ドキュメント目次

从一年到三年:数据攒下来,才生得出复利

本文说明制造企业的数据价值分三年显现:第一年建立可核对的基线,第二年做同月同比,第三年看趋势,且前提是同一笔生意全程用同一编号串联,数据才连得起来。

  • 第一年最大价值是建立基线,把家底量成可核对的数
  • 第二年靠同月同比,绕开春节与淡旺季的季节干扰
  • 第三年看趋势:同一类毛病是否逐年收窄
  • 复利前提:同一笔生意从头到尾用同一个编号串联
  • 系统往回看清晰,往前看的延误预测算法尚未接入

前面几章算的是“当下能盯住什么、能算清哪笔账”。这一章说时间:同一批数,第一年只能看个大小,第三年才看得出门道。 差别不在系统,在你有没有让它在厂里真跑上两三年。

40.1 第一年是基线:先把“我们厂本来就这样”量出来

上线头一年,最大的价值不是改善,是把家底量成一个数。

过去问“我们报价一般几天回”,答不上来,只能说“挺快的吧”。跑满一年,这个问题有了答案:过去一年报价响应的中位数就是那几天。过去说“车间老返工”,说不出多重;一年后,每道工序的返工次数、每次折损多少件,摆在那。

这就是基线。没有基线,一切“效率提升了”都是嘴上说说;有了基线,改善才成了一件可核对的事。 系统在这一年里干的活,是把散在人和纸上的口头印象,一格一格落成能累加的数。

要说清一处:这些数是你自己厂的数。系统不预设一个“行业应该是多少”的标准去套你——它没有行业基准值,也不拿别家的数字来比。它只负责把你们厂这一年走成什么样,老实记下来。

40.2 第二年是同比:今年这月,比去年这月

有了第一年底那条基线,第二年才玩得动“同比”这件事。

制造业有很强的季节性:春节前后、旺季淡季,逐月比会骗人——这个月比上个月好,可能只是旺季来了。真正说明问题的,是今年这个月,对去年同一个这个月。交期是不是在同一旺季节点上比去年稳了,报废是不是在同样忙的时候比去年少了。

系统里每条单据都带着发生时刻,时间戳能落到月、落到季。所以把它按同月一拉,两年的数并排,季节这个坑就绕开了。这件事头一年做不了,因为你只有一年;它天生是攒出来的。

40.3 第三年是趋势:老问题是不是越来越少

到第三年,能看一件更值钱的事:同一类毛病,是不是在一年年变少。

第一年你会发现某些卡点反复冒头——某个客户的单总在最后关头改、某台设备保养完没几天又停、某道工序返工特别集中。第二年若这些动作真被接住了,它们冒头的次数会往下走。第三年回头看,就是一条逐年收窄的曲线。

“异常在逐年收窄”这句话,是这套系统能给的最有分量的一句结论,也是最难假的一句——它得真攒够两三年、真在厂里天天用,才拿得出来。演示数据、刚上线几个月的样本,撑不起这句话。所以这本书不替你下这个结论,只告诉你下这个结论要什么条件。

40.4 复利的前提:数据得连得起来

攒三年不等于自动有复利。有一件事如果没做到,三年的数也是一堆对不上的碎片——同一笔生意,从头到尾得是同一个号在走。

举例:一条询价转成报价、报价转成订单、订单派成工单、工单发成货、货开成票。这一路上如果每一步换一套认法(早先有环节是拿产品名字去撞关联的),三年后就串不成一条完整的生意历史,同比和趋势都会串味。这一版把这类关联按编号收了口,就是为了让数攒到第三年还认得彼此。

也如实讲一处还差的:把“哪几笔订单会因为工序时效和历史偏差而延误”这类往前看的预测,数据的底子已经在了,排序的算法还没接上,排在后续批次。眼下的系统是往回看看得清楚,往前看还得人来判断。 别把它当成一个会替你预知的水晶球。

40.5 一句话收这一篇

一年出基线,两年出同比,三年出趋势。这条复利曲线不是软件送的,是你用三年真数据、天天往里录,自己养出来的。 软件能保证的只有一件事:你今天录下的每一条,三年后还在、还认得、还能翻出来对。留不留得住靠系统,用不用得起来靠你。