Закупки / Supplier score
Как сравнить предложения поставщиков с ИИ
Сравнение предложений поставщиков с ИИ — это расчёт взвешенного supplier score по ключевым критериям: цена, качество, сроки, надёжность. ИИ автоматизирует сбор и нормализацию данных, выявляет аномалии и подсказывает, на что обратить внимание, но сам расчёт — это прозрачная формула с весами, которую легко проверить.
Проблема
Почему это важно
Без системного подхода закупщик сравнивает предложения вручную: открывает несколько писем, таблиц, сводит цены, сроки, условия. При большом количестве поставщиков и критериев решение принимается на основе интуиции или давления срочности, а не объективных данных.
Почему возникает
- Данные разрознены: цены в одних файлах, условия в других, качество — в отзывах и рекламациях.
- Критерии не формализованы: нет единого списка показателей и их весов.
- Ручная нормализация цен (учёт скидок, доставки, НДС) занимает время и приводит к ошибкам.
- Отсутствует история: сложно сравнить текущее предложение с прошлыми закупками.
Риски и потери
- Переплата из-за выбора не самой выгодной цены после учёта всех условий.
- Срыв сроков из-за ненадёжного поставщика, который не был оценён по прошлым задержкам.
- Потеря времени на ручной сбор данных, которое можно потратить на переговоры.
- Субъективные решения, которые сложно защитить перед руководством.
Что влияет на результат
- Цена с учётом скидок, доставки, НДС и условий оплаты.
- Качество: рекламации, возвраты, сертификаты.
- Сроки поставки и точность их соблюдения.
- Надёжность: история сотрудничества, финансовое состояние, отзывы.
- Сервис: гарантия, техподдержка, условия возврата.
Типичные ошибки ручного подхода
- Сравнение цен без учёта доставки и НДС.
- Игнорирование весов критериев: цена перевешивает качество или сроки.
- Ошибки в пересчёте валют и единиц измерения.
- Потеря части предложений из-за ручного сбора.
- Субъективная оценка надёжности без данных.
Определение
Что важно понимать
Supplier score
Взвешенная оценка предложения поставщика по нескольким критериям, позволяющая объективно сравнить разные оферты.
Даёт единую числовую метрику для сравнения, исключая субъективность и позволяя ранжировать поставщиков.Нормализация
Приведение значений разных критериев к единой шкале (например, 0–10), чтобы их можно было суммировать с весами.
Без нормализации нельзя сложить цену в рублях и срок в днях — они имеют разные единицы измерения.Вес критерия
Коэффициент, отражающий важность критерия для компании (например, цена 0.5, качество 0.3, сроки 0.2).
Веса задают приоритеты бизнеса: для одних закупок важнее цена, для других — сроки.Данные
Какие данные нужны
Коммерческие предложения
Исходные данные для сравнения: цена, условия, сроки.
- Наименование товара/услуги
- Цена за единицу
- Валюта
- Условия доставки
- Срок поставки
- Условия оплаты
История закупок
Для оценки надёжности поставщика: прошлые задержки, рекламации.
- Дата поставки
- Фактический срок
- Количество рекламаций
- Оценка качества
Критерии и веса
Определяют, как считается supplier score.
- Название критерия
- Вес (0–1)
- Шкала нормализации
Справочники
Для нормализации: курсы валют, ставки НДС, единицы измерения.
- Курс валюты
- Ставка НДС
- Коэффициенты пересчёта
Методология
Методика расчёта supplier score
Принципы
- Критерии должны быть измеримыми и однозначными.
- Веса задаются бизнесом и отражают стратегию закупок.
- Нормализация обязательна для всех критериев.
- Расчёт прозрачен: каждый шаг можно проверить вручную.
Допущения
- Все предложения сопоставимы по составу (одинаковый объём, спецификация).
- Веса критериев определены заранее и не меняются в процессе сравнения.
- Данные о качестве и надёжности доступны (история, рекламации).
Ошибки
- Сравнение цен без учёта доставки и НДС.
- Использование разных шкал для разных критериев без нормализации.
- Игнорирование весов: все критерии считаются равными.
- Ручной пересчёт, приводящий к арифметическим ошибкам.
