Analyse af det kommunale indkøb Endelig rapport. 26. april Finansministeriet og KL

Transkript

1 Analyse af det kommunale indkøb Endelig rapport 26. april 2011 Finansministeriet og KL

2 Indholdsfortegnelse 1. Sammenfatning 3 2. Indledning 8 3. Analysedesign og dataindsamling Analysens datagrundlag Analyse/kortlægning af effektiviseringspotentiale Analyse af årsagssammenhænge Konklusion 40 Appendiks Metode Varegrupper på niveau 2 beskrivende statistik 54

3 1. Sammenfatning 1.1 Rapportens formål er at understøtte effektivt indkøb i kommunerne Regeringen og KL har i forbindelse med økonomiaftalen for 2011 indgået aftale om at gennemføre en analyse på det kommunale indkøbsområde. Baggrunden for aftalen er, at der som følge af strukturreformen blev etableret færre og større kommunale enheder. Dette muliggør nye initiativer, som har til formål at effektivisere det kommunale indkøbsområde. Der er i dag en udbredt opfattelse af, at der er behov for større gennemsigtighed og deling af de erfaringer, kommunerne har fået med effektivisering af indkøbsfunktionen. Indtil nu har der været mange gode eksempler på vellykkede initiativer for at optimere indkøbs. Men disse er spredte og bliver ikke kommunikeret bredt og dygtigt nok. Derfor er der en forventning om, at der eksisterer et betydeligt effektiviseringspotentiale, men at opskriften på realisering af dette ikke er bredt anerkendt. Tidligere analyser har belyst dele af indkøbsområdet og kommunal indkøbs, men ikke med et så direkte fokus på nøjagtig prisbenchmark og analyse af god kommunal indkøbs, som der lægges op til i dette tiltag fra Regeringen og KL. I opgavens kommissorium fremgår det: KL og Finansministeriet er enige om, at det er vigtigt at fastholde fokus på og intensivere indsatsen for at realisere mulighederne for at indkøbe mere effektivt og dermed frigøre ressourcer til borgernær service i kommunerne. Formålet med tiltaget er således at etablere et struktureret og solidt fundament for drøftelse og beslutningstagning omkring effektivisering af det kommunale indkøbsområde både på overordnet og kommunalt niveau. Kommissoriet indeholder to overordnede formål: 1. Undersøgelse af det kommunale økonomiske potentiale på indkøbsområdet 2. Undersøgelse af bedste for kommunerne Nærværende rapport omhandler primært punkt 1. Den præsenterer den gennemførte prisbenchmarkanalyse, der først og fremmest forholder sig til det økonomiske potentiale på køb af varer. Tjenesteydelser indgår således ikke i denne analyse. Punkt 2 omkring bedste bliver kun behandlet sporadisk i denne rapport, idet de indsamlede data og dialogen med de deltagende kommuner i prisbenchmarken kun muliggør indikative analyser af dette område. Analysen har til formål at danne grundlaget for den mere dybdegående, efterfølgende bedste -analyse. Prispunkterne, der er indsamlet i forbindelse med prisbenchmarksanalysen, kan yderligere danne grundlag for KL s fortsatte etablering af et prisbenchmarkingredskab. Et sådant redskab har til formål at øge gennemsigtigheden og hjælpe kommunerne til at opnå konkurrencedygtige priser på alle varegrupper gennem bedre information om markedspriser og hensigtsmæssige kontraktforhold mv. 1.2 Analysen er gennemført med et struktureret design Prisbenchmarkanalysen er blevet gennemført efter et struktureret analysedesign, som har lagt vægt på en høj grad af inddragelse af de deltagende kommuner. Målsætningen har været at opnå så nøjagtigt og sammenligneligt et datagrundlag som muligt, og sikre at kommunerne ikke oplevede, at centrale faktorer eller vilkår blev udeladt. Side 3 / 82

4 Analysen gennemføres som en estimering af potentialet på baggrund af udvalgte produkter ( prispunkter ) i udvalgte varegrupper. De udvalgte produkter og varegrupper er valgt efter deres repræsentativitet for det kommunale indkøb, således at det målte effektiviseringspotentiale for disse kan ekstrapoleres til en større population. Data på de udvalgte prispunkter og varegrupper er indsamlet i 15 udvalgte kommuner. Udvælgelsen af kommunerne blev foretaget under hensyntagen til repræsentativitet ud fra parametrene; indkøbt volumen og en vurdering af kommunens modenhed på indkøbsområdet. Endelig blev det sikret, at alle regioner blev inddraget. Der er udvalgt 29 kommunale varegruppeområder og i alt 176 prispunkter, der dækker varer, hvor det erfaringsmæssigt er muligt at opnå effektiviseringer, og som er mulige at sammenligne kommunerne imellem. Efter individuelle opstartsmøder indsamlede kommunerne data med assistance fra konsulentteamet. Herefter foretoges en omfattende valideringsproces af de kommunale data, hvor hver kommune blev besøgt igen efter den indledende validering for at håndtere eventuelle uklarheder. I valideringsprocessen blev det besluttet at udelade 3 af de oprindelige 29 varegrupper (servere, storage og applikationer). Årsagen til dette var først og fremmest, at det ikke har været muligt at etablere et tilstrækkeligt og sammenligneligt datagrundlag for disse varegrupper. t beregnes overordnet set som et vægtet gennemsnit af potentialet på de enkelte varer i varekurven. Varekurven er opdelt i to såkaldte varegruppeniveauer, hvor varegruppeniveau 1 er den overordnede type af varer. Varegruppeniveau 2 er den mere specifikke varekategori. Inden for hver varegruppe på niveau 2 er der udvalgt prispunkter i form af helt konkrete varer. I Figur 1 nedenfor fremgår de to varegruppeniveauer samt prispunkter. Figur 1: Illustration af varegruppeniveauer Varegruppeniveau 1 Hygiejneartikler Varegruppeniveau 2 Aftørringspapir Rengøringsartikler Andethygiejne (ikke inkluderet) Prispunkter Håndklædeark2-lag hvid c.fold Flydende tøjvask Prispunkt Prispunkt Prispunkt Prispunkt Side 4 / 82

