从外行到 Echo:
前线部署策略师培训手册
这份手册写给没有咨询、产品或技术背景的新人。学完以后,你能走进一家陌生企业,弄清他们真正的问题,把问题变成软件能解决的用例,再带着工程师把方案落地,最后让一线员工真的用起来。
FDE 是什么?Echo 又是谁?
FDE(Forward Deployed Engineer,前线部署工程师)是一种工作模式:软件公司不只是把产品卖给客户,还把一支小团队派到客户现场,和客户一起把产品用在最难、最值钱的业务问题上。这种模式由 Palantir 带火,现在很多 AI 公司和企业软件公司都在用(OpenAI、Anthropic、Scale AI 和不少 AI 应用公司都设了 FDE 岗位)。
业内常把一支 FDE 小队拆成两种角色,名字来自 Palantir 内部的叫法:
部署策略师 · 偏业务
Echo 对的是问题。他们泡在客户的业务里,搞清楚"该解决什么、为什么值得解决、解决了怎么算成功",再把这些翻译成工程师能动手的需求。他们也是客户最信任的联系人。
部署工程师 · 偏技术
Delta 对的是方案。他们接数据、写代码、配平台、做原型,把 Echo 定义好的问题变成一套能跑的系统。
Echo 不需要会写代码,但要懂得足够多的技术,才能和 Delta 对话;不一定当过咨询顾问,但得会拆问题、会讲故事;也不是销售,可是要能让客户的高管和一线员工都信得过你。这份手册就是按这个画像设计的。
三级成长路线图
Echo 的成长分三级。每一级要回答的问题不一样:初级要学会"看懂",中级要能"独立交付",高级要能"做大账户、带人"。点下面任意一级,查看课程模块、产出物和晋级标准。
Echo 见习生
Echo 独立负责人
Echo 账户负责人
能力矩阵:每一级要做到什么程度
| 能力维度 | 初级 · 见习生 | 中级 · 独立负责人 | 高级 · 账户负责人 |
|---|---|---|---|
| 问题定义 | 会用 5 Why 和问题树,能把客户的诉求改写成问题陈述 | 能在模糊、多方意见冲突时定出优先问题,敢否掉伪需求 | 能找出客户自己都没意识到的战略问题,并据此设计多年路线图 |
| 客户发现 | 按提纲做访谈、做现场观察、画干系人地图 | 独立设计调研计划,一周内摸清一个业务部门 | 能和 CXO 做战略对话,摸清组织政治和预算走向 |
| 业务与数据理解 | 能画泳道流程图,能用"对象-属性-关系-动作"描述业务 | 能主导数据盘点,判断数据能不能撑起用例,和 Delta 一起设计数据模型 | 能判断客户整体数据架构,规划跨部门的统一数据底座 |
| 用例与价值 | 会填用例画布,做简单的 ROI 估算 | 能做完整业务论证(Business Case),设计指标并追踪 | 能把价值汇总成高管能拍板的投资故事,推动续约和扩单 |
| 交付管理 | 会写周报、做会议纪要、跟进行动项 | 管理 2–6 周迭代、范围变更、试点上线和推广 | 同时管多条工作流,协调多个团队与资源 |
| 沟通与影响 | 能清楚地讲一个 5 分钟的 Demo | 能主持工作坊,处理用户抵触和中层阻力 | 能影响高层决策,处理危机,代表公司谈判 |
| 技术素养 | 懂基本数据概念、表结构和 API 是什么 | 能读简单的 SQL、会用低代码工具搭原型、理解大模型能力边界 | 能和客户 CIO 讨论架构、安全与 AI 治理 |
| 带人与组织 | 主动求反馈,写好复盘 | 带 1 名见习生,沉淀可复用的方法 | 搭建团队、做培训、参与招聘,塑造团队文化 |
一个 Echo 项目的标准生命周期
不管哪一级,Echo 的工作都围着同一条主线转。初级要认识这条线的每一站,中级要能独立走完全程,高级要能同时跑好几条。
初级课程说明
初级课程一共 6 节,每节 60 分钟,可以一天上完(上午 3 节、下午 3 节),也可以分两周、每周三次晚上上。每节都按同样的节奏走:
每节的时间分配按内容略有调整,见各节开头。
| 节次 | 主题 | 你会学到 | 带走的工具 |
|---|---|---|---|
| 第1节 | 认识 FDE 与 Echo | Echo 的职责、和其他角色的分工、工作心态 | Echo 五顶帽子、角色分工表 |
| 第2节 | 定义真正的问题 | 分清诉求、需求和问题,避开"伪需求" | 5 Why、问题树、问题陈述模板 |
| 第3节 | 客户发现与访谈 | 找对人、问对问题、看见没人说出口的东西 | 干系人地图、访谈提纲、观察清单 |
| 第4节 | 读懂业务与数据 | 用流程和"对象"描述业务,盘点数据 | 泳道图、本体四要素、数据盘点表 |
| 第5节 | 用例设计与价值 | 把问题变成用例,算清值多少钱,排优先级 | 用例画布、ROI 计算器、价值×可行性矩阵 |
