Expertise en besluitvorming in inkoopmanagement

Expertise en besluitvorming in inkoopmanagement

Chris Snijders([email protected])

TechnologiemanagementTechnische Universiteit Eindhoven

Groupware - Inkoopbeslissingen - Chris Snijders – 10 Sept 04

Inkoopmanagement: overzicht

Onderzoek aan cap-groep Sociologie, UU, later ook TUE

probleemomschrijvingdecision support bij inkoopbeslissingen

Eerder onderzoek

Vervolgonderzoek: de inkoopopdracht


Inkoopbeslissingen: het probleem

Inkoop van (IT-)produkt dit kan goed of fout aflopen[te laat, te duur, werkt niet goed, etc]

Inkoper bepaalt: wat doe ik om problemen te voorkomen

Vraag 1: hoe doen inkopers dit?Vraag 2: hoe goed gaat dat?Vraag 3: hoe kunnen we dit proces ondersteunen?


Besluitvorming als optimalisering

Taak van inkoper: vind de waarde van m die de opbrengst U maximaliseert.

m staat voor managementinspanning, U voor opbrengst (‘utility’)

U(0) = 0

U(m) =

Prob{Goed} * Opbrengst(Goed) +

(1 – Prob{Goed}) * Opbrengst(Fout) - Kosten

[algemeen doel: toepassen van dit model op andere ‘management besluiten’]


Waarom inkoop van IT producten?

Relatief complex (vs eenvoudig : dan is decision support via virtual marketplaces mogelijk)

Veel problemen in de praktijk … zegt men (“altijd te laat”, “altijd te duur”)


Inkoop van IT producten

Kies juiste managementsoort en –inspanning aan de hand van

U(m) =

Prob{Goed} * Opbrengst(Goed) +

(1 – Prob{Goed}) * Opbrengst(Fout) - Kosten

Dit veronderstelt ten minste dat je Prob{Goed} kunt voorspellen bij gegeven m.


Decision support bij inkoop?

Bekijk alle relevante gegevens (we willen dit inkopen, het gaat ongeveer zoveel kosten, we kunnen kopen bij leverancier X, die kennen we goed, of Y die we minder goed kennen, etc). Decision support mogelijk door procesondersteuning.

Hierna bepaalt de inkoopexpert het optimale management. Decision support geeft suggesties voor het optimale management.

We bekijken dit laatste.


Werkhypothese

De expert neemt dit soort beslissingen al zijn leven lang. Door ervaring leert de expert (bij ons: de inkoper) hoe dit soort beslissingen goed te nemen.

Bovendien: de inkopers die er slecht in zijn, vallen in de loop van de tijd af.

Hypothese: inkopers, vooral degenen met veel ervaring, zijn erg goed in het nemen van inkoopbeslissingen.

Gevolg: het zal lastig zijn om hier decision support te bieden, want het is nauwelijks meer nodig. Wellicht is het mogelijk om modellen te maken die de expert tamelijk goed benaderen.


De literatuur over voorspellingen

Gegeven: een aantal “inputs”. Gevraagd: voorspelling van output.

“statistical prediction” (=“mechanical prediction”)voorspelling door gebruik van formule

“clinical prediction” (=expertvoorspellingen)voorspelling door expert / professional

(in de medische wetenschap: “best clinical estimate”)


Waarom doet de expert dit beter?

Vaak jarenlange ervaring op het betreffende gebied. Dat zorgt voor:

Weet (intuïtief of bewust) hoe de inputs te combineren. Wat is over het algemeen belangrijk, wat niet?

Weet rekening te houden met speciale omstandigheden D.w.z. de expert weet niet alleen “wat gemiddeld genomen waar is”, maar ook wanneer af te wijken van dit gemiddelde.

INSCHATTING = TREND + WETEN WANNEER AF TE WIJKEN


Model of expert? Soorten onderzoek

Medisch expertoverlevingsduur/overlevingskanskwaadaardigheid tumorenrecidive

Experts op educatief gebiedvoltooien van opleidingarbeidsmarktsucces

Experts op zakelijk gebiedfailliet gaan van ondernemingen

Overig : bv. het aankomen van een pass bij american football

[nb de inputs zjin bekend en het resultaat ook; vraag: in welke gevallen gaat mechanische

voorspelling relatief goed?]


Onderzoeksresultaten (Meehl)

Percentage studies waarin “clinical prediction” het beter deed dan “mechanical prediction”?

nbclinical -> professionals / expertsmechanical -> eenvoudige lineaire formule, vaak

gevonden dmv cross-validatie

DIT PERCENTAGE = ?


