承接上文，討論的範圍仍限制在採購，因為供應鍊管理自動化是一個非常多元有趣，可由多方討論的主題。

許多矽谷公司了解採購的專業與困難，乾脆找合約製造商 (Contract Manufacturer) 來處理。將需面對數百種採購難題，簡化為三、四個採購决定。

第一個決定是找單一統包，還是分段統包。 所謂分段統包是分為研究、發展、設計、新產品導入、前期量產與後期量產，共六個階段。一般企業會負責研究 (Research), 但也有將 Research 外包的例子。其實將 Research 外包也有許多好處，例如：降低成本與風險。接著是將Research 的點子與技術，開發出來，有Prototype 可以展示。這時可以找專攻Prototype 的公司合作。當 Prototype Test 合格時，產品會進入設計階段，此時成熟專業的設計團隊至關重要，不只可以減少成本、錯誤，也可以提早上市。大部分的公司R & D 自己做，Design 則外包。

這三個階段的自動化，就要靠PLM (Product Life Cycle Management) 軟體或平台。PLM 協助不同團隊一起研究、開發、設計、試作、測試。PLM 最後產出 Design Control, Device Master File, dBOM (設計零件表)…如此Contract Manufacturer 才能依這些資料估價、安排試產……等。一旦試產合格，PLM 可以產出mBOM (製造用零件表), PPAP (產品製程核可), 完成NPI (新品導入) , 進入大量製造。

這其中的自動化或軟體包含：法符軟體、文件控管軟體、PPAP軟體、機器加工排程軟體、品質檢驗、作業規範與訓練軟體……等。更進一步是MES (製造執行系統) 與 ERP (企業資源規劃系統) 。

Data Science 在這三階段，至少可以協助：

查詢專利、期刊，協助研究開發設計

查詢產品、市場、競爭，協助研究開發設計

查詢原料、零件、供應商，協助研究開發設計

由於每家Contract Manufacturer 的能力與成本不同，因此合作的模式，大部分是分段統包。但這對小公司而言，仍是沈重的管理負擔。所以小公司會偏向單一統包。實務上能夠做單一統包的公司卻又不想接小公司的生意。所以小公司就需靠PLM 軟體來提高自動化，以利分段發包能夠順利進行。

下一次，除談 Contract Manufacturer 外，會談公司自行生產或代客生產的供應鍊管理自動化。

詢價也是採購中耗時費神的一環。針對新的產品、零件或服務，採購員需精心去尋找一個品質好、價格合理、容易配合的有信用供應商。這要花一段很長的時間，但專案截止日通常很短，採購員經常處於高壓的狀態。同時每家公司都苦無很有經驗的採購員。於是需不斷開發詢價自動化的工具來協助詢價。

詢價的自動化也有多種。先談論投標或招標平台：

透過第三方投標平台服務，來詢價，省下自行建製平台與管理的成本。問題是自己的採購活動，容易被同行窺視。許多機密招標，並不適合。好處是可以了解市場行情。實際上這些行情又有偏頗與風險。

由買方自行設計的公開投標平台。詢價案是公開的，只要在平台上註冊的公司都可以投標。好處是可以了解與控制投標對象。缺點是：不能像第三方投標平台，有極多不同領域的供應商來投標。

為增加詢價的量與質，數家業務不衝突的公司，聯合成為買家，合力建製投標平台，並向投標者收取服務費。投標者要先成為會員才能投標。優點：買方與賣方都多起來，彼此機會變大。問題點在於真正好的供應商，會被私藏，因為要開發一個好的供應商十分不容易，不會輕易公開。所以往往看不到重大採購案。

由買方自行開發的平台，只有特定的公司，可以投標。一般是透過Case By Case 的特別邀請來投標。未被邀請者看不到採購內容。這方式最接近傳統的詢價方法，疫情中，已加速被採用。缺點是仍限制於已認識到供應商。沒有立即擴大供應商投標的機會。

這些平台為了要讓買方容易比價，設計了許多格式，要供應商照表填寫。而問題也卡在這裡。B2B 不是B2C, 實務上照表填完後，有許多特例。也就是依表比價是有很多地雷。而且也很難有一表格，可以適用各不同詢價案。

利用平台來詢價，有其優點，也有其缺點，也有其適用性，例如：標準規格產品或服務。因此能夠協助詢價自動化，但不能解決詢價的問題。

在筆者繼續討論詢價自動化時，筆者先列舉數項Data Science 可幫忙採購自動化的項目。

快速告知某需求，可以聯絡的供應商名單。

原物料成本走向，產品價格走向，依地理不同之市場價格走向。

運輸成本與運貨時間與方式追蹤。

更換零件或供應商對品質與成本的影響。

如何計算產品或服務的總成本 (Total Costs)。

#DataScience 你可以在這裡找到鉅亨號中所有使用「DataScience」為關鍵字所發布的內容