简介罗兰贝格《供应链优化方案——企业采购战略最终报告》是一份面向企业采购管理者、供应链咨询顾问与相关专业师生的大纲式方法报告聚焦采购环节的效率提升与竞争力构建。整套资料仅含1个PPT文件压缩包约2.19MB体量轻便可直接用于内部研讨、方案借鉴或教学案例拆解。报告围绕采购领域的六个关键问题展开依次覆盖项目目标与工作总结、采购组织机构改革的过渡期方案与目标方案、采购流程优化、供应商评价与管理体系、与核心供应商建立战略联盟的可行性分析及方案建议以及机构改革过渡方案的实施安排。其中对战略采购与操作采购分开的组织设计、ABC类物料的差异化采购模式、战略采购经理的设置原则、操作采购合并与人员精简等给出了较为具体的建议并附有量化评价指标与流程示意。已有66人学习适合希望搭建采购体系框架、梳理供应商管理思路的从业者参考。1. 采购战略咨询报告从 PPT 到系统之间缺了什么很多企业手里都躺着《罗兰贝格供应链优化方案—企业采购战略》这类最终报告封面体面、框架完整Kraljic 矩阵、TCO 模型、寻源七步法一应俱全。真正卡住的是落地报告里每一个结论都依赖一份没人维护过的支出数据品类占比、供应商集中度、可节约空间全靠 Excel 手工透视口径一换数字就变。企业采购战略要变成可执行的东西本质上要补三块一个统一的支出数据底座、一套可复算的量化分档规则、一条能被审计的节约归因链路。这篇内容讲的就是把供应链优化里的采购战略框架翻译成可复现的数据模型与代码适合做采购数字化、供应链数据仓库、供应商主数据治理的工程师与采购分析岗。2. 拆解罗兰贝格式采购战略框架从品类矩阵到 TCO 的量化支点采购战略的骨架其实就四件事知道钱花在哪、知道每个品类该用什么打法、知道供应商值不值得长期用、知道降价空间在哪。咨询方法论的价值在于把四件事串成一条链工程侧要做的是给每一环配一个可计算的定义否则矩阵画得再标准也只是贴在会议室墙上的装饰。2.1 Kraljic 采购品类矩阵供应风险与利润影响怎么量化Kraljic 矩阵横轴是利润影响纵轴是供应风险。报告里这张图很好看却很少交代分值怎么来。常见做法是把两个维度各拆成三到四个可采集指标加权后归一到 0 到 100。指标必须来自系统字段而不是采购员打分否则同一品类换个人就换一个象限。维度指标计算口径建议权重利润影响年度支出金额近 12 个月不含税净额0.50利润影响支出占销货成本比品类支出 / 对应产线 COGS0.30利润影响价格波动敏感度近 24 个月单价标准差 / 均值0.20供应风险合格供应商数量主数据中状态为合格的供应商数0.35供应风险单一来源占比最大供应商支出份额0.35供应风险切换周期打样 认证 量产天数0.30import numpy as np import pandas as pd def minmax(s: pd.Series) - pd.Series: 把任意量纲的指标压到 0-100避免金额和天数直接相加 return (s - s.min()) / (s.max() - s.min()) * 100 def kraljic(df: pd.DataFrame) - pd.DataFrame: out df.copy() out[profit_score] ( 0.50 * minmax(out[annual_spend]) 0.30 * minmax(out[spend_over_cogs]) 0.20 * minmax(out[price_cv]) ) out[risk_score] ( 0.35 * (100 - minmax(out[qualified_suppliers])) # 供应商越多风险越低 0.35 * minmax(out[top1_share]) 0.30 * minmax(out[switch_leadtime_days]) ) out[quadrant] np.select( [ (out.profit_score 60) (out.risk_score 60), (out.profit_score 60) (out.risk_score 60), (out.profit_score 60) (out.risk_score 60), ], [战略型, 杠杆型, 瓶颈型], default常规型, ) return out这里的minmax是所有象限划分的前提金额、占比、天数单位完全不同不归一就没有可比性。qualified_suppliers取反是因为供应商基数越大断供风险越低。阈值 60 是通用起点如果纳入分析的品类少于 15 个建议改按中位数分档否则很容易出现某个象限一个品类都没有的尴尬结果。2.2 总拥有成本建模把报价单还原成成本项TCO 建模的意义在于打破单价最低者中标的惯性。真正的成本至少含五块净采购价、物流与关税、质量损失、库存持有、切换与管理成本。其中质量损失最容易被漏掉数据一般来自 IQC 检验记录或退货率拿不到时可以用客诉率替代但必须在报表里注明口径差异。