Om spend te categoriseren als regels op inkooporders en facturen vaag zijn, spreek je eerst een korte categorielijst af, schoon je leveranciersnamen op en pas je eenvoudige regels toe voor leveranciers die maar één ding verkopen. Daarna laat je AI voor de resterende regels een categorie voorstellen met een zekerheidsscore. Een categorie-eigenaar beoordeelt de regels met lage zekerheid, en elke correctie wordt een regel.
#Belangrijkste punten
- De categorielijst doet er meer toe dan de tool; houd hem kort en geef hem een eigenaar.
- Het opschonen van leveranciersnamen en eenvoudige regels categoriseren een groot deel van de data al voordat er AI aan te pas komt.
- AI is goed in de lange staart: vrije-tekstregels, gemengde Arabische en Engelse omschrijvingen, en nieuwe leveranciers.
- Een persoon beoordeelt voorstellen met lage zekerheid, en correcties komen terug als regels.
- Meet het aandeel regels dat in 'overig' blijft en de nauwkeurigheid op een gecontroleerde steekproef.
#Waarom is spend zo moeilijk te categoriseren?
De inkoopanalist exporteert regels van inkooporders en facturen uit SAP, Oracle of Odoo naar Excel. Omschrijvingen luiden 'artikelen volgens offerte', 'diversen', 'geleverde diensten' of een onderdeelnummer. Dezelfde leverancier staat er onder vier spellingen in, waarvan één in het Arabisch. De helft van de regels is aangemaakt nadat de factuur binnenkwam, met de omschrijving die de aanvrager toevallig intypte. De grootste categorie in het rapport is 'overig'.
Dus kan de categoriemanager eenvoudige vragen niet beantwoorden: hoeveel leveranciers gebruiken we voor schoonmaak, welke bedrijfsonderdelen kopen IT-hardware buiten de raamovereenkomst. De analist is elke keer dat iemand het vraagt dagen bezig met het repareren van de sheet.
Handwerk als dit is gebruikelijk: in de AI-readinessenquête van Procurement Tactics en Suplari, geraadpleegd november 2026 beschreef 72,1% van de inkoopteams de handmatige werkdruk als hoog of zeer hoog, met data die nog met de hand wordt overgezet tussen ERP-, sourcing-, contract- en rapportagesystemen.
#Wat moet je oplossen voordat je AI gebruikt?
- Spreek een categorielijst met twee of drie niveaus af die aansluit bij hoe je categoriemanagers echt inkopen. Benoem per categorie een eigenaar.
- Bepaal of je een standaardcodeset nodig hebt. Overheidsinstellingen vaak wel: de definities voor spenddata van het UK Cabinet Office, geraadpleegd november 2026 vragen om spend te coderen volgens UNSPSC of CPV. De meeste middelgrote bedrijven kunnen dat later koppelen.
- Schoon leveranciersnamen op tot één record per leverancier, inclusief Arabische en Engelse spellingen.
- Schrijf regels voor leveranciers die één ding verkopen: de schoonmaakaannemer is altijd facilitair.
- Zet op een rij wat er overblijft. Dat is de lange staart waar AI aan moet werken.
Bij de categorielijst gaat het bij veel teams mis. Coupa, geraadpleegd november 2026 stelt dat organisaties vaak te weinig tijd en aandacht in hun taxonomie steken, en dat een grote bak 'overig' spendanalyse ondermijnt.
#Wat doet AI met de lange staart?
Voor elke resterende regel leest AI de omschrijving, de leverancier, de grootboekcode en eventuele tekst van een gekoppelde inkooporder of factuur, en stelt een categorie voor met een zekerheidsscore en een korte reden. Hij kan omgaan met gemengde Arabische en Engelse omschrijvingen, onderdeelnummers die hij in je artikelstam kan opzoeken, en nieuwe leveranciers zonder historie.
