Spendanalys jämför nuvarande och tidigare utgifter. Syftet är att minska kostnader, förbättra strategisk upphandling och stärka kontrollen över utgifter. För att identifiera mönster måste utgiftsdata omvandlas till KPI:er och mätvärden och sedan visualiseras.
Data som uppfyller dessa egenskaper är bäst för analys:
- Alla källor för upphandling, inköp och ekonomiska transaktioner. ERP, GL, eProcurement och utgiftshantering.
- Normaliserat för korrekt association och sammanställning.
- Organiserat enligt hierarkisk taxonomi, helst per artikel.
- Berikat för att fylla i nödvändiga fält.
- Bearbetat av en AI-motor, affärsregelverk och datakunniga utgiftsanalytiker.
Dessa datainställningar ökar möjligheten till pålitlig, handlingsbar analys. Databearbetning blir mycket snabbare än med ett kalkylblad eller regelverk.
Spendanalys tar traditionellt månader och är arbetskrävande. Utvärderingen är besvärlig att slutföra mer än en eller två gånger per år på grund av dess längd. Det tvingar upphandlingsteamet att använda föråldrad data och sakna insyn i sina projekt.
Några veckor eller dagar kan sparas genom att bearbeta data med en AI-motor. Spendanalys programvara kan jämföra initiativresultat med mål när den upprepas flera gånger per år. Spendanalys är mer strategisk när upphandling kan anpassas beroende på nya fakta.
Vad är Spendanalys?
Spendanalys granskar nuvarande och historiska företagsutgifter för att hitta kostnadsbesparingsmöjligheter, förbättra strategisk upphandling och sänka inköpskostnader.
Tre primära aspekter utgör spendanalys:
- Ren utgiftsdata, KPI:er och andra mått ger utgiftssynlighet från flera vinklar.
- Spendanalys—Ställa frågor om företagets utgifter och inköp, hitta svar i mätvärden och minska kostnader och förbättra resultat.
- Anpassa upphandlingsprocesser för att passa företagsmål baserat på analysresultat.
Utgiftssynlighet
Spendanalys kräver exakt inköpsdata från alla källor för att mäta upphandlingsvariabler över tid. KPI:er mäter tidigare och nuvarande processprestanda. KPI:er och indikatorer hjälper till att förstå upphandlingsdata, oavsett om det är ett kalkylblad från förra kvartalet eller en Spendanalys programvara med flera års data.
Du kan inte spara det du inte kan se.
Spendanalysens KPI:er och mätvärden för datainsamling och bearbetning.
Vi vet alla att ”Garbage In, Garbage Out”. Detta gäller för upphandlingskostnadsanalys. De flesta upphandlingsteam använder denna teknik för att få detaljerad data för exakta resultat.
Bestäm alla upphandlings- och inköpsdatakällor.
ERPer, e-upphandlingsprogramvara, utgiftssystem, P-kort och huvudböcker är datakällor. Samla in utgiftsdata från alla avdelningar, företag och fabriker. Kom ihåg att både direkta och indirekta utgifter bör undersökas.
Kombinera data på en plats.
Data kommer ibland i olika former, valutor eller språk, vilket gör sammanställningen problematisk. För att lösa dessa problem byggs ETL-processer. Automatisk hantering av avvikelser och ETL sker med Spendanalys. Upphandlingsanalytiker måste bearbeta kalkylbladsavvikelser eller använda ett datahanteringsverktyg.
Rensa data för bättre bearbetning.
Utöver språk och valuta jämförs och normaliseras produkt- och leverantörsnamn och beskrivningar. Till exempel kan tre affärsenheter köpa Dell-bärbara datorer under olika leverantörsnamn—DELL, Dell Technologies, Dell, Inc. Standardisering av upphandlingsdata förenklar tolkningen för företag, robotar och algoritmer.
Öka data för fullständiga poster och mätvärden.
Olika fält av data från olika källor kan orsaka komplikationer när de kombineras. Saknade fält, förkortningar och stavfel är vanliga. Smart datakombination skapar mer kompletta artikelposter. Lägg till andra datakällor som industrikoder, leverantörsvariation och ISO-certifieringar för att förbättra dataanalysen.
Organisera material i logiska hierarkier.
