两张 Excel、五个问题、一个 AI 助手

WorkBuddy 如何用一次对话，搞定一整套生产数据分析

做生产管理的人都知道这样的场景：手头堆着好几份 Excel，老板甩过来一连串问题——完成了多少？准时率怎么样？周期长不长？在产的能不能按时交？

传统做法是：打开文件、建数据透视表、写一堆公式、再画几张图，半天就过去了。而这一次，我们把两张生产数据表交给 WorkBuddy，只用了一次对话，就拿到了一份完整的分析报告。

这篇文章，我们复盘整个过程。

一、业务背景：两份数据，五个问题

这次分析的输入是两份生产管理表：

• Production data- Completed.xlsx：已完成订单，3,387 行数据，51 个字段
• Production data- In Process.xlsx：在产订单，含 Potential / Prototype / Confirmed / In Production 四个阶段，合计上万行

业务方提出了五个直击要害的问题：

1. 完成总数及每月的完成数
2. OTD：实际出厂日是否达到客人时间（Actual X-fty date vs IHD/ex-fty date）
3. Lead time：安排生产日到实际出厂日的天数
4. 目前在产的订单数：总数及按月走货数量
5. 在产的订单能否达到客人的交期

五个问题，涵盖了总量、准时率、效率、在产规模、风险预判五个维度。任何一个回答不到位，决策就会跑偏。

二、WorkBuddy 的解法：从理解数据到交付洞察

第一步：自动识别场景，加载专业技能

WorkBuddy 识别到这是一次数据分析任务，自动加载了「数据分析工作流」和「Excel 处理」两套技能。前者定义了从理解问题→采集数据→分析→验证→呈现的完整流程，后者提供了读写 Excel 的专业规范。

这意味着什么？ 它不是在"猜"怎么分析，而是按一套经过验证的方法论在执行。

第二步：快速摸清数据结构

面对 51 列、上万行的复杂表格，WorkBuddy 没有盲目计算，而是先做了一件关键的事——理解数据。

它逐一读取了每张表的字段，建立了关键字段映射：

其中有个细节值得注意：数量字段（Qty）里混着 "25;25;21" 这样的分号字符串，代表一个订单行包含多个尺码。如果直接求和，结果会出错。WorkBuddy 识别到这一点，专门写了清洗逻辑，把分号字符串拆开求和。

数据清洗，往往是分析中最耗时、也最容易被忽视的一环。

第三步：逐题计算，交叉验证

理解完数据，WorkBuddy 开始逐题作答。它的计算不是孤立进行的，而是做了交叉验证——比如 OTD（准时率）同时算了两个口径：

• 对计划出厂日的准时率：衡量工厂自身履约
• 对客户入店日的达标率：衡量客户实际体验

这两个口径的结果差异，恰恰揭示了问题的核心（后文详述）。

第四步：可视化交付

光有数字不够，决策者需要"一眼看懂"。WorkBuddy 最终交付了两份成果：

• 一份交互式 HTML 仪表板：8 张图表 + KPI 卡片，可在线查看
• 一份 6 页 Excel 汇总报告：按问题分页，带配色和结论建议

三、核心发现：五个问题的答案

问题 1：完成了多少？

2026 年 1-4 月共完成 3,387 个行项目（独立订单 2,687 个），数量合计 56,455 件。1 月和 3 月是完成高峰，4 月单月数量最高（20,458 件），说明 4 月订单偏向大批量。

问题 2：OTD 准时率怎么样？

这里出现了本次分析最关键的洞察：

• 按计划出厂日算，准时率高达 90.1%——工厂看似表现优秀
• 但按客户入店日算，达标率只有 52.9%——近一半订单晚于客户要求

同一个数据，换一个口径，结论天差地别。 如果只看工厂口径，管理层会以为一切正常；只有对齐到客户视角，才会发现 988 单存在客诉风险。这就是多口径交叉验证的价值。

问题 3：生产周期多长？

平均生产周期 17.2 天，中位数 15 天，约 76% 的订单在 3 周内完成。3 月周期最长（21.5 天），可能与旺季负荷或订单复杂度有关。

问题 4：在产订单有多少？

"In Production" 阶段共 513 单（26,888 件），其中 86% 集中在 4 月走货。再看全流程漏斗：Potential（7,598）→ Prototype（1,988）→ Confirmed（2,171）→ In Production（513），从潜在到投产的转化率只有 6.8%，Confirmed 阶段积压明显。

问题 5：在产订单能按时交吗？

这是最需要预警的一个问题。

对比在产订单的"计划出厂日"与"客户入店日"：55.6%（273 单）的计划出厂日晚于客户交期，意味着超过一半的在产订单无法按时交付。其中 63 单延期超 14 天，25 单延期超 30 天，属于必须立即干预的高风险订单。

四、复盘：WorkBuddy 在数据分析上强在哪？

回看整个过程，WorkBuddy 展现出几个传统工具难以企及的能力：

1. 听得懂业务语言。 用户说的是"是否达到客人的时间""在产的能不能达到客人的期"，WorkBuddy 能把这些口语化的提问，精准映射到 Actual XFD、Customer IHD 这些具体字段，并选择正确的对比口径。

2. 自动处理脏数据。 分号分隔的数量、跨表不一致的列名、缺失的日期——这些会让普通透视表出错的坑，WorkBuddy 在分析前就清洗完毕。

3. 多口径交叉验证。 不是给一个数字就交差，而是主动从工厂口径和客户口径两个角度算 OTD，挖出"看似达标实则风险"的真相。

4. 一次交付多种形态。 交互仪表板给在线查看，Excel 报告给存档和二次加工，图表给汇报演示——同一份数据，按场景输出。

5. 从数字到行动。 不仅回答"是多少"，还回答"意味着什么"——273 单有交期风险、4 月产能压力突出、Confirmed 阶段是瓶颈，这些都是可直接转化为管理动作的结论。

结语

数据分析的真正难点，从来不在于"算出数字"，而在于问对问题、用对口径、看出风险、给出建议。

这次生产数据分析，从两份原始 Excel 到一份带图表、带结论、带行动建议的报告，WorkBuddy 用一次对话完成。它做的不是替代表格工具，而是把"理解业务→清洗数据→多维分析→可视化→输出结论"这条原本需要半天甚至一天的价值链，压缩到了几分钟。

如果你也有一堆看不过来的业务数据，不妨把它交给 WorkBuddy 试试。

本文分析基于真实生产数据，数据已做脱敏处理。