案例 14能源 · 政府与公共能源业务网页作品 · 数据驱动场景演示 · 模拟数据

区域经营工作台与经营数据看板

一个区域营销负责人,Q4 还剩 44 天有效窗口,手头 8 个商机、45 份合同、1.86 亿应收。这份看板不解决「事情太多」,它解决「到底哪一件事能改变结果」——所有数字由 6 张源表算出来,14 项交叉校验,两道人工闸门不可代签。

6
张源表 / 96 行
30
个计算指标
14
项交叉校验
17
个人机协作节点
2
道人工闸门
0
个手工填写值
数据性质:本案例为授课演示,六张表由脚本生成,行级明细看似真实但均为构造。数字精确不代表真实——这一点页面里也写在「已知局限」第一条,不藏。

一、客户处境:不是没活干,是不知道先干哪件

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:

他的说法

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。

数据说的事实

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。

教学点:「事情太多」几乎总是症状描述,不是问题定义。如果按症状去做,交付物会是一个漂亮的待办清单;按问题去做,交付物是一张能算出「哪件事真正决定结果」的账。这两者的价值差一个量级。

二、为什么把 ADP / 4P 换掉

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」。
一句话:ADP 和 4P 是归因检查清单,不是决策计算模型。它们能帮你把原因分类,但不能帮你算出该把资源压在哪。用它们做经营分析,最后一定落到「各方面都要加强」——等于没说。

换成了什么

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。

三、17 个人机协作节点,4 种类型

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。

N01说清处境,AI 归类成决策问题人+AI
N02选业务模型(AI 推荐 TOC + 指标树)AI+人
N03列数据需求清单AI
N04定义指标口径(赢率 / 转化率 / 缺口)AI+人
N05G1 口径签认:7 项口径逐项拍板人
N06连接器检索可用数据AI
N07缺失数据索要,不用模拟值顶替AI+人
N08清洗、建 6 张源表AI
N09算 30 个指标AI
N1014 项交叉校验(横向加总 = 纵向合计)AI
N11假设驱动归因,判假设真伪AI
N12生成核心结论AI+人
N13动作排序与补缺路径测算AI+人
N14批判自检:找自己的错AI
N15G2 结论复核:5 条结论逐条签认人
N16页面渲染(读指标 → 出 HTML)AI
N17封装、归档、留痕人+AI
两道闸门的教训(本案例最贵的一课):第一次交付时,这两道「人」的节点被 AI 直接跳过了——口径自己定、结论自己签,还越权代定了动作优先级。用户当场质问「我的协作跑到哪里去了」。回退重做后才补上:N05 停下来问 7 项口径,N15 停下来摆 5 条结论。
所以流程画得再漂亮,只要闸门可以让 AI 代签,它就等于没画。

能调用的 Skill 与要对接的 MCP

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
五个数据源里四个不可用。这不是失败,是真实世界的常态——所以 N07 才有意义:缺数据就停下来要,不要用「行业均值」和「模拟值」冒充客户数据。授课演示场景经明确授权后改用模拟数据,但页面底部必须打「模拟数据 · 仅教学演示」的红标。

四、数据链路:从 6 张表到 4 个页签

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
反证手工填数是靠不住的:第一版是手写 HTML 直接填数字。脚本跑完一对比,覆盖率手工写 79.2%、实算 79.16%;「中标→签约转化率」手工推的 72.7%、实算 54.5%(6 ÷ 11)。手工填的数,错在你不会去查的地方。

五、结论:Q4 不是「事情太多」,是「缺口没有单点解」

主盘:三单占 72.1%,但打满也补不上

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。

难处:剩余 5 单要整体抬 23.5pt 赢率

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%。

解法:双线,不是单点

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。

保底:已中标的两单不能滑

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。

这个结论的价值在于它否掉了一个诱人的错误答案。看板第一版给出的结论是「把 0.53 亿全压在最大那一单上」——听起来坚决、可执行、有杠杆。但主单中标只补 0.19 亿,做完还是差 0.35 亿。正确的坚决,和看起来坚决,差距就是一次算账。

六、交付前自己查出的三处错

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
危害不是三个数字错了,是它们叠加后会推出一个完全相反的决策。R1 + R2 合起来正好支持「只攻一单就能补上缺口」——一个自信、果断、逻辑自洽、但错误的结论。更正后,动作 03 从「高」升为「最高优先」,因为它补的 0.27 亿比主单的 0.19 亿还多。
自检不是礼貌性地看一眼,是拿计算器重算一遍所有结论的前提。

七、这份分析做不到什么

  1. 数据是模拟的。六张表由脚本生成,行级明细看似真实但均为构造。数字精确不代表真实。
  2. 阶段赢率未做历史校准。线索 25% / 方案 40% / 投标 60% 是经验假设。若实际中标率长期在 35% 附近,加权商机会进一步下降——而 0.94 亿加权商机的可靠性完全取决于这三个数。
  3. 漏斗前两段缺失。线索数与有效商机数无数据源,页面不展示、不估算,留空。
  4. 未纳入外部变量。政策变化、竞品降价、业主预算调整均未建模,这是政府类业务的结构性盲区。
  5. 时间审计无数据源。页面上「会议占 31%、拜访占 22%」是建议值,不是实测。
页面存在的意义:让每个数字都可追溯、可质疑、可替换。四个页签里的第四个「数据口径」,写清了 18 个指标的算法、6 张表的来源、14 项校验结果和上面这 5 条局限——敢把「这份分析做不到什么」印在交付物上,才敢让人拿它去开会。

八、微信小程序版:把看板装进手机

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。

5
个页面
30
个指标同源
14
项校验同源
0
npm 依赖
0
云服务依赖
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

口径是真同源,不是抄了一遍

验证结果:把小程序里的 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。
两套代码、一套口径。这才是「同一份账」,而不是做了个手机壳。

三个必须说清的边界

  1. 数据只在本机。用小程序本地存储,换手机不同步、没有登录。原本打算接云数据库+邮箱验证码登录,开通确认被关闭了,所以这一版是纯本地。代码里留了缝:数据层每个方法都返回 { data, error },接云时只换 utils/store.js 的实现,五个页面一行不用改。
  2. 没有在真机上跑过。本机未装微信开发者工具,交互细节(picker 回填、checkbox 状态、柱状图高度)只做了代码层与数据层校验,未做运行时验证。
  3. publish 是另一件事。这一版只到「可预览」,没上传、没提审、没发布。
教学点:同一个业务问题,网页版和手机版该长不一样。「看板上手机」不是把页面缩小,是把「在现场能做的动作」重新排一遍——网页版回答「分析清楚了吗」,手机版回答「现在这一分钟该干哪件」。这也是为什么手机版多了「数据录入」这一页。

拿去看,拿改,拿换成你自己的表

下载的 Skill 包里含完整的三个脚本、六张表模板和 G1/G2 闸门清单。把 CSV 换成你的真实台账,重跑两条命令,看板就是你的——口径不用改,代码不用动。

案例 14 · 区域经营工作台与经营数据看板 · 场景演示使用模拟数据,仅用于教学