应付账款-采购协调的要素

关于a /P和采购的假定对齐,有一个巨大的技术供应商赞助的废话库。这种毫无意义的说法经常使参与采购的人员更紧密地将事务性采购活动与应付账款自动化联系起来。它的大部分内容读起来是一样的,讨论了这两种活动本质上是同一枚硬币的两面。我承认,其中一些可能是我上辈子自己写的。(好吧,我已经坦白了——但那是很久以前的事了!)

尽管有简单的说法,但不幸的是,大多数公司内部的现实是,A/P和采购远远没有联系起来,迄今为止,任何围绕A/P自动化和电子采购的技术举措在很大程度上都是偶然发生的,而不是协调。与此同时,重要的是要注意,电子发票和连接网络本身——就像电子数据交换一样——是略有不同的动物。它们与事务性采购系统(间接和直接)之间更密切的协调更为常见,但仍然经常松散耦合。

当然,这就引出了一个问题:当涉及到采购到付款、应付账款和营运资金计划时,如何才能将A/P和采购——以及扩展到财务部和财务团队的其他方面——更紧密地结合在一起?毫无疑问,启用门户,发票和贸易融资技术的供应商喜欢Taulia公司。正在帮助弥合差距。但仅靠技术是不够的。

基于多年来对采购和财务组织的实际厨房的研究——更不用说他们过去合作过的各种顾问和顾问的食谱——我想我终于准备好提出一个新的校准食谱,尽管不同组织之间的重量、测量和烹饪时间可能会有所不同。

为了使A/P和采购相匹配,使用以下成分:

  • 以燃烧平台的形式,在A/P和采购之间建立更大的协调是一种迫切需要。这种需求可以采取多种形式:收集以A/ p为中心的供应商文件信息,以成功地通知数千个供应商新的付款条件,或者减少交易活动的人员成本,也许在Hackett的REL被引入混合之后。没有燃烧平台?在同事的帮助下,根据行业规范和基准或受尊敬的第三方的建议,制造一个更广泛的问题。(Spend Matters甚至可以帮助我们进行研究和提出建议。)万博体育下载app我所在的芝加哥市长拉姆·伊曼纽尔(Rahm Emanuel)就永远不要浪费燃烧的平台提出了一个伟大而简洁的想法:“你永远不要浪费一场严重的危机。我的意思是,这是一个机会,去做你认为你以前不能做的事情。”
  • 结合A/P、采购和以支付为中心的分析信息的感知和实际可见性。在95%与Spend Matters合作的公司中,不同团队在采购和财务部门运行业务时使用的数据集之间存在巨大的信息差距。这一问题的部分原因在于缺乏与共享报告方法对应的关键绩效指标(kpi)。但更常见的是,基本事实是大多数组织不知道如何将不同的信息集汇集在一起,更不用说如何集体对齐和理解它们了。挑战的主要原因在于这两个群体都缺乏使用的系统。毕竟,基线分析输入实际上只是交易废气,除非得到第三方来源的充实。证明有能力创建一组正确的数据输入,有助于更好的情报输出——最终具有战略性和规范性的倾向。最后一点:大多数公司通常对以应付账款为中心的分析报告和信息缺乏深刻的洞察力。从对齐的A/P和采购数据集和报告开始,可以作为解决支付和运营资金特定分析的第一步,作为一个集成的覆盖层。
  • 年代基于供应商财务可行性的潜在收入和运营漏洞通过与内部审计小组或其他负责处理供应链风险的小组协调获得。长尾供应商——尤其是那些可能对业务至关重要,但总体支出类型没有出现在支出分析立方顶部的供应商——有一个强有力的案例,通过提供与其他供应商替代品(如保理)相比合理的年利率的早期付款计划,主动帮助减轻供应商的财务风险。A/P、采购、供应链和内部审计团队都可以通过合作在这里找到共同点。
  • (投资级公司)一个金融论点以作为目的来实现的手段。投资级公司通常可以以前所未有的低利率借款,但从利差角度来看,中小型供应商的借款成本相对较高。当你开始根据供应商与你自己公司的加权平均资本成本,将它们划分为不同的等级时——这项任务几乎总是会让许多以前不会关注这种争论的人大开眼界——你很快就会发现,忽视套利潜力是愚蠢的。当然,手段可以是任何一个程序:电子发票与发票和动态折扣相结合,逆向保理和供应链金融或其他方法。

据说,当一个人烘焙时,遵循精确的食谱是至关重要的。另一方面,烹饪更适合即兴创作。但无论你的食谱是什么,你想要的最终产品是什么,重要的是要考虑各种食材是如何混合在一起的,以及当它们放在烤箱或灶台上时,它们是如何进一步变化的。

最终,将A/P和采购结合起来,要求每个职能部门不仅要发挥自己的作用,还要扩大自己的职责范围,冒险进入其他业务人员视为关键领域的新领域。这有点像扩大你橱柜里的特定食材。但请记住,最重要的是你如何组合它们,更不用说它们的质量、新鲜度和其他属性了。我鼓励你按照上面的一组食材作为最初的指南,创建自己的烹饪材料清单。毫无疑问,最好的菜会根据当天市场上提供的食物即兴制作。

在Procurious分享

讨论:

你的电邮地址将不会公布。

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