§ 01採購數據分析的範疇
採購數據分析（Procurement Analytics）涵蓋從採購交易數據、供應商績效數據和市場數據中提取有用洞察，支持採購決策的一系列能力。
它的核心主題包括：
支出分析（Spend Analysis） 向誰買了什麼、花了多少錢。這是所有採購分析的起點，也是識別節省機會的基礎。
供應商績效分析（Supplier Performance Analytics） 供應商的交期達成率、品質表現、響應速度的量化追蹤和趨勢分析。
供應風險分析（Supply Risk Analytics） 哪些供應商或物料類別具有高集中度風險、財務脆弱性或地緣政治暴露？
成本驅動因素分析（Cost Driver Analysis） 成本上漲背後的原因——原材料價格、匯率、能源成本、勞工成本？
市場價格追蹤（Market Price Tracking） 採購物料的市場價格走勢，判斷供應商報價是否合理，決定採購時機。
節省追蹤（Savings Tracking） 採購節省成果的量化記錄和驗證。
流程效率指標（Process Efficiency Metrics） PO 處理時間、詢報價週期、合約覆蓋率等流程效率的量化追蹤。
§ 02為什麼採購數據分析重要
沒有數據支撐的採購是被動的：等問題浮現才反應，靠感覺和經驗做判斷，節省效果難以量化，績效評估依賴主觀印象。
數據驅動的採購可以做到：
提前識別機會：支出分析可以發現向多家供應商重複採購同類物料的整合機會，在人工察覺之前。
以事實為基礎的談判：「你的螺絲報價比去年高 15%，但原材料指數同期上漲了 8%——能否解釋差距？」這種對話只有在你有數據的時候才能進行。
客觀績效評估：供應商 A 的主觀印象「還不錯」，但數據顯示他的準時交貨率是 82%，在你的供應商中排名倒數第三。這個數據讓績效討論有了客觀基礎。
節省效果的可信度：採購節省如果沒有嚴謹的計算方式，就只是「我們覺得省了很多」。有數據、有計算方法的節省報告，才能取得財務部門的認可，也才能真實反映採購工作的價值。
§ 03採購分析能力的成熟度模型
採購數據分析能力可以用四個層次描述，從低到高分別是：
第一層：描述性分析（Descriptive）
回答「發生了什麼？」
能力包括：支出報告（各類別、各供應商的費用分布）、供應商評分卡（交期達成率、品質良率的月度統計）、基本的費用趨勢圖表。
大多數台灣中小製造業的採購數據分析能力在這個層次，或者甚至還沒到——支出數據在系統裡，但沒有人定期整理和閱讀。
達到第一層的工具需求：Excel + 基本的 ERP 數據匯出能力。這不需要買新系統。
第二層：診斷性分析（Diagnostic）
回答「為什麼發生？」
能力包括：成本差異的根本原因分析（某類物料成本上漲，是數量增加、單價上漲、還是規格改變？）、品質問題的來源分析（哪些供應商、哪些物料類別貢獻了最多的品質問題？）、交期達成率低的原因分析（是特定供應商的系統性問題，還是偶發性的外部因素？）。
第二層需要的不只是報表，而是「能夠把數據交叉比較、找到模式」的能力。工具上，Excel 的進階功能（Pivot Table、Power Query）或 Power BI 可以支持這個層次。
第三層：預測性分析（Predictive）
回答「下一步會發生什麼？」
能力包括：需求預測的統計模型（基於歷史需求模式預測未來需求）、供應商風險評分（基於財務指標、交期趨勢、品質趨勢預測供應商問題的可能性）、原材料價格走勢預測（基於市場指標和歷史相關性）。
這個層次需要更強的數據科學能力和更豐富的外部數據來源，不是大多數台灣中小製造業的立即目標，但了解這個層次存在，有助於判斷未來能力發展方向。
第四層：指示性分析（Prescriptive）
回答「我們應該怎麼做？」
能力包括：採購優化模型（在多重限制條件下計算最優採購量和供應商配置）、情境分析（如果某個供應商斷鏈，各種替代方案的成本和可行性是多少）。
這個層次在理論上是最強大的，但也是最難實現和最依賴數據品質的。對大多數企業而言，在第二到三層建立穩固的能力，比追求第四層更有現實意義。
§ 04採購數據的來源
採購分析的數據從哪裡來？
ERP 交易數據 採購訂單、收料記錄、發票記錄是最核心的數據來源。大多數台灣製造業都有某種 ERP 或進銷存系統，這些數據是支出分析和供應商績效分析的基礎。問題通常不是數據不存在，而是數據分散在系統的不同模塊，沒有人定期整合。
供應商提供的數據 部分供應商績效數據需要來自供應商（他們的出貨記錄、品質證書、產能信息）。建立固定的數據交換機制，讓供應商定期提交標準格式的績效數據。
