Digital transformation in a manufacturing group: data cleansing and re-design of the Procure-to-Pay Process

This thesis presents the outcome of a project in a high-end manufacturing group aimed at transforming the procurement process (Procure-to-Pay, P2P) and cleansing supplier master data in preparation for a “best in class” Omnichannel Platform rollout. The initiative focused on two critical procurement streams within the company’s Contract Purchasing Department, uncovering decentralized and inefficient as-is workflows. Key issues included inconsistent processes across divisions, off-system transactions, and fragmented data leading to redundant work and delays. In response, a standardized to-be P2P workflow was designed with clearly defined phases from purchase requisition to payment. The new process integrates unified approval controls, full traceability, and automation to reduce manual effort. Specifically, an AI-driven procurement assistant tool was proposed to handle routine supplier communications and order confirmations, streamlining interactions and minimizing errors and delays. Parallel to the process redesign, a thorough cleansing and normalization of supplier master data was conducted to establish a single source of truth. In this data cleanup, duplicate and inconsistent vendor records were eliminated and coding conventions were unified. Key parameters such as payment terms were also aligned across all business units to ensure data consistency and integrity. Structured key performance indicators were implemented to monitor improvements in cycle times, data accuracy, and compliance. Early results have shown enhanced data consistency and faster approval cycles, validating the approach. These efforts ensure the new ERP can be leveraged on a foundation of high-quality data and structured processes. Ultimately, the project strengthens digital governance and centralized procurement control, laying the groundwork for a data-driven operating model that achieves greater efficiency and transparency without compromising the company’s quality standards. The study demonstrates how operational excellence and digital innovation can coexist through careful governance, structured change management, and cross-functional collaboration.

Questa tesi presenta i risultati di un progetto realizzato all’interno di un gruppo industriale di fascia alta, volto a trasformare il processo di approvvigionamento (Procure-to-Pay, P2P) e a ripulire i dati anagrafici dei fornitori in preparazione all’implementazione del sistema “best in class” Omnichannel Platform. L’iniziativa si è concentrata su due flussi di approvvigionamento critici all’interno del Dipartimento Acquisti “Contract” dell’azienda, mettendo in luce flussi operativi decentralizzati e inefficaci nello stato attuale (“as-is”). Le principali criticità riscontrate includevano processi non uniformi tra le diverse divisioni, transazioni fuori sistema e dati frammentati che generavano lavori ridondanti e ritardi. In risposta a tali problematiche, è stato progettato un flusso P2P standardizzato (“to-be”) con fasi chiaramente definite, dalla richiesta di acquisto fino al pagamento. Il nuovo processo integra controlli di approvazione unificati, piena tracciabilità e automazione, al fine di ridurre l’intervento manuale. In particolare, è stato proposto uno strumento di assistenza agli acquisti basato su intelligenza artificiale, in grado di gestire le comunicazioni routinarie con i fornitori e le conferme d’ordine, semplificando le interazioni e riducendo errori e ritardi. Parallelamente alla riprogettazione dei processi, è stata condotta un’accurata attività di pulizia e normalizzazione dei dati anagrafici dei fornitori per creare un’unica fonte di verità. In questa fase di data cleansing, sono stati eliminati i record duplicati o incoerenti e sono state uniformate le convenzioni di codifica. Parametri chiave, come le condizioni di pagamento, sono stati allineati tra tutte le unità aziendali per garantire coerenza e integrità dei dati. Sono stati inoltre implementati indicatori chiave di performance (KPI) strutturati per monitorare i miglioramenti nei tempi di ciclo, nell’accuratezza dei dati e nella conformità dei processi. In definitiva, il progetto rafforza la governance digitale e il controllo centralizzato degli acquisti, ponendo le basi per un modello operativo data-driven in grado di raggiungere maggiore efficienza e trasparenza senza compromettere gli standard di qualità dell’azienda. Lo studio dimostra come l’eccellenza operativa e l’innovazione digitale possano coesistere attraverso una governance attenta, una gestione strutturata del cambiamento e una collaborazione interfunzionale.