- 系统价值按年复利：事件、模式、预测三层依次叠加
- 第一年数据是后两年同比与基线的前提，不能省略
- 智能层需一学年以上数据积累，第一年不宜上线
- 异常数按季度收窄，是管理质量提升的可量化证据
- 三大失败模式：只跑第一年、数据源不接、政策不变
明·如归 · 宿舍管理白皮书 ｜ 第七篇 价值篇
第一年用系统，你觉得它"帮我把活干了"。第二年用系统，你开始拿它的数据做比较——"今年晚归率比去年低了多少"。第三年用系统，你发现它积累的东西已经变成了你自己的一部分判断力：不看数字反而不会决策了。这套系统的价值不是一次性交付、是逐年复利——展开讲就是这个复利怎么长。
40.1 数据复利：从事件到模式到预测
系统的价值不是线性的（每多用一天多省一分钟），是指数型的——数据积累到一定程度后，它能回答的问题越来越高级。三层递进：
第一层：看得见事件。"张三昨晚未归"——这是第一年的系统能告诉你的全部。这一层是"事实"：一个具体的、孤立的事件。第一年你主要在跟这一层打交道：处理未归、核查请假、跟进报修。
第二层：看得见模式。"张三去年也有类似情况——他连续两周都未归了"、"每年 11 月第三周未归率都会小幅上升"、"某学院的调宿投诉率是同侪三倍"——这一层是"重复出现的事件"，只有连续跑两年以上才看得见。第二年你的例会开始转向这一层。
第三层：看得见预测。"根据过去 14 天中位数，张三今晚的到寝时间在 23:40 到 24:10 之间，晚于 23:30 有 78% 概率；连续三天异常，第四天大概率仍然异常"——这一层是"模式的时间外推"，需要两年以上数据 + 稳定的作息基线。第三年开始，系统的异常预警里"作息突变检测器"才真正有牙齿。
每一层的价值都不是上一层的替代、是上一层的叠加。第一年不是白费的——第一年是在为后两年积累最原始的那一层事实。这就是为什么"第一年数据不重要"这句话是最害人的：没有第一年的原始数据，第二年没有同比、第三年没有基线。
40.2 三学年的每一年在做什么
第一年：从混乱到有序。
- 第一季度（1-3 个月）：建标准。定数据字典、定字段元数据、定组织树、定宿舍树；把学生名册、床位台账、审批链全部一次配齐。这一件事做完，系统的功能还没跑起来——但这是所有后续价值的前提。
- 第二季度（4-6 个月）：跑通日常。考勤五路来源全部启用、报修工单从提交到完成全部走系统、请假与调宿审批全部线上化。第一学期末，学校的"日常运转"已经离开纸质。
- 第三季度（7-9 个月）：开始看数字。第一次学期末统计、第一次学年报表、第一次对着仪表盘开管理层例会。这一年系统的角色是"帮你把活干了"。
第二年：从有序到可见。
- 同比出现：今年的 9 月跟去年的 9 月可以放在一张图上；异常检出数、报修处理时延、分配率——所有指标都有了"参照"。
- 模式出现：连续未归的重复学生名单开始浮现、某楼栋的报修季节性规律开始稳定、某学院的调宿投诉开始能看到背后原因。
- 政策实验出现：改了混编开关跑一次、跑一学期看结果、再决定要不要沿用。这一年系统的角色从"帮你把活干了"变成"帮你把决定做对"。
第三年：从可见到可预测。
- 预测可用：作息突变检测器的基线跑满两年，个人"合理偏差"与"真异常"的区分变得可靠；床位使用率的年度趋势可以外推。
- 智能层放大：这时上智能问数、决策仪表盘、周报草稿，每一项都建立在两年数据之上——这些功能不会在第一年救你，也不应该在第一年上。
- 制度反哺：系统里跑出来的模式反过来改学校的政策——"每学期第 8 周考勤最松"改成"第 8 周加一次班"；"某楼栋报修集中在水房"改成"水房设备提前一年换新"。这一年系统的角色从"帮你把决定做对"变成"帮学校把制度改好"。
这三学年不是"用三年就换新的"，是"每一年都在放大前一年的价值"。数据复利跟银行复利一样：前几年看着慢，第五年开始就明显了。
40.3 异常收窄：管理在变好的可量化证据