5 Selve estimeringen er gennemført ved at ekstrapolere vægtede gennemsnit i flere trin. Det vægtede gennemsnitlige potentiale for de udvalgte prispunkter ekstrapoleres først til den samlede varegruppe på varegruppeniveau 2. Derpå estimeredes potentialet for varegrupperne på varegruppeniveau 1 ved at beregne de vægtede gennemsnit af potentialerne på varegruppeniveau 2. Potentialerne beregnes efter følgende tre metoder: 1) pris : et benchmark over for bedste pris på det enkelte prispunkt. 2) -pris: et benchmark af prispunkterne over for den pris, som kommunen, der har de bedste generelle priser i varegruppen, har opnået. De generelle priser måles her som et vægtet gennemsnit af prispunkterne i varegruppen. 3) Næstbedste -pris: et benchmark af prispunkterne over for den kommune, der har opnået de næstbedste generelle priser i varegruppen. 1.3 Analysen peger på et betydeligt potentiale Med udgangspunkt i de tilbageværende 26 varegrupper er der estimeret et samlet effektiviseringspotentiale både på varegruppeniveau 1 og 2 og for de tre estimeringsmetoder. Estimaterne på varegruppeniveau 2 har, jævnfør den metodiske tilgang, dannet grundlag for estimaterne på varegruppeniveau 1. Tabel 1 opsummerer resultaterne af analysen, hvor både det estimerede procentvise effektiviseringspotentiale og det konkrete forventede beløb i kroner fremgår. Tabel 1: Opsummering på potentialeanalyse Varegruppeniveau 2 1 Procent Beløb Procent Beløb pris -26 % % % % Næstbedste -11 % % Tabellen viser, at der ud fra bedste -metoden estimeres et samlet effektiviseringspotentiale for de inkluderede varegrupper på niveau 1 på 15 procent svarende til godt 1,5 mia. kr. Det teoretiske potentiale for bedste -pris metoden er primært baseret på følgende antagelser: Alle kommuner kan opnå bedste -pris: Data viser, at en række kommuner med bedste -pris har opnået ekstremt lave priser pga. en bevidst markedssatsning fra leverandørens side. Alle kommuner kan have en kontraktloyalitet (compliance), der er sammenlignelig med den kommune, der har opnået bedste. Forbrugsbasen er valid. Varerne, der er angivet priser på, er funktionelt sammenlignelige. Prispunkterne, der er benchmarket, er repræsentative. Kommunerne i analysen er repræsentative. For at udfordre det estimerede potentiale kan man inddrage de to yderligere estimeringsmetoder, bedste pris og næstbedste som hhv. et optimistisk og noget konservativt estimat. Her estimeres potentialet til hhv. 20 og 10 procent svarende til hhv. ca. 2 mia. kr. og godt 1 mia. kr. Side 5 / 82

6 Hertil kan så tilføjes det ekstrapolerede potentiale for de områder, der ikke er inkluderet i analysen. Dette svarer for bedste pris -metoden til 1,3 mia. kr., for bedste -metoden til 1,0 mia. kr. og for næstbedste -metoden til 0,6 mia. kr. Det ekstrapolerede potentiale dækker over en række varegrupper, der ikke direkte er omfattet af dataindsamlingen til analysen, men hvor der forventes at være et potentiale baseret på tidligere analyser og konsulentteamets erfaringer med kommunale indkøb. Ser man på de inkluderede varegrupper, viser analysen, at der er stor variation i effektiviseringspotentialet. De varegrupper på varegruppeniveau 2, som estimeres til at have de største relative effektiviseringspotentialer i kommunerne, er kontorartikler (56%), vask og leje af arbejdsbeklædning (40%) og aftørringspapir (30%). De varegrupper, der estimeres til at have de mindste potentialer, er eksempelvis benzin og diesel (1%), vejsalt (3%) samt stomihjælpemidler (4%). Vægter man potentialerne i forhold til de forskellige varegruppers andel af det samlede kommunale indkøb, viser det sig, at de varegrupper, der driver den største andel af det absolutte potentiale i kroner og ører, er kolonial, kontorartikler samt genbrugshjælpemidler. De estimerede potentialer for de deltagende kommuner viser en vis variation kommunerne imellem. Potentialerne estimeret ved bedste -metoden varierer fra 11 procent til 28 procent på de inkluderede varegrupper. Til sammenligning varierer potentialerne for metoden næstbedste fra 7 procent til 21 procent. 1.4 Perspektiver på god indkøbs Rapportens primære fokus er at afdække effektiviseringspotentialet inden for det kommunale indkøbsområde gennem en prisbenchmarkanalyse. Det er derudover undersøgt, om det indhentede datamateriale vedr. effektiviseringspotentialet giver grundlag for at drage konklusioner om årsagerne til effektivt indkøb. I den forbindelse er der indhentet en begrænset mængde supplerende informationer på en række kvantitative og kvalitative variable. På baggrund af blandt andet teori på området, konsulentteamets praktiske erfaringer og tidligere analyser er forventningen at følgende bidrager til lavere priser og mere effektivt indkøb: Konkurrence giver mere effektive indkøb. Stor koordineret omsætning hos den enkelte leverandør giver mere effektivt indkøb. Standardisering af varesortimentet giver mere effektivt indkøb. Forpligtigelse på købersiden giver mere effektivt indkøb. Samlet set er det forventningen, at i jo højere grad de fire principper opfyldes, desto mere effektivt bliver indkøbet. I er de fire principper ofte kombineret. Et godt eksempel på det er offentlige indkøbsfællesskaber som f.eks. Statens Indkøbsprogram, der igennem de sidste fem år har sikret effektiviseringer i staten ud fra blandt andet ovenstående principper. Analysen bekræfter i et vist omfang de fire forventninger. Således indikerer datamaterialet, at der er en sammenhæng mellem en større indkøbsvolumen og mere favorable priser. Rationalet er, at kommunerne kan opnå bedre priser hos leverandørerne, hvis disse kan forvente at afsætte en større mængde. Side 6 / 82

7 Endvidere viser data, at der er generelt er fordele ved at foretage kommunale indkøb via aftaler indgået af indkøbsfællesskaber og Statens Indkøb. Dette hænger både sammen med en øget volumen, færre leverandører, forpligtelse og en høj grad af standardisering af sortimentet. Figur 2 nedenfor viser effektiviseringspotentialer i forhold til bedste -prisen, fordelt på kontraktudbydere. De laveste effektiviseringspotentialer findes således hos de kontraktudbydere der i forvejen køber mest effektivt ind. Figur 2: Illustration af varegruppeniveauer 0% Antal observationer % Potentiale -10% -15% -20% -25% -30% -7% -16% -18% -22% -25% Statens Indkøb SKI, miniudbud Indkøbsfællesskab Egen kommune SKI, direkte tildeling Dialogen med kommunerne og den indsamlede information om indkøbs peger på, at der desuden er fordele ved at have obligatoriske og bredt dækkende aftaler (dvs. så meget af kommunen som muligt), ligesom et smallere sortiment i flere tilfælde har medført bedre priser hos leverandøren på de udvalgte produkter. Endelig peger analysen på, at kommunernes modenhed og professionalisme spiller en væsentlig rolle i forbindelse med at opnå favorable priser. Dette bør dog undersøges mere fyldestgørende for at kunne påvise betydningen mere nøjagtigt og nuanceret, herunder i forhold til eventuelle afhængigheder mellem de fire forventninger. Side 7 / 82

