Facility Management — nepřímý nákup
Portfolio ukázka: jak přistupuji k nepřímému nákupu na příkladu Facility Managementu. Segmentace kategorie přes Kraljic matici, analýza podílu maverick nákupů a AI agent, který v příchozích potvrzeních objednávek od dodavatelů kontroluje soulad s naší vystavenou objednávkou a rámcovou smlouvou.
Kraljic matice pro Facility Management
Segmentace FM podkategorií podle rizika dodávky a dopadu na náklady. Určuje nákupní strategii — kde tlačit na cenu, kde chránit kontinuitu a kde konsolidovat.
Bottleneck
Strategické
Nekritické
Leverage
Klikněte na podkategorii v matici pro zobrazení detailu.
Legenda kvadrantů
Vysoké riziko dodávky, nízký dopad na náklady. Strategie: zajistit kontinuitu, diverzifikace dodavatelů, bezpečnostní zásoby.
Vysoké riziko i dopad. Strategie: dlouhodobé partnerství, joint development, chránit kontinuitu.
Nízké riziko i dopad. Strategie: efektivita, konsolidace, e-procurement, snižovat transakční náklady.
Nízké riziko, vysoký dopad. Strategie: tlačit na cenu, aukce, konkurenční tlak, optimalizovat smluvní podmínky.
Maverick buying / tail spend
Podíl nákupů mimo rámcovou smlouvu v jednotlivých FM kategoriích. Ukazuje, kde uniká hodnota a kde má konsolidace nejrychlejší efekt.
iOdkud pocházejí data a jak by to fungovalo v praxi▾
1. Zdroj dat
Fakturační a PO data z P2P systému (procure-to-pay, nákupní proces od objednávky po platbu) — konkrétně z AP modulu (accounts payable, evidence závazků vůči dodavatelům) ERP systému. Každý řádek nese dodavatele, kategorii (GL účet nebo nákladové středisko), částku a informaci, zda se váže na PO číslo. V demu jsou data ilustrativní, v produkci by šlo o exportovaný nebo API napojený spend cube.
2. Jak se určuje „na smlouvě" vs. „mimo smlouvu"
Match dodavatele a kategorie proti registru rámcových smluv (v produkci: master data dodavatelů propojená s CLM systémem — contract lifecycle management, správa životního cyklu smluv — typu Ariba Contracts nebo Icertis). Nákup je vyhodnocen jako maverick, pokud platí alespoň jedna podmínka:
- chybí reference na PO číslo
- dodavatel není v preferovaném seznamu pro danou kategorii
- PO je vystavena mimo platnou rámcovou smlouvu (např. po expiraci)
3. Jak by to agent hlídal průběžně
Rozlišujeme dva typy kontroly, které se doplňují:
Kontrola v okamžiku vzniku
Kontroluje jednotlivou objednávku v momentě, kdy vzniká — cenu, množství, dodací termín a splatnost proti PO.
Průběžný monitoring
Pravidelný sken (týdně/měsíčně) fakturačních dat, který hledá:
- faktury bez PO reference
- opakující se nákupy u dodavatelů mimo framework
- nárůst frekvence objednávek u netransakčních dodavatelů (tail spend drift)
Výstup: dashboard pro category managera + automatický podnět ke konsolidaci nebo novému výběrovému řízení, jakmile tail spend u kategorie překročí nastavený práh.
OC/PO agent zabraňuje jednotlivým chybám v transakci, monitoring agent odhaluje systémový vzorec, který jednotlivé kontroly nezachytí.
AI agent pro kontrolu potvrzení objednávek
Architektura pipeline a funkční demo: my vystavíme objednávku (PO) dodavateli FM služby a agent u příchozího potvrzení objednávky (OC) zkontroluje, jestli sedí s naší PO a rámcovou smlouvou — dodavatel, cena, množství, platební a dodací podmínky.
Architektura pipeline
- 1.Vstup datpříchozí potvrzení objednávky (OC) od dodavatele
- 2.Párování s naší PO a rámcemmatch PO čísla, dodavatele a rámcové smlouvy
- 3.Kontrola cen a podmínekcena vs. ceník rámce, množství, platební a dodací termíny
- 4.KlasifikaceSchválitFlag odchylkaEskalovat
- 5.Návrh akcevrátit OC dodavateli / upravit PO / eskalovat manažerovi
Interaktivní demo — kontrola OC vs. PO a rámec
Čistě frontendová simulace. V produkci by agent běžel nad ERP daty (SAP MM, Coupa, Ariba), párováním OC ↔ PO ↔ rámcové smlouvy a ceníky — každé pravidlo má vlastní práh, escalation path a audit log.