Data-analytiikalla säästöä hankinnoista : Skenaarioanalyysi case-yrityksen epäsuorien hankintojen kehityksestä 2025-2034
Palomäki, Kalle (2025)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2025052554471
https://urn.fi/URN:NBN:fi-fe2025052554471
Tiivistelmä
Edellisen vuoden, kuukauden, viikon ja päivän tapahtumat ovat historiaa, eikä yritysten tuottama menneeseen aikaan perustuva raportointi voi niitä muuttaa. Jotta yritykset pysyvät kilpailukykyisinä, on niiden pohdittava tulevaisuuttaan. Nykyajan liiketoiminnassa vain muutos on pysyvää, minkä vuoksi raportoinnin ja yrityksen johdon toiminnan tulisi keskittyä entistä enemmän ennakoivaan suuntaan. Data-analytiikan osa-alueen ennakoivan analytiikan avulla yritykset voivat mallintaa tulevaisuuden tapahtumia. Tutkimuksen case-yrityksessä ei ollut aiemmin ennakoitu ennakoivia menetelmiä hyödyntäen pitkän aikavälin tapahtumia, minkä vuoksi tutkimuskohteeksi valikoitui skenaarioanalyysi epäsuorien hankintojen kehityksestä kymmenen vuoden ajanjaksolla 2025–2034. Epäsuorien hankintojen merkitys liiketoiminnan strategisena tekijänä on kasvanut viime vuosina, joten niiden kehityksen ennakoiminen nähtiin mielenkiintoisena tutkimuskohteena. Myös hankinnoista saatavien mahdollisten kustannussäästöjen havaitseminen data-analytiikan avulla nähtiin kiinnostavana, mitä lähdettiin selvittämään kirjallisuuskatsauksella aiemmista tutkimuksista.
Tutkimusta voidaan pitää tutkimusotteeltaan konstruktiivisena, jossa hyödynnetään sekä kvalitatiivisia että kvantitatiivisia menetelmiä. Tutkimuksessa luotiin case-yritykselle neljä skenaariota epäsuorien hankintojen kehityksestä. Ennakoivassa mallintamisessa hyödynnettiin case-yrityksen epäsuorien hankintojen dataa vuosilta 2020–2024, mikä kerättiin case-yrityksen järjestelmistä. Tutkimuksessa tekoälyn, Python-ohjelmointikielen ja Excelin avulla rakennettuun ennakoivaan laskentamalliin hyödynnettiin trendivaikutteista TIA-menetelmää (trend impact analysis). Tutkimuksen case-yritykselle luotiin PESTEL-analyysi, jolla tunnistettiin liiketoimintaympäristön ulkoisia tekijöitä, ja niiden pohjalta tarkennettiin skenaarioiden taustaolettamuksia. PESTEL-analyysin tuloksista voidaan todeta, että case-yrityksen ja yleisesti autoalan toimintaan vaikuttavat vahvasti ekologiset sekä poliittiset päätökset nyt ja tulevaisuudessa. Suomen autokannan on sähköistyttävä, mikäli liikenteen päästövähennystavoitteet halutaan saavuttaa.
Tutkimustulokset osoittavat data-analytiikan käytön hankintojen hallinnassa saavuttavan jopa merkittäviä kustannussäästöjä, mutta se vaatii sekä edistyneitä analytiikkatyökaluja että vahvaa IT-osaamista. Ennakoivan ja ohjaavan analytiikan nähdään kasvattavan suosiotaan, kun tekoälyn kehittymisen myötä vaativien mallien luominen ei vaadi välttämättä aiempaa koodauskokemusta tai -koulutusta. Tutkimuksessa rakennettu laskentamalli ja sen kautta johdetut skenaariot tuovat case-yritykselle hyötyä päätöksentekoon, varsinkin pitkällä aikavälillä epäsuorien hankintojen osalta. Mikäli case-yrityksen toimintaa halutaan muuttaa entistä tulevaisuusorientoituneempaan suuntaan, on sen todennäköisesti luotava tiimi tulevaisuustyölle.
Tutkimusta voidaan pitää tutkimusotteeltaan konstruktiivisena, jossa hyödynnetään sekä kvalitatiivisia että kvantitatiivisia menetelmiä. Tutkimuksessa luotiin case-yritykselle neljä skenaariota epäsuorien hankintojen kehityksestä. Ennakoivassa mallintamisessa hyödynnettiin case-yrityksen epäsuorien hankintojen dataa vuosilta 2020–2024, mikä kerättiin case-yrityksen järjestelmistä. Tutkimuksessa tekoälyn, Python-ohjelmointikielen ja Excelin avulla rakennettuun ennakoivaan laskentamalliin hyödynnettiin trendivaikutteista TIA-menetelmää (trend impact analysis). Tutkimuksen case-yritykselle luotiin PESTEL-analyysi, jolla tunnistettiin liiketoimintaympäristön ulkoisia tekijöitä, ja niiden pohjalta tarkennettiin skenaarioiden taustaolettamuksia. PESTEL-analyysin tuloksista voidaan todeta, että case-yrityksen ja yleisesti autoalan toimintaan vaikuttavat vahvasti ekologiset sekä poliittiset päätökset nyt ja tulevaisuudessa. Suomen autokannan on sähköistyttävä, mikäli liikenteen päästövähennystavoitteet halutaan saavuttaa.
Tutkimustulokset osoittavat data-analytiikan käytön hankintojen hallinnassa saavuttavan jopa merkittäviä kustannussäästöjä, mutta se vaatii sekä edistyneitä analytiikkatyökaluja että vahvaa IT-osaamista. Ennakoivan ja ohjaavan analytiikan nähdään kasvattavan suosiotaan, kun tekoälyn kehittymisen myötä vaativien mallien luominen ei vaadi välttämättä aiempaa koodauskokemusta tai -koulutusta. Tutkimuksessa rakennettu laskentamalli ja sen kautta johdetut skenaariot tuovat case-yritykselle hyötyä päätöksentekoon, varsinkin pitkällä aikavälillä epäsuorien hankintojen osalta. Mikäli case-yrityksen toimintaa halutaan muuttaa entistä tulevaisuusorientoituneempaan suuntaan, on sen todennäköisesti luotava tiimi tulevaisuustyölle.