用友BIP：融入采購商業協作網絡是企業采購數智化的必然之路

　　用友網絡助理總裁

　　用友數字采購事業部總經理 駱英豪

　　當今的商業世界中，成功取決于公司所雇用職員的能力，也取決于合作的供應商的績效。公司為重要的采購支出類別選擇合適的供應商，與這些供應商建立正確的合同，與供應商建立正確的關系，并以最低的風險從他們那里獲得正確的業績，所有這些活動有助于公司贏得市場。數字時代，采購從流程驅動轉為數據驅動是必然趨勢，因此越來越多的公司采購管理者期望借助新技術手段對采購價值鏈全過程進行數智化改造，不過一些行業龍頭企業選擇的是自行構建eProcurement平臺，也有些企業則是選擇融入到采購商業網絡。

　　全球角度看，越來越多企業融入采購商業協作網絡

　　從全球視野來看，一家公司接入到一張采購商業協作網絡，作為一個節點與網絡平臺中的上百萬乃至千萬規模的企業開展供應協作、商務洽談，這并不是僅存在理論層面。20世紀90年代開始，歐美陸續成立了2000多家電子采購與采購交易網絡的廠商，通過20多年的整合重組，目前已經集中到幾十家采購商業協作網絡平臺廠商。通過觀察全球的這些企業采購商業協作網絡平臺廠商及其構建的社會級采購商業網絡的發展歷程，我們可以發現：

　　· 以國家/ 經濟體為單元構建社會級 采購 商業網絡 ，逐步實現全球化應用是最大的趨勢 ： 葡萄牙Vortal就是該國一家規模最大的采購商業網絡平臺，服務了4000家大多數是小型政府公共機構，也有10萬家企業法人商業機構中型企業進入網絡中，處理各組織實體、法人實體之間的尋源比價、合同簽署、訂單傳遞、發貨簽收和發票結算等在線交易。而在2011年將總部搬遷到美國舊金山之前，丹麥Tradeshift就是在處理歐盟各國企業之間的采購交易電子數據、發票處理的社會級采購網絡;

　　· 部分特定行業（如軍工等）/超大企業會自建采購商業網絡，但也會接入外部其他采購商業網絡： 比如全球十大軍工企業之一的英國軍工企業奎奈蒂克QinetiQ下屬Commerce Decisions，除QinetiQ上下游產業鏈企業群應用外，會與英國其他采購平臺Wax Digital、Proactis、MultiQuote等其他商業網絡進行系統互相認證并數據交換;

　　· 大多數大中型企業選擇直接接入采購商業網絡： 目前歐美大多數企業(包括跨國公司)的采購系統實現云化，普遍采用GT Nexus、GEP、Buyer Quest等采購網絡平臺，這些采購商業網絡平臺有的年交易額(GMV)已經達到幾萬億美元的規模，由此沉淀的交易數據也是非常驚人的。

　　為什么需要融入采購商業協作網絡？是要讓采購工作更靈活、更智慧

　　我們知道，采購的數智化，核心突顯在數據的應用和價值體現，即使一家營收規模在百億左右的企業，其數據樣本從行業、產業鏈角度而言都是非常小的。企業在采購時，往往會遇到很多選擇難題。比如：選擇海外供應商還是國內供應商?應該選擇幾個供應商?是否需要考慮不同時段使用不同的供應商?什么樣的采購批頻次和運輸方式是合理的?現有庫存和可用庫容如何影響采購的數量和時間?如何制定合理備貨和采購計劃，確保旺季供應?等等。

　　這個時候，企業采購管理者往往對運行多年的ERP頗多抱怨，怎么只知道“吃數據”，而不能為采購決策者提供更加聰明的建議?科技的進步來自于人類的又懶又笨——我們需要機器來幫做數學，因此，這里往往采用計算機的方法——給機器提供一些數據，讓它找出所有采購方面和價格、數量有關的潛在規律。由此可見，“數據”作為一個企業的重要資產，它的價值顯而易見。當企業的數據積累到一定量時，充分利用這些數據，將外部數據與內部數據融合起來，通過算法去發揮數據更大價值，用數據驅動企業智慧采購，是采購數智化轉型的一個典型場景。基于數據驅動，可以實現企業智慧采購應用。比如品類經理智能駕駛艙，采購參數智能修正，供應商智能推薦，供應商風險管理等。

　　拋開所有和人工智能(AI)有關的夸張成分，數據驅動的智慧采購，離不開“機器學習(Machine learning)”。機器學習唯一的目標是基于輸入的數據來預測結果，由如下三部分組成：數據(Data)、特征(Features)和算法(Algorithms)。樣本越是多樣化，越容易找到相關聯的模式以及預測出結果。

　　| 數據

　　想了解企業不同部門對間接物資商品的品牌偏愛程度?需要獲得歷史采購樣本;想分析不同評標專家的評分習慣?需要分析他們的評標活動記錄;想預測某品類物資的價格?找到歷史價格信息。數據越多樣化，結果越好。

