbruk. Man mister også muligheten til å benchmarke, måle fremgang, eller dokumentere gevinstene av tiltak.

I praksis betyr det at ledelsen ofte opererer i blinde, og forbedringspotensialer forblir skjult.

Hvordan vi jobber med å forbedre datagrunnlaget

I Astraios bruker vi en trinnvis tilnærming når vi hjelper bedrifter med å etablere datadrevet innkjøp:

• Datakartlegging: Vi samler innkjøpsdata fra ulike systemer, harmoniserer og validerer dem.
• Kategorisering: Vi utvikler en logisk og verdidrevet struktur som gir mening for virksomheten.
• Datavask og normalisering: Vi rydder opp i ustrukturert innhold, slik at dataene blir sammenlignbare.
• Visualisering: Vi lager oversikter og dashboards som gir beslutningsgrunnlag i sanntid.

Denne strukturen gir virksomheter bedre oversikt, men også bedre styring og kontroll. Det legger grunnlaget for smartere valg, mer profesjonelle forhandlinger og tydelige prioriteringer.

Eksempler fra virkeligheten

En kunde i bygg og anlegg oppdaget at bare 60 % av innkjøpene gikk via rammeavtaler. Resten ble kjøpt lokalt, til vesentlig høyere pris og uten forhandlingsmakt. Med enkle grep og oversikt på tvers av prosjekter, ble avtalelojaliteten økt til 92 %, og kostnadene redusert med 17 %.

Et annet eksempel er en næringsmiddelprodusent som brukte flere etikettkvaliteter enn nødvendig, fordi data ikke synliggjorde overlapp. Gjennom standardisering sparte de over 30 % på etikettkostnadene – uten å endre produktets opplevde verdi.

Når bør man vurdere en datadrevet tilnærming?

• Dere har mange leverandører og ingen sentral oversikt
• Innkjøpsdata brukes lite i strategiske beslutninger
• Det er store forskjeller i pris for like varer
• Dere mangler dokumentasjon på gevinster fra innkjøpsprosjekter
• Budsjettmål nås, men uten innsikt i hvilke tiltak som virker

Dette er tydelige signaler på at datadrevet innkjøp kan gi verdi.

Resultatene du kan forvente av datadrevet innkjøp

• Mer treffsikre beslutninger
• Lavere kostnader over tid
• Høyere avtalelojalitet
• Bedre samhandling med leverandører
• Tydeligere prioriteringer og ansvar internt

Klar for å ta steget?

Datadrevet innkjøp er ikke en IT-investering, men en strategisk forbedring. Ved å bygge beslutninger på kvalitetssikrede data, skaper du bedre resultater – og mer forutsigbarhet i hele verdikjeden.

Ta grep. Kanskje er neste store besparelse allerede synlig – i tallene du allerede har.

Skrevet av Vidar Halvorsen