Роль ИИ
Как ИИ решает задачу
Автоматический сбор и нормализация данных из предложений
Данные на входе: Коммерческие предложения в разных форматах (PDF, Excel, email)
Что делает модель: Извлекает ключевые поля (цена, сроки, условия) и приводит к единым единицам измерения с учётом курсов и НДС
Результат: Структурированная таблица с нормализованными значениями
Как используется: Закупщик видит единую таблицу для сравнения, не тратя время на ручной ввод
Выявление аномалий в ценах и условиях
Данные на входе: Нормализованные цены и условия по всем предложениям
Что делает модель: Сравнивает текущие цены с историческими и рыночными, находит выбросы (слишком низкие или высокие)
Результат: Список аномальных предложений с пояснением
Как используется: Закупщик проверяет аномалии: возможно, заниженная цена скрывает дополнительные условия
Расчёт supplier score по формуле
Данные на входе: Нормализованные оценки по критериям, Веса критериев
Что делает модель: Вычисляет взвешенную сумму по заданной формуле (бизнес-правило)
Результат: Итоговый supplier score для каждого предложения
Как используется: Система ранжирует предложения по score, закупщик принимает решение
Формирование рекомендаций по выбору поставщика
Данные на входе: Supplier score по всем предложениям, История сотрудничества, Текущие потребности бизнеса
Что делает модель: Сопоставляет score с бизнес-контекстом и формирует рекомендацию на естественном языке
Результат: Текстовое резюме: какой поставщик предпочтителен и почему
Как используется: Закупщик получает обоснование для руководства
Разбор
Как это работает
- 1
Вход: коммерческие предложения от поставщиков. Действие: система извлекает данные (цена, сроки, условия) и нормализует их. Результат: единая таблица с сопоставимыми значениями.
- 2
Вход: нормализованные данные. Действие: система присваивает каждому критерию оценку по шкале 0–10 (например, цена: чем ниже, тем выше балл). Результат: матрица оценок по критериям.
- 3
Вход: матрица оценок и веса критериев. Действие: система рассчитывает supplier score = Σ(оценка × вес). Результат: числовой score для каждого поставщика.
- 4
Вход: scores и исторические данные. Действие: система выявляет аномалии (например, подозрительно низкая цена) и проверяет надёжность поставщика. Результат: предупреждения о рисках.
- 5
Вход: scores, аномалии, бизнес-контекст. Действие: система формирует рекомендацию и объясняет её. Результат: закупщик получает обоснованный выбор для утверждения.
Расчет
Формула supplier score
Supplier score рассчитывается как взвешенная сумма нормализованных оценок по критериям. Ниже — базовая формула и пример.
Supplier score
S = Σ (w_i × n_i)- S — итоговый supplier score
- w_i — вес i-го критерия (сумма весов = 1)
- n_i — нормализованная оценка по i-му критерию (0–10)
Условный пример: Критерии: цена (вес 0.5), качество (0.3), сроки (0.2). Оценки: цена 8, качество 9, сроки 7. S = 0.5×8 + 0.3×9 + 0.2×7 = 4.0 + 2.7 + 1.4 = 8.1
Нормализация: для цены — чем ниже цена, тем выше балл (например, 10 × (мин. цена / цена)). Для качества — доля без рекламаций. Для сроков — обратная величина к сроку.
Пример расчета
Как это выглядит в цифрах
Условный пример: сравнение трёх поставщиков
- Допущение: Поставщик А: цена 100 руб., качество 95%, срок 10 дней
- Допущение: Поставщик Б: цена 90 руб., качество 90%, срок 15 дней
- Допущение: Поставщик В: цена 110 руб., качество 98%, срок 7 дней
- Допущение: Веса: цена 0.5, качество 0.3, сроки 0.2
Нормализация: цена: А=0.9, Б=1.0, В=0.82 (мин. цена/цена). Качество: А=0.95, Б=0.9, В=0.98. Сроки: А=0.7, Б=0.47, В=1.0 (мин. срок/срок). Score: А=0.5×0.9+0.3×0.95+0.2×0.7=0.45+0.285+0.14=0.875. Б=0.5×1.0+0.3×0.9+0.2×0.47=0.5+0.27+0.094=0.864. В=0.5×0.82+0.3×0.98+0.2×1.0=0.41+0.294+0.2=0.904. Лучший — В.Поставщик В имеет наивысший score (0.904) благодаря лучшему качеству и срокам, несмотря на более высокую цену. Это показывает, что при весах, где качество и сроки важны, не всегда побеждает минимальная цена.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Supplier score по всем критериям
- Аномалии цен (слишком низкие/высокие)
- История надёжности поставщика
- Текущие приоритеты бизнеса (цена vs сроки)
Какие риски учтены
- Риск выбора поставщика с низким качеством из-за низкой цены
- Риск срыва сроков у ненадёжного поставщика
- Риск скрытых условий в аномально низком предложении
Какие варианты рассматривались
- Выбор по минимальной цене без учёта качества
- Ручное сравнение без нормализации
- Выбор по прошлому опыту без данных
Взвешенный score учитывает все значимые критерии и позволяет объективно ранжировать предложения, снижая субъективность.