def tco(unit_price, qty, freight_per_unit, duty_rate, defect_rate, rework_cost, hold_days, capital_rate, switch_cost, contract_years): purchase unit_price * qty landed purchase freight_per_unit * qty purchase * duty_rate quality defect_rate * qty * rework_cost holding landed * capital_rate * (hold_days / 365) switching switch_cost / max(contract_years, 1) # 切换成本按合同期摊销 total landed quality holding switching return {landed: round(landed, 2), quality: round(quality, 2), holding: round(holding, 2), switching: round(switching, 2), tco_total: round(total, 2), tco_per_unit: round(total / qty, 4)}capital_rate用公司加权资金成本不要拍一个 10% 上去否则库存持有成本会被系统性高估。switch_cost含认证费、模具费、首件试制按合同年限摊销后长协供应商的 TCO 优势会明显放大这与战略型品类的打法方向是一致的。2.3 四类品类的采购动作与常见误用象限只是起点动作才是产出。每一类都要绑定一个可追踪的 KPI否则品类策略做完就没人再打开。象限采购动作主 KPI常见误用杠杆型需求集中、多轮竞价、目标年降 3% 到 8%单位成本降幅频繁换供应商质量成本反升战略型长期协议、联合改进、早期介入研发TCO 降幅 绩效分只锁价格不锁产能旺季拿不到货瓶颈型开发第二来源、设安全库存、签保供条款供应保障率按杠杆型去招标结果无人应标常规型目录化、自动下单、卡采购订单处理成本、采购周期投入大量谈判资源ROI 为负误用栏里这三条在真实项目里出现频率最高。尤其是瓶颈型按杠杆型处理招标公告发出去应标不足三家最后还是要回头谈独家既浪费周期又暴露了自己的被动位置。3. 采购支出数据建模支出立方与 ABC 分类的代码实现支出分析是所有采购战略的地基。地基不牢后面的品类策略、供应商分级全部是空中楼阁。工程侧的目标很明确把 ERP、SRM、财务共享里的原始单据收敛成一张按时间、品类、供应商、组织四个维度切分的支出立方。3.1 支出立方的字段设计与清洗口径字段设计的第一原则是可回溯。清洗过程中一定会出错保留原始文本才能在争议时回查。字段类型口径说明spend_monthdate建议取发票过账日期所在月不用下单日期category_l3string统一到企业品类树三级禁止直接用物料描述supplier_idstring必须用主数据 ID名称只作展示supplier_name_rawstring原始名称用于清洗回溯spend_amountdecimal不含税净额含运费时单独拆列qty / uomdecimal / string换算到基本计量单位后再入库po_typestring直采、间采、资本支出分开统计is_maverickboolean无合同或无 PO 的支出标记清洗里有几个必做的动作多币种统一按发票月汇率折算剔除集团内部关联交易否则内部调拨会把支出重复放大剔除红字冲销与退货供应商名称做归一化。单位换算最容易被忽略同一物料存在箱和个两种计量时数量口径会直接失真。import re from rapidfuzz import process, fuzz SUFFIX r(股份有限公司|有限公司|集团|公司|co\.,?\s?ltd\.?|inc\.?) def norm_name(name: str) - str: s name.strip().lower() s re.sub(r[\s()·,\.\-], , s) return re.sub(SUFFIX, , s) def match_supplier(raw_names, master_names, threshold: int 88) - dict: master_norm {norm_name(m): m for m in master_names} mapping {} for raw in set(raw_names): n norm_name(raw) if n in master_norm: mapping[raw] master_norm[n] continue hit process.extractOne(n, master_norm.keys(), scorerfuzz.token_set_ratio) mapping[raw] master_norm[hit[0]] if hit and hit[1] threshold else None return mapping阈值 88 是经验值调低到 80 以下会把华东分公司和华西分公司误合并这类错误在支出报表里几乎无法事后发现。