Expert is kennelijk toch niet beter

Moeilijk voor mensen: onze mentale ‘floating frankfurters’

Expert heeft vaak selectieve steekproef van kennis

Ons geheugen is verschrikkelijk (vergeten / ‘confirmation bias’ /

selectief / terughalen van onwaarheden)

Combineren van veel inputs (>6) is voor veel mensen moeilijk

consistent te doen

Voorspellingen typisch moeilijk in situaties met ruis/stochastiek

(stoplicht)

Leren aan de hand van indirecte en niet eenduidige feedback is lastig

Omgaan met kansen kunnen mensen niet zo goed

Ingesleten ideeen zijn te robuust (‘confirmation bias’ + ‘mental sets’)


“Mental sets”

Verbind de 9 punten met hooguit 4 rechte lijnen, zonder pen van het papier af te halen.

• • •• • •• • •


Omgaan met kansen

Veronderstel: een bepaalde inkoper heeft bij zijn transacties een hele goede intuïtie, namelijk

als bij een transactie een probleem gaat ontstaan: “interne bel rinkelt” met kans 90%

Als bij een transactie GEEN probleem gaat ontstaan:“interne bel rinkelt” met kans 20%

Inkoper gaat een transactie aan, en “zijn interne bel rinkelt”.

Wat is de kans dat de transactie problematisch wordt?


‘Base rate neglect’

Je hebt onvoldoende gegevens!

Het antwoord is afhankelijk van hoe groot dekans op een probleem überhaupt is (de ‘base rate’).

Als bijv. 60% kans op probleem na signaal = 87%10% kans op probleem na signaal = 33%

1% kans op probleem na signaal = 4%


Aangepaste probleemstelling

De literatuur laat zien:- dat er veel aanwijzingen zijn die suggereren dat het

voor mensen moeilijk is om beslissingen te nemen van de soort zoals een inkoper die neemt

- dat op andere gebieden al is aangetoond dat modellen het zeker zo goed doen als experts (zie artikel Grove)

Probleemstelling: Is statistical prediction ook in inkoop even goed als ofbeter dan clinical prediction?


Dat zijn we gaan we onderzoeken …

… aan de hand van survey-gegevens die we hadden verzameld.

The external Management of AuTomation (MAT): inkoop van IT-producten door het MKB

1995: 800 Nederlandse MKB (1000 transactions)1998: nieuwe vragenlijst naar deelnemers 95

+ (info over 550 transacties van 95)+ (300 nieuwe transacties)

1995/6: kleinschalige replicatie in Duitsland+ (150 MKB, 175 transacties)

1999: grootschalige survey in Duitsland+ (750 MKB, 1000 transacties)

2003: replicatie in Nederland+ (1000 MKB + groter, 1000 transacties)


Inhoud inkoopvragenlijst (1)

Totaal: meer dan 300 issues per transactie gemeten

Vooraf: zoeken en selecteren+#offertes, soort informatie gebruikt, investeringen

in menskracht, ...

Tijdens: contract+ investering in menskracht, technische en

juridische zaken in het contract, …

Achteraf: uitvoering van het contract en after-sales+soort en ernst van de problemen, wijze van

oplossen, …


Inhoud inkoopvragenlijst (2)

Transactiekarakteristieken

Monitoring kosten, switchings costs, belang van duurzaamheid, financieel volume, …

Eigenschappen van kopende en leverende bedrijf

Costs of contracting, size, age, …

Relationele karakteristieken

Historie met zelfde leverancier, verwachting over toekomstig zaken doen, band met de leverancier,

Netwerkeigenschappen

Dichtheid van netwerk, kennen van andere klanten leverancier, ...


Voorbeeld: resultaten ...

“IT-projecten vaak over budget, incompatibel, en te laat”

Problemen: (groot) (enigszins) Over budget 3.1 % 21.6 % Incompatibel 3.8 % 26.5 % Specificaties kloppen niet 3.9 % 29.4 % Installatie niet in orde 4.1 % 30.0 % Product te traag of te beperkt 6.6 % 32.2 % Product incompleet 6.9 % 35.8 % Beroerde ondersteuning 7.5 % 41.8 % Geen of trage service 7.9 % 37.3 % Te laat opgeleverd 8.2 % 36.7 % Geen noodz. aanpassingen gedaan 10.4 % 38.5 % Documentatie niet goed 11.7 % 43.4 %


Aan de hand van de database:


Deze methode heet “vignetonderzoek”

(ook wel “conjoint analysis” genoemd)

Beschrijft voor de respondent een ‘case’ aan de hand van een beperkt aantal variabelen

Vraag naar mening / gedrag respondent


Vignetonderzoek

Voordelen

relatief veel gegevens per respondent respondent krijgt meer variatie dan in praktijk, dus beter

zicht op gedrag respondentsituatie is gestructureerd, geen “ruis” relatief goedkoopvoor de hand liggende ‘aanloop’ naar grootschalig

surveyonderzoek


Vignetonderzoek

Nadelen

situaties zijn kunstmatig -> relevante dimensies ontbreken wellicht -> gevaar: respondent zoekt naar ‘juiste’ antwoord

(“wat zouden ze willen dat ik zeg”) het levert geen beschrijvende gegevens


“Clinical vs statistical” in inkoop:

Vergelijk de antwoorden van …

Experts (inkoopmanagers)

Studenten

Een computermodel

… met de echte antwoorden


Resultaten bij IT-inkoop?