| 第6节 | 交付、演示与沟通 | 迭代节奏、讲好 Demo、写周报、管期望 | Demo 脚本、周报模板、风险红黄绿 |
知识点路线图:六节课怎么串成一个项目
下面这张图按项目的时间顺序,把 6 节课的 24 个知识点连成一条线。阅读方式是"之"字形:第 1 行从左往右,到行尾往下,第 2 行再从右往左,依此类推。点任意一个知识点,可以跳到对应的那一节。
相邻阶段怎么接上
- 1 → 2:理解了"对结果负责"等信条,才不会照单接下"我们要个大屏",而是去追问真问题。
- 2 → 3:写好的问题陈述,就是访谈要验证的假设;接着画干系人地图,决定去找谁聊。
- 3 → 4:跟岗看到的影子系统和绕路操作,直接画进泳道图,成为标出的痛点。
- 4 → 5:本体里的"动作",就是用例画布要改变的"决策";数据盘点的结论决定可行性分数。
- 5 → 6:矩阵里的"速赢"用例先做原型,再进入试点和推广。
- 6 → 回到起点:采纳率起来、价值兑现以后,客户会提出下一个问题,从第 2 节重新开始。
时间按一个 4 周左右的小项目估算。实际项目里第 2、3 节经常来回跑:访谈和跟岗会推翻最初的问题定义。课程把"定义问题"放在"访谈"前面,是因为得先知道好问题长什么样,才能在访谈里认出它。
认识 FDE 与 Echo
- 说清楚 FDE 模式为什么存在,和传统软件交付、咨询有什么不同
- 分清 Echo、Delta、产品经理、销售、项目经理的职责边界
- 理解 Echo 的五顶帽子和五条工作信条
1.1 为什么需要 FDE:软件交付的"最后一公里"
传统企业软件是这样卖的:销售签单,实施顾问按需求文档配置,上线,然后走人。结果大家都见过:系统上线了,一线员工照旧用 Excel 和微信群干活,系统成了"摆设"。
问题出在三个地方:
- 需求是"说"出来的,不是"看"出来的。客户写的需求文档,常常是某个领导想象中的流程,而不是一线真实的流程。
- 价值没人负责。实施团队只对"按时上线"负责,没人对"业务指标有没有变好"负责。
- 产品和现场脱节。真实场景里的脏数据、例外情况、组织阻力,产品团队坐在总部是看不见的。
FDE 模式的回答是:把一支懂产品、懂技术、懂业务的小队直接放进客户现场,对业务结果负责。
| 传统实施 | 管理咨询 | FDE 模式 | |
|---|---|---|---|
| 交付物 | 上线的系统 | 报告和建议 | 正在被使用、能移动指标的方案 |
| 需求来源 | 客户写的需求文档 | 访谈和行业框架 | 现场观察 + 真实数据 + 快速试错 |
| 节奏 | 按里程碑,几个月一交付 | 按阶段汇报 | 1–2 周一个迭代,持续上线 |
| 成功标准 | 验收通过 | 客户认可报告 | 业务指标改善、用户持续使用 |
| 离场后 | 进入运维 | 客户自己执行 | 发现下一个问题,合作扩大 |
1.2 Echo 与其他角色的分工
| 角色 | 核心问题 | 主要产出 | 怎么算干得好 |
|---|---|---|---|
| Echo | 该解决什么?值不值?用起来没有? | 问题陈述、用例、业务论证、Demo、周报、培训 | 业务指标改善,用户在用,客户愿意扩大合作 |
| Delta | 怎么做出来?数据怎么接?能不能稳定运行? | 数据管道、应用、模型、集成 | 系统可靠、迭代快、技术债可控 |
| 产品经理 | 多个客户共同需要什么?产品该往哪走? | 产品路线图、功能规格 | 产品被越来越多客户复用 |
| 销售/客户经理 | 能不能签?签多大? | 合同、报价 | 签单额、续约率 |
| 项目经理 | 按时、按预算了吗? | 计划、进度表 | 里程碑按期完成 |
Echo 的五顶帽子
不轻信第一个答案。追问、观察、查数据,找到问题的根。
把业务语言翻译成工程师能做的需求,再把技术进展翻译成客户听得懂的价值。
决定先做什么、不做什么,把有限的工程时间花在最值钱的地方。
帮客户想清楚他们的业务,有时候得说他们不爱听的实话。
培训用户、培养内部拥护者,让新工具在组织里扎根。
不同阶段,戴的帽子不一样:发现期多当侦探,原型期多当产品经理,推广期多当布道者。
五条工作信条
- 现场优先:能去现场就不开会,能看真实数据就不看汇报材料。
- 对结果负责:你的 KPI 是客户的业务指标,不是你交了多少文档。
- 先做出来再说:一个能点的粗糙原型,胜过十页完美的需求文档。
- 好奇且谦逊:客户比你懂他们的业务。你的价值是带来新的视角和工具,不是装专家。
- 把问题当成自己的:遇到卡点不说"这不归我管",而是想办法推动,或者找到对的人。
背景:华辰精密是一家做汽车零部件的中型工厂,订单准时交付率只有 78%,主机厂客户已经发出警告。公司买了一个数据平台,派来一支 FDE 小队:Echo 小林和 Delta 阿杰。
讨论题:小林这一周做对了哪几件事?如果周一她直接答应做驾驶舱,结果可能会怎样?
参考答案
- 没有接受"解决方案式"的需求,而是追问背后的决策。
- 花时间在现场观察,而不是只听领导说。
- 从不同层级(副总、计划员、班组长)收集视角。
- 和 Delta 一起尽早验证数据可行性。
- 汇报时讲业务问题和可衡量的目标,而不是功能。
如果直接做驾驶舱,大概率会做出一个好看但没人每天看的大屏,因为它没有改变任何人的具体工作。
给每项任务选一个最主要的负责人。全部选完后点"核对答案"。
📝 课后作业(20 分钟)
- 用 300 字写下"我理解的 Echo",要用到至少 3 顶帽子。
- 回想你工作或生活中一个"上线了却没人用"的系统或工具,分析是哪个环节出了问题。
定义真正的问题
- 分清诉求、需求、问题三层
- 认出"伪装成需求的解决方案"
- 熟练使用 5 Why、问题树和问题陈述模板
2.1 三层洋葱:诉求、需求、问题
客户第一次开口说的,几乎从来不是真正的问题。要一层层剥:
| 层次 | 是什么 | 例子(物流公司) |
|---|---|---|
| 诉求 Ask | 客户嘴上说要的东西,通常是一个方案 | "我们要一个 AI 调度系统。" |
| 需求 Need | 他想达成的目的 | "想让调度更快、更准。" |
| 问题 Problem | 阻碍目的达成的根本原因,具体、可衡量 | "下午 3 点后的临时订单要靠调度员电话逐个问司机位置,平均 25 分钟才能派出,导致 30% 的当日达订单超时。" |
2.2 工具一:5 Why
连续问"为什么",直到找到一个可以采取行动的原因。不一定要正好五次,问到能动手为止。要注意两点:
- 每一个"为什么"的答案都要有证据(数据、观察、多人印证),不要靠猜。
- 答案可能有分叉,要沿着影响最大的那条走。
2.3 工具二:问题树
把一个大问题拆成几个互不重叠、加起来又完整的子问题(这叫 MECE 原则:Mutually Exclusive, Collectively Exhaustive)。比如"利润下降"可以拆成"收入下降"和"成本上升",收入再拆成"量"和"价"……拆到每个叶子都能用数据验证。
2.4 工具三:问题陈述模板
【谁】在【什么场景/环节】,因为【根本原因】, 导致【可衡量的影响:数字 + 单位 + 时间】。 如果解决,我们期望在【时间】内把【指标】从【现状】改善到【目标】。
好的问题陈述有五个特征:有具体的人、有具体的场景、有根因、有数字、不提方案。
背景:某三甲医院急诊科长期拥堵,院长办公室提出:"我们要一个急诊实时大屏,挂在护士站。"Echo 小陈接手。点击下面的按钮,一层层看小陈是怎么追问的。
启示:真正的解法是"出院流程并行化 + 出院预测提醒",跟大屏关系不大。如果直接做大屏,护士只会更清楚地看到病人在等,却什么也改变不了。
选一个你熟悉的场景(工作、学校、社区都行),填写下面的字段,系统会生成问题陈述并做质量检查。不知道写什么?点"填入示例"。
📝 课后作业(20 分钟)
- 找一个你听到过的"解决方案式诉求"(比如"我们要上个小程序"),用 5 Why 推到可行动的根因。
- 为"公司员工满意度下降"画一棵三层的问题树,检查是否符合 MECE。
客户发现:找对人、问对问题、看见真相
- 画出一个项目的干系人地图,识别决策者、拥护者和阻力
- 设计并执行一次 45 分钟的用户访谈
- 用现场观察发现"说的"和"做的"之间的差距
3.1 干系人地图:项目里有哪些人
| 角色 | 典型职位 | 他们关心什么 | Echo 怎么对待 |
|---|---|---|---|
| 经济决策者 | CEO、事业部总经理 | 投入产出、战略、风险 | 少而精的汇报,讲钱和战略 |
| 业务负责人 / 拥护者 | 部门总监、经理 | 部门指标、自己的业绩 | 最紧密的合作伙伴,每周同步 |
| 一线用户 | 计划员、调度员、护士 | 工作是不是更轻松、会不会被替代 | 花最多时间观察和倾听,让他们参与设计 |
| IT / 数据团队 | CIO、数据工程师 | 安全、稳定、工作量、话语权 | 尽早拉进来,尊重他们的系统,给他们功劳 |
| 合规 / 安全 | 法务、信息安全 | 数据权限、审计、监管 | 提前沟通,别等到上线前被叫停 |
| 潜在反对者 | 原有系统负责人、觉得被威胁的中层 | 失去控制权或地位 | 了解顾虑,找到共赢点,不要回避 |
画地图时用"影响力 × 支持度"两个维度给每个人定位:影响力高且支持的是你的盟友,要重点经营;影响力高但不支持的是风险,要尽早沟通。
3.2 好问题的四条原则
✗ "你会用这个功能吗?"
✓ "上一次遇到这种情况,你是怎么处理的?"
✗ "你们的流程有什么问题?"
✓ "能带我走一遍昨天下午那张订单的处理过程吗?"
✗ "你觉得自动化好不好?"
✓ "这件事你每周花多少时间?最烦的是哪一步?"
✗ "数据不准是不是最大的问题?"
✓ "做这件事时,最让你头疼的是什么?"
这几条原则的核心思路来自 Rob Fitzpatrick 的《The Mom Test》:人们会出于礼貌说你想听的话,但他们过去的行为不会骗人。
45 分钟访谈结构
3.3 现场观察(跟岗)
访谈听到的是人们以为自己怎么做事,观察看到的是他们实际怎么做事。跟岗时重点看这些信号:
- 影子系统:正式系统之外的 Excel、便利贴、白板、微信群、手写本子。它们说明正式系统没满足需求。
- 绕路操作:为了绕开系统限制而做的额外步骤,比如"先填个假值,回头再改"。
- 等待和打断:谁在等谁?哪一步让人停下来打电话问?
- 情绪:叹气、抱怨、骂系统的时刻,往往就是痛点所在。
背景:快达物流(同城配送,200 辆车)刚买了一套运输管理系统(TMS),管理层抱怨调度效率没有提升。Echo 小赵去调度中心跟岗。
访谈时,调度主管王姐说:"系统挺好的,就是有时候慢一点。"
跟岗时,小赵却看到:王姐桌上有一个自己做的 Excel,记着每个司机的"脾气"——谁不愿意跑远郊、谁的车能进地库、谁下午要接孩子。她先在 Excel 上把单子配好,再录进 TMS。一天下来,这个双重录入要花 1.5 小时。
追问后,王姐才说:"系统只知道车和距离,不知道人。按系统派,司机会拒单,最后还是要我打电话调。"
小赵的发现:真正的问题不是系统慢,而是司机的约束条件(车型、区域偏好、时间限制)没有进入系统。他把这个发现写成用例:"把司机约束结构化录入,让系统派单时自动考虑,目标是把拒单率从 18% 降到 5%,节省调度员每天 1.5 小时。"
讨论题:如果小赵只做了访谈没做跟岗,他会得出什么结论?王姐的 Excel 应该被"消灭"吗?
参考答案
只做访谈,小赵可能会得出"系统性能需要优化"这种错误结论。王姐的 Excel 不该被简单消灭,它是宝贵的业务知识。正确的做法是把它变成系统里的结构化数据,并请王姐作为"超级用户"参与设计。这样她从潜在的反对者变成了拥护者。
判断以下访谈问题是"好问题"还是"坏问题"。
📝 课后作业(30 分钟)
- 找一位朋友或同事,就"他工作中最花时间的一件重复性事务"做一次 20 分钟访谈,用本节的结构,事后写 1 页访谈纪要(模板见附录)。
- 列出你所在组织里一个项目的干系人,按影响力 × 支持度画出地图。
读懂业务与数据:用"对象"思考
- 画出一个业务流程的泳道图,区分现状和未来
- 用"对象-属性-关系-动作"四要素描述一个业务
- 完成一份数据盘点,判断数据能不能撑起用例
4.1 泳道流程图
泳道图把流程按"谁来做"分成横向的泳道,一眼就能看出交接点在哪儿。交接点往往就是等待、出错和扯皮的地方。下面是一个零售门店补货的现状流程:
画完现状后,再画未来流程:哪些步骤可以自动化?哪些交接可以去掉?哪些决策可以前移?两张图之间的差距,就是你的项目范围。
4.2 本体思维:让数据像业务一样说话
工程师看到的是一张张数据库表,业务人员脑子里想的是"门店""商品""订单"。本体(Ontology)就是在两者之间搭一座桥:用业务的语言,把世界描述成对象和它们之间的关系。这是很多 FDE 平台的核心理念,也是 Echo 和 Delta 沟通时最好用的共同语言。
| 要素 | 是什么 | 怎么识别 | 零售补货例子 |
|---|---|---|---|
| 对象 Object | 业务里的"东西",可以是实体或事件 | 句子里的名词,可以被数出来 | 门店、商品、供应商、补货订单 |
| 属性 Property | 对象的特征 | "……的……",比如门店的面积 | 商品的保质期、门店的城市、订单的数量 |
| 关系 Link | 对象之间的联系 | "属于""包含""由……供应" | 订单属于门店,商品由供应商供应 |
| 动作 Action | 用户对对象做的、会改变数据的操作 | 句子里的动词,是一个决策 | 创建补货单、调整安全库存、标记报损 |
4.3 数据盘点:Echo 必须问清的 7 个问题
- 在哪里?哪个系统、哪张表、哪个文件?
- 谁负责?谁录入、谁维护、谁能批准访问?
- 多新?实时、每小时、每天还是每月更新?
- 多准?有没有缺失、重复、格式不一致?(让一线用户说说他们信不信这份数据)
- 多全?覆盖了多长时间、多少门店/产品?
- 怎么连?不同系统之间用什么字段关联?(这是最常出问题的地方)
- 能不能用?有没有隐私、合规或合同限制?
你不用自己写 SQL,但要看得懂表结构(哪些是列、哪些是行、主键是什么),能和 Delta 一起判断"这个用例的数据够不够"。
背景:鲜丰超市有 80 家门店,系统显示仓库有货,门店却经常缺货,顾客投诉不断。总部认为是门店"懒得补货"。
Echo 小吴的做法:
- 先画本体:门店、商品、仓库库存、补货单、配送单,再画它们之间的关系。
- 和 Delta 一起把门店 POS 销售数据、补货单和仓库 WMS 出库数据按商品对齐,结果有 11% 的商品对不上。
- 追查后发现:同一种商品,POS 用 13 位条码,WMS 用内部 8 位编码,中间靠一张"对照表"维护,而这张表半年没人更新了。新品、换包装的商品都"失联"了。
- 门店下的补货单里这些商品被系统静默丢弃,仓库根本没收到。
结论:不是门店懒,是"商品"这个对象在两个系统里不是同一个东西。第一个用例改成:"建立统一的商品主数据,任何编码对不上的补货单当天报警"。两周后,缺货投诉下降了 40%。
启示:大部分"业务问题"背后都藏着一个"数据对象没对齐"的问题。用本体思维画一遍,很多问题就自己浮出来了。
场景:一家医院的手术排程。判断每个词是对象、属性、关系还是动作。
📝 课后作业(30 分钟)
- 选一个你熟悉的流程(比如报销、请假、点外卖),画出现状泳道图,标出至少 2 个痛点。
- 为这个流程写出本体:至少 4 个对象、每个对象 3 个属性、3 种关系、2 个动作。
用例设计与价值量化
- 用用例画布把一个问题变成可以交付的用例
- 用保守假设估算一个用例的年化价值
- 用"价值 × 可行性"矩阵给多个用例排优先级
5.1 好用例 = 改变一个具体的决策
用例(Use Case)是 Echo 和 Delta 之间的"合同"。判断一个用例好不好,就问一句:它改变了谁的哪一个重复决策?