所以映射结果必须落表人工复核未匹配的记录进入待处理队列而不是直接丢弃或强行归并。3.2 用 SQL 建支出立方立方表建议按增量方式按月重跑便于回溯和比对。下面这段是典型的装载逻辑从发票主表出发向下游维表关联。INSERT INTO dw_spend_cube SELECT DATE_TRUNC(month, i.invoice_date) AS spend_month, COALESCE(c.l3_name, UNCLASSIFIED) AS category_l3, s.supplier_id, s.supplier_name, o.cost_center, p.po_type, SUM(i.net_amount * i.fx_rate_to_cny) AS spend_amount, SUM(i.qty_base_uom) AS qty, CASE WHEN p.contract_id IS NULL THEN TRUE ELSE FALSE END AS is_maverick FROM ods_ap_invoice i JOIN dim_supplier s ON i.supplier_id s.supplier_id LEFT JOIN dim_category c ON i.material_id c.material_id LEFT JOIN ods_po p ON i.po_id p.po_id LEFT JOIN dim_org o ON i.cost_center o.cost_center WHERE i.invoice_status POSTED AND i.is_intercompany FALSE GROUP BY 1, 2, 3, 4, 5, 6, 9;invoice_status必须过滤过账状态草稿单据会把支出虚增十几个百分点。is_intercompany的过滤条件不能省否则集团内部的两笔对冲交易会被记成两笔真实支出。is_maverick这一列是后续影子采购率的分母来源品类树里未分类占比超过 8% 时说明物料主数据需要补维护了。3.3 ABC 分类与供应商集中度指标ABC 分析回答的是钱花在谁身上HHI 回答的是依赖有多深。两个指标放在一起看比单独看任何一个都有信息量。import pandas as pd def abc_and_hhi(cube: pd.DataFrame, by: str supplier_name): df (cube[cube.spend_amount 0] .groupby(by, as_indexFalse) .agg(spend(spend_amount, sum))) df df.sort_values(spend, ascendingFalse).reset_index(dropTrue) df[share] df.spend / df.spend.sum() df[cum_share] df.share.cumsum() df[abc] pd.cut(df.cum_share, bins[0, 0.8, 0.95, 1.0], labels[A, B, C]) hhi round((df.share ** 2).sum() * 10000, 1) return df, hhiABC 的 80/95 分界是通用口径流程制造类企业可以收紧到 70/90因为它的头部集中度天然更高。HHI 超过 2500 时说明单一供应商依赖已经比较明显对应品类要拉进瓶颈型清单重新评估先做双源开发再谈降价。把这两个指标和品类树做交叉就能快速定位支出不大但依赖极高的高危品类。4. 供应商分级与寻源评分卡权重、阈值与 RFQ 参数品类策略定了打法接下来要解决用哪家、给多少量的问题。供应商分级和寻源评分是同一套逻辑的两个入口分级针对存量评分卡针对增量。4.1 供应商绩效评分卡的指标与权重评分卡最容易犯的错是全部由采购主观打分。指标必须能追溯到系统数据或审核记录权重则按品类象限调整。维度具体指标数据来源通用权重质量批次合格率、客诉次数IQC 记录、售后系统30%交付OTD、提前期偏差收货记录、PO 承诺日25%成本价格竞争力、年度降本贡献支出立方、合同台账25%服务响应时长、异常闭环率SRM 工单10%合规审核结果、证书有效期供应商主数据10%分档规则建议直接绑定动作A 级 85 分以上进战略合作池B 级 70 到 85 分维持并给改进目标C 级 60 到 70 分限期整改并启动备选D 级 60 分以下进入淘汰或双源开发流程。权重不是固定的瓶颈型品类应当把交付权重提到 25% 以上牺牲一点成本换取供应稳定。