标签建议:#WorkBuddy #AI办公 #经营分析 #自动化 #制造业数字化
我是制造业的精益工程师,在结构件工厂干了 11 年。今年 7 月起,公司让我接手全公司的 BSC(平衡计分卡)组织绩效考核,覆盖 24 个部门,每月还要支撑一次经营分析会。
经营分析会的痛点,干过的都懂:材料不在「写」,在「凑」。
月底,我要在 2 天内从 6 个业务系统、3 个共享表格、还有我自己 E:\改善月资料\ 里历年的复盘里,把营收、利润、良率、交付、成本、安全这些指标捞出来,做环比同比,找出异常项,再写成一页页的「分析+对策」。数据是散的,口径是乱的,格式每次还不一样。我算过,纯手工准备一次全套材料,最少 3 个工作日,其中 2 天半在搬运和对数,真正做分析的时间不到半天。
今年开始,我用 WorkBuddy 把这条链路自动化了。现在月初 3 小时出全套草案,我只需要做「判读和拍板」。这篇把工作流和踩的坑都写清楚,照着能做。
一开始我也走过弯路——直接丢一句「帮我写经营分析会材料」,AI 很配合地给我编了一堆漂亮的空话。这种材料拿去开会,财务一句「你这数哪来的」就塌了。
正确定位是:数据我给,结构 AI 搭,判断我下。
工作流分三步:
第一步 数据盘点 —— 把散落的原始数据按统一口径整理成一张「原料表」
第二步 结构化分析 —— 让 AI 读原料表,按固定模板产出「指标卡+异常清单+初步归因」
第三步 成稿成图 —— AI 把第二步的结果落成 PPT 大纲 / Markdown 报告 / 趋势图核心原则:喂给 AI 的必须是可以溯源的原始数据,AI 产出的必须带「数据出处」。任何一步出现「凭感觉填的数」,当场打回。
在 WorkBuddy 里我建了一个固定格式的 Excel 模板,叫 经营数据原料表.xlsx,字段就那么几列:
部门 | 指标 | 本期值 | 上期值 | 去年同期 | 目标值 | 数据来源 | 统计口径每月 1 号,我让各业务接口人把数填进对应行(只填数值,不写分析)。这一步没有 AI 也能干,但模板统一了口径——以前各写各的「良率」,有的算一次合格、有的算最终合格,现在强行统一。
踩坑:第一版我没限定口径字段,结果 AI 把两种「良率」混着算了,环比出来全是错的。加一列「统计口径」后问题解决。
把填好的原料表丢给 WorkBuddy,下这个指令:
读「经营数据原料表.xlsx」,按以下规则产出分析草稿(不要编造任何数据,
所有结论必须能回溯到表格里的某行某列):
1. 对每个指标计算:环比 = (本期-上期)/上期;同比 = (本期-去年同期)/去年同期;
达成率 = 本期/目标值
2. 标出所有「达成率<90%」或「环比下滑>5%」的指标,列入「异常清单」,
每条写明:部门、指标、数值、偏差幅度、可能归因方向(不要下死结论)
3. 按 BSC 四个维度(财务/客户/内部流程/学习成长)分组汇总
4. 输出为 Markdown,每个指标带「数据来源」标注
注意:只做加减乘除和排序,不要做演绎发挥。关键点:指令里写死「只做加减乘除和排序,不要做演绎发挥」。 我实测过,不写这句,AI 会忍不住给你写「建议加强精细化管理」这种正确的废话,反而稀释了真正该盯的异常项。
分析草稿有了,剩下的就是排版。我用 WorkBuddy 的自动化任务在每月 3 号凌晨定时执行:
FREQ=MONTHLY;BYMONTHDAY=3;BYHOUR=2读本月「经营分析草稿.md」,生成两份交付物:
A. 一份经营分析会汇报用 Markdown(结构:封面→核心指标一页纸→
分维度详析→异常清单与对策建议→下月重点)
B. 用图表插件生成本期 vs 上期 vs 去年同期的趋势对比图(营收、利润、
良率三张),保存为 png 放到 outputs\
约束:对策建议部分只给「可选项」,每条标注需要谁拍板,不替领导做决定。
若无异常项则不生成「异常清单」章节,不要硬凑。最后那句「无异常就不硬凑」很重要。早期版本每次都给一页「存在问题」,没问题时就写「整体平稳」,看着像废话,被领导点名过。
场景一:月度经营分析会材料
以前:3 天,其中 2.5 天搬数对数,0.5 天写。
现在:1 号收数(别人填,我催),3 号自动出草案,我花 1.5 小时复核异常归因、补上「对策责任人」,定稿。全程约 3 小时,其中我亲自干的不到 2 小时。
场景二:临时被问「Q2 利润为什么掉」
以前:翻财务表 + 问三个部门,半天。
现在:直接让 AI 读原料表,10 分钟给出来龙去脉 + 数据出处,能直接甩给老板。
场景三:季度复盘
原料表是滚动积累的,到季度末 AI 直接拉三个月数据做趋势,不用重新捞。这是意外收获——数据资产第一次有了连续性。
1. 数据源的「时差」问题
业务系统出数和财务结账有 3–5 天差。我在自动化里加了「若本期值缺失超 30% 则暂停并提醒我」,避免拿半截数据硬分析。
2. 绝对值和比率要分开看
有次 AI 把「营收环比 +3%」和「利润环比 -8%」都标绿(因为都算「有变化」),我没细看就上了会,被财务追问。后来指令里明确「利润类指标下滑一律进异常清单,不论幅度」,规则前置比人工复核靠谱。
3. 不要把归因权交给 AI
AI 给的「可能归因方向」我一律当线索,不当结论。真正归因要靠我去现场、问人才定。材料里我也只写「建议核查方向:A/B/C」,不写「原因是 A」。
4. 积分花在刀刃上
原料表整理(第 1 步)不耗 AI;结构化分析(第 2 步)是主消耗;出图(第 3 步)次之。别在「写漂亮话」上烧积分,那是性价比最低的部分。
不适合:
适合:
制造业的厂长是重灾区,也是最大受益者。
搭这套东西,最难的不是技术,是逼各业务接口人统一口径——这一步 AI 帮不了,得我去推。但一旦模板定下来,后面每个月都是纯收益。
现在经营分析会我从「怕准备」变成「等数据来」。AI 工具最大的价值,不是替你思考,是把你从搬运工变回分析师。
如果你也每月为经营分析材料加班,建议从第一步那张「原料表」开始——它今天就能用,不依赖任何 AI。
本文为原创实战记录,操作环境:WorkBuddy 桌面客户端 Windows 版,配合 Excel / 图表插件使用。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。