　　獲取數據有兩種主要途徑——手動或者自動。手動采集的數據混雜的錯誤少，但要耗費更多的時間——通常花費也更多。自動化的方法相對便宜，你可以搜集一切能找到的數據。

　　一些像Google、蘋果這樣的公司往往利用自己的用戶來為他們免費標注數據，但是企業采購管理領域，這方面需要有更多的挑戰。即使是一家百億營收規模的企業，在這方面的數據獲取也是非常有限的。

　　| 特征

　　也可以稱為“參數”或者“變量”，比如供應商地理信息、品類、成本及價格、合同文檔中的詞頻等。換句話說，這些都是機器需要考慮的因素。

　　如果數據是以表格的形式存儲，特征就對應著列名，這種情形比較簡單。但如果是100GB的商品的圖片呢?我們不能把商品圖片每個像素都當做特征。這就是為什么選擇適當的特征通常比機器學習的其他步驟花更多時間的原因，特征選擇也是誤差的主要來源。人性中的主觀傾向，會讓人去選擇自己喜歡或者感覺“更重要”的特征——這是需要避免的。

　　| 算法

　　最顯而易見的部分。任何問題都可以用不同的方式解決。企業選擇的方法會影響到最終模型的準確性、性能以及大小。需要注意一點：如果數據質量差，即使采用最好的算法也無濟于事。這被稱為“垃圾進，垃圾出”(garbae in - garbage out , GIGO)。所以，在把大量心思花到正確率之前，應該獲取更多的數據。

　　中國企業融入采購商業協作網絡，都有哪些挑戰？

　　探究全球幾十家已經“織網”成型的采購商業協作網絡，面向企業主要有如下四種交付模式(delivery mode)：

　　· 本地部署（ on-premises ）；

　　· 混合云（ hybrid solution ）；

　　· 單租戶云（ single-tenant cloud ）；

　　· 多租戶云（ multitenant cloud ）。

　　其中，混合云(hybrid solution)和多租戶云(multitenant cloud)部署模式的采購商業網絡平臺已經成為歐美企業主流選擇。反觀國內，據統計僅僅有不到5%的企業將自己的采購系統接入到社會級采購商業協作網絡中。

　　造成中國與歐美市場應用差距的核心因素有：

　　· 商業基礎設施電子化的完善程度； 發票電子化能夠很好的鏈接企業與企業、企業與政府稅務部門，并做到數據互通。目前中國增值稅專用發票的電子化將極大促進企業采購的數智化進程;合同電子化能夠極大規避傳統交易中種種弊端，在合規、交易自動化方面會有價值改善;商品目錄電子化幫助企業間產品設計、研發、選品和早期介入、成本核算方面帶來更好的協作;物流電子化則實現對供應鏈管理效率提升上帶來更佳體驗，特別是電子提單的貨權屬性便于轉化為金融資產屬性;交易結算電子化讓企業與銀行等金融機構合作更安全，更能夠優化整個產業鏈中每企業的營運資金的優化;

　　· 安全與數據隱私保護的完善程度： 采購商業網絡作為整個社會級供應鏈協作網絡的組成部分，科技創新使人們打破原有的商業格局，構建更為高效的商業環境，而數據安全治理的意識與能力則讓人們審慎對待手中的技術利器，確保企業的創新不以犧牲安全性為代價，在合規的大原則下最大化企業利益。采購商業網絡平臺應該退出數據治理、風險與合規解決方案，幫助企業在采購、供應鏈管理維度應對數據保護新要求，幫助企業將個人數據的歸檔，保留和銷毀，以符合日益增長并不斷變化的國家和行業法規;

　　· 企業自身管理基礎和認識的完善程度： 國內很多企業管理者逐步在改變對將采購與供應鏈混為一談的錯誤理解，同時加強戰略采購、供應鏈整合、應該成本(Should Cost)應用，特別是逐步將Sourcing(尋源)、P2P(Procure to Pay，采購到支付)等端到端流程標準化，這些都有利于企業加入供應鏈協作網絡。

　　采購商業協作網絡所構建的數智新世界，離不開新技術加持

　　自2011年開始，德勤每年都會發布全球首席采購官(CPO)調查報告，通過采購官們對創新技術的采購傾向、標準，以查看組織業務流程中面臨的挑戰和機遇。2021年，德勤對40多個國家/地區的400多位大型組織的首席采購官進行了調查，技術采購標準基于投資回報率、運營效率、易用性、敏捷性和人工節省等。

