从纸质台账到 AI 经营 · FDE 落地法
文件导航（本 Skill 包含）
> 下列均为 skill 内部相对路径引用：在预览里点这些文字不会跳转，请用编辑器 / 文件管理器直接打开对应文件。
| 文件 | 用途 |
|---|---|
SKILL.md（本文件） |
触发条件 + 五步工作流 + 五条原则 |
references/fde-methodology.md |
方法论速查：阶段判断 / 场景筛选评分 / 分层 AI 插入 / 组织建设 / 人-AI 生产关系 |
references/case18-full.md |
案例 18 全文（已脱敏：匿名行业画像，无真实公司名 / 人名 / 页码） |
assets/on-site-diagnosis-checklist.md |
进现场诊断访谈清单（可直接发给客户或共创式过一遍） |
assets/scene-selection-template.md |
场景筛选评分模板（痛点评分 → 优先级排序） |
assets/case18-example.json |
案例 18 真实评分（已脱敏）：填好的场景模板 + 诊断三问结论 + 效果基线前/后，可作「范例模式」样板直接跑路线图 |
scripts/generate_plan.py |
把填好的场景模板渲染成《数智化转型路线图》初稿（纯标准库） |
Overview
把"客户关系在销售个人手里、业绩靠 Excel 人工统计、培训与人事还停在纸质文件柜"的企业，重构成"数据先打通 → AI 处理重复劳动 → 经营分析与人效提升 → 企业自建 AI 能力"的联动体系。本 skill 提供一套可复用的 FDE（业务驱动 AI 落地）方法论，专治"业务领先、数字化没跟上"的上市公司与中大型企业。
核心理念：数字化没补完的，先补信息化与数据化，再谈 AI；客户说出来的需求往往不是真正的需求；AI 负责重复劳动与归因，人负责关键节点判断（Human in the loop）；大企业 AI 转型必含组织建设。
详细素材见 references/case18-full.md（脱敏案例全文）与 references/fde-methodology.md（框架速查）。
When to Use
- 用户描述公司仍用手写 / Excel 台账，客户关系、业绩、提成、人事散落在个人或纸质里。
- 用户请求"从纸质台账做 AI""补 CRM / 数仓再上 AI""帮销售线做经营分析与人效提升"。
- 用户希望用 FDE 方法论对一家"业务领先但数字化滞后"的企业做数智化诊断与方案设计。
- 用户要沉淀一份可被内部复用的"纸质台账 → AI 经营"交付模板。
- 售前 / 客户沟通阶段：用
assets/on-site-diagnosis-checklist.md做需求澄清、阶段判断与落地可行性初判（可泛化到任意"数字化滞后"的企业，不限于某行业）。
Workflow
第零步：客户沟通与数据收集（售前 / 立项，通用可销售）
- 将
assets/on-site-diagnosis-checklist.md作为售前沟通工具：发给客户填写，或共创式访谈时逐项过。 - 重点确认清单中标 ❓ 的关键项——信息化阶段（CRM / 数仓是否已有） 与 数据可得性（系统能否导出、接口是否真能用），这两项是落地真门槛。
- 清单填完即生成"阶段判断"的 Before 侧，为后续量化价值打底。
- 此步让方法论可泛化：不绑定具体客户 / 行业，适合作为通用 skill 包对外销售与沟通。
-
模板自动转路线图（售前当场出东西）：客户填好的场景筛选模板可直接渲染成转型路线图初稿——
- 结构化版：让客户 / 顾问填assets/scene-selection-template.md导出的 JSON，运行
python3 scripts/generate_plan.py --input <模板>.json --output roadmap.md
- 演示：python3 scripts/generate_plan.py --demo --output demo-roadmap.md
- 脚本会自动产出「企业阶段判断 / 痛点地图 / 场景优先级 / 分层落地草案 / 组织建设建议 / 效果基线 / 风险边界 / 待确认清单」，所有空白字段标【待确认】。 -
范例模式（开箱即用的真实样板）：本 skill 已内置案例 18 的已脱敏真实评分
assets/case18-example.json——含五个真实场景打分、诊断三问结论（数据在哪 / 系统有什么 / 人卡哪）、以及效果基线（前 vs 后）。把它当作样板直接渲染，即可得到一份"有真实数据、无【待确认】"的路线图，用于：
- 给客户演示"我们能交付什么"的样板（避免空模板的抽象感）；
- 内部方法论培训素材；
- 作为每篇 FDE 案例的产出范本。
命令：python3 scripts/generate_plan.py --input assets/case18-example.json --output case18-roadmap.md
复用约定：后续每篇 FDE 案例都照此——填好脱敏后的真实评分 JSON（场景打分 + 可选 diagnosis/baseline），跑一版路线图一并打包；填了diagnosis/baseline就渲染真实值，没填仍留【待确认】，--demo空白模板模式不受影响。
第一步：进现场诊断（不要急着写代码）
- 逐部门访谈，看真实业务流程、在用系统、真实痛点；最好让客户演示一天怎么工作、数据从哪来、在哪被人工搬运、卡在哪。
- 把"他很痛"翻译成可落地的业务与技术问题：很多'要上 AI'的诉求本质是先补信息化 / 数据化。
- 用
