Ключевая задача закупок — своевременная поставка необходимой продукции из надёжных источников и по оптимальной цене. Чтобы её решить, необходимо глубоко погрузиться в потребности бизнеса, синхронизироваться с другими процессами, отслеживать тенденции на рынке. Среди российских компаний были достаточно распространены комплексные системы международных вендоров, главным достоинством которых являлась платформенность. Продукты включали весь спектр решений — от бухгалтерского учёта до систем анализа и прогнозирования деятельности предприятия в целом.
Что же делать сейчас?
В последнем случае компания получает экосистему, которая позволяет связать модули в рамках единого ИТ-ландшафта, наладить сквозные процессы, получить аналитику по всем направлениям.
Преимущества подобных экосистем в том, что они существенно снижают зависимость как от конкретного вендора, так и от интегратора. Они позволяют уверенно планировать, управлять адаптацией и развитием решения с учётом внешних и внутренних факторов, быстро заменяя и добавляя текущие и новые системы, сервисы. Первыми экосистемный подход освоили крупнейшие игроки рынка. Теперь с учётом изменений они развиваются и в области закупок, логистики и управления поставщиками.
Пример. Dialog.X5 (собственная разработка X5 Group) — экосистема для партнёров и поставщиков, которая объединяет различные сервисы: для аналитики процессов, подготовки логистической отчетности, стратегий продаж, таргетинга и оценки гипотез. Для компаний-пользователей это возможность получить ценную информацию, которую можно применять и для повышения собственной эффективности, и для улучшения взаимодействия с торговой сетью. Так, один из крупных поставщиков выявил оптимальную частоту промоакций, влияющую на увеличение спроса. Другим же она помогла наблюдать динамику повторных продаж, сравнивать показатели с конкурентами, персонализировать маркетинговые активности, отслеживая клиентский путь и дифференцируя усилия для привлечения разных аудиторий.
Главным вызовом экосистем становятся высокие требования к интеграционным возможностям, ведь они объединяют большое количество разнообразных решений и сервисов, предлагаемых часто разными разработчиками. При этом взаимодействие между сервисами должно быть сквозным.
Избежать этой проблемы помогут технологии, набирающие всё большую популярность: BPM (ИТ-решения для управления бизнес-процессами) и low-code. BPM-платформа становится ядром управления и оркестрации процессов, а для обеспечения бизнес-контекста разрабатываются или подключаются необходимые функциональные модули, расширения, внешние сервисы. Low-code значительно ускоряет и упрощает разработку, а также снижает потребность в узкоквалифицированных ИТ-специалистах.
Этот же способ позволяет обойти ограничения учётных ERP-систем, используя их в качестве одного из подключаемых сервисов, наряду со внутренними (электронным документооборотом, системами управления мастер-данными и бизнес-аналитики) и внешними (электронными торговыми площадками, порталами, сервисами проверки и обмена данными) системами и сервисами в рамках единого сквозного процесса.
Открываются опции:
Пример. Группа компаний «Агротерра», занимающаяся растениеводством и семеноводством, сократила цикл закупки на 50%, используя российскую low-code BPM-систему для автоматизации закупок. На запуск проекта ушло более двух месяцев. Теперь сотрудники работают в едином контуре, объединяющем SRM- (ИТ-решение для управления взаимоотношениями с поставщиками) и CRM-системы (ИТ-решение для управления взаимоотношениями с клиентами), и тратят гораздо меньше времени на рутинный учёт. Все их действия благодаря BPM унифицированы и стандартизированы, что существенно ускоряет работу, а также сокращает количество дублирований и ошибок. Важно, что развивать и масштабировать систему в «Агротерре» могут своими силами.
Значимым этапом развития экосистемы станет подключение моделей машинного обучения, которые впоследствии укажут на оптимальный подход к снабжению и закупкам по той или иной категории с учётом доступных возможностей.
В ходе процессов закупок и управления цепочками поставок генерируется огромное количество полезных данных, а сами операции по большей части рутинны. Сочетание этих двух характеристик — питательное комбо для машинного обучения. Замечу, что российскими компаниями уже используются инструменты Machine Learning для решения самых разноплановых задач. Так, модели для работы с текстом анализируют коммерческие предложения и извлекают необходимые данные. Диалоговые модели или чат-боты общаются с заказчиками и поставщиками. Технологии компьютерного зрения применяются для распознавания и классификации документов.
Быстро развивается и предикативная аналитика, повышающая точность принятия решений. Она может быть полезна в планировании закупок. А модели выявления аномалий обратят внимание на нестандартное поведение и предотвратят ошибки и даже случаи мошенничества.
Пример. Один из российских разработчиков выпустил специализированных роботов, которые могут самостоятельно участвовать в электронных торгах и закупках. Первый умеет искать новые закупки на популярных торговых площадках (АО «Росэлторг», «Контур.закупки», ЕИС «Закупки») и участвовать в аукционах. Второй готовит необходимые документы и рассчитывает начальную максимальную цену контракта.
Однако одной только автоматизации процесса закупок будет недостаточно. Она должна быть реализована в комплексе с бизнес-консалтингом, доработкой смежных систем и обучением сотрудников. Иначе есть реальный риск получить узкое горлышко, а ещё потратить бюджет на решение, которое потеряет свою актуальность в течение нескольких лет.