8 2. Indledning Med gennemførslen af strukturreformen i 2007 blev Danmark inddelt i færre og større kommuner. Dermed opstod der et nyt udgangspunkt for organiseringen af en række kommunale opgaver herunder indkøb. De senere års voksende pres på offentlige budgetter kombineret med øget fokus på kvalitet i den offentlige velfærd har desuden medført et yderligere behov for at begrænse omkostninger til støttefunktioner for at frigøre ressourcer til de kommunale kerneopgaver. Dette opnås først og fremmest ved effektivisering af processer og øget samarbejde på tværs af offentlige organisationer. Med den fælleskommunale indkøbsstrategi fra 2008 er rammerne lagt for at effektivisere det kommunale indkøb, og der arbejdes på en række kommunale indkøbsprojekter med henblik på at effektivisere indkøb på denne baggrund. Der er dog samtidig behov for at fastholde fokus på og intensivere indsatsen for at realisere mulighederne for at indkøbe mere effektivt. Herved kan der frigøres flere ressourcer til borgernær service i kommunerne. På denne baggrund er Regeringen og KL i forbindelse med Økonomiaftalen for 2011 blevet enige om at gennemføre en analyse af det kommunale indkøbsområde med henblik på at identificere og udbrede bedste. Med udgangspunkt i det kommunale indkøbsområde og de eksisterende analyser, som findes på området, har Finansministeriet og KL besluttet at gennemføre en prisbenchmarkanalyse af kommunernes indkøb. På baggrund af analysen skal det være muligt at vurdere/estimere effektiviseringspotentialet såvel inden for de udvalgte varekategorier som for det kommunale indkøb i bredere forstand. Det overordnede formål er at understøtte en effektivisering og øget gennemsigtighed på det kommunale indkøbsområde, herunder at styrke kommunernes beslutningsgrundlag om indkøb. Denne rapport beskriver resultaterne af analysen. Analysens formål er at kortlægge og analysere området med henblik på at estimere det mulige effektiviseringspotentiale på indkøb af varer. Indkøb af tjenesteydelser indgår ikke i analysen. Analysen er gennemført med indkøbsdata fra 15 udvalgte 1 kommuner, suppleret med konsulentteamets allerede eksisterende data. Analysen er gennemført med data fra 29 udvalgte varegrupper. t estimeres dels for de enkelte kommuner og dels for kommunerne samlet på landsplan. Prisbenchmarkanalysen skal desuden fungere som fundament for en dyberegående kvalitativ analyse af bedste inden for det kommunale indkøbsområde. Der er derfor ved dataindsamlingen, i forbindelse med prisbenchmarkanalysen, indsamlet data på variable, der kan forklare årsager til variationen i priser. På baggrund af dette er der foretaget en række observationer og analyser omkring årsagssammenhænge på indkøbsområdet. Disse præsenteres til sidst i rapporten. Sammenhængene ligger i forlængelse af en række a priori forventninger til indkøbsområdet omkring bl.a. sammenhæng mellem pris og volumen pr. leverandør, standardiseret sortiment og minimering af usikkerhed. Forventningerne er blevet analyseret ud fra de tilgængelige observationer og data og vil blive illustreret med konkrete analyser og eksempler. 1 Idet Faaborg-Midtfyn svarer på vegne af et indkøbsfællesskab med 5 deltagende kommuner, estimeres potentialet reelt på data fra 19 kommuner. Side 8 / 82

9 2.1 Rapportens opbygning Indledningsvist præsenteres analysens tilgang og datagrundlag i kapitel 3. I kapitel 4 præsenteres data som deskriptiv statistik og datagrundlagets kvalitet vurderes i forhold til analysen. I kapitel 5 præsenteres analyseresultaterne på hhv. varegruppeniveau 2 og varegruppeniveau 1. Kapitlet slutter af med en estimering af det samlede effektiviseringspotentiale på det kommunale indkøbsområde på landsplan. I kapitel 6 belyses en række antagelser og forventninger til, hvad der karakteriserer god indkøbs ud fra det indsamlede datagrundlag. Kapitel 7 samler op på rapportens centrale resultater og implikationer. Side 9 / 82

10 3. Analysedesign og dataindsamling 3.1 Overordnet opgavetilgang Analysen er gennemført i fire overordnede faser i perioden oktober 2010 til marts Aktiviteterne er beskrevet i de følgende afsnit med hovedvægt på de centrale overvejelser og beslutninger. Projektdesignet er udviklet med henblik på at sikre en nøjagtig, dokumenteret og anvendelsesorienteret løsning af opgaven. I appendiks 1 uddybes metoden med en grundig gennemgang af hele processen. Figur 3 illustrerer den overordnede tilgang til opgaven med fokus på hovedaktiviteter. Figur 3: Overordnet faseopdelt løsningsmodel til analysen Løbende projektstyring, vidensdelingog dokumentation Projektopstart Dataindsamling Analyse Rapportudarbejdelse Projektafslutning Endelig fastlæggelse af opgavens rammer og løsningsdesign Forventningsafklaring med ordregiver Udvælgelse af varegrupper og kommuner Vedtagelse af tidsplan, møder og milepæle Forberedelse af dataskabelon Forbrugskortlægning Kontakt til og opstartsmøder med kommuner Dataindsamling Datavalidering Prisbenchmarkspr. varegruppe Potentialevurdering pr. kommune Kommunal validering og accept (WS) Potentialevurdering på varegruppe på landsplan Kvalitetssikring Udarbejdelse af delrapport Udarbejdelse af endelig rapport Kommunale delrapporter Kvalitetssikring og første præsentation Afsluttende justeringer og afrapportering Statusmøder med Finansministeriet og KL Analysen er baseret på en stikprøvemetode, der bygger på analyse af udvalgte prispunkter, varegrupper og kommuner, der er repræsentative for det kommunale indkøb. Som det fremgår af ovenstående løsningsmodel er det centrale punkt i analysen, at potentialet for effektiviseringer og besparelser estimeres med stor sikkerhed. Dette stiller høje krav til den indledende specifikation såvel som til dataindsamlingen og de gennemførte analyser. Projektet er således blevet gennemført med fokus på tre kritiske opmærksomhedspunkter: Udvælgelse af kommuner og varegrupper med henblik på at sikre højst mulig repræsentativitet. Omhyggeligt struktureret dataindsamling med tilstrækkelig vægt på grundig validering af data i samarbejde med kommunerne. Grundig analyse og behandling af data med vægt på at udvælge de rette metoder til estimering af potentialet for kommuner og på landsplan. De følgende afsnit beskriver kort hovedovervejelserne og de anvendte metoder under de tre kritiske punkter. Side 10 / 82

