Hankinta elää tiedosta | Alihankinta
Alihankinta-virtuaalitapahtuma
{Content.image.alt

Hankinta elää tiedosta

Kolumni  18.11.2020

On yleisesti tunnistettu fakta, että yrityksen kilpailustrategia perustuu tietoon ja ymmärrykseen esimerkiksi asiakkaiden tarpeista sekä kilpailijoiden kyvykkyyksistä ja suunnitelmista. Hankinnassa tilanne on vastaavanlainen, mutta usein astetta haastavampi. Potentiaalinen hankintamarkkina on nimittäin usein globaalinakin varsin laaja, sillä saattaa olla massiivinen määrä toimijoita ja se saattaa muuttua jatkuvasti, ja sen perusteelliseen ymmärrykseen vaaditaan useiden eri ulottuvuuksien kuten hintojen, markkinarakenteiden, riskien, uusien teknologioiden ja sääntelyn analyysiä.

Hankintamarkkinatiedon on tutkimuksissa todettu olevan yksi keskeinen tekijä, jolla se osoittaa strategisen merkityksensä: jos hankinnalla on laaja ja syvällinen tieto sen keskeisestä vastuualueesta, eli hankintamarkkinasta, otetaan se vakavasti ja mieluusti mukaan keskusteluun esimerkiksi tuotekehityksestä tai yrityksen kilpailustrategiasta puhuttaessa.

Edellä todettu huomioon ottaen, on mielenkiintoista, että monissa hankintaorganisaatioissa ei ole systemaattista tapaa kerätä, jalostaa, jakaa ja käyttää tietoa hankintamarkkinoista (supply market intelligence, SMI). Syyt ovat toki ymmärrettäviä: hankinta toimii usein aliresurssoituna kompleksisessa ympäristössä, jossa sillä on paljon nimikkeitä, toimittajia ja sidosryhmiä hallittavinaan. Systemaattinen tiedon kerääminen ja työstäminen jäävät päivittäisen hankintatyön jalkoihin, jolloin hankintatyö tehdään yksilöiden lähinnä omiin tarpeisiin kerrytetyllä tietopääomalla.

Koska hankintaorganisaatio on hankintamarkkinatiedon suhteen riippuvainen yksittäisistä asiantuntijoista, voi kertynyt tietopääoma helposti kävellä ovesta ulos. Viime aikoina muutosta on kuitenkin tapahtunut, ja hankinta on noussut yhä suuremmassa määrin ylimmän johdon agendalle. Näin ollen uusien odotusten lunastamisessa tieto ja faktapohjaisen päätöksenteon tukeminen datalla ja analytiikalla muodostuvat hankinnan prioriteeteiksi. Huutoon ei kuitenkaan voida vastata ilman edes suurin piirtein ajantasaista kuvaa esimerkiksi spendistä.

”Hankintamarkkinadatalla” voidaan tukea yrityksen bisnestä, kun ymmärretään, miten esimerkiksi toimittajien tarjoama innovaatiopotentiaali saadaan yrityksen käyttöön ja käännettyä uusiksi ja paremmiksi tuotteiksi. Tästä mielenkiintoinen esimerkki on Procter & Gamblen niin sanottu Connect-and-Develop -malli, jossa yritys ymmärsi jokaista omassa palveluksessaan olevaa lahjakasta insinööriä kohti olevan ainakin 200 yhtä lahjakasta yksilöä muualla maailmassa muiden organisaatioiden palveluksessa. Sen vuoksi P&G valjasti hyvällä menestyksellä myös nämä ulkoiset resurssit käyttöönsä, tietoa keräävän ja tehokkaasti hyödyntävän hankinnankin avustuksella.

Kaikkea ei hankinta tietenkään tee itse – eikä tarvitsekaan. Pohdittavaksi jää, voidaanko hankintamarkkinatietoon liittyviä tehtäviä ja prosesseja ulkoistaa. Mistä ulkoinen hankintamarkkinadata tällöin saadaan, ja miten sen integroidaan esimerkiksi yrityksen sisäiseen spendidataan uusien näkökulmien aikaansaamiseksi ja päätöksenteon tueksi? Tulevaisuudessa hankinnan tuleekin pystyä pyörittämään verkostoa, josta parhaat dataan liittyvät teknologiaratkaisut sekä kategoriatietämys saadaan yrityksen käyttöön.

Mielenkiintoinen ja varsin tuore esimerkki datasta bisnestä -ratkaisusta on suomalaisen kuluanalytiikkayritys Sievon vastaus Koronapandemiaan. Sievo toi nopealla aikataululla asiakkailleen ratkaisun, jossa yrityksen sisäiseen spendidataan integroitiin ulkoista dataa paikallisesta taudin leviämisvaiheesta eri maista ja alueilta, jolloin ratkaisua käyttävällä yrityksellä oli ajantasainen kuva toimittajakantaan liittyvistä riskeistään. Samantyyppisiä ratkaisuja tarvitaan markkinoille lisää tyydyttämään hankinnan valtavaa tietotarvetta. Hankinta elää tiedosta.

Harri Lorentz

Associate Professor

Turun kauppakorkeakoulu, Turun yliopisto

LinkedIn

Kirjoittaja on mukana Logy Hankintafoorumi Alihankintamessuilla: Toimittajien johtaminen datan avulla -ohjelmassa.