Een tender verliezen is duur. U heeft uren besteed, de locatiebezoeken gedaan, de methodologie geschreven – en u bent uitgeschakeld. Maar er is een categorie van tenderverlies die nog frustrerender is: verliezen omdat uw prijsstelling te hoog was om competitief te zijn, of te krap om winstgevend te zijn. Beide uitkomsten hebben dezelfde hoofdoorzaak: onvoldoende inzicht in uw eigen kosten data.
The pricing confidence problem
De meeste FM-bedrijven prijzen tenders met behulp van een combinatie van historische data, inschatting door de inschatters en marge-opslag die rekening houdt met onzekerheid. De inschatters hebben meestal gelijk – binnen een bepaalde marge. Maar die marge is het probleem. Wanneer u geen schone, geclassificeerde historische kosten data heeft, gebeuren er twee dingen: u voegt marges toe om onzekerheid te dekken, waardoor u niet competitief bent; of u comprimeert marges onder prijsdruk zonder data om dit te onderbouwen.
Scenario A vs Scenario B: the cost of guessing
Overweeg twee FM-bedrijven die dezelfde 5-jarige onderhoudscontract prijzen voor een commercieel gebouw van 50.000 m²:
Scenario A – prijsstelling zonder schone data
- 4 dagen voor het afstemmen van inconsistente ERP exports en spreadsheets
- M&E kosten onvergelijkbaar tussen projecten door verschillende kostenstructuren
- Een algemene marge van 14% toegepast om data-onzekerheid te dekken
- Uiteindelijke prijs: €2,4M/jaar
- Resultaat: tweede plaats. Winnende bod was €2,25M.
Scenario B – prijsstelling met schone data
- Historische kosten data opgehaald per asset type en regio in 2 uur
- Laatste 3 vergelijkbare contracten direct vergelijkbaar
- Onvoorziene post precies afgestemd op posten met echte onzekerheid
- Uiteindelijke prijs: €2,23M/jaar met intacte marge
- Resultaat: gewonnen. Marge beschermd.
What slows bid teams down
In de meeste FM biedingsprocessen zit de vertraging niet in de strategische beslissingen – het zit in de data-ophaling. Het vinden van historische kosten data betekent het e-mailen van meerdere afdelingen, wachten op exports van verschillende systemen en het afstemmen van cijfers die niet overeenkomen omdat ze door verschillende mensen op verschillende tijdstippen anders zijn gecategoriseerd.
"Voorbereidingstijd kostte voorheen vier dagen alleen al om de data op te schonen voordat de prijsstelling überhaupt kon beginnen."
– Commercieel Manager, Europees FM-bedrijf
What changes with structured cost data
- Ophaling wordt snel. Historische benchmarks zijn binnen enkele minuten toegankelijk. Wat kostte HVAC onderhoud per vierkante meter op onze laatste vijf contracten heeft direct een betrouwbaar antwoord.
- Margesimulatie wordt reëel. U kunt prijsstellingsscenario's modelleren tegenover actuele kosten data. Wat is de marge-impact als we 3% scherper prijzen op de personeelslijn is een berekening, geen gok.
- Nauwkeurigheid verbetert. Wanneer schattingen gebaseerd zijn op werkelijke cijfers, verkleint de kloof tussen geschatte en werkelijke kosten op gewonnen contracten – wat betekent minder contracten die de marge uithollen door de uitvoering.
The compounding effect
Betere tender data verbetert niet alleen individuele biedingen. Elk voltooid contract produceert betere historische data voor de volgende bieding. De inschatters krijgen slimmere benchmarks. Het proces wordt sneller. Het succespercentage op competitieve tenders verbetert – niet omdat het serviceaanbod veranderde, maar omdat de prijsstelling nauwkeurig genoeg werd om competitief te zijn zonder onverantwoordelijk te zijn.
Richard Wallace
Co-founder, Pearstop
Richard brings deep commercial experience in hard services and FM. He works with clients to design data quality programmes that translate directly into procurement performance and contract accuracy.
LinkedIn →