11 3.2 Udvælgelse af deltagende kommuner Analysen er udført med data fra 15 kommuner som grundlag. Kommunerne er udvalgt efter to dimensioner, der vurderes at have væsentlig indflydelse på, hvilke priser kommunerne kan opnå. Kommunerne er placeret på de to dimensioner og derpå udvalgt med henblik på at sikre, at den samlede repræsentativitet i forhold til det samlede kommunale indkøb er så høj som mulig med 15 kommuner: Indkøbsvolumen: Samlede omkostninger anvendt på indkøb af varer i Det forventes, at kommuner med større volumen i indkøbet vil være i stand til at opnå bedre priser end kommuner med mindre volumen. Indkøbsorganisationens modenhed: Modenheden er vurderet på baggrund af konsulentteamets kendskab og erfaringer fra de valgte kommuner, generelt markedskendskab samt kommunernes deltagelse i indkøbsfællesskaber. Det forventes, at kommuner med en mere moden indkøbsorganisation kan opnå bedre priser end kommuner med en mindre moden indkøbsorganisation. De deltagende kommuner har forholdsvis stor variation i indkøbsvolumen og modenhed. Der mangler primært kommuner med høj modenhed/lav volumen, og lav modenhed/høj volumen. Dette skyldes, at der er en empirisk sammenhæng mellem størrelsen af den samlede indkøbsmængde og indkøbsorganisationens modenhed, hvorfor der ikke er identificeret kommuner med disse karakteristika. Kommunerne er ud over de to overordnede parametre søgt udvalgt, således at de er geografisk repræsentative. På regioner fordeler kommunerne sig som følger: Region Hovedstaden (5), Region Sjælland (3), Region Syddanmark (2), Region Midtjylland (2) og Region Nordjylland (3). Den samlede vurdering er derfor, at den udvalgte gruppe af 15 kommuner er repræsentativ i forhold til kommunernes samlede indkøb. Derfor kan data for stikprøven anvendes som et validt fundament for estimeringen af effektiviseringspotentiale på landsplan. For en mere dybdegående gennemgang af udvælgelsen og de metodiske overvejelser i forbindelse med denne, se appendiks Kort om varegruppeniveauer Metodetilgangen estimerer et effektiviseringspotentiale på baggrund af en samlet varekurv et udvalg af konkrete varer, som er udvalgt med henblik på at sikre repræsentativitet for det kommunale indkøb af varer, baseret på konsulentteamets erfaringer med indkøbsanalyser. t beregnes overordnet set som et vægtet gennemsnit af potentialet på de enkelte varer i varekurven. Varekurven er opdelt i 2 såkaldte varegruppeniveauer, hvor varegruppe 1 er den overordnede type af varer. Varegruppeniveau 2 er de mere specifikke grupper af varer. Inden for hver varegruppe på niveau 2 er der udvalgt prispunkter i form af helt konkrete varer, jf. Figur 4. Side 11 / 82

12 Figur 4: Gennemsnitlige effektiviseringspotentialer fordelt på kontraktudbyder Varegruppeniveau 1 Hygiejneartikler Varegruppeniveau 2 Aftørringspapir Rengøringsartikler Andethygiejne (ikke inkluderet) Prispunkter Håndklædeark2-lag hvid c.fold Flydende tøjvask Prispunkt Prispunkt Prispunkt Prispunkt Et eksempel på dette er: hygiejneartikler som er en kategori af varer på niveau 1, mens aftørringspapir og rengøringsartikler er eksempler på varekategorier på niveau 2, som hører under hygiejneartikler. Inden for hver varegruppe på niveau 2 er der til analysen udvalgt nogle konkrete varer eller prispunkter, som kommunerne leverer priser på eksempelvis kan dette være flydende tøjvaskeeller håndopvaskemiddel under kategorien rengøringsartikler. Der indsamles data for 19 varegrupper på niveau 1 og 29 varegrupper på niveau 2 i de 15 deltagende kommuner. Det har dog vist sig at være umuligt at indsamle tilstrækkeligt med data for alle 29 varegrupper. Derfor er der kun gennemført analyser med 26 af de oprindelige 29 varegrupper. De varegrupper, der er udeladt, er servere, storage mv. og applikationer. Årsagen til udeladelsen har været, at der kun er modtaget data fra en fåtal af kommuner, ligesom det indsamlede materiale viste sig at være svært sammenligneligt. 3.4 Udvælgelse af varegrupper Analysen er afgrænset til at omfatte kommunernes vareindkøb. Det vil sige, at tjenesteydelser ikke indgår i analysen. For hver varegruppe er udvalgt et antal prispunkter bestående af produkter, der betragtes som repræsentative for indkøbet i hele varegruppen. De analyserede varegrupper er endvidere udvalgt inden for fire arter i den kommunale kontoplan. I henhold til den autoriserede kommunale kontoplan er der tale om arterne 2 : 2.2 Fødevarer 2.3 Brændsel og drivmidler 2.7 Anskaffelser 2.9 Øvrige varekøb. Som udgangspunkt er der udvalgt varegrupper med et betydeligt volumen, hvor der vurderes at være potentiale for besparelser. Det samlede varekøb kan inddeles i fire overordnede kategorier: 2 Det bemærkes, at der i analysen ses bort fra art 2.6 køb af jord og bygninger og at der ikke medtages udgifter, der ikke kan henføres til det skattefinansierede driftsområde, da denne type køb ikke egner sig til denne type af prisbenchmarking. Side 12 / 82

13 1) Varer, hvor det erfaringsmæssigt er muligt at opnå solide effektiviseringer. 2) Varer, der erfaringsmæssigt har en væsentlig besparelsesprocent på den enkelte vare, men hvor den indkøbte volumen er så lav, at det samlede potentiale på landsplan er lavt (fx babyudstyr). 3) Varer, der af den ene eller anden årsag er vanskelige at benchmarke, hvilket gør det vanskeligt at estimere et potentiale. Et eksempel er elektricitet, som handles på en børs og priserne svinger fra dag til dag. 4) Varer uden effektiviseringspotentiale (fx varer hvis pris er fastsat ved lovgivning). Varerne i kategori 1, 2 og 3 indgår i analysen. For varerne i kategori 2 og 3 anvendes en simpel ekstrapolering af potentialet i kategori 1, dvs. den gennemsnitlige besparelsesprocent for varer i kategori 1 ganges på volumen på varer i gruppe 2. Varerne i kategori 4 analyseres ikke for potentiale. Inddelingen af varer i kategorier fremgår i Figur 5. Figur 5: Inddeling af det samlede indkøb af varer i fire kategorier Samlede indkøbte varer Kategori 1: Signifikant effektiviseringspotentiale Kategori 2: Væsentlig besparelsesprocent på den enkelte vare, men lav volumen Kategori 3: Vanskelige at benchmarke Kategori 4: Uden effektiviseringspotentiale Indgår i analysen Udgår af analysen Estimeres ved hjælp af vægte Estimeres ved hjælp af ekstrapolering De 26 varegrupper på niveau 2, der indgår i analysen, fremgår af tabel 2. Af tabellen fremgår det desuden, hvilke varegrupper på varegruppeniveau 1 de udvalgte varegrupper på niveau 2 indgår i samt vægten af disse.. Vægtene er relative, hvilket vil sige, at når Vask og leje af arbejdsbeklædning indgår med vægt på 100 procent i varegruppen Beklædning, betyder det blot, at denne varegruppe er den eneste fra varegruppen Beklædning, der indgår i analysen (der er tre varegrupper under varegruppen Beklædning, men de to øvrige er ikke analyseret). Endvidere fremgår antallet af prispunkter i hver varegruppe på niveau 2. Samlet set er der indsamlet data på 176 prispunkter. Side 13 / 82