市場價格指數 原材料價格的市場指數（如倫敦金屬交易所 LME 的銅/鋁/鉛/錫/鉛鋅指數、石油化學品指數、電子元件價格指數）是判斷供應商報價合理性的外部參照。這些數據通常可以從公開來源或行業數據服務獲取。
外部供應鏈風險數據 信用評等數據、財務報告、產業新聞、地緣政治風險評估。這類數據對於供應風險管理有用，但對中小企業而言收集成本較高，通常依賴採購人員的市場洞察而非系統化的數據收集。
§ 05不花大錢建立分析能力
不需要採購昂貴的 BI 工具，就可以建立實用的採購數據分析能力。
Excel 的 Pivot Table 和圖表（第一到二層） ERP 數據匯出到 Excel，用 Pivot Table 做支出分析、供應商排名、月度趨勢——這些都不需要任何額外工具，只需要一個懂 Excel 的人。很多台灣中小企業的採購分析需求，在初期完全可以靠 Excel 滿足。
Power BI Desktop（第二到三層） Microsoft 的 Power BI Desktop 是免費下載的工具，可以連接 Excel 或直接連接某些 ERP，製作比 Excel 更強大的儀表板和分析報告。它的學習曲線比 Excel 陡，但能力也顯著更強。對於已經在使用 Microsoft 365 的企業，Power BI 的服務版本可能已包含在訂閱中。
何時考慮專業採購分析工具 當採購支出規模超過一定水準（通常是年度採購支出超過數億台幣）、數據源超過三到四個無法靠 Excel 整合、需要近即時的數據更新，才值得考慮投資 Jaggaer、Coupa、Ivalua 等專業採購分析平台。大多數台灣中小製造業目前都不到這個需求門檻。
§ 06關鍵採購指標一覽
哪些指標值得追蹤？按四個維度：
| 維度 | 指標 | 計算方式 | 建議監控頻率 |
|---|---|---|---|
| 成本 | 採購總支出分布 | 按類別/供應商/事業部彙整 | 月度 |
| 成本 | 年度節省達成率 | 實現節省 ÷ 承諾節省目標 | 季度 |
| 成本 | 尾端支出比例（Tail Spend %） | 長尾供應商支出 ÷ 總支出 | 半年 |
| 品質 | 進料不合格率 | 不合格批次 ÷ 總收貨批次 | 月度 |
| 品質 | DPPM | 缺陷件數 ÷ 百萬件次 | 月度（高精品項） |
| 交期 | 準時交貨率（OTIF） | 準時且足量交貨批次 ÷ 總批次 | 月度 |
| 風險 | 單一來源物料比例 | 單一供應商物料數 ÷ 全部物料數 | 季度 |
| 風險 | 合約覆蓋率 | 有效框架合約支出 ÷ 總支出 | 半年 |
§ 07台灣中小製造業的數據起點
台灣中小製造業普遍面臨的現實是：ERP 數據存在，但沒有被系統性地用於採購決策。
常見情況：
- 鼎新/遠擬/SAP Business One 等系統裡有三到五年的採購交易記錄，但平時只用來開 PO 和查庫存，沒有人定期跑支出分析報告
- 供應商交期記錄散落在各個 PO 上，沒有彙整成交期達成率的統計
- 品質問題靠人記憶，沒有系統化的數據記錄
這不是能力問題，是習慣和優先順序的問題。
從零開始建立採購數據分析能力的最務實起點：
第一步：從 ERP 匯出過去 12 個月的採購訂單資料，包含：日期、供應商、物料編號/描述、數量、單價、金額、採購類別。做一份 Pivot Table，看看「哪些供應商拿走了最多的採購金額」和「哪些物料類別佔支出最大比例」。
這一步通常要不了半天，但很多企業的採購主管做完之後說「我不知道原來 XX 供應商佔我們採購總額的 30%」。這個洞察已經是有價值的。
第二步：建立固定的月度收料記錄，標記每批貨的預計交期和實際到貨日，計算準時交貨率。這需要一點習慣建立的時間，但兩三個月後就有了可以做分析的數據。
第三步：把前兩步的分析整合成每月的採購回顧報告，分享給相關的管理層。讓數據進入組織的決策流程，而不只是存在採購人員的電腦裡。
三步做好，就已經比台灣大多數同規模製造業的採購數據分析能力強了。
§ 08馬佩萊觀點
很多公司不是沒有採購數據，而是數據躺在 ERP 裡，沒有人花時間整理。更可惜的是另一種情況：分析做了、報告也交了，採購行為卻什麼都沒變。我認為問題不在分析的深度，而在報告的結尾——它告訴大家發生了什麼，卻沒有指定誰要做什麼決定。一份不要求任何人行動的報告，看完就只是資訊，不會變成改變。
所以我建議每一份給管理層的採購報告，最後只放一個需要他們拍板的問題：這家準交率連續下滑的廠商，要不要啟動備援？這個品類要不要集中下單？另外也要誠實面對一件事：採購 KPI 常被設計成保護採購部門，例如只算談下來的降價，不算因此多出來的品質成本。指標如果只讓採購好看，數據再完整，也只是在替一個部門寫成績單。