Скрытый НДС, валютные скачки и рутина в Excel: как автоматизировать анализ коммерческих предложений и сократить затраты на закупки

В большинстве торговых и производственных компаний процесс выбора поставщика до сих пор держится на ручном сведении разрозненных таблиц.

Когда на одну закупочную процедуру приходит 15–20 технико-коммерческих предложений (ТКП) в разных форматах — от Excel с нестандартной структурой до сканов и PDF на иностранных языках, — финансовые и операционные риски бизнеса резко возрастают.

Сотрудники тратят до 70% рабочего времени на механический перенос цифр, из-за чего в расчетах неизбежно возникают ошибки, а реальная стоимость контракта становится понятна только после его подписания.

Разбираем, как перестроить обработку входящей закупочной документации с помощью прикладных алгоритмов и снизить прямые затраты компании на 3–8%.

• 1. Неучтенные сопутствующие расходы: Поставщики часто указывают привлекательную базовую цену, «забывая» включить доставку, страховку, тару или шеф-монтаж. При ручном сведении эти строки легко упустить, что искажает реальную стоимость владения (TCO).

• 2. Разнородные валюты и базисы поставки: Если закупки ведутся у зарубежных контрагентов (Китай, Турция, СНГ), сравнение цен требует постоянного пересчета валютных курсов и условий Инкотермс. Ошибка в формуле пересчета прямо ведет к кассовым разрывам.

• 3. Искусственное ограничение конкуренции: Из-за высокой трудоемкости закупщик физически успевает запросить и свести цены лишь от 5–7 постоянных поставщиков. Рынок с более выгодными предложениями остается за бортом.

• 4. Несогласованность номенклатуры: Один и тот же товар у разных контрагентов может иметь разные артикулы и наименования. Ручной поиск аналогов затягивает процедуру с нескольких дней до 2–3 недель.

Чтобы исключить человеческий фактор и ускорить согласование смет, обработка входящих документов переводится в 4 последовательных шага:

• Универсальный сбор данных: Нейросетевые алгоритмы распознают структуру любого входящего файла (сканы, PDF, таблицы произвольного формата, текст писем) и извлекают ключевые сущности: номенклатуру, цены, партии, условия оплаты и гарантии.

• Нормализация и сопоставление: Система автоматически сверяет названия позиций с внутренним справочником компании, выявляя прямые аналоги и объединяя синонимы.

• Приведение к сопоставимой стоимости: Алгоритм автоматически конвертирует валюты по актуальному курсу, унифицирует единицы измерения (штуки, тонны, метры) и накладывает логистические и таможенные коэффициенты.

• Формирование сводной ведомости: Руководитель и финансовый контролер получают единую таблицу с ранжированием поставщиков по совокупности факторов (цена, сроки, надежность) вместо десятков разрозненных файлов.

• Сокращение цикла согласования: Время подготовки сравнительной ведомости уменьшается с 5–10 рабочих дней до нескольких часов.

• Снижение стоимости контрактов: Возможность без дополнительной нагрузки сопоставлять 30–50 поставщиков вместо 5–10 создает реальную конкуренцию и снижает итоговую цену закупки на 3–8%.

• Оптимизация фонда оплаты труда: Отдел закупок освобождается от механического ввода данных и может обрабатывать в 3–4 раза больше процедур тем же составом сотрудников.

• Контроль аварийных закупок: В условиях срочных или внеплановых заказов оперативный сбор и парсинг рынка снижает риск переплаты на 15–25%.

1. Провести ревизию форматов: Определить, в каком виде поступает большинство предложений (Excel, PDF, сканы), и составить типовой регламент обязательных параметров для контрагентов.

2. Внедрить единый справочник аналогов: Зафиксировать допустимые синонимы номенклатуры, чтобы не тратить время на повторную ручную идентификацию одних и тех же позиций.

3. Считать совокупную стоимость, а не цену за единицу: Закладывать в регламент сравнения формулу полной стоимости с учетом условий отсрочки, НДС и логистических плеч.

Об авторе:

Александр Серов — специалист по автоматизации B2B-процессов, разработке корпоративных контуров и внедрению прикладных AI-решений для коммерческих департаментов.