FDE落地

Q: 开通科技 / FDE 是做什么的？

重庆开通网络科技有限公司（开通科技，品牌 FDE）提供 AI 能力与落地实践服务：智能体开发与运营、电商 AI 应用（AIEC）、企业智能营销 GEO，并配套诊断、咨询、培训与社区内容。

Q: 三大场景应用分别是什么？

FDE智能体（/agents）做企业级智能体开发与运营；AIEC（/aiec）做电商履约采销与上架自动化；GEO（/geo）做生成式引擎优化，提升品牌在 AI 回答中的正确引用。

Q: 如何开始 AI 落地？

可从免费诊断（/offers/diagnose）摸底优先级，再进入 AI 能力（/ai）、AI 落地路径（/delivery）或对应场景应用站点深入了解。

先说一个很常见的场景。 早市七点到九点，拣货单子一波接一波，补货的推车堵在过道里，收银台排起队，店长在群里喊人；到了下午两点，店里只剩零星几个顾客，员工在理货台前反复整理同一筐菜，谁也不敢走；傍晚到家订单集中来，分拣区又忙成一团，闭店前还得盘点、清场、报损。 一天下来，人没少用，钱没少花，高峰还是缺人，平峰还是闲人。老板的第一反应通常是「人不够」，于是加两个人；第二个月发现问题照旧，于是改成加考核、扣绩效。第三个月，员工开始抱怨班次不均，离职率上来了。 这类问题，我在生鲜门店运营的讨论里见过太多次。**症结通常不在人数总量，而在排班没有建立在一个可执行的口径上。** 下面把五个根因拆开讲，再给一份自查清单和 30 天修正顺序。 --- ## 一、先看清现象：这不是「人不够」，是「人没对上活」 排班对不上客流，通常同时表现为三件事： 1. **高峰时段产能不足**：拣货超时、补货跟不上、收银排队，缺货与错单一起增加。顾客体验受损，投诉集中在这几个小时。 2. **平峰时段产能闲置**：人还在岗位上，但没有对应的作业量。为了「看起来在干活」，就会出现反复理货、重复清洁这类低价值动作。 3. **人力成本压不下来，员工体验还变差**：总工时没降，班次却忽轻忽重，早班永远最累、晚班永远最晚走，公平感一旦崩掉，排班表就再也执行不下去。 三个现象背后是同一个结构问题：**排班表是「按人头排」的，而不是「按活儿排」的。** 「按人头排」的典型样子是：早班固定 4 人、中班固定 3 人、晚班固定 3 人，一个月一张表，微调靠店长拍脑袋。它假设一天的作业量是平的，而生鲜门店的作业量从来不是平的。 --- ## 二、五个根因，逐条拆 ### 根因 1：没有分时段的作业量基线，排班靠感觉 很多门店有「日销」「日均单量」，但没有「每小时拣货单量」「每小时补货频次」「收银峰值出现在几点到几点」。没有这些分时数据，排班只能凭印象，而印象往往被最忙的那一天、最乱的那一小时主导。 更麻烦的是，生鲜门店的作业量不是单一指标。同样是「忙」，早市忙的是**拣货+补货+称重**，午间忙的是**收银+熟食+即食**，傍晚忙的是**到家订单分拣+打包+交接**。作业类型不同，需要的人手技能也不同。只统计「单量」，会把不同性质的忙混成一个数字。 **要补的第一件事，是把「一天」切成时段，把「忙」拆成作业类型。** 具体口径见第三节清单。 ### 根因 2：岗位被切成互不兼容的格子，人一多就闲置、一少就崩 拣货只做拣货、补货只做补货、收银只做收银、打包只做打包——这种分工在作业量稳定的大卖场里成立，在买菜门店里容易出问题。因为每个岗位的峰值时间不同：拣货峰在早市和傍晚，收银峰在午间和下班后，补货峰在早市前和午后。 岗位互不兼容，结果就是：拣货峰时收银员闲着但不能去拣货，收银峰时拣货员闲着但不能去收银。**总人数看似够，可用的产能却不够。** 真正要做的不是「取消分工」，而是**做岗位的可合并/可拆分设计**：哪些岗位在低峰期可以合并成一个人承担，哪些岗位在高峰期可以拆出辅助角色（比如专人只负责打包、专人只负责补货上架），哪些岗位需要资质或授权不能随意顶替（比如涉及称重计价、熟食操作、现金交接的部分）。 