上周，一家年营收百亿的汽车零部件制造企业的CFO老张，在经营分析会上发了火。
“我们的BOM（原材料）成本明明下降了3%，为什么整体采购支出不降反升？”
采购总监看着满屏的数据，一脸无奈：“老张，钢材和芯片我们是锁价了。但工厂上个月为了赶工期，维修部直接找外面的‘游击队’修了三条产线；IT部门嫌流程慢，自己刷卡买了十几套软件服务；还有各地的分厂，办公用品全是自己在京东和淘宝下的散单……”
“这些钱，没经过我的系统，我也没法谈价啊。”
这就是大型制造企业的典型痛点：你看得见的大路（BOM）固若金汤，看不见的小路（长尾支出）却在疯狂漏水。
今天，我们要聊的就是堵住这个漏洞的核心指标——受控支出占比 (Spend Under Management, SUM)。
01 指标定义：不仅是“控制”，更是“可见”
受控支出占比 (SUM)，简单说，就是企业花的每一分钱中，有多少是经过了采购部门主导的寻源、谈判、并按既定流程执行的。
在数字化时代，这个指标的意义已经超越了传统的“降本”。
所以，你需要一套受控支出监控驾驶舱：
02 行业对标：你的企业处于哪个段位？
在大型制造业，BOM（直接材料）通常管控较好，差距主要体现在MRO（维护、维修、运行）和服务类采购上。
青铜段位 (<50%)：采购部门只是“下单员”，大量业务部门“先斩后奏”，财务被迫买单。风险极高，合规性差。
黄金段位 (50%-75%)：这是大多数传统制造企业的现状。核心原料管住了，但像物流、营销、IT服务等间接采购依然处于“谁用谁买”的混乱状态。
王者段位 (>90%)：Best-in-Class。不仅直接材料，连极度复杂的专业服务和长尾物资都纳入了数字化平台管理。这是数字化转型成功的标志。
03 算法与逻辑：像Palantir一样思考数据
很多企业算不清SUM，是因为数据孤岛。财务看的是GL（总账），采购看的是PO（订单），两者对不上。
计算公式：
SUM=纳入集中采购管理的支出/总外部可寻源支出×100%
如何算得准？引入Palantir的数据本体（Ontology）思维：我们不需要把所有系统推倒重来，而是建立一个数据中间层。
数据清洗：利用 AI 剔除税费、工资、折旧等非采购项，锁定“可寻源支出”。
智能匹配：这是难点。传统靠人工比对，现在我们可以利用 LLM (大语言模型) 进行语义分析。
场景：财务账单里写着“支付XX科技服务费”，采购系统里没有对应PO。
AI动作：AI自动扫描合同库，发现该公司其实是年度框架协议里的供应商，但这笔钱没走PO。AI会将其标记为“签约但违规操作”，而不是简单的“脱管”。
04 本体（Ontology）建模梳理
我们需要构建以下本体模型：
A. 核心对象 (Objects)
我们需要定义现实世界中的实体：
Transaction (交易/发票)：财务视角的每一笔支出。
Supplier (供应商)：提供产品或服务的实体。
Contract (合同)：采购与供应商签署的协议。
PurchaseOrder (采购订单)：采购发出的购买指令。
CostCenter (成本中心)：花钱的部门（如：研发部、总装车间）。
B. 对象属性 (Properties)
定义每个对象需要关注的数据字段（用于计算和判断）：
Transaction: 金额、支付日期、GL科目代码、发票号、描述文本。
Supplier: 供应商ID、认证状态（合格/潜在/黑名单）、风险评级。
Contract: 合同ID、生效日、失效日、覆盖品类、折扣率。
PurchaseOrder: PO号、创建日期、审批人、总金额。
C. 关系 (Links) - 核心逻辑
这是计算 SUM 的关键，通过链接判断“受控”状态：
Transaction -> [支付给] -> Supplier
Transaction -> [匹配] -> PurchaseOrder
PurchaseOrder -> [依据] -> Contract
Transaction -> [归属] -> CostCenter
D. 行动 (Actions) - 察打一体
基于本体，我们可以定义具体的业务操作，让数据驱动执行：
Action: Flag Maverick Spend (标记自行采购)
Action: Retrofit Contract (补录合同关联)
Action: Initiate Sourcing Event (发起寻源)
05 行动指南：用AI重塑采购体验
要提高SUM，靠行政命令“严禁私自采购”往往收效甚微，甚至引发业务部门反弹。最好的管控，是让用户感觉不到管控。
推行“No PO, No Pay”政策（硬管控）：财务部门与采购部门联合发文，规定除极少数特例（如紧急维修、水电费）外，没有采购订单号的发票，财务系统自动拒收。这会倒逼业务部门必须走采购流程。
提升采购体验（软引导）：部署 Guided Buying（引导式采购）
界面。让业务人员像在电商平台购物一样，在内部商城点选已签约的商品。如果系统好用，大家自然愿意走流程。
消除“长尾”痛点：AI 驱动的 Guided Buying (引导式采购)业务部门为什么要绕过采购？因为流程太繁琐。解决方案：建立类似电商体验的内部商城。 利用 RAG (检索增强生成) 技术，当工程师想买一个“螺丝刀”时，他不需要去翻阅复杂的物料编码。他只需在系统里输入需求，AI 助手会自动推荐已签约供应商的商品，价格已锁定，且自动生成PO。体验像网购一样丝滑，数据自然就“受控”了。
激活“沉睡”数据：支出分析自动化不要等到年底才做分析。利用 AI Agent 每月自动跑一遍数据，生成“漏斗报告”：
哪些部门的“自行采购”比例在上升？
哪些供应商在合同外被频繁交易？
结语
受控支出占比，不只是一个KPI，它是企业数字化治理能力的试金石。在AI时代，谁能把更多的支出纳入算法的视野，谁就能在供应链竞争中掌握真正的主动权。
通过这套本体模型，企业不再是看一张静态的 Excel 报表，而是拥有了一个动态的监控网络。任何一笔新的支出产生，都会自动在网络中寻找它的位置，一旦发现“脱管”，系统会立即报警。
