某政府与公共能源业务区域营销负责人,Q4 开局一个月,同时被四件事扯着:两单已中标但合同签不下来、一单马上截标、一堆逾期应收要清、年底考核还差一截。他把问题描述成「事情太多、排不过来」。
这个描述是错的。数据一摊开,真实问题换了个方向:
事情太多,时间不够,需要更好的时间管理工具,把待办排个序。
Q4 缺口 2.56 亿,可预期收入 2.03 亿,还差 0.53 亿。而 0.53 亿的缺口,没有任何一个单点动作能补上——这才是他真正该焦虑的事。
他原来做经营分析用的是 2B 业务的 ADP 模型和 4P 模型。这两个模型不是错,是不够——它们回答「业务由哪些要素构成」,不回答「这些要素现在值多少、离目标差多少、先动哪个」。
| 原模型 | 它擅长什么 | 放在这个场景里的三处不妥 |
|---|---|---|
| ADP (Account / Demand / Product) | 梳理客户—需求—产品的对应关系,适合做客户画像与产品匹配盘点 | ① 静态分类,不带量:能说清「政府客户需要能源托管」,说不出「这一单 0.62 亿、赢率 60%、加权 0.37 亿」; ② 无时间轴:Q4 只剩 44 天这个约束进不去模型; ③ 不可加总:各维度不能相加成「离目标还差多少」,因此无法排序。 |
| 4P (Product / Price / Place / Promotion) | 营销组合检查,适合新品上市、渠道与定价策略设计 | ① 面向货架不面向项目:政府能源是单项目制,一个项目 0.2–0.9 亿,4P 的「渠道」「促销」在这里几乎是空的; ② 无赢率概念:4P 里没有「这一枪打中的概率」,而商机管理的一切都在概率上; ③ 导向动作而非导向缺口:4P 会产出「加强推广」这类动作,不会告诉你「加强推广在 44 天内折算 0 元」。 |
| 模型 | 用在哪个环节 | 解决什么 |
|---|---|---|
| TOC 五步法 | 任务进度看板、动作优先级 | 识别瓶颈(不是最忙的那件事,是最限制产出的那件事)→ 挖尽 → 让其他事服从 → 提升 → 回到第一步。这一步把「8 件事排优先级」变成「1 个瓶颈 + 7 个配合」。 |
| 指标驱动树 | 经营数据看板 | 目标 → 子目标 → 可计算指标 → 数据源。每一层都能相乘或相加回到上一层,保证「看板上的数字」和「考核的数字」是同一套账。 |
| 假设驱动归因 | 结论生成 | 先立假设(「缺口来自商机不足」),再用数据判真伪。本例第一版假设就被数据推翻了——不是商机不足,是商机够但集中度畸形。 |
图上四种颜色对应四种协作类型,这是本案例的方法论骨架:AI AI 独立完成 人 纯人工、不可代签 AI+人 AI 先出、人后审 人+AI 人先定、AI 后补。
| 类型 | 具体项 | 实际情况 |
|---|---|---|
| Skill(表格) | workbuddy-sheetagent | 可用,用于读表、核对口径 |
| Skill(经营分析) | Skill 市场检索「区域经营 / 销售漏斗 / 商机管理」 | 无匹配——所以本案例自建三个脚本(造数 / 计算 / 渲染),这条空白本身就是给学员看的:通用市场缺的,就是你能做的东西 |
| MCP(资料库) | space-library | 可用,但只检索到授课台账、电商 GMV、培训看板,无本业务数据 |
| MCP(知识库) | lexiang(乐享) | 连接失效(route_gone),三次调用全失败,需人工重连 |
| MCP(数据库) | CloudBase | 已禁用 |
不是手工填数,是三条命令跑出来的。这也是「改表即改看板」的实现方式。
| 环节 | 文件 | 做什么 |
|---|---|---|