Vorige keer: inschattingen vergeleken van studenten informatiekunde met inschattingen inkoopmanagers.

We vonden: de ‘experts’ doen het zeker niet beter dan de studenten, en een modelmatige voorspelling wel.

Inkopers = 0.24 (6.2)Studenten informatiekunde = 0.26 (6.3)

Model = 0.37 (6.9)


Logisch vervolg (al eerder gedaan) ...

Hoe valt beter gebruik te maken van de kennis van experts? Er blijkt: experts zijn “te wild”

Maak experts systematischer door

[1] gedwongen samenspraak met andere expert

[2] gedwongen verantwoording van voorspelling

dit helpt (een beetje)

dit helpt even goed

(het model is nog steeds het best)


Inkoopopdracht: decision support in inkoop

LEERDOELEN

Kennis over besluitvorming via ‘inkoopcase’

zicht op wat anderen aan onderzoek deden zelf onderzoek doen op dit gebied

Kennis over (toepassing van) decision support via ‘inkoopcase’

Interviewervaring opdoen

Rapporteren over onderzoek


Decision support bij inkoop

Kennelijk doen de experts het toch niet zo goed. Hoe valt hier toch op een verstandige manier iets te doen aan decision support?

Vraag 1: op welke manier gaat het fout, ofwelzit er systematiek in de manier waarop experts het niet goed doen?

Vraag 2:zijn experts bereid decision support te accepteren?


De inkoopopdracht (zie web voor details)

Eerst individueel:1. Doe zelf de “vignettentest” (online)2. Benader een inkoopmanager voor een interview3. Neem interview af

Inkoopmanager doet ook “vignettentest” Manager denkt hierbij hardop, denkproces wordt

opgenomen Hierna mondeling interview

Dan in duo’s:1. Rapporteer over de resultaten

(insteek: wat leer je van de manier waarop de respondenten hun beslissingen namen over de wijze waarop je voor inkoopmanagers decision support tools moet ontwerpen?)


Vignettentest (uiterlijk maandag a.s.)

1. Vragen over de persoon

2. Acht “inkoopcases”. Gevraagd wordt per case te voorspellen Of je problemen verwacht Welke dan? Hoe zeker ben je over je antwoord?

3. Dan nog eens acht “inkoopcases”Zelfde, alleen hierbij moet je proberen zo min mogelijk informatie

“open te klikken”

4. Nog wat slotvragen


Voorbeeld:


Inkoopmanager zoeken

Ideaal is: IT-inkoopmanager

Als dat niet lukt: -> manager met ervaring in IT-inkoop-> IT-medewerker met ervaring in IT-inkoop

Maar niet:-> Bloemist die net een nieuwe pc heeft gekocht-> Collega student die veel van pc’s weet

Bij twijfel: vraag RJB of een respondent geschikt is!


Het interview (tussen 10 en 24 september)

- Daarbij is een internetaansluiting op de interviewplek nodig

- Daarbij heb je een recorder nodig

- Één recorder per duo, te leen bij RJB (check gebruiksaanwijzing)- recorder moet weer retour in originele verpakking- met de opgenomen interviews er op- zet op je recorder als eerste bericht je eigen naam, username en

password.- begin het interview met het inspreken van de username en password

van de geinterviewde!

- Bestaat uit: respondent doet test op internet (respondent denkt hardop) en daarna een semi-gestructureerd interview


Verslag (inleveren voor 1 oktober, 18:00)

In duo’s:

1. toelichting wie de respondenten waren 2. de antwoorden van de respondenten op de drie open vragen 3. een beschrijving van de manier waarop jullie zelf te werk zijn

gegaan bij het beoordelen van de cases 4. een beschrijving van de manier waarop de respondent te

werk is gegaan bij het beoordelen van de cases

5. ten slotte: wat leer je van de manier waarop de respondenten hun beslissingen namen over de wijze waarop je voor inkoopmanagers decision support tools moet ontwerpen?


Op 7 oktober …

… kom ik de resultaten van de tests vertellen …

Replicatie: model > experts > studenten ? Verbetert de voorspelling van problemen door een slimme

combinatie model / mens? Hoe vallen de voorspellingen van experts te verbeteren?

Maken ze standaard dezelfde soort fouten?

Er is een prijs voor de student met de beste voorspellingen.


Lees de tekst van de inkoopopdracht goed!

Nu eerst te doen:

Naar RJB: je als duo opgeven + recorder + brief ophalen

Vignettentest maken

Afspraak maken met inkoopmanager

Expertise en besluitvorming in inkoopmanagement

Documents

Transcript of Expertise en besluitvorming in inkoopmanagement