4.2 RFQ 评分函数与价格归一化处理招标评分里最容易出问题的是价格分。直接用报价除以预算会让极端低价把整个分布拉偏用最低价除以本家报价则最低价者恒得满分效果更稳。W {tco: 0.45, quality: 0.20, delivery: 0.15, service: 0.10, esg: 0.10} def score_supplier(bid: dict, weights: dict W) - float: raw { tco: bid[tco_min] / bid[tco] * 100, # 最低 TCO 得 100 分 quality: bid[audit_score], # 现场审核 0-100 delivery: bid[otd_rate] * 100, # 历史 OTD service: bid[service_score], esg: bid[esg_score], } return round(sum(raw[k] * weights[k] for k in weights), 2)TCO 占 45% 是常见起点但要注意tco_min必须来自同一份 TCO 模型不能一家用含税价、一家用不含税价。技术分的门槛建议单列技术分低于 70 的直接废标不参与加权否则会出现商务分补技术短板的畸形结果。4.3 should-cost 基线报价该拆成哪几段议价不是比谁嗓门大而是比谁手里有成本结构。把供应商报价拆成六段逐段和行业基线比对偏离超过 15% 的项直接要证据。成本项参考占比验证方式原材料55% - 65%对照公开现货指数或期货价加工费8% - 12%标准工时 × 设备费率直接人工5% - 10%产线人数 × 当地工资水平制造费用8% - 12%折旧摊销 能耗分摊期间费用5% - 8%供应商财报或行业基准利润5% - 10%行业毛利率区间这套基线的用途不是压到最低而是识别异常项。原材料占比报到 75% 而同期现货指数只涨了 3%这个差异就是谈判桌上的具体问题。基线每年要重算一次原料价格波动大的品类建议按季度更新。5. 供应链优化效果的验证与进阶节约归因与价格异常检测采购战略做完最难的其实是证明它有效。很多项目报告里的节约金额经不起追问因为把业务增长、结构变化和真实降价混在了一起。5.1 把降本拆成价格、数量与结构三项def savings_attribution(b_qty, c_qty, price_base, price_curr): volume (c_qty - b_qty) * price_base # 业务量变化 price (price_curr - price_base) * c_qty # 真实采购降本 mix (price_curr - price_base) * (c_qty - b_qty) # 交叉项 return {volume: volume, price: price, mix: mix, total: c_qty * price_curr - b_qty * price_base}只有price这一项算真节约volume是业务量带来的支出增加mix反映品类结构迁移。三者在总支出变化里相互抵消把混合结果当成降本业绩上报季度复盘时一定会被财务打回。汇报口径建议固定为价格项节约 / 基期支出。5.2 用滚动中位数与 MAD 做价格异常检测单价偏离往往比总支出异常更早暴露问题比如某工厂突然换了一批高价供应商。import numpy as np def flag_price(df, window: int 6, k: float 3.5): df df.sort_values(spend_month).copy() med df.unit_price.rolling(window, min_periods3).median() mad (df.unit_price - med).abs().rolling(window, min_periods3).median() df[is_outlier] (df.unit_price - med).abs() k * 1.4826 * mad return df1.4826是把 MAD 换算成正态标准差的常数k 3.5比传统 3σ 更宽容可以减少原材料涨价窗口期的误报。节假日前后、大宗商品调价月建议打标排除否则每个月都会报出一批假异常用不了多久就没人看了。5.3 象限迁移是最值得盯的信号月度看异常单价和影子采购率季度看品类在 Kraljic 矩阵里的位置变化年度重算 should-cost 基线这套节奏比一次性出报告有用得多。其中象限迁移信息量最大一个品类从杠杆型滑向瓶颈型通常意味着合格供应商数量在减少、单一来源占比在上升而支出金额可能并没有明显变化光看金额报表根本发现不了。把象限位置按月快照存下来做一次差分就能在供应风险真正爆发前拿到预警。本文还有配套的精品资源点击获取