　　德勤列出了如下幾種當下全球首席采購官(CPO)關注的主流關鍵技術：

　　從上圖可見，RPA在2019年時采購率僅有2.43%到了2021年暴漲至27.50%，整體上漲超10倍以上;可視化高級數據分析2019年為3.88%，2021年漲至15%，上漲4倍左右;人工智能和認知技術2019年僅為0.97%，2021年暴漲至18.42%，漲幅超過18倍，從而成為增長最快技術。

　　盡管各公司對什么是“數字規劃”有不同的看法，但德勤發現，CPO表示，企業運營效率和數字化轉型是他們采購上述幾種技術的最重要的兩個標準，直接關系到組織的業務可持續性發展，他們希望新技術的引入，可以支撐到上述兩個目標。

　　采購商業協作網絡所構建的數智新世界，離不開企業采購組織職能優化

　　數智化采購一方面強調企業內部采購業務流程上的數字化，意在提高管理效率，另一方面是指組織運營效率的智能化提升。技術層面，企業采購數智化轉型主要通過引入人工智能、物聯網、機器人流程自動化、云端協作等技術升級采購管理系統，從而賦予其全流程可控、采購計劃可自動執行、供應商尋源能力顯著提升等特性。

　　但是，組織管理層面，組織職能的優化非常重要。先進的采購組織管理模式以及數智技術發展相得益彰，共同促進以實現戰略目標是每個企業管理者需要思考的問題。隨著企業規模的增長及組織轉型，部分管理先進企業開始了卓越中心CoE(Center Of Excellence)的組織劃分和建設，并取得不錯效果。

　　簡單而言，卓越中心是將來自不同學科的人員聚集在一起，并提供共享的設施/資源。而采購卓越中心的出現，主要是因為當下大型企業集團的組織變得越來越復雜，多元化集團內部各個產業板塊的采購團隊經常在自己的“豎井”中工作，不同組織的采購人員不共享他們的知識，盡管各種技能在并行地發展。但是，采購卓越中心(CoEs)則可以跨組織識別這些知識，并將內部資源聚集在一起，以便在組織之間共享。這帶來了更多的組織效率，在整個組織中創建了更一致的客戶體驗，使公司的客戶受益。

　　采購卓越中心（C oEs ）的定位

　　一家多元化的中國500強集團，有多業態采購管理組織(醫藥、地產、投資、鋼鐵、礦業、零售、服務等)，每一個產業板塊有自己的業務特性。但是如何從整個集團角度看采購戰略計劃和實施，如何能夠有敏銳的洞察力來分析時下的行業發展……往往通過設立采購卓越中心(CoEs)。

　　采購卓越中心(CoEs)設計目的是推動采購管理的創新和變革，通過創建了一個新的組織(可以是實體部門、也可以是虛擬部門)，以鼓勵來自不同領域/專業的成員去評估、試驗并推動共同前進，促進采購業務更多的透明性和更多的共享結果，圍繞組織整體業務目標(而不是單個部門指標)所采取的的一種強有力的組織模式。采購卓越中心將 實現如下目標：

　　建立創新的服務交付模式

　　支持集團戰略

　　提升企業價值

　　支撐管理者意圖

　　加強管控能力

　　規范運營標準

　　提高工作效率

　　降低成本費用

　　基于上述定位，建設采購卓越中心，第一要優化利用現有資源，同等投入下獲得更高回報，通過將多元化產業板塊的采購業務流程標準化、簡單化、自動化、科技化就是必要選擇，這是一種勞動力套利(Labor arbitrage)。第二要創新，引入新方法改變現有采購傳統方式方法，持續改善、持續優化。

　　采購卓越中心（C oEs ）負責人的要求

　　采購卓越中心(CoEs)的負責人應該是從事過多個行業，對采購和供應鏈有完整的結構化認識和經歷，相應的要求是比較綜合的：

　　第一、趨勢前瞻的能力(Forward-looking)：負責人了解技術的發展趨勢，并且知道如果將它們應用到采購和供應鏈管理中來。比如怎么將極具應用前景的RPA，流程自動化應用到采購的日常工作中來，判斷物聯網和區塊鏈適不適合本企業業務發展等等;

　　第二、業務敏銳的能力(Business Acumen)：負責人能夠將發生的事件聯系到公司和組織的業務發展上來，并作出相應反應。比如，如果采購經理人指數PMI和國內生產總值GDP雙降的時候，大體的材料成本、物流成本等等的趨勢會怎樣變化?

