下个星期,我参加了一个研讨会,甲骨文和采购分析:深入了解甲骨文的花分析和数据驱动的采购解决方案,强度数据团队。对于那些不知道强度数据,该公司收购了,已经建立在甲骨文咨询、系统集成和应用程序增强“包围”的策略——丰富,它在2016年购买的。
在各种讨论研讨会强度团队准备的数据,以及在看着我的花很重要的一些同事的肩膀回顾甲骨文的功能为即将到来的供应商快照系列——我意识到Oracle在很大程度上还在酝酿花分析与很多其他采购技术提供者,尤其是独立专业供应商。不过,甲骨文已经悄然构建一套坚实的能力花分类区域(更广泛,花分析)。
当然,我们需要希望甲骨文参与即将到来的花重要的战略采购技术SolutionMap(无论是今年或明年)特别了解它的功能与其他花分类(和更广泛的消费分析)市场解决方案和客户视角。但至少,组织一个Oracle-led IT环境,想要更多的控制自己的消费数据和整体消费,以及供应商和供应主数据,科技巨头多值得名单管理采购数据作为一个潜在的选择。
管理花费数据:它适合花分析作为一个组成部分
如果我们看花分析的更广泛的类别组成7点过程花分类能力的核心支持元素(和Oracle的解决方案在该地区)分为以下前四个水桶:负载和集成数据、清理、分类和丰富。
- 和集成数据加载——系统中获取数据
- 净化——修复错误
- 分类——映射到一个分类方案或多个方案
- 丰富——从其他数据源添加额外的数据
- 多维数据集—构建OLAP多维数据集,ROLAP和实时数据集建设
- 可视化、分析和报告——包括“二”和“三维”分析和报告来帮助采购组织(和更广泛的利益相关者)有意义的数据
- 集成——“推”花可视化数据和报告到其他模块在一个套件或第三方解决方案
甲骨文花分类方法(区域1 - 4以上的一般工艺流程/框架)是典型的市场,因为它是一个小的供应商,只销售技术支持这些领域(与交付管理服务支持)。
这就是甲骨文合作伙伴如数据强度进来。
核心分类的步骤是什么?
我的同事和花分析分析师专家迈克尔·Lamoureux总结了清洗的过程和分类/映射数据作为分析的基础和可操作的情报,包括三个关键步骤。这些都是:
- 重复检测
- 自动
- 在多标准的分类
让我们简要地研究每一个组件在尽可能简洁的方式(持续向迈克尔)。
的前提重复检测是来自多个数据源的数据,记录/交易将被复制。此外,不同编码、供应商id和重复难以探测,并错过了重复导致错误的总数,趋势和处方。等领域供应商发票ID和付款应该自动花分类过程的一部分。迈克尔和我观察过,重复检测实际上是一个困难,和更多的参与,问题比许多人想象。但它是关键的解决,你甚至不能得到适当的控制总量,直到这样做是正确的。
的原因自动是必要的是,大部分的数据记录将是不完整的。这是部分原因是许多领域可以完成基于其他领域(如供应商ID, ID、发票等)。简单的规则通常可以“自动完成”大部分缺失的数据(但这些要求和需要支持的解决方案)。基本分类可以完成大部分的其余字段(这些规则也应该支持)。我们相信,自动是一种经常被忽视的特点花清洗/分类和比你可能认为更重要。
在多标准的分类包括三个独特的努力:分类字段,分类导出字段和分类上丰富的领域
虽然这些常见的步骤,实际上有许多分类方法(如基于规则的,人工智能(AI) /机器学习,混合机器学习,等等)。很难说这是最好的,每一种都有其优点和缺点,一个工作的地方不好在给定的数据集,另一个将工作做好。一般来说,最好的解决方案支持多种方法和适当地使用它们。
总结所面临的挑战和机会
让花分析简单是一种最复杂挑战的今天企业软件。和间接花费(通常更广泛的数据集),花分类是在非常努力的核心。
不仅花分析要求和涉及到多种技术,但这个过程需要“高级用户”,往往技术资源(后端)移交给业务用户的最终的目标,这一定是一次又一次地重复。当然,它还需要合适的潜在的解决方案。
深入的分析往往依赖于更广泛的数据集,桥花/供应和制造/销售,以及金融和操作的输入。这是一个更广泛的利益相关者参与的关键,往往最大的数据驱动的机会——你是否使用Oracle(或另一个底层技术)你的努力的核心。
想了解更多吗?和我一起(连同数据强度团队)下周的研讨会。
特别感谢迈克尔Lamoureux提供他的一些优秀的合计的底层组件整体支出分类和分析。
讨论: