与Suplari的问答:企业想要“更专注于采购的数据分析方法” 花事品牌工作室 - 2020年1月27日8:00 AM | 类别: 分析,采购策略与计划,在分析,消费管理,技术|标签: 过程和最佳实践 如今,花费分析为越来越多的数据收集提供了一系列的见解,但对于企业来说,要知道选择哪一种解决方案,或者是否与套件提供商合作并不容易,因为这需要对公司的部门和流程进行大规模改革。 在两篇文章中,我们已经进行了探讨如何权衡最佳消费分析模块与端到端解决方案实现的对比,我们已经了解了它需要什么准备创业充分利用其支出分析解决方案。 为了了解更多关于这些问题的信息,我们采访了客户成功主管Jake ArnoldSuplari该公司的解决方案是一个人工智能驱动的支出分析平台,帮助企业推动财务业绩。 常见问题 支出问题:当企业还在考虑一套采购技术时,该如何评估像Suplari这样的最佳支出分析服务? 杰克阿诺:对于我们的许多客户来说,问题不是这个产品与那个产品孰优孰优,而是哪种产品最能增强我们当前或未来的套件(S2P、P2P等)。我们的客户理解,大多数全套软件产品将为他们的支出和支出相关程序提供更可持续的和基于遵从性的过程。然而,他们仍然发现需要一种更专注于采购的方法来进行数据分析。 花费分析帮助企业规划未来,而像花费立方体这样的旧的花费分析方法只衡量已经花费的东西。是什么技术推动着进步,使这种前瞻性能力得以实现? 现在的趋势,也是许多采购专业人士的梦想,是让人工智能或机器学习在数据源中寻找模式,以帮助预测或标记潜在的支出或供应商影响比如提醒品类经理在风险支出领域与非首选供应商的异常高支出,根据关税或大宗商品趋势预测价格上涨,帮助确定在谈判或RFP中获得最高回报的支出领域,甚至帮助根据公司的支出趋势预测所需的RFX。这些在今天的采购中都是耗时的活动,但数据分析变得越智能,采购专业人员就越能依靠提供给他们的机会。 如今,随着大量新数据的产生,您如何解释收集这些数据所涉及的工具和技术?比如人工智能和机器学习。在采购专业人员进行技术选择之前,还应该了解哪些概念? 我们都知道数据的潜在问题是“垃圾输入,垃圾输出”的古老问题,但新的分析工具可以提供的部分解决方案是一种可视化垃圾的整体方式,甚至可以帮助连接不同的数据集,以更好地理解整个数据集。人工智能、算法、机器学习都可以在提取和清理数据时发挥作用,这样采购就可以使用一组干净的数据来开始审查他们的周期性计划会议。对P2P或最佳分析解决方案的审查应该包括对围绕企业目标做出决策所需的数据集类型的审查。该解决方案是否有助于增加多样性支出,有助于控制流氓支出,有助于揭示基于首选供应商的尾部支出模式,或有助于提供对供应商绩效或风险因素的看法?对于很多这样的答案,采购团队需要的数据都是真实的。知道哪些解决方案可以显示这些领域,这应该是决策过程的一部分。 当客户最终看到花费分析解锁的所有新见解时,你是否有最喜欢的“啊哈”时刻? 很多,但我想到的是与高层管理人员的会议,他们通常不关注低水平的支出数据。在很多会议上,我们看到会议室里的高管们在看到一些有趣的东西后,想要更深入地钻研一个见解。看到他们的精力和兴趣是令人兴奋的,但我总是害怕他们的兴趣会在会后给整个团队带来的工作。 支出分析的下一步是什么?Suplari的路线图上有什么? Suplari将继续开发我们的洞察引擎,以提供更复杂和可预测的洞察,但我们也希望使采购团队能够更好地更有效地组织他们的团队活动。Suplari希望简化识别机会、与预算或涉众合作的过程,并以一种容易理解的方式将结果对业务的影响呈现出来。Suplari还将继续开发更好的方法来清理和审查数据,将人工智能方法应用于分类、供应商正常化和支出预测。总的来说,我们希望将公司支出和财务信息的神秘性去除,并将其交到能够对支出产生影响的人手中。 这篇品牌工作室的文章是用Suplari. 相关文章 部署ai驱动的支出分析:如何让你的公司为增加曝光度做好准备 花分析解决方案vs P2P:当你的公司需要洞察时,你应该寻找什么 合同不再是法律部门的专利 如何解决消费问题,选择正确的技术并获得曝光度 在Procurious分享 讨论:取消回复 您的电邮地址将不会公布。必填项已标记* 评论 的名字* 电子邮件* 网站 如有后续意见,请通过电子邮件通知我。 有新帖子用电子邮件通知我。 Δ 这个网站使用Akismet来减少垃圾邮件。了解如何处理您的评论数据.
讨论: