Analitik Perbelanjaan dengan AI: Mengelas dan Mengurangkan Perbelanjaan Syarikat

Oleh Jane Ha · Dikemas kini 11 Oktober 2026

Analitik perbelanjaan dengan AI ialah penggunaan pembelajaran mesin dan model bahasa untuk membersihkan, mengelas dan menganalisis apa yang dibeli oleh sesebuah syarikat, daripada siapa dan pada harga berapa, supaya pasukan kewangan dan perolehan dapat mencari penjimatan, pembekal pendua dan pembelian yang dibuat di luar kontrak yang dipersetujui. Langkah pengelasan ialah bahagian yang sukar. Selagi setiap baris invois tidak berada dalam kategori yang konsisten, tiada sesiapa dapat menjawab soalan mudah seorang CFO: berapa banyak yang kita belanjakan untuk buruh kontrak, pengangkutan barang atau perisian, dan dengan berapa banyak pembekal?

Artikel ini ditujukan kepada CFO, pengarah kewangan, pengawal kewangan (controller) dan rakan perolehan yang mengesyaki ada wang tersembunyi dalam lejar mereka tetapi tidak dapat melihatnya. Ia terletak dalam koleksi AI for Finance sebagai kupasan mendalam tentang sisi pembelian perniagaan. Untuk pandangan seluruh fungsi, mulakan di hab, AI dalam FP&A. Untuk ejen yang bertindak berdasarkan penemuan ini, lihat ejen perolehan AI.

Fakta Utama

• Laporan GAO tentang analisis perbelanjaan (GAO-04-870, 2004) menerangkannya sebagai alat yang menunjukkan siapa pembelinya, siapa pembekalnya, berapa banyak dibelanjakan untuk apa, dan di mana kuasa membeli boleh dimanfaatkan. Ia mendapati syarikat swasta menggunakannya sebagai asas bagi pendekatan strategik terhadap perolehan (GAO).
• Dalam laporan itu, semakan Jabatan Kesihatan dan Perkhidmatan Manusia (HHS) terhadap hampir $4.9 bilion tindakan kontrak tahun fiskal 2002 mengenal pasti 24 kategori perkhidmatan, bernilai hampir $1.7 bilion, untuk kemungkinan penyatuan (GAO-04-870).
• Secara berasingan, HHS menganggarkan perjanjian diskaun untuk bekalan pejabat, peralatan dan periferal IT akan mengurangkan harga sebanyak 7 hingga 54 peratus, bernilai sekurang-kurangnya $9.5 juta setahun (GAO-04-870).
• Tinjauan Ketua Pegawai Perolehan Global Deloitte 2025 (lebih 250 CPO merentasi 40 negara) mendapati "Digital Masters" kuartil teratas melaburkan sehingga 24% bajet mereka dalam teknologi, dan purata pulangan 3.2x atas AI generatif berbanding unjuran sedikit melebihi 1.5x bagi pengikut (Deloitte).
• Tinjauan yang sama mendapati 64% CPO menamakan keterlihatan rantaian bekalan yang lebih besar antara tiga strategi pengurangan risiko teratas mereka (Deloitte).

Apa yang Dilakukan oleh Analitik Perbelanjaan

Analitik perbelanjaan menjawab empat soalan tentang wang yang sudah dibelanjakan. Apa yang kita beli? Daripada siapa kita membelinya? Adakah kita membelinya mengikut terma yang kita rundingkan? Dan bolehkah kita membelinya dengan lebih baik?

Analisis perbelanjaan tradisional menjawab soalan ini dengan seorang perunding, beberapa bulan dan sehelai hamparan. Sepasukan akan menarik data AP setahun, menyeragamkan nama pembekal dengan tangan, memetakan baris kepada kategori dan menghasilkan satu kiub sekali sahaja. Menjelang siap, ia sudah lapuk. Semakan GAO 2004 menunjukkan sudah berapa lama idea ini wujud. Cita-citanya tidak berubah. Yang berubah ialah model kini boleh melakukan kerja pengelasan secara berterusan.