"建设供应链可视化平台"
没有用户、没有决策、没法衡量
"采购员每天上午根据缺货风险预警,决定是否给供应商下加急单"
用户明确、决策明确、可衡量
用例画布(9 格)
| ① 用户 | 谁会用?多少人? | ② 决策/动作 | 他们要做什么决定?多频繁? |
|---|---|---|---|
| ③ 现状做法 | 现在怎么做?耗时多少? | ④ 痛点 | 哪里慢、哪里错、哪里贵? |
| ⑤ 所需数据 | 需要哪些对象和属性?在哪个系统? | ⑥ 方案形态 | 提醒、推荐、自动化,还是工作台? |
| ⑦ 价值指标 | 看哪个数字变化?现状和目标是多少? | ⑧ 负责人 | 客户方谁对结果负责? |
| ⑨ 风险与假设 | 哪些前提不成立,用例就会失败?(数据质量、用户意愿、系统权限……) | ||
5.2 价值量化:四个来源
| 来源 | 公式思路 | 例子 |
|---|---|---|
| 省时间 | 人数 × 节省小时 × 时薪 × 工作周数 | 20 个调度员每周各省 6 小时 |
| 降成本 | 减少的次数 × 每次成本 | 每月少报损 300 件,每件 40 元 |
| 增收入 | 增加的订单/转化 × 单位毛利 | 准时率提升带来的续约订单 |
| 降风险 | 事件概率下降 × 事件损失 | 避免一次合规罚款或停产 |
默认值来自下面的保险理赔案例,你可以调整任意数字,看价值怎么变化。
5.3 排优先级:价值 × 可行性
手里通常不止一个用例。按两个维度打分(1–10):
- 价值:年化金额、战略重要性、影响人数
- 可行性:数据是否就绪、技术难度、用户意愿、需要多少部门配合
横轴是可行性,纵轴是价值。右上角"速赢"先做,用来建立信任;左上角"大赌注"(价值高但难做)在信任建立后再做;右下角"顺手做"(容易但价值一般)有空就做;左下角"先放下"。
背景:安盛财险车险理赔部有 40 名理赔员,平均结案时间 9 天,客户投诉率高。Echo 小郑经过两周发现,列出了 5 个候选用例。拖动下面的滑块给它们打分,看看矩阵上的位置。
小郑最终的选择
小郑先做了①理赔材料自动核对:数据就在影像系统里,理赔员每单要花 40 分钟对材料,痛点大、见效快,3 周就上线了试点。有了这个速赢,理赔部总监才愿意配合推进更难的③反欺诈预警,因为它需要打通外部数据,还要合规审批。⑤全流程 AI 自动理赔听起来最诱人,但数据、监管和用户信任都不到位,被放到了第二年路线图里。
📝 课后作业(30 分钟)
- 用第 4 节作业的流程,填一张完整的用例画布。
- 用 ROI 计算器的逻辑,估算这个用例的年化价值,写清楚每个假设的来源。
交付、演示与沟通
- 理解原型 → 试点 → 推广的迭代节奏
- 讲好一个 5 分钟的 Demo
- 写出一份让高管 1 分钟看懂的周报,学会管理期望和传递坏消息
6.1 迭代节奏:小步快跑
| 阶段 | 时长 | 目标 | Echo 的重点 |
|---|---|---|---|
| 原型 | 1–2 周 | 证明"方向对" | 用真实数据做出能点的东西,给 3–5 个用户看,收集反馈 |
| 试点 | 4–6 周 | 证明"有价值" | 选一个小范围(一个班组、一个门店),每天用,追踪指标 |
| 推广 | 1–3 个月 | 证明"能规模化" | 培训、培养超级用户、处理例外情况、固化流程 |
6.2 讲好一个 Demo
- 从一个人的一天讲起:"这是计划员老周,每天早上 8 点……",而不是"这是我们的系统首页"。
- 用客户自己的数据:看到自家工厂的工单号,客户的反应完全不一样。
- 只讲三个点:一个痛点、一个关键时刻、一个数字结果。
- 先讲"之前"再讲"之后":对比才有冲击力。
- 留出一半时间听反馈:Demo 的目的不是展示,是学习。
- 彩排并准备备份:录屏、截图,防止现场网络或数据出问题。
6.3 周报:一页纸、红黄绿
【项目】华辰精密 · 排产优化 【周次】第 4 周 【整体状态】🟡 黄 一、本周进展 · 排产视图试点上线,2 号车间 6 名计划员每日使用 · 自动更新时间从 10:00 提前到 07:05 二、关键指标 · 准时交付率:78% → 81%(目标 85%,第 6 周) · 计划员每日拼表时间:2h → 0.3h 三、风险与问题 🔴 MES 数据接口每周二凌晨维护,导致周二视图延迟 → 已与 IT 商定改到周日 🟡 3 号车间主任对试点有顾虑 → 周四安排老周现场分享 四、需要的支持 · 请副总在周例会上点名表扬 2 号车间,帮助推广 五、下周计划 · 扩展到 3 号车间;上线换模提醒功能
6.4 期望管理与坏消息
- 坏消息早说:发现延期的那一天就说,别等到截止日。客户能接受延期,不能接受被蒙在鼓里。
- 带着方案说:"X 出了问题,影响是 Y,我们有 A、B 两个方案,建议 A,需要您决定……"
- 学会说"不是现在":新需求来了,不直接拒绝,而是放进待办清单,说明它会挤掉什么,让客户自己权衡。
- 功劳给客户:成功是客户团队的成功,在他们领导面前替他们说话。
明天上午 10 点,Echo 小林要向华辰精密的总经理演示排产视图的试点结果。晚上 9 点,她发现视图里显示的准时率是 91%,但计划科自己统计的是 81%。差了 10 个百分点。
下面的情景模拟会带你一步步做决定。每个选择都会影响客户信任和项目进展。
📝 课后作业(30 分钟)
- 为你的用例写一个 5 分钟的 Demo 脚本:开场人物、三个关键点、结尾的数字。
- 假设项目第 3 周遇到了数据延迟,写一份红黄绿周报。
结业测验与结业项目
