Indkøbsanalyse: spend, prisindeks og leverandørperformance

Indkøbsanalyse: spend, prisindeks og leverandørperformance

Resumé og konklusion

• Indkøbsanalyse kræver tre dimensioner samtidig. Hvem vi køber af, hvad vi køber, og hvornår. Mangler én af akserne, kan du ikke svare på hvorfor.
• Datakvaliteten afgør analysens værdi. Dubletleverandører, forvekslede mængdefelter, manglende varegruppering og køb uden varenummer ødelægger enhver analyse af indkøbet, uanset hvor pænt værktøjet ser ud.
• Prisindeks pr. vare pr. leverandør er den stille marginlækage. En kostpris der glider 11 % op på tolv måneder koster 178.600 kr. på en enkelt vare — og ingen opdager det, før dækningsgraden falder.
• Halen af småleverandører er et omkostningsproblem, ikke et prisproblem. 96 leverandører til 1,0 mio. kr. i spend koster 403.200 kr. om året at håndtere.
• Start i analysetilstand, skalér til Purchasing-appen. Du kan bygge dit første overblik på en eftermiddag uden BI-projekt og uden ekstra licenser.

Problemet: I kender totalen, ikke opløsningen

Spørg en dansk SMV om indkøbstallene, og svaret kommer prompte: cirka 40 mio. kr. om året, og den største leverandør fylder omkring en fjerdedel. Spørg videre — hvad betalte vi for emballage i andet halvår mod første, og hvem leverede det — og samtalen stopper. Ikke fordi tallene ikke findes, men fordi de ligger i købsordrer, bogførte købsfakturaer og kreditorposter (vendor ledger entries) uden at være samlet i en form, man kan skære i.

Det er forskellen mellem rapportering og indkøbsanalyse. Totalen er rapportering. Analysen begynder, når du kan isolere ét beløb til én leverandør, én varegruppe og én periode — og sammenligne det med den samme celle sidste år. Den opløsning er ikke en teknisk detalje. Den er hele forskellen mellem at konstatere, at indkøbet er steget, og at kunne pege på hvilken kategori, hos hvilken leverandør, fra hvilken måned. Forhandlingsvinklen på det tog vi i artiklen om indkøbsdata til forhandling med leverandører, og den er stadig god forudgående læsning. Denne artikel handler om noget andet: hvordan arbejdet med indkøbstallene bliver en disciplin, der kører hele året.

Spend-kuben: tre akser, tre snit

Grundmodellen bag al indkøbsanalyse er en kube med tre akser: leverandør (hvem køber vi af), kategori (hvad køber vi), og periode (hvornår). Ethvert snit, du nogensinde kommer til at lave, går gennem den kube.

Tag en SMV med 40 mio. kr. i årligt indkøb fordelt på 180 leverandører. Snit efter leverandør: 12 leverandører står for 29,6 mio. kr., altså 74 % af spend. Det er koncentrationsbilledet, og det peger på forhandlingskraft og risiko. Snit efter kategori: råvarer 16,4 mio. kr., komponenter 9,2 mio. kr., emballage 6,8 mio. kr., fragt 3,4 mio. kr., øvrigt 4,2 mio. kr. Det er priskampens landkort, og det peger på, hvor et prisindeks er indsatsen værd. Snit efter periode: 9,2 — 9,8 — 10,4 — 10,6 mio. kr. hen over de fire kvartaler. Samlet spend stiger 9 %, mens den indkøbte mængde kun stiger 3 %. Prisen tog resten.

Tre snit, tre forskellige spørgsmål, ét datasæt. Grafikken herunder viser de tre akser side om side med den indsigt, hvert snit giver. Pointen er, at du ikke skal vælge — du skal have kuben, så du kan skifte snit på ti sekunder. En analyse, der kun kan ét af de tre snit, giver svar, du ikke kan handle på.

De fire datafælder der ødelægger din indkøbsanalyse

Her ligger den egentlige forskel mellem en analyse, der holder, og en der lyver. Fire fælder er næsten universelle i SMV-data, og de hænger alle sammen med det datagrundlag af dimensioner og datamodel, som analysen står på.

Dubletleverandører. Samme leverandør oprettet tre gange — med og uden A/S, med gammelt og nyt navn. 6,2 mio. kr. i spend fremstår som 2,1 + 2,4 + 1,7 mio. kr., og leverandøren når aldrig i A-kategorien. Konsekvensen er ikke kun en skæv Pareto-analyse; det er en forhandling, du aldrig indkalder til.

