| Yhteenveto: | Globalisaatio ja digitalisaatio ovat kasvavin määrin lisänneet organisaatioiden
kilpailupaineita erityisesti hankintatoimessa, jossa kustannustehokkuus ja
toimittajien valinta ovat keskeisiä strategisia tavoitteita. Perinteiset manuaaliset
hankintaprosessit eivät enää vastaa nykypäivän nopeasti muuttuvia
vaatimuksia, mikä korostaa uusien teknologioiden, kuten tekoälyn ja
analytiikan tarvetta. Tämä kandidaatin tutkielma tarkastelee tekoälyn ja
liiketoiminta-analytiikan roolia hankintapäätöksissä, erityisesti
toimittajavalinnassa ja toimitusketjujen hallinnassa. Tutkielman tavoitteena on
selvittää, kuinka nämä teknologiat voivat parantaa hankintaprosesseja,
päätöksenteon laatua sekä organisaation tehokkuutta ja kilpailukykyä. Työ
perustuu kirjallisuuskatsaukseen, jossa analysoidaan tekoälyn ja liiketoiminta-analytiikan yhdistämistä hankintapäätöksiin käytännön sovellutusten kautta.
Pääteemat käsittelevät tekoälyn, liiketoiminta-analytiikan ja monikriteerisen
päätöksenteon integraatiota. Erityistä huomiota kiinnitetään datapohjaisten
hybridimallien soveltuvuuteen ja hyötyihin hankintapäätöksissä. Näitä
konsepteja havainnollistetaan neljän tapausesimerkin avulla, jotka valottavat
käytännön toteutuksia eri toimialoilla, kuten öljy- ja kaasuteollisuudessa,
sähköajoneuvotuotannossa ja IT-sektorilla. Tutkimuksen tulokset osoittavat,
että tekoäly ja liiketoiminta-analytiikka voivat merkittävästi kehittää
organisaatioiden hankintaprosesseja. Teknologiat voivat edistää
toimitusketjujen läpinäkyvyyttä, vähentää riskejä, optimoida toimittajavalintaa
ja tukea kestävän kehityksen tavoitteiden saavuttamista. Samalla esiin nousevat
haasteet, kuten datan laatu, päätöksenteon selitettävyys ja teknologian
omaksuminen, korostavat tarvetta jatkotutkimukselle ja huolelliselle
suunnittelulle.
Globalization and digitalization have increasingly heightened competitive
pressures on organizations, particularly in procurement, where cost efficiency
and supplier selection are key strategic objectives. Traditional manual
procurement processes no longer meet the rapidly changing demands of today,
highlighting the need for new technologies such as artificial intelligence and
analytics. This bachelor’s thesis examines the role of artificial intelligence (AI)
and business analytics in procurement decision-making, with a particular focus
on supplier selection and supply chain management. The objective is to explore
how these technologies can enhance procurement processes, improve decision-making quality, and boost organizational efficiency and competitiveness. The
study is based on a literature review that analyzes the integration of AI and
business analytics into procurement decisions through practical applications.
The main themes address the integration of AI, business analytics, and multi-criteria decision-making (MCDM). Special attention is given to the applicability
and benefits of data driven hybrid models in procurement decision-making.
These concepts are illustrated through four case studies that provide insights
into real-world implementations across various industries, including oil and
gas, electric vehicle manufacturing, and the IT sector. The findings indicate that
AI and business analytics can significantly improve organizational procurement
processes. These technologies enhance supply chain transparency, mitigate
risks, optimize supplier selection, and support sustainable development goals.
However, challenges related to data quality, decision-making explainability,
and technology adoption highlight the need for further research and careful
implementation planning.
|
|---|