Дешевый поставщик по факту самый дорогой: формула, которую я даю финдиректорам

Снабжение отчиталось о блестящей экономии: 150 тысяч рублей. Директор по закупкам получил премию, собственник одобрительно кивнул. Казалось бы, победа. Но через восемь месяцев финансовый директор обнаружил, что компания потеряла 1,8 млн рублей.

Пока люди радовались цифре в счете, прогрессивные алгоритмы уже видели, как эта «выгода» превращается в криминальную хронику.

Не так давно я разбирал кейс производственной компании, которая закупила партию промышленных насосов у нового поставщика. Цена была на 12% ниже рынка, но через 8 месяцев реальность нанесла ответный удар:

Итог: сэкономили 150 тысяч на цене, потеряли 1,8 млн на совокупной стоимости владения (Total Cost of Ownership, или TCO). Это как купить автомобиль на распродаже, сэкономив сотню тысяч, а потом обнаружить, что страховка и ремонт обходятся в миллион в год.

И пока менеджеры спорят о процентах скидки в Excel, прогрессивные компании уже отдают рутину по сбору этих скрытых данных RPA-ботам. Почему? Потому что человек склонен к когнитивным искажениям. Алгоритм же делает рентгеновский снимок закупки: на поверхности видна только цена, но под ней AI-модуль анализирует данные из ERP-систем и рассчитывает реальную стоимость простоя, брака и замороженного капитала. Без эмоций, без «творческого подхода» к отчетности

Анатомия TCO: где пересекаются финансы, закупки и SCM

TCO — это не модная аббревиатура из учебника программы MBA. Это единственный честный способ оценить, сколько на самом деле стоит актив на протяжении всего его жизненного цикла. И эта формула находится ровно на стыке трех функций, которые часто воюют друг с другом, как кошки с собаками.

Классическая формула TCO:

TCO = Цена приобретения + Логистика + Хранение + Эксплуатация + Риски простоя/брака – Ликвидационная стоимость

Проблема в том, что собрать достоверные данные для каждого компонента вручную является задачей сродни археологическим раскопкам, где снабженец не видит данных о простоях из ERP, финансист не знает реальных сроков таможенной очистки, а логист не учитывает стоимость денег, замороженных в запасах.

В условиях, когда ключевая ставка ЦБ находится в диапазоне 15-20%, а инфляция съедает маржу быстрее, чем вы успеете пересчитать прайс, стоимость замороженного капитала становится критическим фактором. То, что раньше можно было игнорировать, теперь напрямую убивает рентабельность.

Именно здесь на сцену выходят технологии. RPA-бот работает «кладовщиком»: автоматически выгружает данные о дефектах из системы качества, собирает инвойсы поставщиков, подтягивает отчёты о простоях из ERP, то есть делает всё то, что люди обычно делают вручную, копируя из Excel в Excel. А дальше в игру вступает AI-модуль как «аналитик»: он сопоставляет разнородные данные, находит скрытые паттерны и рассчитывает реальный коэффициент брака и риск простоя в режиме реального времени. Иными словами, RPA собирает факты, а AI превращает их в инсайты.

Математика, которая не прощает ошибок

Кейс с насосами — это реальная жизнь, где цифры часто скрыты в хаосе операционки. Чтобы вы могли легко применить этот подход у себя, давайте разберем чистую математическую модель на примере закупки станка с ЧПУ. Здесь всё прозрачно, чтобы вы увидели, как именно работает формула шаг за шагом.

Допустим, мы выбираем между двумя поставщиками. Срок расчета возьмём за 3 года.

Поставщик А (Дешевый): 5 000 000 руб. Поставщик Б (Дорогой): 5 600 000 руб. (+12% к цене).

Выбор кажется очевидным. Но посчитаем TCO за 3 года.

Вывод: Сэкономив 600 тысяч на старте, компания теряет 1,45 млн рублей за три года. «Дешевая» закупка обошлась на 23% дороже.

Согласно международным бенчмаркам APQC, совокупная стоимость владения в обрабатывающей промышленности составляет 120-150% от первоначальной цены закупки за 3 года эксплуатации. Наши цифры (156% для Поставщика А и 113% для Поставщика Б) вписываются в этот коридор, что подтверждает реалистичность модели.

И если раньше аналитику пришлось бы обзванивать три отдела, чтобы получить цифры для строки «Риски простоя», то сегодня AI-модуль, интегрированный с MES-системой, прогнозирует вероятность простоя на основе исторических данных о надежности вендора. Это не магия, это работа с данными, а не с интуицией.

3 скрытых затрат, о которых забывают даже опытные финдиректора

Коллеги, какая статья «скрытых затрат» бьет по вашему бюджету сильнее всего? Внезапно подорожавшая логистика? Брак, который всплывает только на этапе сборки? Или простои, парализующие отгрузку из-за срыва сроков одним вендором?

Напишите в комментариях ваш самый болезненный кейс. Соберем вместе реальный анти-рейтинг проблем, с которыми сталкивается бизнес.

Почему снабженцы сопротивляются TCO

Недавно на одном заводе снабженец показал мне таблицу, где чёрным по белому было написано: «Экономия бюджета = 12%». Я спросил: «А потери от простоев посчитал?» Он пожал плечами и элегантно парировал: «Это ж не моя зона ответственности». Вот вам и весь конфликт интересов в одной фразе.

Система KPI в большинстве компаний по-прежнему поощряет локальную оптимизацию. Премия менеджера по закупкам зависит от «экономии бюджета». Если он купит дорогой, но надежный станок, его KPI будет выполнен хуже, чем если бы он купил дешевый. То, что через год производство потеряет миллион на простоях, в его премию не заглянет.

Это классический конфликт. И решается он не лекциями о важности комплексного подхода, а изменением метрик. Прогрессивные CFO привязывают бонусы снабжения не к цене инвойса, а к совокупному результату, данные для которого собираются автоматически через те же RPA-скрипты, исключающие человеческий фактор из уравнения.

Что делать уже завтра?

Вам не нужно внедрять SAP или нанимать штат data scientist'ов. Начните с малого.

Помните: в бизнесе, как и в физике, чудес не бывает. Если что-то стоит подозрительно дешево, значит, вы просто еще не получили счет за это.

Дисклеймер: Мнение автора основано на профессиональном опыте. Все цифры и кейсы приведены в качестве оценочных суждений и иллюстраций методологии, и могут отличаться в зависимости от специфики конкретного бизнеса