references/fde-methodology.md的"阶段判断"核对：这家企业到底处在信息化、数据化、还是智能化阶段？处在前两个阶段，AI 就不是第一优先。 - 诊断结论先回答三件事：数据现在在哪、系统现在有什么、人现在卡在哪。
第二步：补数据基础（先打通，再谈 AI）
- 先跑通 CRM：统一客户、订单、绩效数据，把散落在销售个人手里的客户关系沉淀为企业资产（人一走线索不流失）。
- 再结合数仓汇总：CRM 跑通后，把多源数据汇总到数仓，AI 的上下游依赖才有东西可分析。
- 原则：AI 的上下游依赖必须先把数据基础铺好，不要跳过信息化直接上大模型。
第三步：分层 AI 插入（从最痛处开始）
按 references/fde-methodology.md 的"场景筛选评分"与"分层 AI 插入"推进，先用 assets/scene-selection-template.md 给痛点打分排序：
- AI + BI 经营分析：数仓之上用 BI 转出业务大盘，再让 AI 分析大区趋势、涨跌根因，并结合日报 / 周报 / 拜访记录。把"看实时大盘延迟一个月"变成"随时可看、且能看懂为什么涨为什么跌"。
- 提人效（培训）：把新人培训做成 AI 陪练 + 电子化考试闭环，把近两个月的培训周期压到约 3 周。
- 提人效（招聘）：招聘端做 AI 简历筛选、打分、试点自动化一面，把老销售从筛简历 / 面试里解放出来。
- 每一步都从已打通的数据基础出发，先打通再看见下一层需求。
第四步：判断「到底要不要上 AI」
对每一个候选环节先问：这个问题需不需要 AI？
- 业绩统计、提成计算、客户关系沉淀 → 交给 CRM / BI，规则清晰就不必上 Agent。
- 趋势归因、陪练对话、简历初筛 → 语义理解 / 跨系统判断，AI 真正擅长处才上。
- FDE 重要的能力是"知道哪里不该用 AI"。
第五步：搭企业自己的 AI 团队（大企业必含）
- 建议决策层扩编制，FDE 参与招聘与团队框架建设。
- 项目从"做几个应用"升级为"帮企业建立持续进化的能力"；至少在每个部门培养 AI 提效标兵。
- 重新设计人和 AI 的生产关系：人职责、绩效、流程取消 / 新增、哪些 AI 做哪些人做——没答清就难成生产力。
第六步：交付与效果归因（闭环）
- 交付前先建立"效果基线"：记录上线前人工各环节耗时、可量化指标（如培训周期、月省人天、看大盘延迟）。
- 交付后持续记录上线后耗时与业务指标（时间节省、拜访量、经营调整速度）。
- 形成闭环：交付 → 使用 → 反馈 → 迭代 → 效果归因 → 下一轮优化。
- 衡量标准：被 AI 释放的时间，有没有重新变成企业生产力。
Output Deliverable
完成后应输出一份结构化交付物，至少包含：
- 企业阶段判断：信息化 / 数据化 / 智能化分别到哪了，AI 是不是当前第一优先。
- 痛点地图：客户关系、业绩统计、培训、人事等散落点与人工搬运环节。
- 分层落地方案：CRM / 数仓 → AI+BI 经营分析 → AI 陪练 / 简历筛选，每步标注人与 AI 的分工。
- 组织建设建议：编制、团队框架、部门 AI 标兵。
- 效果基线表：上线前 vs 上线后可量化对比。
- 风险与边界：数据可得性 ≠ 数据可用、保留人在关键节点判断、需求需反复澄清、大企业转型必含组织建设。
Principles（贯穿全程）
- 先判断企业处在哪个阶段——信息化课没补完的，该补 CRM 就补 CRM、该治理数据就先治理，AI 只是生产力体系的一部分。
- 从最痛处筛场景：看问题多痛、年发生几次、占多少人、影响多少收入 / 成本、AI 是否擅长；离收入越近、痛点越集中越优先。
- 别什么问题都硬套 AI：业绩交给 CRM / BI 算，AI 留给趋势归因、陪练、简历筛选等真正擅长处。
- 大企业 AI 转型必含组织建设：外部 FDE 只能启动，长期要企业自持能力。
- 重新设计人和 AI 的生产关系：职责、绩效、流程没答清，AI 就难成生产力。
脱敏示例（上架前必查）
- 案例来源：删除原始出处书名与全部页码引用，本 skill 不保留任何出处页码。
- 客户身份：真实公司名 / 人名 / 具体地域 → 泛化为"某生物科技行业上市公司"，不指向任何可识别主体。
- 厂商绑定：不绑定具体 CRM / 数仓 / 即时通讯产品名，统称为"标准化 CRM / 数仓 / 即时通讯卡片"。
- 复核要点：产出中无原始出处书名、无页码引用、无真实公司名、无真实品牌名残留。
Resources
references/
references/case18-full.md— 案例 18 全文（已脱敏），含客户画像、五步实施、落地成效、五条可复用经验。references/fde-methodology.md— 框架速查：阶段判断、场景筛选评分、分层 AI 插入、组织建设、人-AI 生产关系。
assets/
assets/on-site-diagnosis-checklist.md— 进现场诊断访谈清单（售前 / 立项用），可直接发给客户填写或共创式过一遍。assets/scene-selection-template.md— 场景筛选评分模板，痛点打分 → 优先级排序，供scripts/generate_plan.py消费。assets/case18-example.json— 案例 18 真实评分（已脱敏）：场景打分 + 诊断三问 + 效果基线，作为「范例模式」样板直接喂给generate_plan.py。
scripts/
scripts/generate_plan.py— 把填好的场景模板（JSON 或内置 demo）渲染成《数智化转型路线图》初稿。仅依赖 Python 标准库。
