Kasu:
- Keskendumine suurtele esemetele, mis muudavad kõige rohkem erinevusi, ning tarnijate ebakorrapärasuse ja konsolideerimise võimaluste nägemine kuluanalüüsi ja Pareto põhimõtte kaudu
- Võimalus võrrelda tarnijaid mitte ainult hinna, vaid ka mitmes mõõdus (kvaliteet, töökindlus, risk) ja planeerida tellimuste kogust ohutusvaruga
- Võimalus allutada rahalisi ja õiguslikke tagajärgi omavaid lepinguotsuseid pädevale eksperdile ja finants-/õiguslikule kontrollile
Kõik, mida ettevõte allhanke korras tellib – tooraine, teenused, tarvikud, tarkvara – läbib tarneahela. Enamikus ettevõtetes on ostmine kogukulu suurim artikkel; Isegi väike paranemine kajastub otseselt kasumis. Kuid ostmine ei ole lihtsalt "odavaima leidmine": see on tasakaal õige tarnija, õige aja, õige koguse, õige kvaliteedi ja vastuvõetava riski vahel. Selles üksuses õpime kasutama tehisintellekti tarnijate võrdlemisel, tellimuste koguse planeerimisel, kuluanalüüsil ja tarneriskide hindamisel. Kriitiline piir: AI koostab analüüsi ja soovitusi; Millise tarnijaga leping sõlmida, sellel on rahalised ja õiguslikud tagajärjed ning see otsus tehakse pädeva eksperdi ja juhi nõusolekul.
Kuluanalüüs: vaadake, kuhu teie raha läheb
Ostu optimeerimise esimene samm on kulutuste nähtavaks tegemine. Enamikus ettevõtetes on ostmine jaotatud sadade kaupade ja kümnete tarnijate vahel; keegi ei näe tervikpilti. Kuluanalüüs – kõigi ostude uurimine kategooriate ja tarnijate kaupa – näitab, kuhu raha liigub. Klassikaline leid on Pareto põhimõte (ligikaudu 80 protsenti kulutustest pärineb 20 protsendilt tarnijatelt): väike arv suuri esemeid määrab kogumaksumuse. Tehisintellekt jaotab teie anonüümsed kulutuste andmed kategooriate ja tarnijate kaupa ning näitab teile kiiresti neid suuri esemeid; Keskendute oma läbirääkimis- ja täiustamispüüdlused sinna, kus see kõige rohkem mõjub.
Teine klassikaline leid on tarnijate tühjendamine: ostes sama materjali viielt erinevalt tarnijalt, jääb mahusoodustus ilma. AI näitab seda segadust; See tähistab võimalusi konsolideerimiseks (ostude koondamine väikesele hulgale tarnijatele). Kuid konsolideerimisega kaasneb ka risk – sõltuvus ühest tarnijast. Selle tasakaalu loob juht, mitte AI.
Näpunäide. Alustage kuluanalüüsi alati „10 suurimat üksust” ja „10 kõige kordumat üksust”. Suured kaubad kannavad läbirääkimisjõudu, korduvad esemed automatiseerimise ja raamlepingute sõlmimise võimalust. AI väljastab need kaks loendit sekunditega.
Tarnija võrdlus ja tellimuse kogus
Tarnija valikul ainult hinna vaatamine on klassikaline viga. Õige võrdlus on mitmemõõtmeline: hind, kvaliteet, tarneaeg, tarnekindlus, maksetingimused, rahaline usaldusväärsus ja risk. Tehisintellekt suudab suurepäraselt koondada need mõõtmed võrdlustabelisse – annate sellele anonüümsed andmed ja see soovitab kaalutud skoori. Aga kaalud määrate sina (kas hind on oluline või usaldusväärsus?); AI vaikekaalud ei tea teie ettevõtte tegelikkust.