初级结业由两部分组成:结业测验(12 题,答对 10 题及以上通过),和一个结业项目(由导师评审)。
答完全部题目后会显示总分。
FDE · Echo 初级结业
兹证明 学员 已完成 Echo 初级课程全部 6 节内容,
并以 的成绩通过结业测验。
结业项目:鲜丰超市生鲜报损
情景:鲜丰超市(案例 4 的客户)解决了缺货问题后,营运副总又提出:"我们想用 AI 预测生鲜销量。"已知信息:
- 80 家门店,生鲜报损率 9%,行业优秀水平是 4–5%,每年生鲜销售额约 2.4 亿元
- 店长每天晚上 9 点根据经验给第二天的叶菜、水果、肉类下单
- POS 有 3 年的销售数据,天气数据可以免费获取,促销计划存在市场部的 Excel 里
- 有店长私下说:"总部考核缺货,不考核报损,所以我们宁愿多订。"
你需要提交(建议 2–3 小时):
- 问题陈述:用第 2 节的模板,注意店长那句话暗示了什么。
- 干系人地图:至少 5 类角色,标出影响力和支持度。
- 访谈提纲:给店长的 45 分钟访谈,至少 8 个问题。
- 本体草图:对象、关系和关键动作。
- 用例画布 + ROI 估算:写清楚所有假设。
- 第一周周报:假设你刚完成发现阶段。
评审标准
| 维度 | 权重 | 优秀的表现 |
|---|---|---|
| 问题定义 | 30% | 识别出"考核机制"这个组织层面的根因,而不是只盯着预测模型 |
| 客户发现 | 20% | 访谈问题符合四原则,干系人包含考核制定者 |
| 业务与数据 | 15% | 本体清晰,指出促销数据在 Excel 里是风险 |
| 价值与用例 | 20% | ROI 假设保守且有来源,用例落在"店长下单"这个决策上 |
| 沟通 | 15% | 周报一页内,状态、风险、需要的支持清楚 |
中级课程说明:从"参与"到"负责"
初级 Echo 跟着导师干活,中级 Echo 要自己扛一条工作流:从发现、论证、原型、试点到推广,全程主导,并对一个业务指标负责。中级课程一共 8 个模块,每个模块 90 分钟,合计 12 小时。学完以后要做一个真实项目(3–6 个月),再参加复盘答辩。
贯穿全程的主线案例:远航冷链
初级案例里的 Echo 小林现在是一名中级 Echo,第一次独立负责一条工作流。
客户:远航冷链,全国 1,200 辆冷藏车,运生鲜和医药。去年因为温度超标造成的货损赔付是 3,600 万元,货损率 1.8%,有两个医药大客户放话:再出问题就换供应商。
客户的诉求:"我们装了几千个温度传感器,数据都有,你们帮我们用 AI 把货损降下来。"
小林的任务:负责"温控异常预警与处置"这条工作流,6 个月内把货损率降到 1.2% 以下。
接下来 8 个模块,每个模块讲这个项目的一个阶段。你会看到小林每一步怎么做、在哪里差点栽跟头。
| 模块 | 主题 | 主线案例里发生了什么 | 带走的工具 |
|---|---|---|---|
| M1 | 发现冲刺 | 两周搞清楚货损到底在哪发生 | 10 天冲刺计划、假设追踪板 |
| M2 | 业务论证 | 说服 CFO 批预算 | 三情景 NPV 模型、论证一页纸 |
| M3 | 原型与低代码 | 一周做出调度员愿意用的界面 | 原型保真度阶梯、原型评审清单 |
| M4 | AI 与大模型用例 | 决定哪里用 AI、哪里不用 | AI 适配度评分、精确率/召回率 |
| M5 | 试点设计与指标 | 证明效果是真的,不是运气 | 对照组设计、双重差分计算 |
| M6 | 变革管理与采纳 | 司机和调度员不买账 | ADKAR、采纳漏斗、超级用户 |
| M7 | 工作坊主持 | 5 个部门 2 小时定下处置标准 | 工作坊议程搭建器、引导技巧 |
| M8 | 复杂干系人 | 车队总经理暗中阻挠 | 影响力地图、冲突处理情景 |
知识点路线图:八个模块怎么串成六个月
中级的 8 个模块对应远航冷链项目的 6 个月,下图把 32 个知识点按时间连成一条线(同样是"之"字形阅读)。点任意知识点可跳到对应模块。
相邻模块怎么接上
- M1 → M2:发现报告里的数字,就是业务论证中每个假设的来源。
- M2 → M3:预算批下来,先用最便宜的原型验证最大的不确定性。
- M3 → M4:真数据原型暴露出"告警太多",引出规则、机器学习、大模型、人的分层设计。
- M4 → M5:和业务方商定的阈值和漏报率,变成试点的过程指标和护栏指标。
- M5 → M6:双重差分证明了净效果,才有底气推广;推广后的采纳问题用 ADKAR 诊断。
- M6 → M7:考核对齐、统一处置流程需要多个部门共同决定,于是开工作坊。
- M7 → M8:工作坊"停车场"里放着的冲突,最后要在一对一的干系人沟通中解决。
- M8 → 答辩:8 个模块的产出,就是中级实战项目要交的 8 份材料。
每个模块的标准节奏:开场 10 分钟 · 核心概念 30 分钟 · 案例 20 分钟 · 互动练习 25 分钟 · 小结 5 分钟。
发现冲刺:两周摸清一个业务
- 设计并带领一次 10 个工作日的发现冲刺
- 用"假设驱动"代替"漫无目的地调研"
- 在冲刺结束时交出一份能让客户拍板的发现报告
1.1 初级做访谈,中级做冲刺
初级 Echo 会做单次访谈;中级 Echo 要在有限时间里,系统地摸清一个陌生业务。没有计划的调研会无限拉长:总觉得还有人没访谈、还有数据没看。发现冲刺用一个固定的时间盒(通常 2 周)逼自己收敛。
开工第一天就写下 10–15 条假设,比如"货损主要发生在途中"。调研是为了证实或推翻它们,而不是"了解一下"。
每个重要结论至少要有三类证据里的两类:数据、现场观察、访谈。只有一个人说的,算传闻。
