採購中的高級分析方法

歡迎你們前往騰訊雲+社區，獲取更多騰訊海量技術實踐乾貨哦~

本文來自雲+社區翻譯社，做者Steve Wang

Streamline Processes, 多譯爲簡化流程，而譯者將則其翻譯爲流線化流程。由於簡化是經過借鑑工廠的線性流水線來進行的(即每一個工人只負責流水線的某一個小部分，而多個部分的工做同時進行)，藉由流水線來提升工做效率是CPU的工做原理，在操做系統的調度中也有體現。

採購部是大多數公司的關鍵業務部門，也是許多組織機構的骨幹。他們參與因開展活動購買商品或服務的成本決策，以及與利益相關方和供應商創建戰略關係。他們可以幫助流線化流程，經過談判下降材料成本，以及肯定更好的供應源，對驅動企業或組織的盈利能力起着重要做用。

在軟件行業中，採購到付款（P2P）週期(cycle)是跟蹤端到端採購流程的經常使用方式——從提出採購申請到付款再到供應商。從下面的標準圖能夠看出，P2P週期具備一系列階段(性流程)。咱們在下面展現的是一個標準流程。根據業務的不一樣，這個流程會有不少變化。

因爲採購是一項重要的業務職能，所以各行業會使用許多關鍵績效指標（即KPI）來跟蹤其採購部門的績效。廣義而言，根據其主要目的，KPI能夠分爲三組：下降花費/成本，提升質量和快速交付。(採購部)須要在這三個採購目標中平衡關鍵績效指標以取得成果。若是您想了解這些指標的更多細節，請查看Deltabid的採購KPI文章。

1. 成本KPI - 成本規避，成本下降和採購ROI
2. 質量KPI - 供應商質量評定，返工和以美圓計算的報廢價值，退貨至供應商的成本，拒收率，以認證供應商的百分比
3. 交付KPI - 提早時間(即提早了多長時間交付)

除了這些採購關鍵績效指標(KPI)外，還有不一樣的業務職能所共享的其餘關鍵績效指標，以提供對企業或組織財務績效的總體認識，例如：

• 應付帳週轉天數(又稱平均付現期)（Days payable Outstandin, DPO）：一項重要的關鍵績效指標，說明公司向供應商支付須要多長時間。它提供了有關未付和逾期應付帳款的信息，也是現金轉換週期的一個重要組成部分。
• 現金轉換週期(Cash Conversion Cycle)：若是要將現金轉換週期（CCC）等同於時間，須要出售庫存和收集應收帳款的時間少於它須要支付公司的應付款項的時間。
• 總落地成本(Total Landed Costs)：這是產品抵達目的地後的總價格。它包括產品的原始價格，運費和其餘手續費。
• 應付帳款與應收帳款(Payables vs Receivables)：流動性分析的一個重要部分，用於查看是否有足夠的資金從應收帳款中支付未償還的應付帳款。
• 未支付的付款(Unreconciled Payments)：幫助咱們瞭解與發票，收據或賬單不匹配的未付款。這鼓勵咱們糾正付款處理方面的任何錯誤，並檢測潛在的欺詐/供應商超額支付。
• 在到期日以後支付的發票(Invoices paid after due date)：瞭解在到期日以後支付的發票價值的重要KPI。在到期日以後支付的發票可能會吸引滯納金，並可能致使市場聲譽不佳。

採購中的高級分析方法

改進和優化採購功能都須要進行高級分析。它可以爲從事採購工做的專業人員提供大量信息，以幫助他們更好地完成工做。分析能夠幫助他們下降成本，分析的方法是肯定哪些地方有沒必要要的開支，經過供應商的交付來監控供應商，並進行談判以達成更好的交易，還有快速識別交易欺詐並讓智能機器來管理手動任務，如報價建立和供應商評分。

德勤(Deloitte, 四大會計師事物所之一)預測,2020年的採購看起來會和今天大相徑庭。將來的世界將改變現有的假設並帶來新的危險。這將會須要額外的技能，知識和工具來解決全新的挑戰，同時更有創意地解決當前的挑戰。所以，充分利用物聯網和數字化等新技術是很是重要的。高級分析方法對於未來全部這些來自新來源的大數據轉換爲用於智能採購的智能數據很是重要。

如下是一些有益於採購團隊的高級分析方法練習：

1）支出分析：開銷透明度是瞭解企業或組織花費多少錢，在哪裏以及與誰共同花費的必要條件。這能夠幫助咱們找出減小支出的潛在機會。減小花費是提升投資回報率的絕佳方法。雖然減小支出很複雜，但一旦完成，它直接影響到基準線(即最低支出)。大數據改變了支出分析的定義。使分析開支變得複雜的緣由是來自不一樣系統的分散的混亂數據，這些系統中不一樣的交易能夠經過購買卡，電匯，使用未集成應付帳款的採購平臺以及多個procurement/sourcing等不一樣媒介來進行。(procurement/sourcing，二者翻譯都是採購，但有實際區別，SOURCING更偏重於戰略層面上的計劃,分析和控制。)