Tellimuse koguse planeerimisel on vastuolus kaks kulu: kui tellite liiga palju, suureneb laoseisu (ladu, kapitalikohustus, riknemine) kulud; Kui annate vähem, suureneb sagedaste tellimuste ja laost lõppemise oht. AI soovitab teie ajalooliste tarbimisandmete põhjal mõistlikku tellimuste kogust ja ümbertellimispunkti (lävi uue tellimuse esitamiseks, kui laoseis langeb sellele tasemele). See on lähtepunkt; Juht lisab ohutusvaru etteandmisaja ja nõudluse kõikumise ebakindluse jaoks.
kolm minikarpi
Juhtum 1 – varjatud tarnija segadus. Üks restoranikett ostis erinevate harude kaudu sama puhastusmaterjali 7 tarnijalt. Juht andis tehisintellektile anonüümsed kulutuste andmed; AI näitas segadust ja hinnaerinevusi (sama toote puhul kuni 22 protsenti). Ostud koondati 2 hankijale, aastased kulud vähenesid 14 protsenti. Teist tarnijat hoiti teadvusel, et vältida sõltuvust ühest allikast.
Juhtum 2 – lihtsalt hinna vaatamise kulud. Tootja läks üle odavaima tooraine tarnija poole. AI võrdluses tundus selle tarnija tarnekindlus madal, kuid juht eiras seda. Kaks suurt viivitust kolme kuu jooksul peatasid tootmise; kaotatud toodang oli kordades suurem kui saadud allahindlus. Õppetund: hind ei sobi kõigile; Otsusesse oleks tulnud lisada ka usaldusväärsuse skoor.
Juhtum 3 – tellimuste koguse optimeerimine. E-kaubanduse laos oli sageli laost otsas või oli enimmüüdud toode liiga täis. Juht andis tehisintellektile anonüümsed tarbimisandmed ja palus ümbertellimispunktide ja ohutusvarude stsenaariume. Ta andis kolm stsenaariumi AI valemitega; Juhataja arvestas etteantud aja ebakindlusega ja valis ohutusvaruga keskmise stsenaariumi. Laovarud vähenesid 60 protsenti, samuti vähenes üleliigne laovaru.
Neli kopeeritavat malli
1) Kulude analüüs:
Teie roll: ostuanalüütik. Kasutage lisatud anonüümseid kuluandmeid (kategooria, tarnija kood, summa). Näidake mulle tabelis: 1) teie 10 suurimat kuluartiklit, 2) segadused, kus ma ostan sama toote mitmelt tarnijalt, 3) konsolideerimisvõimalused ja igaühe sõltuvusrisk. Kasutage lihtsalt numbreid, mille ma teile andsin.
2) Tarnijate võrdlus (mitmemõõtmeline):
Kasutage lisatud anonüümseid tarnija andmeid (hind, kvaliteediskoor, tarneaeg, usaldusväärsus, maksetähtaeg). Skoor järgmiste kaaludega: hind 30%, töökindlus 30%, kvaliteet 20%, tarne 10%, tähtaeg 10%. Näidake tabelis kaalutud punktisummat, kuid öelge, et lõplik otsus on teie ja enne lepingu sõlmimist on vajalik juriidiline/finantskontroll.
3) Tellimuse kogus / ümbertellimispunkt:
Kasutage lisatud anonüümseid tarbimisandmeid (toode, igakuine tarbimine, tarneaeg). Looge 3 stsenaariumi kordustellimispunkti ja soovitatava tellimuse koguse jaoks (madal/keskmine/kõrge ohutusvaru). Kuva valemid. Kui teostusaeg on ebakindel, selgitage, kuidas see turvavarusid mõjutab.
4) Tarneriski hindamine:
Hinnake järgmist tarneüksust: [artikkel]. Loetlege võimalikud tarneriskid (sõltuvus ühest allikast, tarneviivitus, hindade kõikumine, kvaliteet, geograafilised/geopoliitilised). Iga riski puhul pakkuge välja tõenäosus/mõju ja odav leevendusmeede. Ärge tehke täpseid ennustusi; Märkige ebakindlus.
Nõrk viip / Tugev viip
Nõrk viip:
Millise tarnija peaksin valima?