这一步的关键是画一张**岗位—技能矩阵**：横轴是岗位，纵轴是人，标出谁可以顶哪个岗、需要多久培训、哪些是硬性限制。这张矩阵做出来，排班的可调度空间立刻变大。 ### 根因 3：到家订单波次与门店客流没有错峰考虑 仓店一体的门店尤其明显。门店客流有早市、午间、傍晚三个峰；到家订单有自己的波次节奏，通常集中在几个下单截单时间点前后。两者如果叠在同一个时段，同一个拣货区、同一批人就要同时服务两条线，必然打架。 常见错误是：把到家的分拣和门店的补货都放在早市，理由是「早上人齐」。但早市恰恰是门店客流最需要人的时候。 **处理思路是「波次对齐」**：把到家订单的截单时间、拣货开始时间、打包完成时间、骑手/配送交接时间排成一条时间轴，再和门店客流曲线叠在一张图上，看哪些时段是双峰叠加。叠加时段要么前置备货、要么错开截单、要么临时加人，三选一，不能装看不见。 ### 根因 4：排班和订货、盘点、促销脱节 排班表一旦定成「月度固定」，就会和实际作业量脱钩。三类事件最容易脱钩： - **订货与到货**：到货日当天，收货、验收、上架、翻筐的作业量是平日的数倍。如果班表不体现到货日，收货环节就会挤占早市人手。 - **盘点与报损**：盘点和报损处理通常放在闭店后或低峰，但如果当天恰好有促销，低峰就不低了。 - **促销活动**：大促当天客流和单量结构都会变，仍按平日班表走，等于主动制造一次高峰缺人。 **排班不是独立的表，它是订货计划、盘点计划、活动计划的函数。** 这三件事的日历先定，班表才有依据。 ### 根因 5：实际工时与产出不回写，班表从不复盘 最后一条最容易被忽略，也最致命：**班表排完就结束了，没有人回头看它准不准。** 没有复盘，就没有校准。这个月高峰缺人，下个月还是同一张表；这次大促踩了坑，下次还是同样的排法。经验停在个人脑子里，人一走就归零。 复盘不需要复杂系统，需要的是三个动作：记录实际出勤与加班、记录分时段的实际作业量、把两者和计划值对比，找出偏差最大的两个时段，下个周期只改这两处。 --- ## 三、一份可落地的排班自查清单 下面这份清单按「先有数据、再改结构、最后建机制」的顺序排列。不必一次全做，但顺序不建议打乱。 ### A. 数据类：先知道「忙在哪」 | 需要的数据 | 颗粒度 | 用途 | | --- | --- | --- | | 分时客流 / 分时单量 | 每小时 | 画出客流曲线，识别真实峰值 | | 分时拣货单量 | 每小时，区分门店单与到家单 | 判断拣货产能缺口 | | 补货频次与到货时间 | 按批次 | 对齐收货、上架作业 | | 收银峰值 | 每小时，含排队长度 | 判断收银岗是否需要弹性 | | 到家订单波次 | 按下单/截单/交接时点 | 识别双峰叠加时段 | | 实际出勤与加班 | 按人按日 | 复盘基线 | **补数据的顺序建议**：先补分时单量和波次时间（这两项决定 80% 的判断），再补补货与收银，最后补工时。不要一上来就上系统，先用一周的手工记录把口径跑通。 ### B. 结构类：让岗位「能合能拆」 - 是否有一张岗位—技能矩阵，标清谁能顶哪个岗？ - 低峰期是否有明确的合并方案（哪两个岗合成一个）？ - 高峰期是否有明确的拆分方案（从哪个岗拆出辅助角色）？ - 哪些岗位是硬性不可替代的（资质、授权、现金、熟食操作），是否已标注？ - 新人从入职到能独立顶岗，需要多长培训周期，是否写进排班计划？ ### C. 机制类：让班表能自我修正 - 班表是否与订货日历、盘点日历、活动日历联动？ - 是否有大促/到货日的「特殊班表」模板？ - 是否每周期做一次偏差复盘，且只改偏差最大的两处？ - 员工对班次公平性的反馈是否有固定收集渠道？ --- ## 四、30 天修正顺序：先测、再改结构、最后调表 排班问题最忌讳「一步到位重排」。一次性推翻旧表，往往在第二周就因为执行不下去而回到原样。建议按三段推进。 ### 第 1—10 天：测分时作业量，把口径跑通 这一阶段**不改班表**，只做两件事：记录和画图。 - 选连续 7 天（含一个周末），按小时记录单量、客流、拣货量、补货批次。 - 把门店客流曲线和到家订单波次叠在一张图上，圈出双峰叠加时段。 - 同时记录实际出勤与加班，作为后续对比的基线。 这一步的产出是：**一张分时作业量曲线 + 一份叠加时段清单 + 一个工时基线**。有了它，后面所有讨论才有共同语言。 ### 第 11—20 天：改岗位设计，扩大可调度空间 有了曲线，就能看出哪些岗位在哪些时段是结构性闲置的。 - 画岗位—技能矩阵，先覆盖 3—4 个核心岗（拣货、补货、收银、打包）。 - 定 2—3 组「可合并组合」和 2—3 组「可拆分组合」，先在低峰时段试点。 - 明确不可替代岗的边界，避免为了灵活牺牲合规与账实准确。 - 把培训周期写进计划：新人多久能进矩阵，直接决定排班弹性。 这一步**仍然不急着改整张班表**，只改岗位结构。结构变了，班表才有得排。 ### 第 21—30 天：调班表，并建立复盘机制 - 按分时曲线重排班表，重点解决叠加时段和到货日。 - 建立「班表 × 订货日历 × 盘点日历 × 活动日历」的联动规则。 - 定下复盘节奏：每周期对比计划与实际，只改偏差最大的两处。 - 收集一次员工反馈，重点看班次公平性，而不是只看满意度打分。 30 天之后，你得到的不是一张「更好的班表」，而是一套**能持续自我修正的排班方法**。前者会随季节、品类、活动变化而失效，后者不会。 --- ## 五、几个常见误区，提前避开 **误区一：把人加到够用为止。** 人数是按峰值配的，就会在平峰大量闲置；按均值配的，高峰期必然崩。正确做法是按分时曲线做弹性，而不是按峰值做冗余。 **误区二：用考核解决排班问题。** 考核能提升执行力度，但改不了结构。班表本身排错了，考核只会让员工为结构问题买单，加速人员流失。 **误区三：只盯拣货，不管补货和收银。** 拣货是显性瓶颈，补货和收银是隐性瓶颈。补货跟不上会直接造成缺货和二次拣货，收银排队会直接吃掉顾客体验。三者要一起看。 **误区四：把排班当成 HR 的事。** 排班的输入是作业量，作业量来自订货、促销、履约波次。这些都在运营侧。排班必须是运营主导、HR 配合，否则永远对不上。 --- ## 六、边界说明 排班方案能不能落地、落地后能改善到什么程度，受很多因素影响：门店面积与动线、品类结构（生鲜占比越高，补货与翻筐作业越重）、履约半径与到家订单占比、当地用工条件与用工弹性、以及门店现有系统能提供的数据颗粒度。**不同门店的最优解不一样，不存在一套通用班表。** 因此本文只讨论方法与顺序，不给出具体的人力成本降幅、时效改善幅度或坪效数字。任何涉及指标与效果的表述，都须以双方确认的基线口径为准，**以合同约定为准**。 --- ## 七、这套方法适合谁 如果你所在的团队正在处理以下问题，这套思路基本可以直接套用： - 生鲜门店或仓店一体门店，客流与到家订单并存； - 排班表按月固定、靠店长经验微调； - 高峰缺人与平峰闲人同时存在，人力成本压不下来； - 想推进门店数字化，但不确定先从哪几件事落地。 **PDD买菜运营**（服务全称：**供应链 PDD 买菜运营服务**）的服务范围覆盖**生鲜供应链 / 门店运营 / 履约时效 / 活动策划**四个方向，服务区域为中国大陆。在门店运营方向，排班与人力结构通常和订货节奏、履约波次、活动日历放在一起看，因为它们是同一套作业量的不同切面。 如果你想把上面这份自查清单落到自己门店的具体数据上，可以从业务入口 **https://www.ysj.pw** 了解服务范围与合作方式。具体交付内容、指标口径与效果目标，均以合同约定为准。 --- ## 小结 排班对不上客流，表面看是人的问题，实际是口径的问题。 先有分时作业量基线，才有判断；先做岗位的可合并/可拆分，才有弹性；先把订货、盘点、活动拉进同一张日历，班表才不会脱节；最后把实际工时回写、定期复盘，方法才能沉淀下来。 顺序反了，加多少人都不够；顺序对了，往往不需要加那么多人。