Taxonomin för utgiftsdata hjälper upphandlingsexperter att spåra var pengarna spenderas. UNSPSC, NAICS och eClass är klassificeringsstandarder. All utgift, inklusive marknadsföring, resor, kontorsmaterial och juridiska tjänster, måste klassificeras korrekt, oavsett vilken klassificeringsmetod som används. Utgiftsstatistik blir mer omfattande och användbar med bättre kategorisering. Klassificering kan ta månader och vara tröttsam. Spendanalys med en AI-driven klassificeringsmotor kan minska den tiden till dagar och automatiskt klassificera 60-70% av första genomgångsdata. Systemet förbättras med mänsklig granskning och korrigering, och kategoriserar mer varje gång. Analyssolutions som denna kan ha en nära omedelbar avkastning på investeringar på grund av tids- och resursbesparingar.
Utgiftsanalys
Dataanalys är den viktigaste delen av upphandlingskostnadsanalys. Dataanalysprogram hjälper ditt företag att uppfylla regler, identifiera besparingsmöjligheter och illustrera inköpsmönster.
Studien ger dig synlighet för att vara strategisk och prata med leverantörer på ett intelligent sätt. Utgiftsanalys kan upptäcka processförbättringar inklusive inköp från föredragna leverantörer, minskning av kategorileverantörer och andra vanliga scenarier.
Spendanalys följer datainsamling, rengöring och klassificering. Från ren, korrekt, detaljerad data kan KPI:er och utgiftsanalys beräknas. Dessa siffror förstås bäst i diagram och grafer som visar mönster och anomalier. Dessa grafik är filtrerbara efter datagranularitet och tillgängliga för flera kategorinivåer.
Spendanalys ger handlingsbar information inom praktiskt taget alla områden, från inköpsprisavvikelse till leverantörsvariation till inköp över affärsenheter. Data driver klokare, datadrivna affärsbeslut om alla företagsinköp. Studien ger åtgärder för att öka inköpseffektiviteten, minska kostnader och minska leverantörsrisken.
Förbättringar av upphandlingsprocessen
Detta är när varje initiativ får en ägare och implementeringen börjar. Många strategier för att förbättra leverantörshantering inkluderar:
- När företagets enheter köper under ett kontrakt förbättras artikelpriser och villkor.
- Minska antalet leverantörer för specifika artiklar eller kategorier för att öka effektiviteten.
- Bättre leverantörsförhandlingar från interna och externa prisjämförelser.
- Minska tiden för hantering av inköpsorder.
Några nya åtgärder drivs av intern och extern efterlevnad, som
- Tier 1 och Tier 2 utgifter på olika leverantörer—företag som ägs av minoriteter, kvinnor och veteraner.
- ISO, SOX, SOC2, UL, N95 Kvalitet, Säkerhet och Säkerhetsöverensstämmelse
- Sociala, miljömässiga och styrningsinitiativ
En ny analys behövs för att mäta förbättring. Ett smart spendanalysverktyg löser detta. Baserat på den tidigare studien bör bearbetning av mer data vara snabb och exakt. Realtidsresultat från bearbetning av den senaste datan återspeglar initiativets framsteg.
Kraften i Spendanalys
Organisationer drar stor fördel när kostnadsanalysen minskas från ett projekt som tar månader till en vecka eller några dagar. Följande är skäl att använda kostnadsanalys och nya värden som erhålls från frekventa inköp.
Förbättra datakvaliteten
Spendanalys börjar med att samla in, rensa, normalisera och förbättra all inköpsdata. Att använda en del av datan begränsar din granskning och resultat. O-rensad data kommer att ha dubbletter av artiklar och leverantörer, vilket hindrar leverantörskonsolidering. Kom ihåg, Garbage In = Garbage Out.
Öka besparingsmöjligheterna
Rensning av data ger en solid grund för trendanalys, KPI-mätning och prestationsjämförelse. Djupare klassificering är bättre för att identifiera trender och handlingsbara insikter.
Klassificera taxonomi
UNSPSC och eClass är standardtaxonomier. Företag måste bedöma om taxonomin passar deras verksamhet och är tillräckligt komplett för analys.