14 Tabel 2: Beskrivelse af varegrupper på niveau 1 og 2 der indgår i analysen Varegruppeniveau 2 Antal prispunkter Varegruppeniveau 1 Varegruppeniveau 2's vægt i varegruppe 1 Vask og leje af arbejdsbeklædning 4 Beklædning 100% Hobbyartikler 16 Beskæftigelsesmaterialer 100% El-artikler 4 El-artikler/belysning 100% Aftørringspapir 8 Hygiejneartikler 50% Rengøringsmidler 7 Hygiejneartikler 50% Kontorartikler 24 Kontorvarer o.l. 78% Kopipapir 3 Kontorvarer o.l. 22% Kontormøbler 3 Møbler og Inventar 100% Kolonial 15 Fødevarer 100% Vejsalt Øvrige produkter til teknisk 2 område 47% Vejskilte Øvrige produkter til teknisk 4 område 53% Fyringsolie 1 Anden opvarmning 100% Benzin og diesel 3 Benzin og Diesel 100% Biler (køb) 1 Motorkøretøjer 50% Biler (Operationel leasing) 2 Motorkøretøjer 50% Computere 5 It-hardware 100% AV-udstyr og smart boards 4 AV-udstyr og smart boards 100% Multifunktionsmaskiner 15 Kopi og print 100% Trælastvarer 6 Byggematerialer 81% Belægningssten 4 Byggematerialer 19% Sygeplejeartikler 9 Sygeplejeartikler 100% Diabetesprodukter 8 Personlige hjælpemidler 50% Genbrugshjælpemidler 3 Genbrugshjælpemidler 100% Stomihjælpemidler 6 Personlige hjælpemidler 34% Ortopædisk fodtøj 5 Personlige hjælpemidler 17% Biblioteksbøger 5 Bøger mv. 100% Vægtene for prispunkter er beregnet med udgangspunkt i konsulentteamets database over kommunale indkøb. Konsulentteamets database består af detaljerede indkøbsdata der er indsamlet fra indkøbsanalyser af over 35 kommuner. Databasen indeholder forbrugsdata opbygget med udgangspunkt i den naturlige kategorisering for en kommunal indkøbsafdeling, og har bl.a. været grundlag for tidligere analyser af det kommunale indkøbsområde. Til vægtning af potentialet på landsplan anvendes artskontodata for kommunernes samlede indkøb. Kommunernes samlede indkøb på arter er kendte størrelser, da dette indberettes til Danmarks Statistik. Det skaber et retvisende grundlag for det videre arbejde både i prisbenchmarkanalysen og den efterfølgende bedste analyse. Datagrundlaget og baggrunden for udeladelser beskrives i kapitel Metode til estimering Der anvendes tre metoder til benchmarking af kommunernes priser på de individuelle varegrupper: 4) pris : et benchmark over for bedste pris på det enkelte prispunkt. 5) -pris: et benchmark af prispunkterne over for den pris, som kommunen, der har de bedste generelle priser i varegruppen, har opnået. De generelle priser måles her som et vægtet gennemsnit af prispunkterne i varegruppen. Side 14 / 82

15 6) Næstbedste -pris: et benchmark af prispunkterne over for den kommune, der har opnået de næstbedste generelle priser i varegruppen. Den første metode vil estimere det højeste potentiale, mens den anden vil give det næsthøjeste. Årsagen er, at potentialet vil være højere, når alle prispunkter benchmarkes individuelt imod den bedste pris. -metoden anvendes som den primære estimeringsmetode for kommunernes potentiale. Det kan således være vanskeligt for kommunerne at opnå bedste pris på alle prispunkter, eksempelvis som følge af strategiske overvejelser fra leverandørerne. Leverandøren kan eksempelvis vælge at sætte prisen så langt ned på et produkt, at det ikke er økonomisk rentabelt at sælge det, men kompensere for dette ved at forlange en mark-up på en række andre produkter. Næstbedste -metoden inddrages som et konservativt estimat for at belyse spændet i kommunernes priser. Potentialet er for bedste -pris metoden baseret på en række antagelser, primært: Alle kommuner kan opnå bedste -pris: Data viser, at en række kommuner med bedste -pris har opnået særdeles lave priser pga. en bevidst markedssatsning fra leverandørens side. Antagelsen om, at alle kan opnå bedste -pris, bør udfordres. Alle kommunerne kan have en lige så høj kontraktloyalitet (compliance) som den kommune, der har den bedste. Forbrugsbasen er valid. Varerne, der er angivet priser for, er funktionelt sammenlignelige. Prispunkterne, der er benchmarket, er repræsentative. Kommunerne i analysen er repræsentative. Alle antagelserne kan udfordres, men som udgangspunkt er det konsulentteamets samlede vurdering, at den valgte metode minimerer usikkerhederne bedst muligt. Alle tre metoder anvendes, da det giver et bedre indblik i analysens følsomhed for ændringer i antagelser. 3.6 Dataindsamling og validering Dataindsamlingen er blevet gennemført med fokus på videst mulig inddragelse af de deltagende kommuner for at sikre høj kvalitet i det endelige datagrundlag og accept af data fra de deltagende kommuners side. Data er indsamlet ved brug af en dataskabelon. Dataindsamlingen er udført i flere trin. Først blev en skabelon for indsamling af prispunkter og forklarende variable designet af konsulentteamet, og skabelonen blev pilottestet og justeret. Skabelonen blev derpå udsendt til de deltagende kommuner, og konsulentteamet arrangerede opstartsmøder med kommunerne. På opstartsmøderne gennemgik repræsentanter for konsulentteamet dataskabelonen for de kommunale medarbejdere og svarede på eventuelle spørgsmål. Efter opstartsmøderne har kommunerne haft en periode til at indsamle data. I denne periode har kommunerne haft mulighed for at kontakte konsulentteamet med eventuelle spørgsmål til dataskabelonen og ønsker til data. Efter konsulentteamet har modtaget de udfyldte dataskabeloner fra kommunerne, er data blevet behandlet, og der er blevet fulgt op på eventuelle mangler. Efter en deskriptiv analyse af datamaterialet, er datamaterialet blevet gennemgået på valideringsmøder med kommunerne med henblik på Side 15 / 82

