The opportunity of big data for procurement : a structured literature review

The context where organizations operate nowadays is characterized by increasing markets’ dynamism, global competition and information technology adoption and by a growing availability of extremely large amounts of data. In this business environment, opportunities offered by big data analytics are huge. Big data can provide companies with support in decision making, thus determining a competitive advantage in its business environment. Among the possible implementations of big data in supply chain activities, procurement applications have been the less explored but are thought to be the most growing area of research in future, justified by the increasing interest in procurement due to its growing strategic role and impact on company’s costs and overall supply chain performances. This study has the objective of investigating the opportunities offered by big data analytics for procurement, providing an up-to-date overview of the current status of the research through the investigation of the procurement process phases where big data analytics techniques are applied, their purpose, data typology in terms of structured or unstructured data and the overall impact on performances. Moreover, it aims at highlighting possible existing gaps, becoming a starting point for future researchers in the field. For this purpose, a structured literature review analysing 76 scientific papers, obtained looking on SCOPUS and WOS for relevant keywords related to the topic, has been developed. The results show a scarcity of studies on different activities of the procurement process, including assessing performances of the procurement function and more operational activities of the supply phase, in particular in order management and inbound logistics management, mainly concerning empirical research. Furthermore, it has been highlighted a paucity of scientific papers focused on text mining and on the analysis of unstructered data, which is an area with a great potential for future applications, and a lack of contributions on innovation and sustainability performances.

Nel contesto in cui operano oggi le aziende, caratterizzato da un dinamismo dei mercati, da una competizione a livello globale crescenti e da una disponibilità sempre maggiore di tecnologie informatiche e dati, l’analisi dei big data offre infinite opportunità. I big data possono essere sfruttati per supportare le aziende nelle attività di decision making, determinando un vantaggio competitivo sul mercato. Tra le varie possibili applicazioni dei big data nella supply chain, quelle riguardanti il processo di procurement sono attualmente le meno esplorate, ma si ritiene che in futuro questa sarà l’area in cui aumenterà maggiormente l’interesse dei ricercatori, grazie al ruolo sempre più strategico del procurement e al crescente impatto sui costi e sulle performance dell’intera supply chain. Questo studio si pone l’obiettivo di esplorare le opportunità offerte dall’analisi dei big data nel procurement fornendo una visione aggiornata dello stato attuale della ricerca, attraverso l’esplorazione delle fasi del processo di procurement, le tecniche di big data analytics applicate, gli scopi per cui vengono applicate, il tipo di dati analizzati (strutturati e non strutturati), e il loro impatto sulle performances. Lo studio vuole inoltre evidenziare possibili gap di ricerca, ambendo a diventare un punto di partenza per ricerche future. È stata quindi sviluppata un’analisi strutturata della letteratura basata su 76 articoli scientifici ottenuti dalla ricerca su SCOPUS e WOS di parole chiave attinenti l’utilizzo dei big data nel processo di procurement. I risultati mostrano una carenza di studi riguardanti attività quali l’analisi delle performances della funzione di procurement e aspetti più operativi appartenenti alla fase di supply, in particolare le attività di order management e inbound logistics management, principalmente dal punto di vista della ricerca empirica. Inoltre, si evidenzia un ridotto numero di papers relativo alla tecnica di text mining e più in generale all’analisi dei dati non strutturati, un’area che ha un grande potenziale per applicazioni future, e pochi documenti riguardanti le performances di innovazione e sostenibilità, sia interne che esterne.