AI membantu pada empat titik:

1. Pembersihan. Menggabungkan "Acme Corp," "ACME Corporation Ltd" dan "Acme Inc." menjadi satu rekod pembekal.
2. Pengelasan. Menetapkan setiap baris invois atau PO kepada kategori dalam taksonomi, menggunakan huraian baris, pembekal, akaun GL dan amaun bersama-sama.
3. Pengesanan. Mencari corak yang menunjuk kepada penjimatan: perbezaan harga untuk item yang sama, pembelian daripada pembekal bukan pilihan, perbelanjaan ekor (tail spend) yang bertaburan merentasi ratusan pembekal.
4. Penjelasan. Membenarkan penganalisis bertanya dalam bahasa biasa, "apa yang berubah dalam perbelanjaan perkhidmatan pemasaran suku tahun ini?" dan mendapat jawapan yang boleh dijejak kepada baris.

Cara AI Mengelas Perbelanjaan

Kebanyakan perbelanjaan sebenar adalah tidak kemas. Satu item baris berbunyi "Misc consulting Q3," transaksi kad hanya menyatakan nama peniaga, dan akaun GL ialah akaun serba guna. Enjin peraturan boleh mengendalikan "jika pembekal ialah FedEx, maka pengangkutan barang." Ia tidak dapat mengendalikan ekor panjang.

Pengelas lazimnya menggabungkan beberapa isyarat:

• Teks. Huraian baris, teks PO dan tajuk kontrak, yang dibaca dengan baik oleh model bahasa, termasuk singkatan dan salah ejaan.
• Pembekal. Apa yang kebanyakannya dijual oleh pembekal, dipelajari daripada baris-barisnya yang lain.
• Konteks. Akaun GL, pusat kos, amaun dan pelulus.
• Maklum balas. Pembetulan lepas oleh penganalisis, yang menjadi contoh latihan.

Outputnya ialah kategori ditambah skor keyakinan. Baris berkeyakinan tinggi dikelaskan secara automatik. Baris berkeyakinan rendah atau bernilai tinggi pergi kepada seorang manusia. Itulah reka bentuk human-in-the-loop (manusia dalam kitaran) dalam bentuk paling mudah, dan sebab ketepatan bertambah baik dari semasa ke semasa: setiap pembetulan mengajar model.

Taksonomi lebih penting daripada model

Model hanya berguna sebanyak kategori yang menjadi tempat ia mengisih. Ramai syarikat menggunakan taksonomi dalaman yang dibina sekitar GL mereka. Yang lain menerima piawaian seperti UNSPSC, Kod Piawai Produk dan Perkhidmatan Pertubuhan Bangsa-Bangsa Bersatu, hierarki yang bermula daripada segmen luas ke bawah melalui keluarga dan kelas hingga komoditi individu. Taksonomi piawai memudahkan perbandingan perbelanjaan antara unit perniagaan, penanda aras dengan data luar dan perkongsian data dengan pembekal.

Dua peraturan praktikal. Pertama, pilih kedalaman yang benar-benar akan anda gunakan. Taksonomi tiga peringkat yang difahami oleh setiap penganalisis mengatasi taksonomi sepuluh peringkat yang tidak dipercayai sesiapa. Kedua, petakan taksonomi anda kepada carta akaun dengan sengaja, supaya pasukan kewangan dan perolehan melihat jumlah yang sama, hanya dipotong secara berbeza.

Apa yang Ditemui oleh Analisis

Apabila perbelanjaan sudah bersih dan dikelaskan, corak penjimatan menjadi kelihatan. Jadual menunjukkan rupa setiap satu dan apa yang perlu dilakukan.

