Data-driven framework for supplier segmentation

Abstract

This master’s thesis examines the development of a data-driven framework for supplier segmentation. The main objective of the thesis was to investigate and develop a data-oriented supplier segmentation framework that can be used as a guideline for SRM and supplier performance measurement. In addition, the aim was to explore how procurement analytics can support the segmentation process. The study used a qualitative research approach, focusing on a single case company that operates in the industrial machinery and technology sector. The primary data for the research was collected through semi-structured interviews with different procurement professionals.

The empirical findings revealed that the current practices of the case company are not aligned and cause inefficiencies in SRM. In addition, differences in segmentation criteria and used KPIs were detected, despite these being core elements in segmentation. While data and analytics were seen as crucial in measuring the suppliers, the data issues were identified as barriers in fully adapting the analytical SRM perspective. The research highlighted the importance of aligning segmentation criteria with business goals, utilizing accurate and timely data, and ensuring continuous improvement in SRM to achieve data-driven segmentation. The proposed framework categorizes suppliers into three categories with the help of a best-worst method and clustering. However, to achieve the desired outcome, resources, collaboration and alignment of goals and practices need to be conducted.

Tämä pro gradu -tutkielma tarkastelee datavetoisen toimittajasegmentointimallin kehittämistä. Tutkielman tavoitteena oli tutkia ja kehittää dataan perustuva toimittajasegmentointikehys, jota voidaan hyödyntää ohjeistuksena toimittajasuhteiden hallinnassa sekä toimittajien suorituskyvyn mittaamisessa. Lisäksi tavoitteena oli selvittää, miten hankinta-analytiikka voi tukea segmentointiprosessia. Tutkimuksessa hyödynnettiin kvalitatiivista tutkimusmenetelmää, ja empiirinen osuus toteutettiin tapaustutkimuksena teollisuuslaitteiden ja teknologian alalla toimivassa yrityksessä. Tutkimuksen ensisijainen aineisto kerättiin puolistrukturoiduilla haastatteluilla, joihin osallistui hankinta-alan ammattilaisia.

Empiiriset havainnot paljastivat, että tapausyrityksen nykyiset käytännöt eivät ole yhtenäisiä ja aiheuttavat tehottomuutta toimittajasuhteiden hallinnassa. Lisäksi segmentointikriteereissä ja käytetyissä KPI-mittareissa havaittiin eroja, vaikka ne ovat segmentoinnin kannalta keskeisiä elementtejä. Vaikka dataa ja analytiikkaa pidettiin tärkeinä toimittajien mittaamisessa, tunnistettiin dataan liittyviä haasteita, jotka estävät analyyttisen SRM-lähestymistavan täysmittaisen omaksumisen. Tutkimus korosti segmentointikriteerien linjaamisen tärkeyttä liiketoimintatavoitteiden kanssa, tarkan ja ajantasaisen datan hyödyntämistä sekä jatkuvan kehittämisen varmistamista datavetoisen segmentoinnin saavuttamiseksi. Ehdotettu kehys jakaa toimittajat kolmeen kategoriaan best-worst-menetelmän sekä klusteroinnin avulla. Halutun lopputuloksen saavuttamiseksi tarvitaan kuitenkin resursseja, yhteistyötä, sekä tavoitteiden ja käytäntöjen yhtenäistämistä.