　　第三、卓越運營的能力(Operation Excellence)：負責人所領導的團隊每個人都會管理具體的項目，比如流程管理、合同管理、標準交貨周期管理等等。所以人人都是項目經理，但是沒有直接匯報團隊，只有虛擬團隊。這更需要本人和團隊成員有卓越的執行力和項目運營能力。

　　采購商業協作網絡所構建的數智新世界，讓企業采購帶來全新的數智體驗

　　站在當下，我們遙望采購數智新世界：

　　每一家企業通過構建企業間供應鏈協作網絡這樣的數字世界，將物理世界中采購商與供應商、采購員與業務員、所有貿易供應鏈過程中的倉儲、分揀設施、司機、車輛、碼頭/物流園、銀行、海關、檢驗檢疫等基礎設施/機構與其一一映射/對應，借助數字世界中的“商業運行規則”(如數據算法)來更高效地驅動物理世界中的采購交易行為。

　　在這個新世界，對現有企業采購的帶來的改變主要體現在：

　　1、 讓采購人的工作更加有“溫度”。過去企業采購人員通過公司內部ERP在每個采購/物流/倉儲的崗位端上進行數據的錄入(input)和數據統計分析(output)，最大的感受是向ERP“喂養”(錄入數據)，然而長期數據的沉淀并不會讓ERP更加“聰明”，冷冰冰的工作指令，標準化的流程執行是典型特征。數智采購最大的變化是引入了：機器人流程自動化(RPA)和數據算法加持的虛擬員工(Virtual employee assistants . VEAs)讓采購人的工作更加有“溫度”;

　　2、 讓企業間的采購協作更加便捷。企業采購人員平時經常會遇到如下這樣的突發事件，上班就收到一條預警郵件：今年早些推出的升級型號產品其中一個模塊上周報修率突然提高了 50% ，預警來自客戶終端維修服務人員的服務記錄數據。對這種情況，公司過往的處理方案是：安排公司的質保和產線人員開始排查，找到問題供應商，然后采購人員參與一起協調供應商解決問題，大量的溝通和協調時間，更別提各種溝通的障礙和信息變形，采購人員各種“救火”行動可能耗費至少數周以上的時間。然而在數智化采購世界中，企業采購人員完全可以從救火員變身為例外管理協調員。通過接入采購網絡端，采購人員可以看到：客戶終端維修服務人員的服務記錄數據信息已經由公司質量管控部門在處理，無需他打電話，公司的采購系統已經同時通知了相關供應商 ，供應商的質量保障承諾了72小時的響應時間，這是系統對他們完整績效管理算法體系的一部分。系統顯示該廠商直接關聯終端市場維修和渠道信息的實時供應績效體系顯示的評分一直很高。幾個小時后，系統顯示供應商已提交反饋信息，正在排查問題并承諾48小時內提供解決方案。系統顯示質量部門也已經有人在對接。到這一步，企業采購人員已經知道除非涉及到新方案的成本變化，或返修賠償有爭議，這事他是不需要進一步介入的。

　　3、 讓產業鏈的采購交易更加可信。每一家企業都是一條產業鏈的參與者，整個產業鏈的價值提升來自于參與者的價值提升，而促進產業鏈價值提升的關鍵因素是交易行為的可信程度。如，供應鏈協作網絡為供應商提供分布式數字身份，供應商數據自主維護、自主管理，提供數據動態維護和擴展機制，數據一站式維護，多方驗證、背書，全局分發，重復使用，節省供應商數據維護和管理成本，提高數據實時性，提高數據安全和隱私保護能力。供應鏈協作網絡可以端到端拉通，采購協同可以從一級供應商延伸到源頭供應商，支持單業務多方參與，實現多方協同。協同層級的擴大和深化，幫助企業可以更好可視供給側數據(物流、產品制造、質量等)，以產業鏈整體視角掌控供給側運營情況，也能夠幫助產業了解“卡脖子”的環節真實數據，為產業鏈發展提供決策依據。

　　2016年開始，國內陸續推出了具備構建供應鏈協作網絡特性的采購管理平臺，用友YonBIP采購云就是其中比較有代表性的一款采購商業協作網絡平臺，截止到2020年12月，該采購平臺年交易金額(GMV)達到2600億，月均發布RFQ達到2萬條，平臺認證供應商達到16萬家，預計5年內年交易金額(GMV)突破5萬億。持續“織網”，持續為中國各行業企業提供數智采購新技術是用友一貫的工作。

　　隨著中美貿易爭端、新冠疫情等風險對企業造成的供應鏈中斷影響加劇，相信中國會有越來越多的企業加入采購商業協作網絡平臺。政府主管部門也在大力促進企業采購上云，2020年4月國家發改委聯合網信辦發布《關于推進“上云 用數 賦智”行動培育新經濟發展實施方案》。這是自 2015年《促進大數據發展行動綱要》發布并明確大數據國家戰略以來，又一次重磅指引中國數字經濟的下一個發展階段的方向。該方案特別提到的推行普惠性“上云用數賦智”服務，探索建立從政府、金融機構、中小微企業的一種聯動機制，不失為能夠加快國內的采購商業協作網絡平臺的政策助力。

　　轉自：中華網

　　【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。

延伸閱讀