Lihat perbelanjaan luar kontrak dahulu. Ia paling murah untuk dibaiki kerana kontrak sudah wujud. Tiada sesiapa perlu menjalankan acara sumber. Mereka hanya perlu menjadikan kontrak sebagai laluan yang mudah.

Contoh GAO ialah peringatan berguna tentang skala. Semakan penyatuan HHS tidak menemui satu pembekal ajaib. Ia membahagikan perbelanjaan kontrak kepada kategori perkhidmatan dan pembekal, kemudian mencari tempat di mana perjanjian yang lebih sedikit dan lebih besar masuk akal. Logik yang sama terpakai kepada syarikat bersaiz sederhana: matlamatnya bukan memeras setiap pembekal, tetapi melihat di mana pemecahan merugikan kuasa tawar anda.

Contoh Sebenar Mengikut Fungsi

Perolehan. Bayangkan seorang pengurus kategori perkhidmatan fasiliti yang melihat bahawa syarikat menggunakan 14 pembekal pembersihan dan penyelenggaraan yang berbeza merentasi 22 tapak. Pengelasan AI mengesahkan kesemuanya menjual kategori yang sama. Pengurus itu menjalankan satu tender untuk wilayah tersebut dan mengekalkan pembekal sandaran tempatan untuk dua tapak terpencil.

Akaun belum bayar. Ketua AP mendapati entiti sah yang sama wujud di bawah tiga ID pembekal, masing-masing dengan terma pembayaran yang sedikit berbeza. Menggabungkannya menghapuskan risiko pembayaran pendua dan memberi pasukan perolehan jumlah sebenar. Mekanisme pengambilan data dan padanan invois dibincangkan dalam AI dalam akaun belum bayar.

Tuntutan perbelanjaan dan perbelanjaan kad. Transaksi kad pekerja, ekor klasik itu, dikelaskan mengikut peniaga dan huraian baris. Pasukan kewangan melihat bahawa langganan perisian yang dibeli dengan kad bertindih dengan alat perusahaan berlesen. Pengurusan perbelanjaan dengan AI membincangkan sisi polisi dan anomali bagi perkara ini.

FP&A. Seorang penganalisis yang membina bajet tahun depan menggunakan perbelanjaan yang dikelaskan mengikut kategori sebagai garis dasar, dan bukannya jumlah GL tahun lepas. Kategori yang tumbuh 30% mendapat soalan sebelum ia mendapat tambahan. Sisi perancangan ada dalam AI dalam FP&A.

Kepimpinan kewangan. CFO mahukan satu angka: berapa banyak yang kita belanjakan dengan 20 pembekal teratas kita, dan berapa bahagian yang di bawah kontrak? Jawapan itu dahulu mengambil masa satu projek. Dengan pengelasan yang bersih, ia ialah papan pemuka.

Cara Melaksanakan Analitik Perbelanjaan dengan AI, Langkah demi Langkah

1. Takrifkan soalan dahulu. "Kurangkan perbelanjaan" terlalu kabur. Pilih sasaran: cari perbelanjaan luar kontrak dalam kategori tidak langsung, satukan pembekal dalam fasiliti, atau bina garis dasar untuk bajet tahun depan.
2. Tarik data dari tempat ia berada. Invois AP, PO, suapan kad, kontrak dan data induk pembekal. Sertakan sekurang-kurangnya 12 bulan supaya kemusiman kelihatan. Semak kesediaan berdasarkan kesediaan data kewangan untuk AI.
3. Bersihkan data induk pembekal. Gabungkan pendua, seragamkan nama dan lampirkan induk jika ada. Langkah tunggal ini sering mengubah bilangan pembekal lebih daripada mana-mana model.
4. Pilih taksonomi. Gunakan pokok kategori anda sendiri atau piawaian seperti UNSPSC, dan petakannya kepada carta akaun.
5. Kelaskan, kemudian semak sampel. Biarkan model mengelas segalanya, kemudian minta penganalisis perolehan menyemak sampel rawak serta setiap baris bernilai tinggi atau berkeyakinan rendah. Rekodkan kadar ralat mengikut kategori, bukan hanya secara keseluruhan.
6. Jalankan lintasan pengesanan. Cari perbelanjaan luar kontrak, varians harga, pembekal pendua dan ketirisan kontrak. Susun mengikut nilai yang boleh diperoleh semula, bukan mengikut bilangan penemuan.
7. Tetapkan pemilik. Setiap penemuan mendapat seorang individu bernama dalam perolehan atau kewangan dan satu tarikh. Penemuan tanpa pemilik bertukar menjadi papan pemuka yang tidak dibuka sesiapa.
8. Tutup kitaran. Suapkan pembetulan kembali, dan jalankan semula setiap bulan supaya analisis kekal terkini dan bukannya menjadi kiub sekali sahaja yang lain.

