top of page

Supplier Recommendation Tool

Tools:

R, Azure

In diesem Projekt haben wir ein Recommendation Tool auf NLP-basis entwickelt, das für den Einkauf unseres Kunden vergleichbare Supplier beziehungsweise Angebote identifiziert und so Alternativvorschläge für Lieferanten generiert.

shutterstock_1100643188-2048x1365.jpg

THEMA

Recommendation Systems

BRANCHE

Automotive

PROJEKTDAUER

4 Monate

Herausforderung

Der Konzerneinkauf ist mit der Auswahl von Lieferanten und dem Einkauf verschiedenster Güter und Dienstleistungen betraut. Um stets das bestmögliche Preis-Leistungs-Verhältnis zu erzielen, sind Vergleiche zwischen Lieferanten sowie das Einholen von Konkurrenzangeboten essentiell. Unser Kunde, ein internationaler Automobilkonzern, wollte für einen beliebig wählbaren Referenz-Supplier eine Liste mit Vorschlägen alternativer Lieferanten generieren.

Ansatz

Zunächst mussten die Daten der vorhandenen Angebotsdokumente zur Modellierung aufbereitet werden. Hierfür wurden verfügbare Leistungsbeschreibungen intensiv analysiert und bereinigt. Es wurden unter anderem Füllworte gelöscht, inhaltlich bedeutsame Worte auf ihren Wortstamm reduziert und entsprechend ihrer Seltenheit und damit Aussagekraft normalisiert. Anschließend wurden die einzelnen Lieferanten, basierend auf ihren Leistungsbeschreibungen, mithilfe einer Latent Semantic Analysis (LSA) im semantischen Raum verortet. Durch die Übertragung der textuellen Information in einen numerischen Raum kann nun eine Vielzahl mathematischer und logischer Operationen auf die Lieferanten beziehungsweise Angebotsdokumente angewendet werden. So können zum Beispiel Ähnlichkeiten berechnet werden, die zur Anzeige von inhaltlich passenden Lieferanten-Empfehlungen genutzt werden.

Ergebnis

Unser NLP-Modell generiert, ausgehend von einem Referenz-Supplier, Vorschläge für korrespondierende Lieferanten – die nächsten Nachbarn im semantischen Raum. Das Modell wurde zur Vorschlagsgenerierung sowie zur einfachen Suche in der Lieferantendatenbank in ein interaktives Dashboard mit Userinterface integriert. Die Applikation erleichtert die Nutzung vorhandener Inforationen, reduziert die Arbeitszeit und spart für unseren Kunden durch den verbesserten Wettbewerb zwischen Lieferanten bei jeder Ausschreibung bares Geld.

100%

10.000+

99,9%

ZUFRIEDENHEIT

TRAININGSDATEN

VORHERSAGEGENAUIGKEIT

1632298486336-2_edited.jpg

Sabayn Mirakai

Managing Director

+49 160 779 85 83

  • LinkedIn
  • Xing

Brauchen auch Sie eine ähnliche Lösung?

Sie haben Fragen zu dieser Lösung oder zu Ihrem ganz spezifischen Anwendungsfall?

Unsere Experten beraten Sie gerne!

robot-5232974_1280.png
bottom of page