系统的质量扫描、预警工作台和处理器执行历史构成了一个"治理日志"。这个日志里最值得看的一个数字是**"待处理问题数按季度的走势"**。
某校可能的曲线：
- 第一年 Q1：200 条（上线时全量存量数据被扫出来）
- 第一年 Q2：120 条（处理了 100 条，新增 20 条）
- 第二年 Q1：80 条（数据源头治理到位了，新增数下降）
- 第二年 Q2：35 条（政策开始反哺、结构性问题被消除）
- 第三年 Q1：12 条（剩下的都是真正需要个案处理的）
"异常在逐年收窄"这件事本身，就是管理质量提升的可量化证据。它比任何"我们做了多少工作"的总结都直观——因为分母（业务量）不变甚至增加，分子（异常）下降说明质量真的在提升。
40.4 一条纪律：不要在第一年谈"智能"
数据复利要成立，只有一条纪律：不要在第一年谈智能。
这件事为什么重要：第一年上智能层，模型看到的样本是"张三第一周"而不是"张三第三年"；预测与判定的置信度低、错误多；使用者一发现"AI 说的不准"就把整套系统列入"不好用"。这套系统的每一次智能层主张，都建立在"数据至少积累一学年、稳定运行一学期"的前提上。
具体到功能：
- 智能预排：第一年可用（因为规则驱动，不依赖历史数据）——但要第一年把三条硬不变量与六项混编开关想清楚。
- 归寝异常三检测器：第二年可用（需要 5 条有效基线样本 + 14 天中位数窗口，第一学期前两周必然误报多）。
- 360 画像：第二年可用（画像的多维特征至少需要一学年才有信息量）。
- 智能问数与决策仪表盘：第三年可用（NL 查询与自动周报需要稳定的口径与历史对比）。
- 真实模型接入：第三年及以后（把测试桩换成真实模型；前三年的数据积累决定接入后能立即产出什么）。
40.5 三个"看不见"的失败模式
数据复利不是自动的。三学年之后仍然看不到价值的学校，通常踩了这三个坑之一：
失败一：只跑第一年、不看第二年。学校上完系统一年，觉得"挺好用的"，就让它自己跑；第二年不重定政策、不做同比、不改配置。结果是系统变成"更高级的台账"，数据在积累但没在用。
失败二：数据源不接、只录新账。上线时把外部名册手工录了一遍，此后学生的转专业、休学、退学、复学全靠宿舍中心自己录。结果是数据跟实际越来越远，第三年的"预测"是拿错的输入算出来的。这件事在上一份白皮书里我们说过一次："接上权威数据源"是所有后续价值的地基。
失败三：政策不变、系统空转。学校上了系统，但没让系统影响任何决定——建不建楼还是拍脑袋、换不换物业还是走招标形式。结果第三年数据充分了、但没人问问题；数据复利要靠"愿意用数据改变决策"来兑现。
40.6 一张时间轴：三学年做什么
| 时点 | 主要在做什么 | 系统在扮演什么角色 |
|---|---|---|
| 第一年 第一季度 | 建标准、跑日常 | 帮你把活干了 |
| 第一年 第二季度 | 学期末统计、第一次例会 | 帮你把数字摆出来 |
| 第二年 第一季度 | 同比、模式识别 | 帮你看到重复出现的东西 |
| 第二年 第二季度 | 政策实验、异常收窄曲线 | 帮你把决定做对 |
| 第三年 第一季度 | 智能层放大、真实模型接入 | 帮你预测下一次异常 |
| 第三年 第二季度 | 制度反哺、系统改流程 | 帮学校把制度改好 |
40.7 给学校的一句话
别指望系统第一年就把你的管理水平拉满。它的第一年价值是"从混乱到有序"；第二年价值是"从有序到可见"；第三年价值是"从可见到可预测"。三学年之后，这套系统里的数据已经是学校最完整的一份"学生住宿生活档案"——它的价值只会随时间增长，因为每一天的记录都不可重来。
采购决策时最诚实的态度是：清楚知道自己买的是"一份三年后才成熟的资产"，不是一年就能兑现的工具。第一年按最保守算法算人力账、第二年按可见效果算数据账、第三年按制度改进算决策账——这笔账要连着算三年，不能第一年就算完。
价值篇到此结束。系统值不值你算得清。下一篇：怎么把它装到你的学校里来。