Det är spännande tider för anbudsorganisationer. Nya verktyg och arbetssätt dyker upp på marknaden, och AI:s intåg öppnar dörrar för smartare och effektivare anbudsprocesser.
För att dra full nytta av de nya möjligheterna måste anbudsorganisationer vara öppna för att testa nya arbetssätt och utveckla sina processer. I den här artikeln introducerar vi dig till datadrivet anbudsarbete, ett smart och framtidssäkert arbetssätt.
Vad innebär det att arbeta datadrivet?
Datadrivet beslutsfattande har under det senaste årtiondet etablerats som ett viktigt verktyg för affärsutveckling. Tillgången till data har ökat successivt med digitaliseringen, och verktygen för att hantera, analysera och använda den på ett produktivt sätt har utvecklats. Men vad innebär det egentligen?
Att arbeta datadrivet handlar om att använda data för att fatta faktabaserade och proaktiva beslut. Organisationen använder den data som verksamheten genererar som underlag för beslutsfattande i linje med mål.
15-25 % högre intäkter
Det finns mycket att vinna på datadrivna arbetssätt. Enligt internationella siffror från McKinsey & Company har företag med en datadriven B2B-försäljning högre tillväxt och 15 till 25 procent högre intäkter.
Utvecklingen mot att arbeta datadrivet har pågått länge och i vissa branscher är det idag en självklar standard. Offentlig upphandling har tyvärr allt för länge legat efter.
Problemet med traditionellt anbudsarbete
Offentlig upphandling är egentligen perfekt för datadrivna arbetssätt. Anbudsorganisationer arbetar med stora mängder data som är värdefulla för verksamheten. Problemet ligger i hur datan hanteras.
En upphandling består vanligen av en eller flera PDF:er och Excelark. Den data som finns i upphandlingen, om exempelvis skallkrav, värde och kontraktslängd, är ostrukturerad och svårtillgänglig.
För att kunna hantera datan, och i någon mån strukturera den, ägnar sig anbudsorganisationer åt mycket manuellt arbete. Det kan handla om att klippa och klistra in i Excelfiler, skriva sammanfattningar eller till och med att sitta med överstrykningspenna och leta skallkrav.
Det här är såklart väldigt tidskrävande, och tid är inget man har i överflöd i en anbudsprocess. Deadlines kommer snabbt och ju mer tid som läggs på att tröska igenom information, desto mindre tid finns att skriva ett konkurrenskraftigt anbud.
Eftersom datan är låst i otillgängliga upphandlingsdokument kan den inte enkelt användas för att fatta datadrivna beslut. De beslut som tas om att exempelvis gå vidare och skriva ett anbud på en intressant upphandling har därför en högre grad av osäkerhet, och är inte lika väl underbyggda.
Vad är då ett datadrivet anbudsarbete?
Nu vet vi vad datadrivna arbetssätt innebär generellt, men hur kan det appliceras på anbudsarbetet? Jo, ett datadrivet anbudsarbete karaktäriseras av tre saker: beslut baserade på data, AI och automatisering.
1. Anbudsarbetet utnyttjar data
Upphandlingsdata har en central roll i ett datadrivet anbudsarbete. Beslut om att lämna anbud eller inte baseras på fullständig information från start och besluten är därmed välgrundade.
Data om aktuella offentliga kontrakt, prisbilder och konkurrenter ligger till grund för ett proaktivt anbudsarbete med bättre prospektering och anbud som följd.
2. Anbudsarbetet har stöd av AI
Ett datadrivet anbudsarbete tar hjälp av AI för att effektivisera hela processen. AI används för att hämta, bearbeta och extrahera information från upphandlingsdokument, för snabbare granskning av intressanta affärsmöjligheter.
AI används också för att återanvända tidigare anbudssvar och skriva fram utkast. Genom att använda AI kan anbud skrivas snabbare och mer tid kan ägnas åt finjustering.
3. Anbudsarbetet har en hög grad av automation
När anbudsarbetet är datadrivet kan delar av processen automatiseras. På så sätt elimineras repetitiva uppgifter som i sig inte tar så mycket tid, men som adderat tar upp en ansenlig del av det icke-värdeskapande anbudsarbetet.
Exempelvis kan det röra sig om den tidskrävande manuella genomgången av upphandlingsdokumenten, att ladda ned upphandlingsdokument från olika databaser, uppdatera och strukturera interna dokumentsbibliotek, föra över information till ett interna stödsystem, anmäla intresse för att bevaka frågor och svar och att dokumentera vunna kontrakt.
Effekterna av ett datadrivet anbudsarbete
Datadrivet anbudsarbete sparar tid, ger bättre beslut och stärker anbudsorganisationens resultat. Nedan listas några av de centrala effekterna.
✅ 90% sparad tid för bevakning och kvalificering
I bevaknings- och kvalificeringsfasen kan fler relevanta upphandlingar identifieras, och mycket tid sparas. Tidsbesparingen kan vara uppemot 90% för vissa företag.
✅ Mindre slösad tid på upphandlingar som ej leder till affär
Mer underbyggda Go/No Go-beslut leder till färre avbrutna anbudsprocesser och att mindre tid läggs på anbud som inte kommer att leda till en affär.
✅ Effektivare samarbete i anbudsprocessen
Samarbetet inom anbudsorganisationen blir enklare och effektivare. Gemensamma översikter, automatiska sammanfattningar, autogenererade projektplaner, och andra samarbetsfunktioner gör att mindre tid behöver läggas på administration och intern kommunikation.
✅ Kortare tid till lämnat anbud
Med AI-genererade svarsförslag baserade på tidigare lämnade anbud går det snabbare och enklare att skriva och lämna in bra anbud.
✅ Fler vunna anbud
Med en datadriven anbudsprocess har onödigt manuellt arbete skalats bort och teamets resurser kan fokuseras där de har störst effekt. Därför finns mer tid till att arbeta proaktivt och lämna konkurrenskraftiga anbud.
Att ställa om till datadrivet anbudsarbete
Det är spännande att som anbudsorganisation börja arbeta datadrivet. Nya verktyg förändrar arbetssätt och processer, och hjälper organisationen att utvecklas.
Tendiums anbudsplattform är byggd för ett datadrivet anbudsarbete. Att komma igång är enkelt, men såklart behöver organisationen diskutera och utvärdera sina interna processer för att dra full nytta av att arbeta datadrivet.
Testa plattformen på egen hand eller boka en demo för att se vad som är möjligt för din anbudsorganisation.