采购战略数字化落地：Kraljic矩阵、TCO与支出数据建模
简介罗兰贝格《供应链优化方案——企业采购战略最终报告》是一份面向企业采购管理者、供应链咨询顾问与相关专业师生的大纲式方法报告聚焦采购环节的效率提升与竞争力构建。整套资料仅含1个PPT文件压缩包约2.19MB体量轻便可直接用于内部研讨、方案借鉴或教学案例拆解。报告围绕采购领域的六个关键问题展开依次覆盖项目目标与工作总结、采购组织机构改革的过渡期方案与目标方案、采购流程优化、供应商评价与管理体系、与核心供应商建立战略联盟的可行性分析及方案建议以及机构改革过渡方案的实施安排。其中对战略采购与操作采购分开的组织设计、ABC类物料的差异化采购模式、战略采购经理的设置原则、操作采购合并与人员精简等给出了较为具体的建议并附有量化评价指标与流程示意。已有66人学习适合希望搭建采购体系框架、梳理供应商管理思路的从业者参考。1. 采购战略咨询报告从 PPT 到系统之间缺了什么很多企业手里都躺着《罗兰贝格供应链优化方案—企业采购战略》这类最终报告封面体面、框架完整Kraljic 矩阵、TCO 模型、寻源七步法一应俱全。真正卡住的是落地报告里每一个结论都依赖一份没人维护过的支出数据品类占比、供应商集中度、可节约空间全靠 Excel 手工透视口径一换数字就变。企业采购战略要变成可执行的东西本质上要补三块一个统一的支出数据底座、一套可复算的量化分档规则、一条能被审计的节约归因链路。这篇内容讲的就是把供应链优化里的采购战略框架翻译成可复现的数据模型与代码适合做采购数字化、供应链数据仓库、供应商主数据治理的工程师与采购分析岗。2. 拆解罗兰贝格式采购战略框架从品类矩阵到 TCO 的量化支点采购战略的骨架其实就四件事知道钱花在哪、知道每个品类该用什么打法、知道供应商值不值得长期用、知道降价空间在哪。咨询方法论的价值在于把四件事串成一条链工程侧要做的是给每一环配一个可计算的定义否则矩阵画得再标准也只是贴在会议室墙上的装饰。2.1 Kraljic 采购品类矩阵供应风险与利润影响怎么量化Kraljic 矩阵横轴是利润影响纵轴是供应风险。报告里这张图很好看却很少交代分值怎么来。常见做法是把两个维度各拆成三到四个可采集指标加权后归一到 0 到 100。指标必须来自系统字段而不是采购员打分否则同一品类换个人就换一个象限。维度指标计算口径建议权重利润影响年度支出金额近 12 个月不含税净额0.50利润影响支出占销货成本比品类支出 / 对应产线 COGS0.30利润影响价格波动敏感度近 24 个月单价标准差 / 均值0.20供应风险合格供应商数量主数据中状态为合格的供应商数0.35供应风险单一来源占比最大供应商支出份额0.35供应风险切换周期打样 认证 量产天数0.30import numpy as np import pandas as pd def minmax(s: pd.Series) - pd.Series: 把任意量纲的指标压到 0-100避免金额和天数直接相加 return (s - s.min()) / (s.max() - s.min()) * 100 def kraljic(df: pd.DataFrame) - pd.DataFrame: out df.copy() out[profit_score] ( 0.50 * minmax(out[annual_spend]) 0.30 * minmax(out[spend_over_cogs]) 0.20 * minmax(out[price_cv]) ) out[risk_score] ( 0.35 * (100 - minmax(out[qualified_suppliers])) # 供应商越多风险越低 0.35 * minmax(out[top1_share]) 0.30 * minmax(out[switch_leadtime_days]) ) out[quadrant] np.select( [ (out.profit_score 60) (out.risk_score 60), (out.profit_score 60) (out.risk_score 60), (out.profit_score 60) (out.risk_score 60), ], [战略型, 杠杆型, 瓶颈型], default常规型, ) return out这里的minmax是所有象限划分的前提金额、占比、天数单位完全不同不归一就没有可比性。qualified_suppliers取反是因为供应商基数越大断供风险越低。阈值 60 是通用起点如果纳入分析的品类少于 15 个建议改按中位数分档否则很容易出现某个象限一个品类都没有的尴尬结果。2.2 总拥有成本建模把报价单还原成成本项TCO 建模的意义在于打破单价最低者中标的惯性。真正的成本至少含五块净采购价、物流与关税、质量损失、库存持有、切换与管理成本。其中质量损失最容易被漏掉数据一般来自 IQC 检验记录或退货率拿不到时可以用客诉率替代但必须在报表里注明口径差异。