Byggnadsunderhåll är på nivå 3 av nivå 1 Faciliteter [Anläggning > Anläggningstjänster > Byggnadsunderhåll]. Du kan minska kostnaderna för byggnadsunderhåll om en undersökning visar att det är långt över referensvärdena. Utan annan information skulle projektet behöva undersöka vilken aspekt av byggnadsunderhåll som orsakade den höga kostnaden. Eftersom byggnadsunderhåll innehåller över åtta olika underkategorier kan det ta tid att hitta källan.
Men en nivå 4-faciliteterstaxonomi kan förenkla initiativet. Nivå 4-kategorier har några leverantörer vardera. Forskningen kan identifiera överprissatta säljare och artiklar. Utgiftsstatistik blir mer omfattande och användbar med bättre kategorisering. Detaljerad data och nivå 4+ kategorisering påskyndar problemidentifiering och sparar upphandlingskostnader.
Prestanda förbättras genom benchmarking
En omfattande taxonomi och tydligt klassificerad data gör det enkelt att jämföra upphandlingsprestanda. Att jämföra företagets enheter eller platser internt kan hjälpa dig att hitta och rätta till utgiftsskillnader. För att öka effektiviteten kan du jämföra upphandlingsprocessens KPI:er som PO-godkänningstid.
Använd tredjepartsbenchmarking för att komplettera din data och jämföra med liknande organisationer för att förbättra. Vilken benchmarking du än väljer, kan det sänka material- och leverantörskostnader genom prissänkningar och företagskostnader genom effektivitetsökningar.
Hantera leverantörsrisker och relationer
Mänsklig tillit och förståelse gör leverantörsrelationer bäst. Du bör ändå genomföra en grundlig analys.
En upphandlingsstudie kan hitta leverantörer och artiklar som delas av avdelningar eller affärsdivisioner. Dessutom kan du se hur mycket av denna utgift som är kontrakterad. Förbered för förhandlingar genom att använda data för att få mängdrabatter, bättre betalningsvillkor och större kontraktutgift. Leverantörstransparens möjliggör smart upphandling.
Regionala och globala händelser har avbrutit tillgången till material och delar de senaste åren. Efter en jordbävning med magnituden 9,0 och en tsunami drabbade Japan 2011, påverkade Fukushima Daiichi-kärnkraftverksolyckan globala leveranser av IC-chip och fordonskomponenter. COVID-19-pandemin 2020 stängde alla kinesiska fabriker i flera månader. Utvärdera material från en enda källa eller leverantörer från samma region för att hantera försörjningskedjans risk. När kinesiska tillverkningsanläggningar stängdes tvingades många företag köpa PPE från andra länder än Kina.
Interna och externa styrnings- och efterlevnadsstandarder har skapat nya områden för leverantörshantering. ISO 9001 (Tillverkningskvalitet), ISO 13485 (Medicintekniska produkter), UL V-0 (Materialbrännbarhet), SOX och SOC är långvariga kvalitets-, säkerhets- och säkerhetsstandarder.
ESG-normer blir allt vanligare. På grund av allmänhetens krav på förändring, mätning och öppenhet registreras utgifter på olika leverantörer—företag som ägs av minoriteter, kvinnor och veteraner. Vissa federala upphandlingsorganisationer måste spåra Tier 1 (Direkta Mångfaldsutgifter) och Tier 2 (Mångfaldsutgifter från Tier 1-leverantörer) eftersom de får krediter för båda och efterlevnad av mångfald. Att inkludera mångfaldscertifikat i dataförbättring gör dessa indikatorer lätta att analysera.
Spendanalysvisualiseringar
Visualisering av datadrivna KPI:er och mätvärden hjälper till med spendanalys. Flera programvaruverktyg kan visa data i diagram, tabeller och grafer för lättare förståelse.
Använd kalkylblad
De flesta människor har och använder kalkylblad. De flesta organisationer ger anställda kalkylbladsbaserade affärsprogram. Således anses kalkylblad ofta vara ‘gratis’.
Avancerade pivottabeller och korsflikningsrapporter är möjliga i kalkylblad. De kan också visa data i linje-, stapel- och cirkeldiagram. Men kalkylblad för Spendanalys har betydande nackdelar.
Vanliga problem med Spendanalys kalkylblad:
- Felkänsliga kalkylblad. University of Hawaii och Dartmouth College fann fel i 90% av kalkylbladen och 1,7% av formlerna. Kalkylbladsfel har kostat flera stora företag miljarder.