2）業務流程分析：讓咱們思考一個企業或組織想要優化採購到付款的流程。傳統方法是與業務用戶進行標準的面試式討論，他們的答案造成了一個基準線，即「As-Is」過程，用於過程改進。可是，它們中的大多數都提供了關於遵循標準過程的理想答案。標準過程造成了企業或組織處理流程中平均70-80％的時間。但其他的20％是例外狀況，這些狀況並不那麼突出，但這是須要注意並改善的地方。在這裏，過程分析能夠幫助挖掘事件日誌中的這些信息。您能夠在我以前的文章Business Process Analytics中中得到關於此的更多信息。

3）物聯網（IoT）分析：物聯網將改變採購的方式。正如Spend Matters和Vroozi在其共同出版的研究性論文「Declaration of the New Purchasing: A Buying Manifesto(新採購公告：一個採購宣言)」中所寫的那樣：

第12條：物聯網（IoT）將圍繞咱們展開，創造出史無前例的關於咱們如何購買及使用產品的消費模式的可見性級別，建立反饋迴路並改變咱們管理需求的方式。

全部採購（包括花在人員和勞動力上的資金）都將會不斷地進行跟蹤和監控。藉助設備上跟蹤移動的應用程序和訪問標記設備和耗材的權限，咱們將建立史無前例的數據集，從中分析並作出更好的決策。不一樣標記資產，項目，人員和客戶活動之間的反饋迴路將經由元數據分析進一步提升其可視性水平，從而改變咱們如何將時間和精力分配給採購中不一樣活動的根本基準。

史無前例的數據增加將使採購部門比以往更注重分析。先進的數據轉換技術和建模能夠經過準確瞭解哪些東西正在被使用以及哪些東西纔是須要的，來改進支出管理和內容分類。此外，物聯網將幫助追蹤不須要的超額的某個指定項目的請求，並有助於控制沒必要要的支出。

4）採購欺詐：高級分析方法能夠創建可以識別出欺詐屬性的模型。例如，異常檢測能夠檢測歷史採購或供應商支付模式中的突發誤差。集羣能夠幫助比較相似的同行採購請求者羣體並識別出與該羣體或與該羣體的採購類型所需的大不相同的行爲。分析能夠經過將其屬性與已知的欺詐者屬性進行匹配來幫助肯定潛在的欺詐者。對所要求的項目/供應商(issues/providers)檔案進行文本挖掘能夠幫助識別相同規格下好的或者差的問題/供應商(issues/providers)。

5）機器處理自動化： RPA能夠協助採購人員處理一些手動任務，從而消除人爲的錯誤並將他們解放出來專一於更好的事情。若是咱們分析採購支付過程當中的常見缺陷，咱們能夠發現許多機器處理能實現的功能，例如缺少供應商提供的標準發票，不一致的數據和文檔，流程效率低下，重複和超額支付的反應性修復。全部這些均可以使用自動化助理(機器)來自動進行。此外，可使用智能聊天機器人與供應商進行交流以進行詢問，以便小問題和平常問題能獲得解決。

6）供應商合理化：這是一個優化供應基礎並找到可以下降成本的最佳供應商組合的過程。在這個練習中，瞭解供應商提供的產品細節（任何質量缺陷或按時交付的數量），供應商詳細信息（供應商評級，供應商認證，聲譽等）相當重要。這就須要分析大量的數據，分析每一個供應商，並預測是否維護與他們的關係有利於將來。

7）耗材價格監測：供應商是否收取正確數量的金額？咱們可否經過降價來推進節約成本？經過監測多個電子商務和供應商門戶網站的價格，能夠幫助採購專業人員更好地節省成本。先進的分析和RPA在這裏能夠方便地使用，其中門戶網站能夠被自動抓取並向專業人士提供總結信心和其餘相關信息。

這些只是高級分析可使任何組織的採購部門受益的一些領域。我遺漏了採購中高級分析的其餘用例嗎？我確信還有不少我不知道的用例而且沒有在這裏講到。讀者能夠分享您對採購領域的其餘觀點和想法，使這些領域能夠受益於先進的分析和顛覆性技術。

---

問答

是否有任何工具/庫（.Net / WPF）來測量和存儲用於分析的UI導航數據？

相關閱讀

SDN採購部署的五個攔路虎

以海底撈數據分析爲例：餐飲行業數據挖掘分析的思路和方法

供應鏈管理對SD-WAN相當重要

---

此文已由做者受權騰訊雲+社區發佈，原文連接：https://cloud.tencent.com/developer/article/1138247?fromSource=waitui

歡迎你們前往騰訊雲+社區或關注雲加社區微信公衆號（QcloudCommunity），第一時間獲取更多海量技術實踐乾貨哦~