| 造数 | data_gen.py | 生成 6 张 CSV、96 行明细:签约台账 45 / 商机 8 / 应收账龄 16 / 目标分解 12 / 回款流水 11 / 投标记录 12 |
| 计算 | build.py | 算 30 个指标 + 跑 14 项交叉校验(月度目标合计 = 全年目标、商机合计、应收分档合计、可预期 = 确定性 + 加权……),全通过才输出 指标.json |
| 渲染 | render.py | 读 指标.json + CSV,套主题渲染成单文件 HTML,零外部依赖,可离线打开 |
2 单已中标待签(1.21 亿,按 90% 转化 = 1.09 亿)+ 1 单投标中(0.62 亿)。主单即使中标,只补 0.19 亿增量,缺口仍剩 0.35 亿。
5 单金额 1.48 亿、加权仅 0.57 亿、平均赢率 38.2%。要补完 0.35 亿,这批单子整体赢率得抬到 61.7%。
动作 01(保主单,+0.19 亿)+ 动作 03(中标率 35.5%→45%,剩 20 次投标多中 1.9 标,+0.27 亿)= 0.46 亿,覆盖剩余缺口 85.9%。只做任一条都不够。
1.09 亿确定性收入卡在法务对赌条款和财政签批上,风险不在市场在流程。任一单滑到明年,缺口从 0.53 亿变成 0.88 亿以上。
这一节是本案例的核心教学材料。三处错误都不是用户发现的,是 N14 批判自检这一步自己算出来的。
| 编号 | 原表述 | 错在哪 | 更正后 |
|---|---|---|---|
| R1 | 剩余 5 单「全赢也补不上缺口」 | 拿加权值(0.57 亿)去比缺口,但「全赢」应是 1.48 亿——两个口径混着用,逻辑直接倒置 | 5 单加权 0.57 亿、平均赢率 38.2%,要补完需整体赢率抬到 61.7% |
| R2 | 「主单中标即可覆盖 0.62 亿」 | 中标 ≠ 账面增量。按 90% 转化,实际增量只有 0.62 − 0.37 = 0.19 亿,且缺口仍有 0.35 亿 | 主单只补 0.19 亿(占缺口 34.9%),缺口仍剩 0.35 亿 |
| R3 | 「剩下 6 单加权合计」 | 8 − 2 已中标 − 1 主投标 = 5 单,不是 6 单。写死的数字没有跟着口径变 | 改为脚本动态取数,不再有硬编码计数 |
网页版的问题很具体:区域营销负责人在客户现场,不会打开笔记本。他要的是掏手机看一眼「今天必办哪三件、这一单中标还差多少」,当场勾掉一条。所以又做了一版原生小程序。
| 页面 | 内容 | 和网页版的差别 |
|---|---|---|
| 工作台 | 进度对照(时序 40.2% vs 签约 25.1%)、四个数、必赢一单、今日必办 6 条 | 待办改成可勾选,勾完状态留在本机 |
| 看板 | 6 个 KPI、12 个月双柱图、8 个商机按加权金额排序、应收五档账龄 | 竖屏重排,柱状图改纯 CSS 实现 |
| 行动 | 核心判断 + 5 条动作,可逐条展开看数据事实 / 判断 / 动作 / 责任人时点 | 改成折叠式,一条一条看 |
| 数据 | 改商机阶段与金额、新增一条签约、恢复初始数据(二次确认) | 网页版没有——手机上能直接录入,改完看板自动重算 |
| 数据口径 | G1 七项签认、18 个指标算法、14 项校验逐条、5 条已知局限 | 同网页版,做成独立页 |
utils/metrics.js 单独用 Node 跑一遍种子数据,14 项交叉校验全部通过,数字与 Python 的 build.py 逐项对上——缺口 2.56 亿、可预期 2.03 亿、剩余 0.53 亿、三单集中度 72.09%、主单中标增量 0.19 亿、5 单赢率 38.2%→61.7%、赢率折算 0.27 亿。{ data, error },接云时只换 utils/store.js 的实现,五个页面一行不用改。