Mængde er ikke det samme som modtaget og heller ikke som faktureret. På en købsordre er Antal, Ant. at modtage og Ant. at fakturere tre uafhængige tal, og statistikken ændrer sig, alt efter hvilket felt du bygger på (købsordrestatistik). Efter bogføring splittes det i købsmodtagelser, der bærer mængden, og købsfakturaer, der bærer beløbet (bogførte købsdokumenter). Bygger du leveringssikkerhed på fakturaen i stedet for modtagelsen, måler du bogholderiets tempo, ikke leverandørens.

Manglende varegruppering. Uden en kategoristruktur — produktbogføringsgrupper eller en indkøbsdimension — findes kategoriaksen simpelthen ikke, og to tredjedele af spend-kuben forsvinder. Det er den billigste opgave på listen og den, der flytter mest.

Varekøb uden varenummer. Køb bogført direkte på en finanskonto står i finansposterne (G/L entries), men aldrig i vareposterne (item ledger entries). De forsvinder fra enhver varebaseret opgørelse. Afstem én gang om måneden: samlet kreditorspend mod varebaseret spend. Differencen er dit blindt punkt, målt i kroner.

De fem analyser der bør køre hele året

Metoderne kender du fra analysemetodernes værktøjskasse — indeksering, varians, Pareto og aldersfordeling. Det nye er kadencen. En analyse, der kun laves op til årsforhandlingen, opdager prisglidning elleve måneder for sent. Her er de fem faste snit, der bør ligge fast i månedsrytmen:

1. Spend-udvikling pr. kategori (indeksering). Indekser hver kategori med januar som 100. Emballage lander på 118, mens totalen står i 109. Én kategori trækker.
2. Prisindeks pr. vare pr. leverandør (indeksering). Den stille marginlækage. En vare glider fra 42,50 til 47,20 kr. — indeks 111. Ved 38.000 stk. om året er det 178.600 kr., der aldrig blev forhandlet.
3. Leveringssikkerhed (varians mod lovet dato). Til tiden og komplet, målt på modtagelsen. 1.240 modtagelser, 78 % rettidige, gennemsnitlig forsinkelse 4,2 dage på resten. Del det pr. leverandør, ikke som ét tal.
4. GRNI — modtaget, ikke faktureret (aldersfordeling). 2,8 mio. kr. står som modtaget uden faktura, heraf 610.000 kr. ældre end 90 dage. Det er både et likviditets- og arbejdskapitaltal og et datakvalitetstal: gamle GRNI-poster betyder næsten altid fejl i modtagelse eller matchning. Microsofts guide til ad-hoc indkøbsanalyse viser opsætningen.
5. Koncentration og single source-risiko (Pareto plus risiko). 74 % hos 12 leverandører er forhandlingskraft. Men tre kategorier med kun én kvalificeret leverandør, svarende til 8,4 mio. kr., er eksponering. Kør de to tal sammen.

Grafikken herunder viser prisindekset pr. kategori over tolv måneder. Emballage stikker af opad til indeks 118, mens råvarer, komponenter og fragt ligger fladt — og på 6,8 mio. kr. i emballagespend er de 18 % cirka 1,0 mio. kr., som ingen forhandlede om.

Fra analyse til beslutning: halen koster mere end den sparer

Segmentér de 180 leverandører: A = 12 leverandører, 29,6 mio. kr. B = 28 leverandører, 6,8 mio. kr. C = 44 leverandører, 2,6 mio. kr. Halen = 96 leverandører, 1,0 mio. kr.

Halen er sjældent et prisproblem — beløbene er for små til, at rabatter betyder noget. Den er et omkostningsproblem. Hver leverandør koster oprettelse og vedligehold af stamdata, fakturahåndtering, afstemning, betalingsopfølgning og en kreditorpost, der skal forklares ved revision. Regner du seks timer om året til 700 kr., er det 4.200 kr. pr. leverandør. Halen koster dermed 403.200 kr. om året at håndtere ved 1,0 mio. kr. i spend. Halverer I antallet i halen, frigør I 201.600 kr. i intern kapacitet — flere penge end en hård forhandling med B-segmentet realistisk giver. Grafikken herunder sætter andel af spend op mod andel af leverandører pr. segment, og det er den slags beslutning, tallene skal føre til.