Voorstellen met hoge zekerheid worden toegepast en steekproefsgewijs gecontroleerd. Die met lage zekerheid gaan naar de categorie-eigenaar, die ze accepteert of corrigeert. Elke correctie wordt een regel of een voorbeeld, zodat dezelfde regel niet twee keer wordt beoordeeld. De persoon is eigenaar van de categorie; AI doet voorstellen.
#Wanneer volstaat een spendanalysetool of een beter inkoopformulier?
Loopt de meeste spend al via catalogi en contracten met categoriecodes, pas dan het formulier voor inkoopaanvragen aan zodat aanvragers een categorie kiezen, en sta geen vrije-tekstorders meer toe voor catalogusartikelen. Gebruik je al een module voor spendanalyse in je inkoopsuite, gebruik dan de classificatie daarvan en steek de moeite in de categorielijst en het opschonen van leveranciers.
AI helpt als vrije-tekstorders en orders achteraf veel voorkomen, omschrijvingen talen mengen en de analist voor elk rapport dezelfde opschoning herhaalt.
#Hoe pakt Stennir dit aan?
Stennir vindt spendcategorisatie vaak tijdens AI-consulting: de AI Opportunity Audit rangschikt vijf workflows, elk met een kosten- en terugverdienonderbouwing, en beveelt één bouw aan. Wint categorisatie, dan bouwt AI-implementatie de regels, de AI-voorstellen en de beoordelingswachtrij in je eigen accounts, met categorie-eigenaren die regels met lage zekerheid goedkeuren en een log van elke wijziging.
Arabisch en Engels worden volledig ondersteund, andere talen op verzoek. Beheerde AI-operations volgen daarna het aandeel regels in 'overig' en de nauwkeurigheid op een gecontroleerde steekproef, met een benoemde eigenaar. AI-training laat categoriemanagers zien hoe ze snel beoordelen en corrigeren.
We are
Stennir bouwt de categorisatieregels en de beoordelingswachtrij op je eigen categorielijst, met categorie-eigenaren die goedkeuren waar AI onzeker over is.
We aren't
Stennir is geen suite voor spendanalyse en verkoopt geen vaste taxonomie die je moet overnemen.
#Wat doet een inkoopanalist nu?
Neem een recente export en tel de regels in 'overig' en het aantal verschillende spellingen van je grootste leveranciers. Zijn beide hoog, begin dan met de categorielijst en het opschonen van leveranciers. Bekijk AI voor operations en AI voor data-invoer, en doe daarna de gratis gereedheidsscan of boek een gesprek van 30 minuten.
#Veelgestelde vragen
Wat hebben jullie van ons nodig?
Een export van regels van inkooporders en facturen, je leveranciersstam, je huidige categorielijst of de lijst die je wilt, en voor elk gebied een categorie-eigenaar die voorstellen kan beoordelen. Leestoegang in je ERP is genoeg om te beginnen; er wordt niets teruggeschreven tot jij het goedkeurt.
Werkt het met Arabische omschrijvingen?
Ja. Stennir bouwt categorisatie voor Arabische, Engelse en gemengde regels, en voegt Arabische en Engelse spellingen van dezelfde leverancier samen met regels die jij goedkeurt. Andere talen worden op verzoek ondersteund en eerst op je eigen data getest. Onduidelijke regels gaan naar de categorie-eigenaar in plaats van dat er wordt gegokt.
Hebben we UNSPSC-codes nodig?
Alleen als een toezichthouder, een moederbedrijf of een klant ze vereist. De meeste middelgrote bedrijven hebben meer aan een korte categorielijst die hun inkopers herkennen. Heb je later een standaardcodeset nodig, dan kan elk van je categorieën er één keer aan worden gekoppeld, zonder elke regel opnieuw te categoriseren.
Waar blijven onze spendgegevens?
Waar je regels dat vereisen. De hosting wordt vóór de bouw schriftelijk vastgelegd: in je eigen cloud, je eigen land of je bestaande systemen. De data, de regels en de logs blijven in je eigen accounts, jij houdt de uitknop, en jij bepaalt wat een modelleverancier mag bewaren.