Ei mingeid kriteeriume, andmeid ega kaalusid. AI kas ütleb "odavaim" või annab tühja üldist nõu; juhindub alusetult rahalise ja juriidilise riskiga otsuse tegemisest.
Võimas viip:
Teie roll: ostuanalüütik. Lisas on 4 anonüümse tarnija hinna, kvaliteedi, tarneaja ja usaldusväärsuse andmed. Ilmub hind ja töökindlus võrdse kaaluga, kvaliteet veidi väiksema kaaluga ja võrdlustabel. Lõpliku otsuse tegemine; Esitage 2 tugevaimat kandidaati nende põhjendustega ja tuletage neile meelde, et enne lepingu sõlmimist on vajalik juriidiline/finantskontroll.
Suurus
halb lähenemine
Tugev lähenemine
kriteerium
ainult hind
mitmemõõtmeline
kaalumine
Mitte ühtegi
avatud
Risk
ignoreerida
Hinnatud
otsuse omandiõigus
jäeti AI-le
Inimestel, ekspertide poolt heaks kiidetud
kontrollimine
Mitte ühtegi
kohustuslik
Levinud vead
- Vaadake lihtsalt hinda. Kui eirata usaldusväärsust, kvaliteeti ja riske, muutub see kalliks.
- Ülekonsolideerimine. Sõltuvus ühest tarnijast suurendab häirete ohtu; tasakaalu.
- Ohutusvarust möödasõit. Ohutusvaru puudumisel tellimine, kui tarneaeg on ebakindel, toob kaasa laoseisu lõppemise.
- Lepingu otsustamise jätmine tehisintellektile. Otsused, millel on rahalised/õiguslikud tagajärjed, nõuavad ekspertide heakskiitu.
- Tegelike tarnija/hinna andmete kleepimine avatud tööriista. See on ärisaladus; Anonüümseks muutmine.
Tähelepanu: Tarnijaga sõlmitud leping on rahaline ja juriidiline kohustus. AI võrdlustabel on otsuste toetamise tööriist, mitte allkirja asendaja. Lepingueelne rahalise usaldusväärsuse kontroll, juriidiline kontroll ja pädeva eksperdi heakskiit on kohustuslik.
Kokkuvõttes
Tarne ja ostmine kui suurim kuluartikkel avaldavad otsest mõju kasumile. Vaadake, kuhu teie raha läheb, kuluanalüüsiga; Keskenduge Pareto põhimõttel suurtele asjadele; Kaaluge tarnijate desorganiseerumist ja konsolideerumisvõimalusi. Võrrelge tarnijat mitme mõõtme (hind, kvaliteet, usaldusväärsus, risk) alusel, ärge vaadake ainult hinda. Planeerige tellimuse kogus koos stsenaariumide ja ohutusmarginaaliga. AI on kõigis nendes analüüsides võimas abivahend; Lepinguotsusel on aga rahalised-õiguslikud tagajärjed ja see nõuab pädeva eksperdi heakskiitu.
Rakenduse ülesanne
Valmistage anonüümselt ette viimase 6 kuu ostud (kategooria, tarnija kood, summa). Laske tehisintellektil ülaltoodud malli „Kulutuste analüüs” abil välja võtta 10 parimat üksust ja tarnijatest loobuda. Looge kauba jaoks mitmemõõtmeline tabel malliga "Tarnija võrdlus" ja tuvastage 2 tugevaimat kandidaati. Loetlege, milliseid juriidilisi/rahalisi kontrolle te enne otsuse tegemist teete.
kontrollnimekiri
- [ ] Kas olen muutnud tarnija- ja hinnaandmed anonüümseks?
- [ ] Kas ma olen keskendunud suurtele asjadele (Pareto)?
- [ ] Kas ma võrdlesin tarnijat mitme mõõtme (mitte ainult hinna) alusel?
- [ ] Kas olen hinnanud konsolideerimise sõltuvusriski?
- [ ] Kas olen teinud lepinguotsuse eksperdi heakskiidu ja juriidilise/rahalise kontrolli?