- Programmering är dyrt. Att plotta data i pivottabeller och diagram kräver superanvändare och upphandlingsproffs. Att programmera formler och konstruera tabeller och grafer tar tid även för en kalkylbladsuperhjälte. Medan kalkylbladsprogramvara är gratis, är teamtid inte det.
- Delning och redigering kan kompromettera säkerhet och revision. Dela spendanalys för att maximera deras värde. För att se data i deras föredragna format kopierar anställda dem till sina datorer och ändrar dem. Det ursprungliga kalkylbladet kan skrivas över utan skydd. En bärbar dator med en kopia av kalkylbladet kan stjälas, vilket äventyrar din personliga data.
Verktyg för Business Intelligence
Verktyg för Business Intelligence är nästan 40 år gamla. Men moderna process- och grafikmotorer gör dem mer kraftfulla.
Liksom kalkylblad kräver BI-instrumentpaneler en kompetent BI-programmerare för att visa KPI:er och mätvärden. Programmerare och upphandlingsspecialister måste samarbeta för att skapa flera synvinklar. Business intelligence-verktyg skapar komplicerade grafer och diagram, till skillnad från kalkylblad. Dessa element kan sparas som mallar.
Stora organisationer med BI-verktyg och skickliga programmerare kan dela upphandlingsdata. Företag som använder BI för driftsmätvärden kan integrera den datan med utgiftsdata för att hitta mer.
Business intelligence-visualisering kräver exakt, detaljerad utgiftsdata och en mekanism för att samla in den. Databeredning för hand tar tid och många människor. Trots att de bara täcker 20% av datan kan affärsregler stödja processen.
Användning av upphandlingssvit
De integrerade apparna i upphandlingssviter täcker flera upphandlingsteman. Kontraktshantering, PR/PO-bearbetning, omvända auktioner och utgiftshantering ingår.
Dessa är vanligtvis bra allmänna inköpsalternativ. Men dessa sviter var inte designade tillsammans. De lägger ofta till funktioner eller integrerar förvärvade teknologier. Sviter är vanligtvis starkare i mitten. Spendanalys kan sakna kalkylbladens enkelhet, BI-lösningarnas visuella kapacitet och analys-specifika lösningars AI och komplexa algoritmer.
Spendanalys-specifik lösning
Strategiska upphandlingsspecialister inser att deras team behöver exakt, högkvalitativ data för att analysera. KPI:er och mätvärden kommer från ren, grundlig data. De hjälper upphandlingsteamet att spara pengar, förutsäga framtida förhållanden och optimera upphandling. Spendanalyslösningar använder omfattande ingenjörskonst för att producera bra data.
AI i upphandling
Alla följande metoder sorterar och kategoriserar data med hjälp av affärsregler. Bättre programvara använder AI för att öka bearbetningshastigheten och noggrannheten. NLP bearbetar mänskligt språkdata. Normalisering av leverantörsnamn med NLP gör datakonsolidering enklare.
ML låter en modell “träna” på ett dataset och tillämpa sina lärdomar på ett nytt. Tränade algoritmer bearbetar och kategoriserar data snabbare. ML-algoritmer slutför på dagar vad människor tar månader. SaaS-leveransalternativ erbjuder snabbare datorer och mer lagring, vilket möjliggör AI-upphandling.
AI hjälper dessa SaaS-applikationer att växa från rapporter och visualisering till prognoser och förutsägelser. Spendanalys kan bli ett vanligt upphandlingsverktyg tack vare utvecklingen av analysprogramvara. Med tiden kommer det att bli en kontinuerlig process.
Instrumentpaneler, rapporter om upphandling
Koden behöver ett grafikbibliotek för att visa analyser. Upphandlingserfarenhet behövs för att visa användningsfallens KPI:er och mätvärden på en instrumentpanel. Nästan alla spendanalysprogramvaror kommer med vissa rapporter och instrumentpaneler. Du kan konfigurera, anpassa eller skapa instrumentpaneler i de flesta system. Programvarans kapacitet avgör vad du kan se och utföra omedelbart.
Steg i Spendanalys
Starta med analysens omfattning och datainsamling
Vet vad du vill innan du letar efter information. Analysgranskningar kan täcka alla företag i ett multinationellt konglomerat eller bara en tillverkares direkta utgifter.
M
