Содержание

第十二章 能力之间怎么咬合

本文给出迎新系统六项能力咬合的三条回路——数据接入到流程运行、流程运行到进度可视、进度可视反哺配置,并逐条指出断点与接上的凭据。

  • 三条回路:数据接入→流程运行→进度可视→反哺配置
  • 源头数据不收敛,漏人、错范围、错推会在每个环节再错一次
  • 以汇总表为口径时没人能回答“这个数字里是谁”
  • 复利只发生在字段映射位、任务模板等标准上,不在学生数据上
  • 顺序只能是先分类分级、再定口径、后谈智能判断

能力一项一项摆出来之后,剩下的问题只有一个:它们凑在一起,是不是就真成了一件事。

数据接入、组织权限、任务配置、床位分配、消息触达、进度可视化,这几样最后沉淀下来的形态其实一样——一条导入回执、一次授权、一条任务状态、一次床位分配、一条消息、一次点击,全是记录。记录堆在一起不会自动变成判断,中间隔着三条要接上的回路。

12.1 三条回路,每一条都有常见的断点

第一条:数据进来 → 流程跑得起来。 断点在最前面。同一个性别字段写成"男/1/male",学院分组就漏人,权限收窄就错范围,任务清单会推给不该推的人。源头治理之所以要把错误拦在导入那一刻,不是因为洁癖,是因为后面所有环节都拿这份数据当依据。错的数据不会只错一次,它会在每一个依赖它的判断里再错一次。

接上的凭据是:字段映射可配、核心值域已收敛、唯一性冲突当场拦下、错误行给到行号和原因。学生被拦下来的那一条错误行,正是流程里少掉的一次人工核对。这套回路目前还有一处没接严——映射与预校验尚未覆盖全部 16 个导入入口,认不出来的值有的被静默置空而不是报错,断在哪一处、怎么补,第七章末尾逐项交代了。

第二条:流程跑起来 → 进度看得见。 "哪个环节卡住了多少人"这句话能出口,前提是每个环节在系统里都有唯一状态、有办理人、有时间戳。任务引擎把 35 类事项收进同一套状态与办理规则,大屏与统计只是把这批记录换一个视图,而不是另建一套台账。

反例很常见:不少学校的报到进度是各学院报上来的汇总表。汇总表一旦成为口径,就没有人能回答"这个数字里是谁"——因为它下面没有记录,只有填报。

第三条:进度看得见 → 反哺到配置。 这是三条里最容易断的一条,因为断它不需要理由,只需要没人管。今年看到一百多人卡在材料上传这一项,明年这个字段要么改成拍照上传、要么把提醒提前三天;今天看到某两个时段到站最密,明年这两段就该多派两路车。这些动作全部发生在配置上,不发生就要明年重新开一次会、重新吵一次口径。

这条回路能不能转,取决于一个不太起眼的权限:学期初学校自己还改不改得动配置。如果每一项调整都要提需求单等厂商排期,回路就在最后一个环节断开——这也是第六章把配置化列为生死线的原因。

12.2 复利只发生在标准上,不发生在数据上

多所学校做下来,真正积累下来的东西有三样:字典里的跨系统映射位(记着这个字段对应源表的哪一列、哪一张表,换一所学校接一个数据源,改的是配置不是程序)、任务模板与配置项(35 个任务类型来自多校沉淀,不是纸面设计)、定制与主干的隔离方式(一所学校的特殊流程不污染所有人的版本)。

效果落在交付曲线上:首校 60 人日、第五校 40 人日、第十校 25 人日;三证比对一项带着 4 所学校的定制变体,仍然跑在同一条主干上。

接的学校越多,下一所交付得越快——这是软件行业唯一站得住的同业优势。 反过来也成立:一所学校一套程序的做法,在数学上就是亏的,它每接一家就把上一家的积累清零。

必须把边界写清楚,否则这句话很容易被读歪:复利只发生在结构与标准上,绝不发生在学生数据上。 一校一实例,本校数据不与别校混存;跨校共享的是任务模板、字段映射位、值域选项这类脱敏之后的结构,不含任何一个人的信息。一所学校的实践会让下一所学校受益,这件事应当摆在明面上说;明面的边界是学生数据不在交换之列。

12.3 为什么下一篇讲的是数据,不是智能

能接进来、能分得清谁、能配得动流程、能扛住洪峰、能送达到人、能看得见进度——这六件事凑齐,是一套能用的迎新系统。可它们产出的仍然是记录,不是判断。

记录与可算之间隔着三道坎,每一道都不是加一块大屏能过的。

第一道是口径。 学工处的报到率、宿管的入住率、财务的缴费率,三个数各自成立却互不相等——分母用录取数还是实到数,退学的算不算未报到,走读的进不进住宿率。口径不锁死,第一位上台汇报的人说得对,第二位说得也对,会开完没人敢做决定。

第二道是质量。 姓名里多一个空格、证件号末位大小写不一、专业名称跟着招生计划一年改一次。在这种输入上,任何分析都会给出看起来精确、实际无意义的结论。

第三道是分级。 心理测评、健康体检、家庭住址、身份证号、手机号,这些都属于敏感个人信息。未分级之前,谁拿它们去做分析、做训练、做对外报送,就是在拿学校的名誉下注。 一次越界的分析带来的信任损失,远大于它给出的那点洞察。

所以顺序只能是:先分类分级,再定指标口径,再谈智能判断。没有干净、可比、分级过的数据,智能就是拿学校的名誉去赌。 这正是这本书从第十三章起先讲数据、把人工智能放到再后面一层的理由。

能力篇讲的是这套软件会做什么。接下来要讲的,是它凭什么敢替学校说话。