Strategia: (7.2) Modellazione empirica dei prezzi

 

Conoscere le variabili che influenzano il prezzo di vendita è sempre una buona cosa per qualsiasi acquisitore. Vediamo in questo post come impostare il ragionamento. 

Link alla sintesi delle strategie di acquisto in 64 casi di cui questo post fa parte. 

Abbiamo già visto nel post (7.1) l'utilità di un modello matematico per determinare un prezzo plausibile. Ora il potere del Fornitore è superiore e la sua disponibilità a dare informazioni utili sarà conseguentemente minore.

Se la strada del post (7.1) diventa difficile e/o impraticabile. Utilizziamo i dati disponibili in azienda. 

Si possono verificare due casi limite:

1. Dati strutturati, cioè sono presenti e immediatamente utilizzabili nella banca dati aziendali (immaginate che si possa fare una estrazione in EXCEL).
2. Dati NON strutturati.

Dati strutturarti

Si può fare un'analisi statistica di regressione per trovare quali sono i parametri che influenzano la variabile prezzo. L'analisi statistica di regressione permette di:

• Comprendere quali parametri hanno un'influenza sul prezzo (variabile dipendente) e quanto forte è questa influenza.
• Prevedere approssimativamente il prezzo (prezzo obiettivo)

Dati non strutturati

Bisogna creare la tabella dati su cui fare la regressione. I modi sono due:

1. Raccolgo i dati manualmente.
2. Applico un algoritmo di intelligenza artificiale ai miei dati non strutturati per ottenere la tabella.

Di seguito una lista di dati di interesse:

• Dati commerciali (del fornitore che ha vinto e di quelli che hanno perso):
• Prezzo
• Sconti sul volume
• Resa
• Eventi di pagamento
• Dati tecnici:
• Peso
• Volume
• Tipo di materiale
• Tolleranze
• Etc.

Quando l'analisi statistica di regressione è disponibile, vuol dire che abbiamo individuato i parametri che influenzano il prezzo del fornitore e il prezzo target stesso. Abbiamo 

consapevolezza di dove è possibile arrivare verso i fornitori e verso i tecnici

NB: prezzi troppo sotto target potrebbero richiedere una più attenta indagine sullo stato di salute del fornitore.

Note 

L'analisi statistica di regressione dei costi ha le seguenti ulteriori applicazioni:

• Confrontare i prezzi per le stesse parti di business unit diverse (esempio valutare l'incidenza della manodopera, dell'energia, etc.). 
• Identificare quali varianti devono essere rimosse durante uno sforzo di riduzione costi (cost reduction). 
• Utilizzata per il costo target durante le prime fasi del processo di sviluppo del prodotto per essere in grado di calcolare rapidamente il costo di una nuova specifica.

NB: questa strategia è semplice se i dati sono strutturati, viceversa è onerosa, richiede molto lavoro.

NB: Il post si ispira alla scacchiera degli acquisti della Kearny. 
 

www.pbagnariol.com