每天下班前花 20 分钟更新假设板:哪些证实、哪些推翻、哪些新冒出来。第 5 天做一次中期回顾。
1.2 十天冲刺计划
点下面的日期,看每天做什么、交付什么。
1.3 访谈样本怎么排
一次两周的冲刺,一般安排 15–25 场访谈和 3–5 次跟岗。样本要覆盖四个方向:
- 纵向:高管 → 中层 → 一线,至少每层 3 人
- 横向:上下游部门都要有(比如运营、客服、质量、IT、财务)
- 地域/班次:不同站点、白班夜班,问题往往不一样
- 正反两面:做得最好和最差的团队各找一个,对比最能看出门道
1.4 发现报告:一页纸讲完
1. 我们问了什么问题(冲刺开始时的 3 个核心问题) 2. 我们做了什么(访谈 N 场、跟岗 N 次、分析 N 份数据) 3. 我们发现了什么(3–5 条,每条带证据和数字) 4. 哪些假设被推翻了(这一条最能体现冲刺价值) 5. 我们建议做什么(1–3 个用例,按优先级) 6. 需要客户决定什么
第一天,小林在假设板上写下 12 条假设。最重要的一条是客户自己的判断:"温度超标主要发生在长途运输途中,是制冷机故障造成的。"
数据:和 Delta 拉了 3 个月、42 万条温度告警。按发生地点切开一看,62% 的超标发生在装卸货环节,只有 21% 发生在途中。
跟岗:小林在上海仓待了一个晚班。卸货时司机为了快,冷藏车门一开就是 25 分钟,月台没有冷风帘。司机说:"仓库排队,卸慢了后面车要骂。"
访谈:调度中心每天收到约 3,000 条温度告警,调度员小周说:"98% 都是开门时的瞬时波动,我们早就不看了。"告警太多,等于没有告警。
结论:客户的核心假设被推翻了。真正的问题有两个:①装卸环节缺乏控制;②告警噪音太大,真异常被淹没。第 10 天的发现报告建议先做"智能告警分级 + 装卸时长管控",而不是客户最初想的"制冷机故障预测"。
讨论题:如果小林没有第一天写下假设,直接按客户的方向去做"制冷机故障预测",会怎样?
参考答案
她会花几个月做一个预测模型,即便模型准确,也只能解决 21% 的问题;而且新模型的告警会被加进那 3,000 条噪音里,调度员照样不看。写下假设的价值,就是逼你去证伪客户的判断,而不是替它找证据。
选一个你熟悉的业务问题,写下你的假设,然后随着调研推进,点击状态标签切换:待验证 → 证实 → 推翻。内容只保存在你自己的浏览器里。
📝 实战作业
- 为你手上(或想象中)的一个项目,写一份 10 天发现冲刺计划,包括访谈名单(至少 15 人,覆盖四个方向)。
- 写出 10 条可被证伪的假设。检查:每一条都能想到一个会推翻它的证据吗?
业务论证:让 CFO 点头
- 把初级的 ROI 估算升级为完整的业务论证(Business Case)
- 理解 NPV、回本周期、采纳爬坡,并用三情景做敏感性分析
- 预判财务、业务、IT 三方会问的问题
2.1 ROI 估算 vs 业务论证
| 初级:ROI 估算 | 中级:业务论证 | |
|---|---|---|
| 目的 | 判断值不值得做 | 让决策者批钱、批人、批资源 |
| 时间维度 | 一年 | 3 年,考虑资金的时间价值 |
| 不确定性 | 打一个保守折扣 | 保守/基准/乐观三情景 + 关键假设敏感性 |
| 采纳 | 默认全员使用 | 考虑爬坡:第一年 50%,第二年 80%…… |
| 成本 | 实施费 + 运营费 | 加上客户内部人力、培训、流程改造、机会成本 |
| 非财务价值 | 一般不写 | 客户留存、合规、品牌、战略选项 |
2.2 三个必懂的财务概念
把未来每年的净收益按折现率换算成今天的钱,再减掉投入。NPV > 0 说明值得做。折现率一般用客户的资金成本,8%–12% 常见。
累计净收益什么时候转正。很多企业的潜规则是"18 个月内回本",超过就要讲战略价值。
系统上线不等于价值兑现。价值 = 理论价值 × 采纳率。第一年按一半算,是最常见的保守做法。
2.3 三方会问什么
| 谁 | 他们一定会问 | 你要提前准备 |
|---|---|---|
| CFO / 财务 | 数字从哪来?最坏情况多少?什么时候回本? | 每个假设的来源;保守情景也要能回本或说明战略意义 |
| 业务负责人 | 我的团队要投入多少时间?会不会影响现在的工作? | 客户方投入清单(人 × 天);试点期的兜底方案 |
| CIO / IT | 安全吗?谁来维护?和现有系统冲突吗? | 数据流图、权限设计、运维分工 |
小林带着发现报告和论证去见 CFO 钱总。基准情景:货损赔付 3,600 万/年,方案目标降低 40%,即每年省 1,440 万。投入:一次性 400 万,每年运营 150 万。
钱总问了三个问题:
- "40% 怎么来的?"小林答:62% 的超标在装卸环节,其中约 2/3 可以通过时长管控避免,62% × 2/3 ≈ 41%,取 40%。依据来自 M1 冲刺的数据。
- "司机不配合怎么办?"小林早有准备:模型里第一年采纳率只按 50% 算;保守情景改善幅度只取 20%。
- "最坏情况呢?"保守情景下 3 年 NPV 仍为正,约 18 个月回本。另外两个医药大客户每年合同额 8,000 万,留住他们的战略价值没算进去。
钱总最后说:"把你们的模型发给我们财务部的小郑,让他用我们的口径再算一遍。"一周后小郑的版本和小林的差了不到 10%,预算批了。
默认值是远航冷链的数字。调整参数,观察三种情景下的 3 年 NPV 和回本时间。采纳率爬坡固定为:第 1 年 50%、第 2 年 80%、第 3 年 100%。
📝 实战作业