16 at få afklaret årsager til eventuelle outliers eller andre opmærksomhedspunkter. Data er herpå blevet konsolideret i en database. Efter valideringsmøderne er der foretaget en endelig kvalitetssikring, hvor konsulentteamet har gennemgået datamaterialet mere detaljeret og fulgt op på udeståender. Valideringen har taget udgangspunkt i variationen i priser på de enkelte varegrupper. Dette er gjort for at bestemme, hvorvidt denne variation skyldes andet, end at indkøbsfunktionen har opnået lave priser. Andre årsger kan være, at kommunens har angivet: Forkert produkt Forkert mængdeopgørelse Usammenlignelig kvalitet Fejlagtig dataindtastning. I denne proces er adskillige fejl blevet fundet og rettet. Derudover er tre varegrupper blevet taget ud som følge af manglende data. Det drejer sig om varegrupperne: Servere, hvor meget få kommuner har indberettet data. Storage, hvor meget få kommuner har indberettet data. Applikationer, hvor relativt få kommuner har indberettet data, og indberettede data har vist sig vanskeligt at sammenligne. Data er herpå blevet analyseret. De endelige resultater er blevet valideret på en workshop med de deltagende kommuner. 3.7 Opsamling på datagrundlag Generelt er datagrundlaget for analysen tilfredsstillende. Omfanget af supplerende kunde- /varestatistikker har dog været meget mangelfulde, hvilket bl.a. begrænser analysemuligheder vedrørende fx kontraktloyalitet i den enkelte kommune. Figur 6 viser datagrundlaget for de 29 varegrupper. Side 16 / 82

17 Figur 6: Antal kommuner der har leveret alle eller nogle data Kontorartikler Rengøringsmidler Aftørringspapir Hobbyartikler Benzin og diesel Kopipapir Computere El-artikler - belysning Vejskilte Kolonial Multifunktionsmaskiner Ortopædisk fodtøj Arbejdsbeklædning Fyringsolie Vejsalt Biblioteksbøger Av-udstyr og smartboards Stomihjælpemidler Kontormøbler Diabetes Sygeplejeartikler Belægningssten Trælastvarer Kørestole og rollatorer Biler (Operationel leasing) Biler (Køb) Servere Applikationer Storage mv Som det fremgår af observationer fordelt på varegrupper, var der ved afslutningen af dataindsamlingen enkelte udeståender med hensyn til data fra kommunerne. Disse udeståender skyldes flere forhold, herunder manglende data, begrænsninger i deling af oplysninger som følge af leverandørkontrakter, og at varerne indgår som en del af kontrakter og aftaler omkring tjenesteydelser, hvor det ikke har været muligt entydigt at udskille priser. De tre varegrupper, som udelades af analysen (servere, storage og applikationer), er karakteriseret ved, at der er tale om et meget begrænset datagrundlag (data fra maks. 6 kommuner) samt at der er udfordringer med at sammenligne de modtagne observationer på tværs af kommuner. Inden for de enkelte varegrupper er der tilsvarende udeståender for nogle kommuner. Dette skyldes, at produktet ikke er indkøbt i analyseperioden (oktober 2009 til oktober 2010), at der købes et ikke sammenligneligt prispunkt, eller at data har manglet i systemer og kunde-/varestatistikker. Side 17 / 82

18 4. Analysens datagrundlag Kapitlet redegør for analysens datagrundlag og datakvalitet og består af tre dele: 1) Præsentation af prisdata for varegrupper og prispunkter. 2) Deskriptiv statistik af forklarende variable (variable for udbudt volumen og kommune) og responsvariable (priser og besparelsesprocenter). 3) Vurdering af datakvaliteten. 4.1 Præsentation af prisdata på prispunktniveau og varegruppeniveau 2 Indledningsvist præsenteres de indsamlede data for de udvalgte varegrupper og specifikke prispunkter. Afsnittet beskriver antal observationer for varegrupperne samt spredningen i de modtagne data illustreret som gennemsnittet af standardafvigelsen for prispunkterne inden for den enkelte varegruppe. Tabel 3 viser beskrivende statistik for prispunkterne på varegruppeniveau 2. Der er i alt anmodet om data for 176 prispunkter fordelt på 29 varegrupper på niveau 2 fra de 15 deltagende kommuner. Tabel 3: Beskrivende statistik for prispunkter fordelt på varegrupper på varegruppeniveau 2 Antal prispunkter Gennemsnitligt antal observationer* Std. afvigelse/gennemsnit Vask og leje af arbejdsbeklædning 4 11,8 0,29 Hobbyartikler 16 12,9 0,27 El-artikler 4 12,8 0,26 Aftørringspapir 8 12,1 0,27 Rengøringsmidler 7 13,4 0,34 Kontorartikler 24 13,0 0,41 Kopipapir 3 11,7 0,23 Kontormøbler 3 11,7 0,21 Kolonial 16 10,3 0,19 Vejsalt 2 6,5 0,15 Vejskilte 4 8,3 0,28 Fyringsolie 1 12,0 0,02 Benzin og diesel 3 14,0 0,42 Biler (køb) 1 5,0 0,11 Biler (operationel leasing) 1 8,0 0,25 Computere 5 8,8 0,33 AV-udstyr og smart boards 4 9,8 0,34 Multifunktionsmaskiner 25 8,1 0,37 Trælastvarer 6 7,2 0,50 Belægningssten 3 5,8 0,46 Sygeplejeartikler 9 10,1 0,19 Diabetesprodukter 8 11,8 0,09 Genbrugshjælpemidler 3 8,0 0,38 Stomihjælpemidler 6 11,8 0,11 Ortopædisk fodtøj 5 12,6 0,28 Biblioteksbøger 5 11,8 0,16 Gennemsnit 10,4 0,27 Side 18 / 82

19 * Gennemsnitligt antal observationer er det gennemsnitlige antal kommuner, der har indberettet på hvert prispunkt Det gennemsnitlige antal observationer er gennemsnittet af observationer på hvert prispunkt (dvs. antal kommuner, der har indberettet på hvert prispunkt - til forskel fra Figur 6, der viste antal kommuner, der har indberettet blot et enkelt prispunkt på den enkelte varegruppe). Som det kan ses af tabellen, er der på de fleste varegrupper blevet indberettet data for ca. 10 kommuner eller mere. Særligt rengøringsmidler, kontorartikler, benzin og diesel og hobbyartikler er der i gennemsnit mange observationer for på de inkluderede prispunkter. Der er derimod færre observationer for varegrupperne: Biler (køb) Belægningssten Vejsalt Trælastvarer Vejskilte Biler (operationel leasing) Genbrugshjælpemidler Multifunktionsmaskiner. På disse varegrupper er det gennemsnitlige antal observationer 8 eller mindre (afrundet). Med hensyn til biler har mange af de deltagende kommuner valgt kun at benytte den ene anskaffelsesform på det konkrete område (sundhedspersonale), hvilket forklarer de få observationer. For varegrupper som fx belægningssten gælder det, at disse varer ofte indgår som en del af en serviceentreprise, hvorfor kommunerne ikke har kunnet udskille omkostninger og konkrete priser på varekøb. Endelig er trælastvarer et område, hvor en række kommuner har indikeret, at de ikke har faste, centrale indkøbsaftaler gældende for hele kommunen, hvorfor det har været svært at fremskaffe konkrete, retvisende data for de inkluderede prispunkter. På flere af de ovennævnte varegrupper er der også relativt stor spredning i observationerne. Stor spredning i observationerne betyder, at estimatet for effektiviseringspotentialet bliver mere usikkert og ofte vil være højere end det reelle potentiale. De varegrupper, hvor standardafvigelsen relativt til gennemsnittet, er forholdsvis høj (over 0,35), er: Kontorartikler Benzin og diesel Multifunktionsmaskiner Trælastvarer Belægningssten Genbrugshjælpemidler. For disse varegrupper må estimaterne, alene pga. spredningen, undersøges nærmere for at afdække, om der er reelle årsager til spredningen, eller om det skyldes uhensigtsmæssigheder i datamaterialet. Dette undersøges nedenfor i afsnit Beskrivende statistik for forklarende variable I de følgende to afsnit præsenteres datamaterialet for de forklarende variable, som er indsamlet sammen med prisdata fra de deltagende kommuner. Disse data er indsamlet for at kunne belyse prisforskelle på tværs af kommuner og dermed kunne kvalificere analyseresultaterne. Konkret præsenteres data for hhv.: Side 19 / 82