Konsolideringen behøver ikke være dramatisk. Find de leverandører i halen, der leverer varer, en A- eller B-leverandør allerede fører, og flyt volumen derover. Sæt derefter en simpel regel: nye leverandører oprettes kun, hvis et eksisterende alternativ er afvist skriftligt. Uden reglen vokser halen tilbage inden for atten måneder, og hele øvelsen skal laves forfra. Den samme logik gælder i øvrigt på lagersiden, hvor kapitalen står på hylderne af præcis samme grund: ingen har regnet på, hvad de mange små positioner koster at holde i live.

Værktøjet: fra analysetilstand til Purchasing-appen

Start uden projekt. Åbn analysetilstand (analysis mode) på købsordrer, bogførte købsfakturaer og kreditorposter, træk leverandør og produktbogføringsgruppe i rækker og datohierarkiet i kolonner. Så har du kuben, uden en eneste ny licens og uden at involvere nogen udefra. Analysetilstand kræver rettighedssættet DATA ANALYSIS – EXEC, og datohierarkiet som kolonnelabels kom med 2025 release wave 2. Microsofts oversigt over indkøbsanalyse samler mønstrene.

Næste trin er Purchasing-appen til Power BI med 17 færdige rapporter — heriblandt Purchase Decomposition, køb pr. vare, leverandør og indkøber, Actual vs. Budget, Purchase Forecasting og Vendor Quality Analysis. Den kræver Power BI Pro og Business Central online.

På AI-siden er der ét konkret værktøj i indkøb i dag: Payables Agent, der er generelt tilgængelig fra 7. november 2025, med matchning af købsfakturaer mod ordrer fra 6. februar 2026. Den er ikke inkluderet i licensen, men forbrugsbetalt med Copilot Credits: 50 credits pr. faktura plus 5 pr. linje. Den rydder op i præcis den matchning, der skaber GRNI-halen. Vi går i dybden i artiklen om Copilot i Business Central.

Sådan understøtter oneBC365 det

oneBC365 leverer spend-kuben som en færdig Power BI-model oven på Business Central-data, så I ikke skal bygge den selv. Leverandør, kategori og periode er allerede modelleret, og de fem analyser ligger som faste sider: spend-udvikling, prisindeks pr. vare pr. leverandør, leveringssikkerhed, GRNI-aldersfordeling og koncentration. Dubletleverandører og køb uden varenummer bliver vist som et datakvalitetstal på forsiden i stedet for at ligge og forurene tallene i stilhed. I får en indkøbsanalyse, der er klar til det første møde, ikke et projekt — og resten af analyseområderne finder du i oversigten over alle artikler.

Sådan kommer du i gang

1. Ryd leverandørlisten. Sortér på navn og CVR-nummer, find dubletterne, og saml dem. Uden dette trin er resten spildt.
2. Sæt kategoriaksen op. Tildel produktbogføringsgruppe eller indkøbsdimension til alle varer og til de finanskonti, hvor der bogføres køb uden varenummer.
3. Byg kuben i analysetilstand. Leverandør og kategori i rækker, måned i kolonner, beløb som værdi. Gem visningen, så den kan åbnes hver måned.
4. Sæt de fem analyser i kalender. Prisindeks og spend-udvikling månedligt, leveringssikkerhed og GRNI månedligt, koncentration kvartalsvist. Giv hver analyse en ejer og en fast dagsordensplads — det er det, der gør indkøbsanalyse til en disciplin frem for et projekt.

Hele serien: fra rapportering til analyse

Serien er tolv artikler i fire blokke — fundament, domæner, praksis og AI. Hver artikel kan læses alene; læst i rækkefølge er de en plan for et år.

1. Fra rapportering til analyse: de fire trin
2. Analyse-landkortet
3. Analysemetodernes værktøjskasse
4. Finansiel analyse
5. Salgsanalyse
6. Indkøbsanalyse — du læser den nu
7. Lageranalyse
8. Datagrundlaget
9. Analysens årshjul
10. Analyse uden BI-projekt
11. AI i analysen (1): Copilot i Business Central
12. AI i analysen (2): Copilot i Power BI og Fabric

Vil du se, hvordan analyserne ser ud på jeres egne tal? Book en demo af oneBC365.