def tco(unit_price, qty, freight_per_unit, duty_rate, defect_rate, rework_cost, hold_days, capital_rate, switch_cost, contract_years): purchase unit_price * qty landed purchase freight_per_unit * qty purchase * duty_rate quality defect_rate * qty * rework_cost holding landed * capital_rate * (hold_days / 365) switching switch_cost / max(contract_years, 1) # 切换成本按合同期摊销 total landed quality holding switching return {landed: round(landed, 2), quality: round(quality, 2), holding: round(holding, 2), switching: round(switching, 2), tco_total: round(total, 2), tco_per_unit: round(total / qty, 4)}capital_rate用公司加权资金成本不要拍一个 10% 上去否则库存持有成本会被系统性高估。switch_cost含认证费、模具费、首件试制按合同年限摊销后长协供应商的 TCO 优势会明显放大这与战略型品类的打法方向是一致的。2.3 四类品类的采购动作与常见误用象限只是起点动作才是产出。每一类都要绑定一个可追踪的 KPI否则品类策略做完就没人再打开。象限采购动作主 KPI常见误用杠杆型需求集中、多轮竞价、目标年降 3% 到 8%单位成本降幅频繁换供应商质量成本反升战略型长期协议、联合改进、早期介入研发TCO 降幅 绩效分只锁价格不锁产能旺季拿不到货瓶颈型开发第二来源、设安全库存、签保供条款供应保障率按杠杆型去招标结果无人应标常规型目录化、自动下单、卡采购订单处理成本、采购周期投入大量谈判资源ROI 为负误用栏里这三条在真实项目里出现频率最高。尤其是瓶颈型按杠杆型处理招标公告发出去应标不足三家最后还是要回头谈独家既浪费周期又暴露了自己的被动位置。3. 采购支出数据建模支出立方与 ABC 分类的代码实现支出分析是所有采购战略的地基。地基不牢后面的品类策略、供应商分级全部是空中楼阁。工程侧的目标很明确把 ERP、SRM、财务共享里的原始单据收敛成一张按时间、品类、供应商、组织四个维度切分的支出立方。3.1 支出立方的字段设计与清洗口径字段设计的第一原则是可回溯。清洗过程中一定会出错保留原始文本才能在争议时回查。字段类型口径说明spend_monthdate建议取发票过账日期所在月不用下单日期category_l3string统一到企业品类树三级禁止直接用物料描述supplier_idstring必须用主数据 ID名称只作展示supplier_name_rawstring原始名称用于清洗回溯spend_amountdecimal不含税净额含运费时单独拆列qty / uomdecimal / string换算到基本计量单位后再入库po_typestring直采、间采、资本支出分开统计is_maverickboolean无合同或无 PO 的支出标记清洗里有几个必做的动作多币种统一按发票月汇率折算剔除集团内部关联交易否则内部调拨会把支出重复放大剔除红字冲销与退货供应商名称做归一化。单位换算最容易被忽略同一物料存在箱和个两种计量时数量口径会直接失真。import re from rapidfuzz import process, fuzz SUFFIX r(股份有限公司|有限公司|集团|公司|co\.,?\s?ltd\.?|inc\.?) def norm_name(name: str) - str: s name.strip().lower() s re.sub(r[\s()·,\.\-], , s) return re.sub(SUFFIX, , s) def match_supplier(raw_names, master_names, threshold: int 88) - dict: master_norm {norm_name(m): m for m in master_names} mapping {} for raw in set(raw_names): n norm_name(raw) if n in master_norm: mapping[raw] master_norm[n] continue hit process.extractOne(n, master_norm.keys(), scorerfuzz.token_set_ratio) mapping[raw] master_norm[hit[0]] if hit and hit[1] threshold else None return mapping阈值 88 是经验值调低到 80 以下会把华东分公司和华西分公司误合并这类错误在支出报表里几乎无法事后发现。