高级分析为采购数据带来更多价值：更好的谈判策略、供应商管理和采购策略。
对于采购部门，信息就是力量。 从产品定价和供应商的历史数据中收集的见解可以增强买方的谈判地位并推动更好的定价。 然而，目前很少有采购职能能够充分利用这些数据。
为什么这么重要？ 我们的经验表明，与传统的定价模型相比，统计模型和高级分析可以帮助采购部门节省3％到8％的成本。 通过采用强大的数据分析，采购经理可以从数据中发现新的见解，用于谈判、供应商细分和绩效管理以及年度采购战略。
从采购数据中获取更多价值
采购职能产生的数据超过任何员工可以跟踪和管理的数据。例如，在一家年收入约为20亿美元的中型制造企业中，采购的单一品类的交易数据超过20,000笔，每笔交易都有四到五个具有统计意义的价格驱动因素。
但大多数采购职能使用的模型大大简化了可用数据，使采购方更容易处理。在此过程中，许多潜在的有价值的见解都会丢失。采取成本曲线。这种广泛使用的建模方法概述了一年内支付给不同供应商的平均价格。该模型非常简单，但平均价格可能会掩盖供应商绩效的最关键方面。例如，具有显著季节性价格变化的农产品，价格最高的供应商可能是唯一一个只能在高成本季节供应产品的供应商，因此没有动力去匹配其他人的价格。
高级分析的优势
高级分析技术使用算法识别复杂数据集中的模式，允许采购分析师查询其所有数据，确定具有统计意义的价格驱动因素，并根据这些驱动程序对数据进行聚类。生成的集群代表一组购买，而成本驱动因素没有显着差异，从而揭示了供应商绩效的真正差异。
一个关键的优势是，与人不同，高级分析系统不会根据直觉产生具有偏见的决策，或者对数据中的异常值施加过分的重视。该系统还能够非常快速地测试数千个排列，以确定哪些统计集群最适合数据。在农业示例中，算法不需要被告知季节性是驱动力。它将根据数据做出这一决定。如果物流成本也会产生很大影响，算法将揭示出具有统计显著性距离差异。
但是，高级分析系统不仅可以量化采购团队已经了解的成本动因：他们可以发现全新的见解。最近对供应商的一项分析显示，400家公司中有一家明显充当经纪人，并在每笔销售中进行加价。如此多的交易，每个交易都有四到五个重要的价格驱动因素，如果没有高级分析，这些微妙的趋势几乎不可能被隔离并采取行动。
高级分析的三个用例
三个领域 – 谈判、供应商细分和年度计划 – 强化了高级分析所提供的统计方法可以提供的价值。
谈判
成功谈判的第一步是准备一个事实基础，其中包含以前购买的信息。一家制造商阐述了这项任务的复杂性。通过与数百家供应商的成千上万笔交易，它在原材料上花费了数亿美元。定价受多种因素影响并且全年波动，因此制造商使用高级分析算法将历史购买分组为具有统计意义的集群。然后，可以以用户熟悉的任何格式（通常是电子表格）轻松地显示该信息。
高级分析使制造商能够通过输入即将进行的购买的描述（例如，在工厂50英里范围内可用的特定材料）来快速识别供应商集群。群集数据摘要突出显示了类似采购的平均价格，以及可用供应商列表及其提供的价格。制造商配备了强大的定量事实基础，可以根据历史数据和在该领域运营的供应商的信息进入谈判桌。在使用改进的基于事实的谈判方法的第一个月，制造商的采购功能只是通过将最高购买价格降低到平均水平，使其集群价格降低了8％。
供应商管理
供应商细分和管理是一种以关系为导向的努力。因此，它特别容易受到影响人类互动的许多偏见的影响。虽然这种关系的个人特质仍然很重要，但关于供应商绩效的结论应该基于数据而不是感受。由于高级分析在隔离集群中的供应商性能方面特别有用，因此可以帮助消除评估中的主观因素。
考虑一家钢铁制造商购买废钢作为其新钢材的主要材料投入。制造商有50个供应商，分布在100个具有统计意义的集群中，每个供应商都出现在多个集群中。高级分析可以提供每个供应商的总体性能的快照。
通过定价确定哪些供应商是最佳表现者，钢铁制造商可以创建一个评分系统，为每笔交易奖励或扣除积分。例如，供应商1销售特定等级的汽车废料，以每吨100美元（落地成本）在当地采购。该废钢的集群平均价格为每吨120美元。由于供应商1以低于集群平均价格的价格出售钢铁制造商废料，因此它获得了一个交易点。在对所有交易中的供应商得分进行总计之后，制造商可以在相对点比例上绘制每个供应商价格视图。这一规模的高分表明供应商始终优于集群平均价格，并将成为首选。
年度计划
高级分析在分析采购数据以支持全面的采购战略方面尤其有用。假设一家化学品制造商为单一的原材料输入确定了50个集群。它对每个集群中的定价以及经常提供最佳交易的供应商都有一个好主意。下一步是决定如何在集群之间转移数量以实现成本最小化。从战略规划的角度来看，采购组织可能会寻求消除45到50个集群，并从集群1到集群10中用采购量取代。采购经理也可能会探索从以前未开发的来源添加新集群。群集数据将清楚地表明哪些群集提供了帮助指导策略的最佳价值，供应商绩效数据将有助于确定哪些供应商是增加数量的最佳候选者。
建模还可以为库存决策提供信息。例如，化学品制造商的数据显示，当其安全库存耗尽时，它会对现货采购支付10％的溢价。然后，采购团队可以做出数据驱动的决策，决定是否支付额外库存的持有成本，或支付现货购买的溢价。
将高级分析集成到采购中
但是，将高级分析集成到采购运营中需要做些什么？
好消息是，几乎每个组织都已拥有必要的资源和能力。如果采购具有历史购买记录，则可以在几个月内完成从启发式预测模式转换为数据驱动分析，并在三个关键领域进行有针对性的努力。
人
他们不需要是数据科学家或知道如何编码算法，他们只需要一台计算机就可以查看高级分析模型的输出。几天的研讨会解释了诸如统计聚类以及如何将它们纳入谈判等主题，可以使整个采购职能掌握基本面。
流程
采购功能可以通过现有系统访问所需的所有数据，因此无需调整流程以便于数据输入或汇总。虽然执行初始分析需要专业知识（建议使用专业指导），但算法只需运行一次。之后，新数据可以轻松插入到指定的群集中，这些群集可以持续提供工具。
技术
在许多情况下，不需要额外的技术投资来支持高级分析。用于整合和存储购买数据的数据库不需要花哨。要运行分析，数据库的最低要求是历史购买和数据的记录，以模拟成本动因（例如，价格，日期，数量和供应商）。大多数组织使用已经提供所需功能的某种形式的ERP软件。分析的输出可用于电子表格或团队已在使用的其他格式。