gasto de cauda de domínio

Gerenciar gastos de cauda longa é uma tarefa difícil para muitas equipes de compras. Mas isso está mudando rapidamente, graças às tecnologias digitais. A Digital fornece visibilidade em milhões de compras feitas todos os anos, ajudando as empresas a entender e gerenciar seus gastos com cauda em um nível de detalhes nunca antes possível. E a maturação de big data e análises avançadas, inteligência artificial (IA), automação e plataformas digitais, as empresas podem melhorar os processos operacionais e até eliminar totalmente alguns gastos com a cauda. bilhões.

Firms that use digital to manage tail spend can cut their annual expenditures by 5% to 10%, on average—a significant amount, especially for global companies with total expenditures in the billions.

Abordagens convencionais

Os gastos com cauda geralmente são definidos como a quantidade de dinheiro que uma organização gasta em compras que compõem aproximadamente 80% das transações, mas apenas 20% do volume total de gastos. No entanto, o que constitui os gastos com a cauda varia em categoria: por exemplo, peças de máquinas para empresas de bem-estar industrial, materiais químicos especiais para empresas químicas e itens de fornecimento de escritórios para os bancos. O número de itens de gasto de cauda também varia. Um fabricante de turbinas pode ter mais de 130.000 itens desses, enquanto um banco provavelmente terá muito menos. Normalmente, envolve um grande número de transações, muitas categorias de produtos e uma enorme, em grande parte anônima, base de fornecedores. (Uma grande empresa química, por exemplo, pode ter até 3.000 fornecedores - e isso é apenas para materiais diretos.) Esse nível de complexidade requer muitos recursos, que a maioria das funções de compras simplesmente não possui. Eles geralmente são comprados apenas uma vez a cada dois ou três anos, por isso são frequentemente negligenciados durante discussões com fornecedores. Os gerentes de compras tendem a se concentrar em mais gastos estratégicos: os 20% dos fornecedores que representam 80% do volume total de gastos. Harmonizar as especificações dos componentes usados ​​em diferentes produtos reduz o número de itens na cauda e a consolidação de fornecedores em grupos facilita a colaboração. A IA pode analisar dados de gastos para fornecer orientações sobre quais itens devem ser adquiridos dessa maneira. Os catálogos são populares entre os compradores porque oferecem apenas uma opção e um fornecedor para cada item desejado. Eles podem ser desajeitados para trabalhar, no entanto, e como são normalmente atualizados com pouca frequência, nem sempre fornecem as peças ou serviços necessários. Eles apoiam proativamente a conformidade porque fornecem um pequeno número de itens em vez de uma variedade, reduzindo significativamente o número de SKUs. Além disso, os catálogos podem reduzir o custo transacional em até 30% a 40% por transação. Para uma empresa que compra material de escritório, por exemplo, a compra de cartões registra automaticamente quem está comprando o quê e com que frequência, garantindo que o processo de pedidos corra sem problemas. É uma boa ideia obter o maior número possível de produtos dessa maneira, pois o processo é mais eficiente e os preços dos componentes e serviços são mais baixos do que quando outros métodos são usados.

Most procurement functions devote little attention to managing tail spend because it’s so complex. Typically, it involves a vast number of transactions, many product categories, and a huge, largely anonymous, supplier base. (A big chemical company, for example, can have as many as 3,000 suppliers—and that’s just for direct materials.) This level of complexity requires a lot of resources, which most procurement functions simply don’t have.

In addition, tail items aren’t a top priority. They are usually purchased only once every two or three years, so they are often overlooked during discussions with suppliers. Procurement managers tend to focus instead on more strategic spend: the 20% of suppliers that account for 80% of total spend volume.