20 Kvantitative forklarende variable som udbudt volumen, total indkøb og tildelingskriterier, hvor fokus er på gennemsnit, sprednings- og variationsmål. Kvalitative forklarende variable som kontraktudbyder og udbudsformer, hvor fokus er på relativ fordeling Beskrivende statistik for kvantitative forklarende variable De kvantitative forklarende variable beskriver kommunernes og kan opgøres i tal. Eksempler på dette er udbudt volumen og kontraktens tildelingskriterier. Kommunerne blev bedt om at rapportere disse data for alle de inkluderede varegrupper. Af nedenstående tabel fremgår gennemsnittene for de kvantitative forklarende variable. Det totale indkøb er det beløb, kommunerne i gennemsnit har indkøbt for i den pågældende varegruppe i den undersøgte periode. Udbudt volumen er derimod det beløb, de i gennemsnit har indikeret at købe ind for i udbudsmaterialet. Såfremt udbuddet er gennemført i et indkøbsfællesskab, er det den samlede volumen for alle de deltagende parter, der indgår i udbudt volumen pr. år. Tabel 4: Beskrivende statistik for kvantitative forklarende variable gennemsnit Tildelingskriterier* i %: Total indkøbt Udbudt volumen Kontrakters alder (dage) Pris Kvalitet Service Vask og leje af arb.beklædning ,8 34,0 23,8 Hobbyartikler ,0 31,7 15,8 El-artikler ,7 45,0 15,0 Aftørringspapir ,6 21,7 20,0 Rengøringsmidler ,8 30,0 18,3 Kontorartikler ,3 16,7 5,0 Kopipapir ,0 12,5 5,0 Kontormøbler ,0 35,0 Kolonial ,3 30,0 8,5 Vejsalt ,0 Vejskilte ,0 27,5 32,5 Fyringsolie ,0 Benzin og diesel ,0 Biler (køb) ,5 30,0 Biler (operationel leasing) ,0 Computere ,0 30,0 20,0 AV-udstyr og smart boards ,0 31,7 15,0 Multifunktionsmaskiner ,7 25,0 20,0 Trælastvarer ,3 30,0 18,3 Belægningssten ,0 20,0 20,0 Sygeplejeartikler ,3 30,0 21,0 Diabetesprodukter ,4 20,0 21,7 Genbrugshjælpemidler ,0 35,8 14,3 Stomihjælpemidler ,6 21,7 13,3 Ortopædisk fodtøj ,3 28,3 20,8 Biblioteksbøger ,1 24,0 35,0 * Tildelingskriterierne er blevet beregnet som gennemsnit pr. kriterium. Derfor summer de tre kriterier ikke nødvendigvis op til 100 og kan også være over 100. For en række varegrupper kan identificeres en væsentlig afvigelse mellem gennemsnitligt udbudte volumener og totale indkøb. Dette gør sig gældende for varegrupperne: Side 20 / 82

21 Computere Multifunktionsmaskiner Benzin og diesel AV-udstyr og smart boards Kopipapir Kontormøbler. Årsagen til de høje udbudte volumener skyldes først og fremmest, at den pågældende varegruppe indkøbes via en indkøbsaftale, som er gældende for andre kommuner, såsom indkøbsfællesskaber, SKI, Statens Indkøb mv. Her vil udbudt volumen gælde hele rammeaftalen/fællesindkøbsaftalen, mens indkøb kun vil indebære kommunen specifikt. Variationen kan dog også skyldes, at kommunens udbudte, forventede volumen reelt er større end det reelle indkøb. Det kan fx skyldes et mindre behov, eller at der indkøbes via andre leverandører end dem, der er rapporteret data for. Herved vil en del af det reelle indkøb og dermed forbrug formentlig ikke indgå i de angivne data. Der er forholdsvist stor variation i kontrakternes alder. Kontrakternes alder varierer fra 256 til 1137 dage og har et gennemsnit på ca. 720 dage. Kontraktens alder kan være relevant at inddrage i en prisbenchmark grundet en antagelse om, at tidspunktet for kontraktindgåelse har indvirkning på de opnåede priser. Derudover indikerer indgåelsestidspunktet åbenlyst noget om, hvor gammel kontrakten er, og hvor lang restløbetiden er. Disse oplysninger kan have indflydelse særligt på de områder, hvor der er stor (kvalitets)udvikling i produkterne, eller hvor der har været stigende konkurrence på markedet de senere år. Der er en tendens til, at pris prioriteres gennemsnitlig højst, hvorefter kvalitet og service prioriteres i nævnte rækkefølge. Tildelingskriteriet pris udgør således 50 procent eller mere for stort set samtlige varegrupper. Dette skyldes en tradition for at tildele opgaver på baggrund af laveste pris, ligesom en række af de aktuelle produkter og varegrupper har karakter af standardiserede produkter. På enkelte varegrupper har kommunerne desuden angivet andre end de tre mest anvendte kriterier. Eksempler på dette er fx miljøhensyn, sortimentsbredde eller leveringstid. Disse udgør dog kun en lille andel af de samlede kriterier på tværs af varegrupper og er derfor ikke angivet i tabellen ovenfor Beskrivende statistik for kvalitative forklarende variable De kvalitative forklarende variable beskriver bl.a. kommunernes, herunder kommunernes brug af kontraktudbydere, de forskellige udbudsformer og kommunernes anvendelse af indkøbsfællesskaber mv. Endvidere indgår reglerne forbundet med brugen af kontrakter (Dækker de hele kommunen eller ej? Er det obligatorisk at anvende aftalerne eller ej?). Kontraktudbydere fordeler sig relativt jævnt på SKI, indkøbsfællesskaber og egen kommune. Statens Indkøb (SI) indgår i analysen for de seks varegrupper, som SI har indkøbsaftaler på 3. På disse varegrupper er SI s aftaler mest udbredte blandt de 15 kommuner for varegrupperne AV-udstyr og multifunktionsmaskiner. Kommunerne selv som kontraktudbydere er overrepræsenterede på specielt vask og leje af arbejdsbeklædning, trælastvarer og belægningssten, mens samme gør sig gældende for SKI for kon- 3 Statens Indkøb er repræsenteret med aftaler på kontorartikler, kopipapir, kontormøbler, AV-udstyr, computere og multifunktionsmaskiner. Side 21 / 82

