案例 24 · 海外快消动销

文字由原PDF提取，阅读顺序和表格请以原页为准。

第一步，进入现场，重新梳理业务流程。
我近距离观察了总部的销售运营团队，看他们日常怎么接收经销商数据、怎么核对、怎
么开会沟通；也通过远程方式了解了经销商侧的数据填报流程。
摸清全貌之后，我们开始明确：总部需要什么数据？经销商能够提供什么数据？哪些数
据可以自动获取？哪些数据必须人工确认？
比如，Sell In数据相对容易，因为它通常来自总部发货系统，结构比较标准；Sell
Through数据更难，因为它来自渠道末端，数据来源复杂。所以我们的重点是重新设计
数据流转方式，从数据源头就把口径对齐。
第二步，拆解AI、人和系统分别承担什么工作。
我们认为，大模型的角色很明确：集中处理过去人工最消耗时间的部分。
AI主要负责从PDF、图片、Excel等非结构化数据中抽取信息，帮助完成数据清洗和格式
转换，识别异常数据，辅助生成分析结果。
专业系统负责数据存储、数据管理、权限控制、业务流程流转。
人工负责最终判断、复杂业务决策、异常情况处理。
整个流程从过去的“人工传递 → 人工整理 → 人工审核”，变成“AI抽取 → AI校验 → 风
险标记 → 人工最终审核”。简单来说，就是把数据流转从“人为校验”变成“机器辅助
校验 + 人工决策”。
第三步，让AI真正进入业务流程。
最初我的设想是搭建一个专门的海外数据平台，让经销商数据直接接入新系统。但现场
走了一圈后发现，企业总部已经有一套成熟的管理系统在跑，海外业务的员工和经销商
都习惯了这套流程。推翻重建不现实，更好的方式是在原有系统上做能力叠加：保留现
有的框架和习惯，AI作为一层能力嵌入其中。
237/243