Firms that have been able to devote resources to long-tail spend management use a few different tactics:

• Standardization and Bundling. Harmonizing the specifications of components used in different products reduces the number of items in the tail, and consolidating suppliers in groups makes collaboration easier.
• Catalogs and Purchasing Cards. To make standardization and supplier bundling sustainable, procurement teams try to put as many tail spend items as possible in catalogs. AI can then analyze spend data to provide guidance on which items should be procured this way. Catalogs are popular with buyers because they offer only one option and one supplier for each desired item. They can be clunky to work with, however, and since they are typically updated infrequently, they don’t always provide the parts or services that are needed.

Catalogs are also good for corporate governance because they enforce spending regulations. They proactively support compliance because they provide a small number of items rather than an assortment, thus reducing the number of SKUs significantly. In addition, catalogs can reduce transactional cost by as much as 30% to 40% per transaction.

Purchasing cards can support compliance as well. For a company buying office supplies, for instance, purchasing cards automatically record who is buying what and how often, while ensuring that the ordering process goes smoothly. It’s a good idea to procure as many products as possible this way, since the process is more efficient and the prices of components and services are lower than when other methods are used.

• Terceirização. Também pode reduzir custos porque uma empresa que se concentra inteiramente nos gastos com cauda provavelmente é capaz de otimizar a economia e tem melhores economias de escala do que outras. Mas o uso de terceiros também significa dependendo de um provedor, o que pode dificultar a flexibilidade e a inovação. Eles não têm transparência suficiente para compras comerciais e técnicas. Além disso, eles fornecem muita informação para compradores e fornecedores em propostas, o que dificulta o processo de licitação. Não menos importante, a enorme quantidade de trabalho manual dificulta o gerenciamento de gastos com a cauda de maneira eficaz. O Big Data e a Avanced Analytics, juntamente com a IA, podem ajudar as funções de compras a desenvolver uma melhor visibilidade em suas despesas; De fato, a IA pode ajudar a se livrar de certas áreas de gastos com a cauda. Automação e plataformas podem aumentar a eficiência dos principais processos de aquisição, incluindo propostas de massa. Using a third party to handle tail spend can eliminate the entire challenge. It can also cut costs because a company that focuses entirely on tail spend is probably able to optimize savings and has better economies of scale than others. But using a third party also means depending on a provider, which can hamper flexibility and innovation.

Standardization, bundling, catalogs, purchasing cards, and outsourcing can help prevent tail spend from growing further, but procurement functions are still grappling with some basic challenges. They don’t have enough transparency into commercial and technical purchases. In addition, they provide too much information to buyers and suppliers on tenders, which makes the tender process difficult. No less important, the huge amount of manual work makes it difficult to manage tail spend effectively.

Tapping into the Advantages of Digital Approaches

Digital technologies address these challenges. Big data and advanced analytics, along with AI, can help procurement functions develop better visibility into their expenditures; indeed, AI can help get rid of certain areas of tail spend altogether. Automation and platforms can boost the efficiency of key procurement processes, including mass tenders.

O impacto potencial na economia de custos é considerável. De acordo com um estudo recente do Hackett Group, mais de 27% das empresas disseram que sofreram economia de 5% a 10%, enquanto 30% das empresas tinham economia de pelo menos 10%. (Consulte o Anexo 1.)

Creating Tail Spend Transparency

The key to managing long-tail expenditures is to analyze the data behind these purchases. Before the advent of digital, most tail spend data was inaccessible and unwieldy. Today, big data and analytics, AI, automation, and digital platforms allow companies to develop an overview of the spend baseline by automatically collecting and assessing different types of high-quality data.

Internal Spend Data. Before the advent of digital, purchase order (PO) data was hard to mine manually because it was typically stored in PDFs in different systems across the company.

Now, thanks to consolidation programs, it’s possible to combine data from various systems into one view. Data-crawling robots can then go through fragmented files and collect information by looking for a unique part number or description. And a software solution can scan the lists of items and suppliers to see if any are recorded under multiple names. For example, a supplier could be listed as BASF Germany, BASF AG, or Badische Anilin- & Sodafabrik—all of which refer to the same company.

Procurement managers can then conduct a spend cube analysis for expenditures across categories, business units, and suppliers. This data can also shed insight into spend per subcategory; the extent of fragmentation in the supplier base; the range of prices for any given item across suppliers, sites, volume, and time; and the proportion of spend managed by the procurement function, devoted to catalogs, and so on.

Supplementing PO Data. Whenever PO data is insufficient for classifying and consolidating tail items, other digital technologies can fill in the blanks. Drawing and non-drawing-based information excellence tools, for instance, can help companies determine whether various machine parts are identical or merely similar.

Advanced analytics can also help, by detecting when slight differences in the product specifications of different tail items lead to unnecessarily high handling costs. When a manufacturing company, for example, needed to gain better visibility into approximately $400 million of annual miscellaneous spend, it used an algorithm to analyze supplier invoice details and specifications. The algorithm found thousands of duplications; eliminating those redundancies cut down expense entries by 30%.

After data is collected from various sources, an AI algorithm can scan it for errors and fix them. If the algorithm notices, for example, that the weight of a spare part is entered as 1,000 kilograms, it can look to see whether 1,000 grams would be more plausible. What’s more, the algorithm’s ability to detect such errors can improve over time. Algorithms can also mine invoices and other documents to provide information missing from PO data.

dados de fornecedores. A IA pode ver se um contrato já está em vigor para um item específico ou para outro que atenda à mesma necessidade. Em vez de exigir que os fornecedores preencham uma página vazia com todos os tipos de informações desnecessárias, a plataforma fornece um formulário parcialmente preenchido com apenas alguns espaços em branco para o fornecedor. Isso facilita o processo para os fornecedores - e mais prováveis ​​de preencher completamente o formulário. As ferramentas de IA podem comparar preços e alertar os compradores quando surgirem condições favoráveis ​​de compra. o grande número de itens e fornecedores envolvidos. Hoje, plataformas como solicitações eletrônicas de informação (ERFI) e cotações (ERFQ), bem como e-leilões, representam um grande passo adiante nesse sentido. Consolidating the number of suppliers a company uses can often get in the way of collecting important information about what the suppliers can provide—quantities of different components, the types of materials in those components, pricing, and so on.

But contract management platforms equipped with optical character recognition (OCR) technology can read and capture contractual information quickly and accurately. AI can then see if a contract is already in place for a particular item or for another that would serve the same need.

Digital collection platforms are also helpful. Instead of requiring suppliers to fill an empty page with all kinds of unnecessary information, the platform provides a partially filled-out form with just a few blanks for the supplier. This makes the process easier for suppliers—and more likely that they’ll fill out the form completely.

Companies can also extract pricing information from external benchmarks to create a database across parts, suppliers, business units, countries, and so on. AI tools can then compare prices and alert buyers when favorable buying conditions arise.

Managing Tail Spend More Efficiently

Once procurement functions have a good sense of what their tail spend looks like, they can use a variety of digital tools to manage it.

Improving Mass Tenders. In predigital times, mass tenders were extremely challenging because of the vast number of items and suppliers involved. Today, platforms such as electronic requests for information (eRFI) and quotes (eRFQ), as well as e-auctions, represent a big step forward in this regard.

Plataformas ERFI. Serviços. Os fornecedores, por sua vez, podem fornecer informações - quantidades, preços e prazos de entrega - sobre os produtos que eles podem fornecer. O número de distribuidores em cada país para cada produto pode ser ilustrado com um mapa de calor. (Consulte Anexo 2.) Manual requests for information used to demand a great deal of effort from a buying company because of the high volume of requests every year and the lack of accessible data, especially on less critical parts and services.

Today, companies can issue a large-scale eRFI to many suppliers (distributors) around the world. The vendors, in turn, can provide information—quantities, prices, and delivery timelines—about the products they can supply. The number of distributors in each country for each product can then be illustrated with a heat map. (See Exhibit 2.)

ERFQ Platforms. The information generated by the eRFI and the heat map serves as the basis for an eRFQ. In a typical tail mass tender, a supplier would have to wade through thousands of line items in a list rather than the few hundred it could actually provide. Many vendors would not want to take the time to identify those items because of the low profit involved. Often, suppliers would provide quotes for only some of the items they could supply rather than for all of them, which made the tail even longer.

ERFQ platforms dispense with this problem because they allow each distributor to see only the line items that that company can provide. After the distributors have submitted their bids, digital tools use the answers to present a comprehensive overview of competitors and pricing.

E-Auctions. Mass tenders are possible not only in static setups but also in dynamic ones, such as e-auctions. Companies can use e-auctions to realize savings in one of two ways: They can select many suppliers, cherry picking so that they choose only the supplier with the lowest price for each particular item. Alternatively, they can consolidate the number of suppliers in the portfolio, being careful to preserve a healthy level of competition.

Eles podem usar uma análise digital para revisar os lances existentes e propor diferentes cenários. Por exemplo, um fabricante que teve um concurso com 200 fornecedores executou uma análise de cenário para aprender o número máximo de fornecedores que precificarem pelo menos um item de linha mais barato do que qualquer outro fornecedor; there were 81. But a different scenario, which looked for the minimum number of suppliers that offered the lowest-priced item, identified 27. Since each of these 27 suppliers bid at least one line item that no other vendor bid on, the manufacturer saw that 27 was the minimum number of suppliers it could have on the tender.

Whenever suppliers don’t meet the preset business and regulatory criteria, the platform uses a bidding algorithm Para premiar automaticamente projetos a fornecedores cujos lances atendem às condições originais. Para eventos mais críticos, ele pode fazer sugestões bem informadas sobre quais fornecedores devem ser selecionados. O algoritmo "aprende" sistematicamente a partir de dados anteriores de leilão para fazer melhores recomendações. Como resultado, a velocidade e a qualidade das decisões tomadas durante a licitação e as negociações melhoraram substancialmente, levando dias em vez de semanas.

Além disso, as empresas podem usar ferramentas avançadas de algoritmo para criar um banco de dados de lances que os fornecedores fizeram no passado e, em seguida, implantar a IA para analisar o comportamento de licitação do fornecedor e prever mudanças no preço. Essas previsões dão aos profissionais de compras as informações necessárias para manobrar durante as negociações. e ai.

Reducing Tail Spend to Extract Value

After setting up tenders and e-auctions, procurement functions can deploy big data and analytics, AI, and automation to reduce whatever tail spend can’t be eliminated altogether.

Using Big Data, Advanced Analytics, and AI. Após a identificação de padrões de gasto com um cubo de gasto, as empresas podem consolidar compras e fornecedores em locais e plantas. Por exemplo, pode haver uma razão funcional para que uma parte plástica específica esteja disponível em cores diferentes; Mas, novamente, as cores podem ser simplesmente decorativas. Agora, um comprador pode fazer sua própria determinação sobre se a cor realmente importa para seu propósito. Tais práticas podem ajudar as empresas a realizar economias de escala enquanto diminuem o tamanho da base de fornecedores. É possível uma economia adicional de 1% a 2% da economia de custos. Um robô RPA pode consolidar informações sobre os vários fornecedores disponíveis e selecionar o melhor. Depois que um funcionário enviar o PR, o robô pode validá -lo e encaminhá -lo para o fornecedor selecionado. Ao mesmo tempo, a tecnologia de governança digital pode cruzar o que as pessoas estão comprando e levantar alarmes se desconsiderar as diretrizes de gastos com a cauda. Como resultado, 80% a 90% do fluxo de trabalho podem ser automatizados e os equivalentes em tempo integral podem ser reduzidos em 30% a 35%. O RPA pode padronizar o formato da fatura, inserindo os detalhes diretamente em sistemas internos. Um PDF pode ser digitalizado usando OCR, e os campos de dados podem ser mapeados para colunas padrão roboticamente. Os detalhes da fatura podem ser comparados com o PO enviado ao fornecedor, retornando automaticamente faturas errôneas ao fornecedor e limpando as faturas reconciliadas para pagamentos. A automação do processamento e reconciliações de faturas podem reduzir os custos dos funcionários em 30% a 35%. e pode usar a IA para compras únicas. Juntos, as duas tecnologias podem recomendar automaticamente quais itens de cauda para eliminar. Por exemplo, uma proibição de gastos pode ser integrada aos catálogos para interromper as compras quando um certo limite de orçamento for atingido. A IA ainda permite modelos de governança mais complexos que indicam quais fornecedores são preferidos ou proibidos. Para maximizar os resultados, as empresas devem criar uma equipe dedicada que se concentre nos gastos com cauda. A equipe precisará ter metas e métricas claras que enfatizem a consolidação do fornecedor e o uso das ferramentas principais, como ERFQs em massa, bem como economia.

Advanced analytics and AI can automatically analyze 2D and 3D drawings created by drawing information excellence tools to develop standardized components, and they can also recommend ways to adapt specifications that are not proprietary to any one vendor. For example, there may be a functional reason for a particular plastic part to be available in different colors; but then again, the colors could simply be decorative. A buyer can now make its own determination about whether color really matters for its purpose. Such practices can help companies realize economies of scale while shrinking the size of the supplier base. An additional 1% to 2% of cost savings is possible.

Automating Processes Related to Purchase Orders and Invoices. Robotic process automation (RPA) technologies come in handy for sorting through the tail items procured via the purchase request (PR) to purchase order (PO) process. An RPA robot can consolidate information about the various vendors available and select the best one. After an employee submits the PR, the robot can validate it and forward it to the selected vendor. At the same time, digital governance technology can crosscheck what people are buying and raise alarms if they disregard tail spend guidelines. As a result, 80% to 90% of workflow can be automated, and full-time equivalents can be reduced by 30% to 35%.

Such technologies can also automate invoice processing and reconciliations. RPA can standardize the invoice format, entering the details directly into internal systems. A PDF can then be digitized using OCR, and data fields can be mapped to standard columns robotically. Invoice details can then be matched against the PO sent to the vendor, automatically returning erroneous invoices to the vendor and clearing reconciled invoices for payments. Automation of invoice processing and reconciliations can lower employee costs by 30% to 35%.

Ensuring the Sustainability of Tail Spend Management

Companies should also think about using AI technologies to cut out some areas of tail spend altogether.

For example, firms can use advanced analytics to analyze previous purchases and predict demand for the subsequent year and can use AI for one-off purchases. Together, the two technologies can automatically recommend which tail items to eliminate.

In addition, AI-based instructions to ban spending can be integrated into several digital tools to prohibit spending under certain conditions. For example, a spending ban can be integrated into catalogs to stop purchases once a certain budget limit is reached. AI even allows for more complex governance models that indicate which suppliers are preferred or banned.

Thanks to digital technologies, tail spend is now truly manageable, allowing companies to generate savings, preserve quality, and mitigate risk. To maximize results, companies should create a dedicated team that focuses on tail spend. The team will need to have clear targets and metrics that emphasize supplier consolidation and the use of leading tools, such as mass eRFQs, as well as savings.

---

As tecnologias digitais podem ter um grande impacto nos gastos com a cauda, ​​pois permitem um nível de transparência e gerenciamento nunca antes possível. Para aproveitar ao máximo o digital, as empresas precisam primeiro avaliar seus pontos problemáticos, quanto valor há para ganhar com a digitalização e como uma iniciativa se alinha com seus recursos digitais atuais. Somente para entender o tamanho da cauda e quanto disso pode ser gerenciado realisticamente, é possível transformar essa fonte de despesas inchadas em uma vantagem.