Perangkap yang Perlu Dielakkan

Menganggap pengelasan sudah selesai. Model yang tepat secara keseluruhan masih boleh salah jauh lebih kerap dalam satu kategori khusus. Ukur ketepatan di tempat wang berada.

Melangkau data induk pembekal. Jika "Acme" ialah lima rekod, model akan menganalisis lima pembekal dengan setia. Bersihkan dahulu.

Mengejar penjimatan yang tidak bertahan apabila bertembung dengan perniagaan. Penyatuan pembekal yang menjimatkan 8% di atas kertas tetapi merosakkan tahap perkhidmatan tempatan ialah pertukaran yang buruk. Pasukan perolehan dan pemilik bajet patut bersetuju sebelum apa-apa berubah.

Mengabaikan nilai selain harga. Analitik perbelanjaan melihat invois. Ia tidak melihat kualiti, masa pesanan atau hubungan. Gunakannya untuk memulakan perbualan, bukan menamatkannya.

Membiarkan model bahasa melakukan aritmetik. Gunakan model untuk mengelas dan menerangkan. Jumlah harus datang daripada sistem rekod atau pertanyaan, supaya setiap angka boleh dijejak kembali kepada baris. Prinsip yang sama terpakai merentasi risiko halusinasi AI dalam kewangan.

Mengabaikan tadbir urus. Data perbelanjaan mengandungi harga pembekal dan kadangkala data peribadi daripada tuntutan perbelanjaan pekerja. Putuskan siapa boleh melihat apa sebelum anda memuatkannya.

Apa yang Perlu Diukur

• Liputan pengelasan: bahagian perbelanjaan yang dikelaskan melebihi ambang keyakinan anda, dan bahagian yang memerlukan semakan.
• Ketepatan mengikut kategori: kadar ralat daripada semakan sampel.
• Perbelanjaan yang boleh ditangani: nilai dolar dalam kategori di mana anda telah menemui peluang penyatuan, kontrak atau harga.
• Pematuhan kontrak: bahagian perbelanjaan dalam sesuatu kategori yang pergi kepada pembekal pilihan.
• Penjimatan yang direalisasikan: apa yang benar-benar masuk ke dalam P&L, dipersetujui dengan pasukan kewangan, dipisahkan daripada penjimatan ramalan.

Pastikan penjimatan yang direalisasikan dan yang diunjurkan dalam baris yang berasingan. Mencampurkannya ialah cara paling pantas untuk kehilangan kepercayaan pasukan kewangan.

Langkah Seterusnya

Jika anda melakukan satu perkara pada suku tahun ini, pilih satu kategori tidak langsung seperti fasiliti, perkhidmatan pemasaran atau perisian, bersihkan rekod pembekalnya, kelaskan dua belas bulan perbelanjaan dan cari pembelian luar kontrak. Kemudian baca ejen perolehan AI untuk melihat bagaimana penemuan bertukar menjadi tindakan, dan pengurusan perolehan untuk disiplin yang lebih luas. Gunakan AI dalam FP&A untuk membawa garis dasar yang dikelaskan ke dalam perancangan.