所以映射结果必须落表人工复核未匹配的记录进入待处理队列而不是直接丢弃或强行归并。3.2 用 SQL 建支出立方立方表建议按增量方式按月重跑便于回溯和比对。下面这段是典型的装载逻辑从发票主表出发向下游维表关联。INSERT INTO dw_spend_cube SELECT DATE_TRUNC(month, i.invoice_date) AS spend_month, COALESCE(c.l3_name, UNCLASSIFIED) AS category_l3, s.supplier_id, s.supplier_name, o.cost_center, p.po_type, SUM(i.net_amount * i.fx_rate_to_cny) AS spend_amount, SUM(i.qty_base_uom) AS qty, CASE WHEN p.contract_id IS NULL THEN TRUE ELSE FALSE END AS is_maverick FROM ods_ap_invoice i JOIN dim_supplier s ON i.supplier_id s.supplier_id LEFT JOIN dim_category c ON i.material_id c.material_id LEFT JOIN ods_po p ON i.po_id p.po_id LEFT JOIN dim_org o ON i.cost_center o.cost_center WHERE i.invoice_status POSTED AND i.is_intercompany FALSE GROUP BY 1, 2, 3, 4, 5, 6, 9;invoice_status必须过滤过账状态草稿单据会把支出虚增十几个百分点。is_intercompany的过滤条件不能省否则集团内部的两笔对冲交易会被记成两笔真实支出。is_maverick这一列是后续影子采购率的分母来源品类树里未分类占比超过 8% 时说明物料主数据需要补维护了。3.3 ABC 分类与供应商集中度指标ABC 分析回答的是钱花在谁身上HHI 回答的是依赖有多深。两个指标放在一起看比单独看任何一个都有信息量。import pandas as pd def abc_and_hhi(cube: pd.DataFrame, by: str supplier_name): df (cube[cube.spend_amount 0] .groupby(by, as_indexFalse) .agg(spend(spend_amount, sum))) df df.sort_values(spend, ascendingFalse).reset_index(dropTrue) df[share] df.spend / df.spend.sum() df[cum_share] df.share.cumsum() df[abc] pd.cut(df.cum_share, bins[0, 0.8, 0.95, 1.0], labels[A, B, C]) hhi round((df.share ** 2).sum() * 10000, 1) return df, hhiABC 的 80/95 分界是通用口径流程制造类企业可以收紧到 70/90因为它的头部集中度天然更高。HHI 超过 2500 时说明单一供应商依赖已经比较明显对应品类要拉进瓶颈型清单重新评估先做双源开发再谈降价。把这两个指标和品类树做交叉就能快速定位支出不大但依赖极高的高危品类。4. 供应商分级与寻源评分卡权重、阈值与 RFQ 参数品类策略定了打法接下来要解决用哪家、给多少量的问题。供应商分级和寻源评分是同一套逻辑的两个入口分级针对存量评分卡针对增量。4.1 供应商绩效评分卡的指标与权重评分卡最容易犯的错是全部由采购主观打分。指标必须能追溯到系统数据或审核记录权重则按品类象限调整。维度具体指标数据来源通用权重质量批次合格率、客诉次数IQC 记录、售后系统30%交付OTD、提前期偏差收货记录、PO 承诺日25%成本价格竞争力、年度降本贡献支出立方、合同台账25%服务响应时长、异常闭环率SRM 工单10%合规审核结果、证书有效期供应商主数据10%分档规则建议直接绑定动作A 级 85 分以上进战略合作池B 级 70 到 85 分维持并给改进目标C 级 60 到 70 分限期整改并启动备选D 级 60 分以下进入淘汰或双源开发流程。