采购优化解决方案的出现，用最简单的术语来说，是为了帮助采购组织找到最优的解决方案，以应对他们最复杂的采购挑战。面对平衡重叠和有时相互冲突的约束——包括供应商位置、产品覆盖范围、销售成本、转换成本和风险——外包专业人员发现，更传统的、手动的决策路径无法考虑所有这些变化的因素。
这是优化解决方案旨在解决的问题。
通过在采购等式中添加大量的业务规则约束和成本，这些工具能够快速解析大量数据和评估多个场景，节省分析时间、谈判时间，当然还有金钱。
但是，外包优化工具也有一个持久的阴影:由于低可用性，进入门槛很高。当然，最常应对复杂采购挑战的是那些拥有全球、动态供应链的公司。
第一代采购优化供应商目标远大，专注于为最先进的采购组织解决最复杂的问题。然而，这种心态限制了采购部门对采购优化的理解。虽然这些强大的工具可以完成惊人的分析壮举，但要达到理想的结果所需要的努力和复杂性是广泛的。应该可以将这些功能应用到许多额外的场景中，而不需要用户所期望的高技术门槛。
另一种方式，采购优化可以（且应该）更广泛地应用于各种采购方案，带来更简单的方法和引导探索 - 设计与日常采购用户设计。通过它可以带来类别和客户的价值，为什么采购优化仍然无法超越最复杂的物流出价？
要了解这种情况如何出现，它有助于考虑设计第一代采购优化解决方案的理由。
由博士为博士设计的工具
采购优化未能成为采购组织的主流工具的主要原因之一是需要大量的培训、定制和复杂的编码。
如今，其中一个采购优化工具的目标用户是具有高级数学、技术和领域专长的人(例如，在运输采购方面)——这几乎不是一个普通的技能组合。不幸的是，这意味着该技术的好处只对市场的一小部分人开放。
这就是为什么大多数采购优化工具仅限于物流和货运采购的场景。随着多种运输方式（车道），关税，交货时间等，识别理想物流策略等多种运输要求远远不易。因此，有效的采购优化需要能够应用众多硬度和软限制，比较数千个车道的出价，并有效地比较各种奖励。但由于该类别专业化，这些平台未构建以解决框中的任何其他方案。“
其他可以从优化能力中受益的行业，如食品和饮料、制药和生物技术以及制造业，其需求基本上没有得到满足。
例如，考虑一下制造商现在面临的决策，尤其是在全球化背景下:
- 产品应该在海外生产还是在本地生产?
- 如何相对于彼此加权各种成本（例如，原料成本，关税，运输成本）？
- 我们如何在最优化中表示这些成本的相互依赖性质?
- 退一步说，公司应该生产这种产品，还是与第三方签约更简单?
像这样的决定形成了一个复杂的条件逻辑网络，这对采购平台来说要比人类分析师容易得多。其他市场的需求是存在的，但大多数优化工具还没有适应其他行业的需求。
缺失的因素:人情味
不过，解决这个问题还有更多的办法:优秀的品类经理不希望这个工具帮她做决定。相反，精明的采购专家正在寻找指导手，一套潜在的解决方案，以进一步调整。
让算法去分析最微小的因素是不值得的。事实上，解决方案提供者永远不会将每一个智力来源规则转换成计算规则。并不是所有驱动采购决策的细微差别都有意义，所以其中一些应该保留团队成员的经验和专业知识。
采购专业人员对每个供应商，类别，项目和事件有不同的思考过程。这意味着跨类别的每个采购事件都是唯一的，因此要求用户询问特定模型所需的每个约束效率低效。对于如此特定的决策（且可能是任意）作为设置5,000次阈值以继续使用现有供应商而不是切换，以规则标准化的值是值得怀疑的。
不是服务每种近视用例，采购优化的范围应该迎合平均采购用户，帮助她接近最佳决定，同时允许自己的专业知识沿途填补空白。
为了使这种情况发生，提供者必须把自己放在日常用户的鞋子中，并仅实现一个选择少数可以利用高端线性优化和统计包。每个组织都可以实现优化的显着效益，但目前的解决方案的可用性差却毒害了井。
为了重新调整叙述，解决方案提供商需要设计优化工具，以满足外包专业人士最需要的东西:缩小选择范围，让个人对最终决定进行微调。
更好的途径:引导决策者做出更好的决定
现实情况是，采购决策取决于太多的因素，无法完全量化或由计算机大量计算出来。我们可以通过开发软件来实现大部分目标，但我们也应该这样做授权的决策者而不是彻底完成他或她的工作。
完成这一切需要更改优先事项：提供灵活性和洞察力，而不是上一代解决方案所需的复杂性和定制。
就像老式收音机一样，这个过程现在在机器和人之间找到了平衡。优化服务于大型调谐旋钮的作用，而较小的旋钮则需要人的灵巧触摸来微调完美的结果。
这在实践中是什么样的？下个月，在本系列的第2部分中，我们将探讨采购优化的未来持有情况：一个智能，可接近的工具，带来了旧方法的所有好处 - 没有头痛。
这个品牌工作室文章是为童子军RFP,而不是像Spend Matters的编辑或分析师内容那样。
讨论: