← 返回企业 AI 案例

企业 AI · 建设中

经营数据飞轮:让问题从被看见,到有人处理并产生结果

把经营数据、异常发现、责任人动作、结果核验和规则复盘连成闭环。当前已完成方案、规则与技术需求设计,系统建设正在推进。

进行中风一样的梦· 2026-07-27

当前状态:建设中

数据飞轮的业务规则、责任模型、状态机和技术需求已经完成设计;自动判定、派单、复查与回执系统尚未全部开发完成。这里展示的是正在建设的真实项目,不是已经上线的成果。

为什么报表看见了问题,问题还是一直存在

很多企业已经有经营报表,也能看见亏损、库存和退款异常。但报表停在“告诉你发生了什么”:

  • 谁负责处理,没有明确到人;
  • 做了什么,只留下一句口头回复;
  • 动作是否真的执行,没人核验;
  • 一周后有没有改善,没有自动复查;
  • 哪种动作有效,没有沉淀成下一轮规则。

问题被发现了,却没有进入一个必须有结果的流程。

数据飞轮怎么运转

这套系统把一次经营异常拆成六个连续环节:

1、发现:Agent 每天扫描经营异常

系统读取经营数据,按已经确认的规则识别持续亏损、广告失控等异常,并保存当时使用的规则版本和指标证据。

2、派单:问题自动找到责任人

达到处理条件的问题生成工单,通过钉钉派给对应运营和负责人;较轻的问题先进入提醒与观察状态,不用所有问题都走重审批。

3、处理:人选择真实动作

运营选择投放、价格、商品、供应链或售后等结构化动作,并补充必要参数。Agent 负责组织信息,人负责判断和执行。

4、核验:系统检查“说了”和“做了”是否一致

系统根据次日数据核验可验证动作。无法完全从数据证明的动作会明确标注核验边界,不把“数据方向一致”写成“动作已经完全执行”。

5、复查:到期自动看结果

到复查日后,系统比较动作前后的经营结果,区分改善、无效、恶化或数据待齐,并把结果回执给责任人。

6、学习:有效经验进入下一轮

每月按“问题类型 × 处理动作 × 最终结果”复盘。系统提出规则调整建议,由人批准后生成新版本,再通过影子运行验证,避免模型自动修改生产规则。

人保留哪些控制权

数据飞轮不是让 Agent 自己处罚人或决定经营策略。关键控制点始终留给人:

  • 异常规则和阈值由业务负责人批准;
  • 处理动作由责任人确认;
  • 重要工单由负责人复核;
  • 规则更新先影子验证,再人工放行;
  • 数据不足时不强行给结论。

当前已经完成什么

  • 已完成经营异常闭环的整体方案;
  • 已完成异常分级、责任归属和状态机设计;
  • 已完成钉钉工单、核验、复查和回执的字段规格;
  • 已完成技术需求书与分阶段上线路径;
  • 已明确先影子运行、再有限派单、最后逐步放开的实施顺序。

下一步

下一阶段是把判定引擎、飞轮台账、钉钉任务和复查任务接进现有经营系统,先用少量真实问题跑通“发现 → 处理 → 核验 → 复查 → 回执”整条链。

这项工作的目标不是再做一张看板,而是让每一个值得处理的经营问题,都有责任人、有动作、有证据、有结果。

想让这套流程也替你跑起来?

聊聊你的业务里哪些重复活可以交给 AI。