权重不是固定的瓶颈型品类应当把交付权重提到 25% 以上牺牲一点成本换取供应稳定。4.2 RFQ 评分函数与价格归一化处理招标评分里最容易出问题的是价格分。直接用报价除以预算会让极端低价把整个分布拉偏用最低价除以本家报价则最低价者恒得满分效果更稳。W {tco: 0.45, quality: 0.20, delivery: 0.15, service: 0.10, esg: 0.10} def score_supplier(bid: dict, weights: dict W) - float: raw { tco: bid[tco_min] / bid[tco] * 100, # 最低 TCO 得 100 分 quality: bid[audit_score], # 现场审核 0-100 delivery: bid[otd_rate] * 100, # 历史 OTD service: bid[service_score], esg: bid[esg_score], } return round(sum(raw[k] * weights[k] for k in weights), 2)TCO 占 45% 是常见起点但要注意tco_min必须来自同一份 TCO 模型不能一家用含税价、一家用不含税价。技术分的门槛建议单列技术分低于 70 的直接废标不参与加权否则会出现商务分补技术短板的畸形结果。4.3 should-cost 基线报价该拆成哪几段议价不是比谁嗓门大而是比谁手里有成本结构。把供应商报价拆成六段逐段和行业基线比对偏离超过 15% 的项直接要证据。成本项参考占比验证方式原材料55% - 65%对照公开现货指数或期货价加工费8% - 12%标准工时 × 设备费率直接人工5% - 10%产线人数 × 当地工资水平制造费用8% - 12%折旧摊销 能耗分摊期间费用5% - 8%供应商财报或行业基准利润5% - 10%行业毛利率区间这套基线的用途不是压到最低而是识别异常项。原材料占比报到 75% 而同期现货指数只涨了 3%这个差异就是谈判桌上的具体问题。基线每年要重算一次原料价格波动大的品类建议按季度更新。5. 供应链优化效果的验证与进阶节约归因与价格异常检测采购战略做完最难的其实是证明它有效。很多项目报告里的节约金额经不起追问因为把业务增长、结构变化和真实降价混在了一起。5.1 把降本拆成价格、数量与结构三项def savings_attribution(b_qty, c_qty, price_base, price_curr): volume (c_qty - b_qty) * price_base # 业务量变化 price (price_curr - price_base) * c_qty # 真实采购降本 mix (price_curr - price_base) * (c_qty - b_qty) # 交叉项 return {volume: volume, price: price, mix: mix, total: c_qty * price_curr - b_qty * price_base}只有price这一项算真节约volume是业务量带来的支出增加mix反映品类结构迁移。三者在总支出变化里相互抵消把混合结果当成降本业绩上报季度复盘时一定会被财务打回。汇报口径建议固定为价格项节约 / 基期支出。5.2 用滚动中位数与 MAD 做价格异常检测单价偏离往往比总支出异常更早暴露问题比如某工厂突然换了一批高价供应商。import numpy as np def flag_price(df, window: int 6, k: float 3.5): df df.sort_values(spend_month).copy() med df.unit_price.rolling(window, min_periods3).median() mad (df.unit_price - med).abs().rolling(window, min_periods3).median() df[is_outlier] (df.unit_price - med).abs() k * 1.4826 * mad return df1.4826是把 MAD 换算成正态标准差的常数k 3.5比传统 3σ 更宽容可以减少原材料涨价窗口期的误报。节假日前后、大宗商品调价月建议打标排除否则每个月都会报出一批假异常用不了多久就没人看了。5.3 象限迁移是最值得盯的信号月度看异常单价和影子采购率季度看品类在 Kraljic 矩阵里的位置变化年度重算 should-cost 基线这套节奏比一次性出报告有用得多。其中象限迁移信息量最大一个品类从杠杆型滑向瓶颈型通常意味着合格供应商数量在减少、单一来源占比在上升而支出金额可能并没有明显变化光看金额报表根本发现不了。把象限位置按月快照存下来做一次差分就能在供应风险真正爆发前拿到预警。本文还有配套的精品资源点击获取
