左手商业.右手AI
有故事.有方法.有工具
2026年7月7日
2026年第180篇，总第1242篇原创文章
全文1755字，阅读时间约5分钟
在前几篇里（点击下方链接回顾），我们谈了AI能为采购做什么：寻源、合同、供应商管理、P2P自动化、智能体……
传统AI、生成式AI、智能体AI：采购人必须搞清楚的三种AI
每一个场景都令人兴奋。但这里有一个问题被反复提到却从未被认真正视：这一切的前提，是数据。
AI不是因为本身不好而在采购中失败的，它失败是因为AI会放大输入给它的一切——而大多数采购数据是重复项、不一致的分类体系、孤立系统和PDF锁定信息的混合物，没有任何算法能可靠地处理这些。
垃圾进，垃圾出，只是出得更快。
采购数据的典型现状：一片数据荒漠
在一家运营了十年以上的中型制造企业里，采购数据通常长这样：
供应商主数据分散在SAP、Oracle，以及各个业务单元自己维护的Excel表格里。同一家供应商，在不同系统里可能有三个不同的名字——"上海某某科技有限公司"、"上海某某科技"、"某某科技SH"——明明是同一个法人主体，系统却认不出来。
采购合同存在文件服务器里，有些更老的合同是PDF扫描件，关键条款只能靠人眼去找。历史价格数据或许存在ERP里，但如果换过一次供应商或者经历过系统迁移，连续性就断了。供应商绩效记录呢？有的在质检系统里，有的在采购经理的邮件附件里，有的就在项目评审会的PPT里，从未被系统化汇总过。
采购数据出了名地分散，散落在ERP、合同库、采购工具、电子表格、收件箱和供应商系统里。当底层数据碎片化时，即便是最先进的AI也只能产生不一致或有限的价值。McKinsey关于生成式AI采购价值流失的研究反复强调，数据管道和干净的输入是AI成功的决定性因素。
74%的采购领导者说他们的数据还没有为AI做好准备。糟糕的数据质量、孤立的系统和缺乏支出可视化，会破坏所有的AI举措。这不是个别企业的问题，而是行业性的现实。
AI需要什么样的采购数据？
不是所有采购数据对AI都同等重要。在开始数据治理工作之前，先弄清楚优先级。聚焦于驱动80%决策的20%数据：供应商名称、支出类别、合同参考和交货地点。
结构化支出数据是地基。每一笔采购交易对应的供应商、品类、金额、时间、成本中心——这是支出分析、异常检测和需求预测的原材料。数据要干净（没有重复、没有乱码）、完整（关键字段不能为空）、统一（同一品类在不同系统里用同一套编码）。
供应商主数据是核心资产。供应商的法人名称、统一社会信用代码、银行账号、资质证书、联系人信息——这些必须有一个权威的单一来源，而不是多个系统各自维护各自的版本。在有多个ERP或采购系统的环境中，同一家供应商可能在各系统中用不同的编号表示，数据协调至关重要，它能让支出分析和供应商管理更有效。
合同文本是生成式AI能挖掘价值最大的数据类型之一。关键条款、有效期、价格调整机制、续约条件——但前提是合同能被读取，而不是锁在扫描PDF里。
历史绩效数据是供应商画像和风险模型的燃料。交货准时率、质量合格率、发票准确率——供应商绩效数据往往被维护在独立的系统中（质量管理、ERP收货事务、基于邮件的评分卡），这些系统从未与寻源和支出分析环境连接。AI驱动的供应商选择和风险管理需要这些数据被整合。
数据治理的四个关键动作
不需要完美的数据才能开始AI之旅。聚焦于优先用例所需的特定数据域，而不是在启动前尝试进行全面的数据修复。这是一个务实的起点：不要等数据完美才开始，但要按优先级分阶段推进数据治理。
四个动作要按顺序来，跳步会有代价。
第一步：清洗（Clean）。 识别并消除重复数据，统一命名规范，修复错误字段，处理缺失值。这一步枯燥但不可省略。数字成熟度领先的企业（Digital Masters）比一般企业在AI投资上获得3.2倍的ROI，而一般企业只有约1.5倍；世界级采购团队因为有结构化数据支撑，寻源周期短24%，申请到PO的周期短58%。数据质量的差距直接转化为ROI的差距。
第二步：整合（Integrate）。 把分散在ERP、采购平台、质检系统、合同库里的数据打通，建立统一的数据视图。技术上通常需要数据集成中间件或主数据管理（MDM）工具，这里的工作量往往超出预期。
第三步：标注（Label）。 结构化数据需要正确的品类标签，非结构化数据（合同文本、供应商资质文件）需要元数据标注，让AI能理解数据的语义，而不只是读取文字。这一步特别影响支出分类和合同分析的准确性。
第四步：持续维护（Maintain）。 数据治理不是一次性工程，是一个持续运营的过程。2026年需要推进真正的供应商单一记录（覆盖ERP、S2P、SRM和风险工具），在入驻时进行自动化验证（主体、银行账号、制裁名单、证书），以及来自绩效数据、审计和风险信息的持续丰富。没有这些，AI和高级分析就不会奏效。
引用来源
1. SpecLens——《Why 74% of Procurement AI Projects Fail (It's Not the AI)》（2026年3月）
2、Suplari Blog——《Procurement Trends 2026: Key Data, Priorities, and Pitfalls》（2026年4月）
3、Art of Procurement——《State of AI in Procurement in 2026》（2026年4月）
4、Focal Point——《The Future of Procurement: Trends and Predictions for 2026》（2026年4月）
5、Procure.ai Blog——《How to Fix Procurement Data Issues with AI & Analytics》
6、Suplari Blog——《Procurement Data Quality》
7、Kodiak Hub——《Top 10 Procurement Trends to Watch in 2026》（2025年12月）
图片来源：AI生成
版权及免责声明：“卢山说AI精进”个人公众号的文章均为本人原创（含联合AI创作部分）。未经本人许可，禁止进行转载、摘编及复制等任何使用。如需转载、引用或者有其它意向，请事先通过本公众号后台等方式申请并获得授权。原创文章中的部分文字、图片源于网络，如有任何问题请联系本公众号。
近期精华文章回顾：