22 torartikler samt benzin og diesel. Indkøbsfællesskaberne anvendes oftest for varegrupperne diabetesprodukter, sygeplejeartikler, stomihjælpemidler og vejsalt. Figur 7: Fordelinger på kontraktudbydere Pct. 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Andel SKI Andel SI Andel indkøbsfællesskab Andel egen kommune Den mest udbredte udbudsform er offentlige udbud, som ofte anvendes som udbudsform i indkøbsfællesskaberne. For disse udbud er der dermed ikke tale om, at den enkelte kommune selv har gennemført individuelle udbud, men at der er gennemført udbud for et større gyldighedsområde 4. Figur 8: Fordelinger på udbudsformer Pct. 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Andel offentlige udbud Andel miniudbud efter rammekontrakt Andel direkte tildeling eller intet udbud Andel begrænset udbud Andel indhentning efter annonceringspligten 4 I en række indkøbsfællesskaber skiftes kommunerne til at gennemføre udbud, hvorfor den enkelte deltagende kommune reelt kun er ansvarlige for gennemførelsen af nogle af de udbud og dermed aftaler, der indgås. Side 22 / 82

23 Af tabel 5 ses det, at kommunerne i høj grad anvender indkøbsfællesskaber, og at kommunerne har gennemsnitligt godt 5 årsværk i deres indkøbsfunktioner, men antallet varierer fra 2 til 19. Det skal dog nævnes, at indkøbsafdelingerne har varierende arbejdsopgaver og ansvarsområder fra kommune til kommune. Samtlige responderende kommuner har en indkøbspolitik, mens kun godt halvdelen angiver at have en fungerende indkøbsstrategi. Tabel 5: Beskrivende statistik kommunernes organisationer og Kommune Antal årsværk Indkøbsfællesskab Indkøbsstrategi Indkøbspolitik 1 2 Indkøbsfællesskab Nordsjælland Nej Ja 2 9 Spar 5 Ja Ja 3 10 Fællesindkøb Fyn Nej Ja 4 6 Spar 5 Ja Ja 5 3 Spar 5 Ja Ja 6 2 FUS Nej Ja 7 3 Spar 5 Nej Ja 12-by Indkøbscentral/City-samarbejde Ja 8 19 (Odense, Aarhus og København) Ja 9 2,4 JYFI Nej Ja 10 3 Nej Ja Ja 11 2,2 FUS, Ringsted/Sorø Nej Ja 12 3,5 FUS Ja Ja 13 2,65 Limfjord Vest Ja Ja 14 6 JYFI og SKI Nej Ja 15 5 Aalborgmodellen Ja Ja 4.3 Vurdering af datakvalitet Redegørelse for outlieranalyse og resultater heraf. Data har gennemgået en omfattende validerings- og kvalitetssikringsproces for at opnå et retvisende estimat. Processen er gennemført i tæt samarbejde med de deltagende kommuner. Der er blandt andet taget udgangspunkt i en outlieranalyse af det indberettede data, hvor outlierne er blevet undersøgt; først på valideringsmøder med kommunerne, og senere som opfølgning på data, efterhånden som analysen er skredet frem. Analysen er blevet gennemført ved at undersøge de enkelte indberettede prisers afvigelse fra den gennemsnitlige pris på prispunktet i form af antal standardafvigelser fra gennemsnittet. Outliers, der følger af fejl i indberetningen, skyldes typisk: Fejlagtig indberetning af produkter Forskelle i mængdeopgørelser. Disse problemer er søgt elimineret i valideringsprocessen med kommunerne. Outliers, der følger af reelle forskelle, skyldes typisk: Kvalitetsforskelle i de indberettede produkter. Side 23 / 82

24 Outliers som følge af, at leverandører strategisk prisdumper enkelte produkter for at få en aftale med en kommune, men derpå har indhentet det tabte ved at prissætte andre produkter højt. Disse udfordringer er håndteret på to måder. Det første problem er håndteret ved kvalitative beskrivelser af varegrupperne for at sikre mest mulig sammenlignelighed. Det andet problem er håndteret ved at estimere potentialet med flere forskellige metoder: dvs. bedste pris, bedste -pris og næstbedste -pris. I andre tilfælde har forskellen skyldtes forkert produkt, eller at prisen har inkluderet nogle omkostninger, der ikke er inkluderet i de øvrige priser (fx levering eller tilslutningskabler). Andre gange har det skyldtes kvalitative forskelle i produkterne. Det har i disse tilfælde været nødvendigt at tage en dialog med kommunerne om produkterne I visse tilfælde har det betydet, at prispunkterne har måttet udgå af analysen Vurdering af datakvalitet i forhold til analyseformålet Data ved denne type estimering vil uundgåeligt være behæftet med en vis grad af usikkerhed hvad angår det faktiske potentiale. Forskellen mellem det estimerede og det faktiske potentiale kan skyldes nogle af de årsager, der er nævnt i afsnittet om kvalitetssikring af data. Generelt er data anvendt til denne analyse af så høj kvalitet, at estimaterne kan betragtes med rimelig høj sikkerhed, under hensyntagen til de forbehold der er beskrevet i metodeafsnittet. Der er dog visse varegrupper, hvor usikkerheden må betragtes som værende større end for de øvrige varegrupper. Varegrupperne er dels identificeret i den ovenstående deskriptive statistik, dels identificeret undervejs i projektet i dialog med kommunerne. De særligt følsomme varegrupper og årsagerne til deres følsomhed fremgår nedenfor: Rengøringsmidler estimatet forstyrres til en vis grad af forskelle i vandhårdhed i de enkelte kommuner og opløsningsforhold i produkterne. Trælastvarer der er forholdsvis få observationer og stor variation i dem, idet der er stor variation i, hvordan kommunerne indkøber disse varer, og hvor centraliseret indkøbet er. Vejskilte der er stor variation i de indberettede produkter, fx størrelsen på skiltet og kvalitetsmæssige forhold som overfladebehandling, hvilket giver en vis usikkerhed. Belægningssten der er forholdsvis få observationer og en vis variation i indberetninger på størrelsesforhold mv. Genbrugshjælpemidler der er forholdsvist få observationer og stor variation i dem, og der er en række specifikationsmæssige områder, hvor produktet kan variere i fx kvalitet. Computere der er forholdsvis stor forskel i de indberettede produkter, både i forhold til fabrikat og specifikationer. Generelt har der været udfordringer ved at indsamle data på det vejtekniske område, idet mange kommuner eksempelvis indkøber belægningssten som en del af en serviceentreprise. Dermed er det svært at isolere omkostninger til vareindkøb fra de øvrige omkostninger. Ud over de nævnte varegrupper viser den deskriptive statistik en vis variation for varegrupper som kontorartikler og biblioteksbøger. Disse grupper er undersøgt nærmere i valideringsprocessen, og variationen skyldes primært, at enkelte kommuner har opnået meget fordelagtige aftaler. Side 24 / 82