为了最大限度地利用数字采购技术，哈克特建议采用持续改进的周期

为了从数字化转型中实现全面的生产力优势，采购组织将需要接受一个持续改进的周期，在整个自动化流程的生命周期中产生价值哈克特集团“s”数字化持续改进“观点论文。

与独立的进步相距甚远，企业将需要将自动化程序与高级分析相结合，以解释过程性能数据，以获得额外的优化和价值机会。哈克特集团(Hackett Group)估计，与同行组织相比，世界级组织在供应商入行和合同管理、采购和动态采购等高度集成领域享有68%的生产力优势，同时降低了55%的成本。

Hackett集团将智能自动化定义为通过部署先进技术优化业务任务执行的能力。机器人流程自动化(RPA)可用于从发票和其他来源读取数据并将其传输到ERP系统中，而智能数据捕获则解释非结构化的供应商文档，并在供应商关系管理(SRM)门户中组织它们。

模式识别工具可以在数十万个数据点上比较合同条款和供应商事件，以确定有利的机会，而会话机器人或“聊天机器人”则为常见查询提供响应，并引导用户找到他们正在搜索的资源。

结合这些功能允许采购组织自动化结构化工作，如维护定价文件和目录、提交采购订单或审查合同条款。

智能自动化还增强了知识工作，为决策者提供了更深入地了解全球、区域和本地原材料、供应商数据和生产能力的视角。由于公司政策更容易管理和执行，信息流动更自由，内部调查或预测也可以更有效地进行，因此也促进了内部和外部沟通。

过去，现在，预测

在过去，采购小组生成描述性和诊断性分析，包括对历史趋势、方差和相关性的分析，以试图解决事情发生的原因。

哈克特集团发现，越来越多的采购团队被要求进行预测性和规范性分析，以了解将会发生什么，以及企业如何才能实现预期的结果。

机器学习、先进的统计算法和神经网络被用于解释大量的非结构化数据。这些工具可以使用预测分析来提高支出和采购，有效地在购买渠道之间转换，以减少延迟，并利用有利的商品定价。

预测分析和市场情报也可以帮助识别即将发生的情况地缘政治或天气相关风险，同时指出存在合规风险的供应商和合作伙伴。随着时间的推移，所有这些应用程序都变得越来越强大，因为学习算法从不断生成的过程性能数据中变得更加有效。

如何追求持续的数码改善

Hackett Group为追求持续数字化改进的组织提供了许多建议。

从根本上说，采购团队必须确保数字化转型战略与整体业务战略保持一致，并使用一个框架来指导规划，以考虑不同系统之间的相互依赖性。

来源:The Hackett Group(点击放大)

为了发现需要开发的领域，团队应该使用已建立的诊断工具对外部的性能与其他组织进行基准测试。当从智能自动化和分析构建用例时，考虑基于工作结构、基于知识或基于交互的元素，而不是现有的角色，允许在不同的工作结构中最大限度地使用持续改进。

来源:The Hackett Group(点击放大)

最后，哈克特集团建议优先发展数据科学、战略思维和客户体验设计领域的技能，这些领域对智能自动化和高级分析的广泛部署至关重要。