Если бизнес-приоритет смещён в сторону цены (например, при ограниченном бюджете), веса будут другими, и рекомендация может измениться в пользу более дешёвого поставщика.
Результат
Что видит пользователь
Таблица с нормализованными данными и scores
Сводная таблица по всем поставщикам с оценками по критериям и итоговым score
Быстрое ранжирование и выбор лучшего предложенияУведомление об аномалиях
Предупреждение о подозрительно низкой/высокой цене или нетипичных условиях
Проверка аномалий до принятия решенияРекомендация с обоснованием
Текстовое резюме: какой поставщик предпочтителен и почему
Подготовка обоснования для руководстваАвтоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и нормализация данных из предложений
- Расчёт supplier score по формуле
- Выявление аномалий в ценах и условиях
- Формирование рекомендаций
Требует настройки
- Настройка критериев и весов
- Загрузка справочников (курсы, НДС)
- Определение порогов для аномалий
Остаётся за человеком
- Утверждение выбора поставщика
- Переговоры по цене и условиям
- Проверка аномальных предложений
Внедрение
Как внедрить решение
Быстрый запуск
- Создать таблицу с критериями и весами
- Вручную внести данные из предложений
- Рассчитать score по формуле в Excel
Рабочая система
- Настроить автоматический сбор предложений из почты
- Подключить справочники курсов и НДС
- Разработать дашборд с scores и аномалиями
Расширенный вариант
- Использовать ML для прогнозирования надёжности поставщика
- Интеграция с ERP для автоматической загрузки истории закупок
- Сценарный анализ: изменение весов и влияние на выбор
Подготовка
Чек-лист перед запуском
- 1
Определить перечень критериев для сравнения
- 2
Назначить веса каждому критерию (сумма = 1)
- 3
Собрать коммерческие предложения от всех поставщиков
- 4
Нормализовать данные: привести цены к единой валюте и условиям
- 5
Рассчитать supplier score для каждого предложения
- 6
Проверить аномалии: слишком низкие/высокие цены
- 7
Сравнить scores и выбрать лучшего поставщика
- 8
Задокументировать решение и обоснование
Вывод
Главное
Сравнение предложений поставщиков должно быть объективным и воспроизводимым: используйте взвешенный supplier score, а не интуицию.
Основные данные — коммерческие предложения, история закупок, критерии и веса. Ключевой расчёт — взвешенная сумма нормализованных оценок.
ИИ автоматизирует сбор и нормализацию данных, выявляет аномалии и формирует рекомендации, но базовый расчёт остаётся прозрачной формулой.
Начните с простой таблицы: определите критерии, веса и посчитайте score вручную для текущей закупки.
Метод ReMetod
На чем основан вывод
Метод ReMetod показывает, как выстроить путь от бизнес-проблемы к работающему решению: модель решения, данные, автоматизация, интерфейс. В задаче сравнения предложений поставщиков этот подход позволяет сначала формализовать критерии и веса, затем собрать данные и автоматизировать расчёт supplier score, а уже потом подключать ИИ для аномалий и рекомендаций.
В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.
Посмотреть программу практикумаВопросы
Что обычно уточняют
Не проще ли выбрать самого дешёвого поставщика?
Нет, если важны качество и сроки. Низкая цена может обернуться рекламациями и задержками, которые в итоге обойдутся дороже. Supplier score учитывает все критерии, а не только цену.
ИИ не заменит опыт закупщика?
ИИ не заменяет, а усиливает: он берёт на себя рутинный сбор и расчёты, а закупщик принимает решение, проверяет аномалии и ведёт переговоры. Опыт остаётся ключевым.
Как задать веса критериев?
Веса определяются бизнес-приоритетами: если для компании критична цена, ставьте вес 0.5–0.6, если сроки — увеличьте их вес. Главное, чтобы сумма весов была равна 1.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться автоматизировать сравнение предложений поставщиков с ИИ? Приходите на бесплатный вебинар ReMetod.