- 为你的用例做一个三情景 3 年模型,每个假设都标注来源(数据/访谈/行业基准)。
- 找一位懂财务的朋友扮演 CFO,让他挑战你的模型 15 分钟,记下你答不上来的问题。
原型与低代码:一周做出能点的东西
- 按问题的不确定性选择合适保真度的原型
- 自己用低代码或 AI 工具搭一个可点击原型,不必事事等 Delta
- 组织一次有效的原型测试,拿到真实反馈
3.1 原型保真度阶梯
原型越逼真越贵。原则是:用最便宜的原型回答当前最大的不确定性。
| 保真度 | 形式 | 耗时 | 能回答的问题 |
|---|---|---|---|
| L0 纸面草图 | 白板、纸、便利贴 | 半天 | 用户需要看到什么信息?按什么顺序? |
| L1 可点击原型 | Figma、低代码工具、AI 生成的网页 | 1–3 天 | 流程顺不顺?用户能不能自己完成任务? |
| L2 真数据原型 | 接入几天的真实数据,功能简陋 | 1–2 周 | 数据撑不撑得住?结果对用户有没有用? |
| L3 生产级 | 稳定、安全、可运维 | 数周以上 | 能不能规模化、长期运行? |
3.2 原型测试五步法
- 给任务,不给教程:"假设现在有一车医药在卸货,温度开始升高,你会怎么处理?"然后闭嘴看。
- 请对方边做边说:"请把你脑子里想的说出来。"
- 记录卡住的地方:停顿超过 5 秒、点错、皱眉,都记下来。
- 不辩解、不引导:用户点错不是用户的错,是原型的问题。
- 测 5 个人就够:5 个用户通常能暴露大部分可用性问题,之后改了再测。
3.3 原型评审清单
L0(第 1 天):小林和 3 个调度员在白板上画"理想的告警界面"。她原以为他们要"更准的告警",结果大家画的都是同一样东西:"告诉我下一步该干什么、该打给谁"。
L1(第 2–3 天):小林用低代码工具自己搭了一个可点击原型:告警按"紧急 / 关注 / 忽略"三级分好,每条紧急告警下面有"处置卡片":车牌、司机电话、货物类型、建议动作、一键通知仓库。
测试:5 个调度员里有 4 个在 30 秒内完成了处置。第 5 个卡住了,因为她管的是医药线,医药货物的处置流程不一样(要先通知客户的质量负责人)。小林当场加了一个"医药专线"分支。
L2(第 2 周):Delta 阿杰接入了 3 天的真实数据。告警从每天 3,000 条降到每天约 120 条"紧急 + 关注"。调度员小周说:"这个我会看。"
启示:如果直接做 L3,要两个月才能发现"处置卡片"才是核心需求,"医药专线"也要等上线后才暴露出来。
根据情况选择最合适的原型保真度。
📝 实战作业
- 为你的用例画一张 L0 草图,然后用任意低代码工具或 AI 编程助手做成 L1 可点击原型。
- 找 3 个目标用户测试,记录卡住的地方,改一版。
AI 与大模型用例:用对地方
- 判断一个任务该用规则、传统机器学习、大模型,还是交给人
- 看懂精确率、召回率,并能把它们翻译成业务语言
- 设计"人在回路"的流程和评测方法
4.1 四种工具,各有所长
| 工具 | 擅长 | 不擅长 | 冷链例子 |
|---|---|---|---|
| 规则 | 逻辑清楚、要求 100% 可解释 | 情况多变、规则写不完 | 温度 > 8°C 持续 10 分钟就报警 |
| 传统机器学习 | 有大量历史标注数据的预测、分类、排序 | 没有数据,或需要理解文字 | 预测哪条告警会真的造成货损 |
| 大模型(LLM) | 理解和生成文字、总结、问答、从非结构化信息里提取 | 精确计算、需要绝对正确的决定 | 把司机语音、告警、历史记录汇总成一段处置建议 |
| 人 | 高风险判断、需要承担责任、涉及关系 | 大量重复、需要秒级响应 | 决定是否通知医药客户、整批货是否报废 |
4.2 精确率与召回率:AI 项目的必修课
任何"报警 / 识别 / 分类"类的 AI,都会犯两种错:
没事却报了警。代价:浪费人力、告警疲劳,人们开始无视警报。
精确率 = 报出来的里面有多少是真的。
出事了却没报。代价:真实损失,在医药等领域可能非常严重。
召回率 = 真实问题里有多少被抓到了。
两者此消彼长:阈值调低,抓得更全但误报更多;调高则相反。Echo 的工作是和业务方一起决定这条线划在哪,依据是两种错误各自的业务代价。
输入一个模型在一个月里的表现,看看它在业务上意味着什么。默认值是远航冷链告警分级模型的试运行结果。
4.3 大模型用例的三条护栏
- 人在回路:高风险决定由人确认,AI 给建议、给依据。界面上要能看到"AI 为什么这么建议"。
- 评测集先行:上线前准备 50–200 个真实案例和标准答案,每次改提示词或换模型都跑一遍。没有评测集,就只能凭感觉说"好像变好了"。
- 数据与合规:确认哪些数据能发给模型、存在哪里、谁能看到输出。医药、金融、个人信息尤其要提前和合规部门对齐。
小林和阿杰把方案拆成四层,每层用不同的工具:
- 规则层:开门超过 15 分钟、温度超过客户合同上限,直接标"紧急"。清楚、可解释,客户的质量部门一看就懂。
- 机器学习层:用过去两年的告警和货损理赔数据训练一个分级模型,判断哪些告警真会造成货损。第一版召回率 90%,精确率只有 7.5%,误报太多。调整后精确率升到 35%,召回率 88%。
- 大模型层:把告警、车辆轨迹、司机在 App 里的语音留言、该客户的处置要求汇总成一段三行的"处置建议",放在处置卡片上。
- 人:是否通知医药客户、是否报废整批货,永远由调度主管决定,系统只记录理由。
关键的一次对话:医药线的质量经理坚持"召回率必须 99%"。小林没有争论,而是算给她看:召回率 99% 意味着每天 2,000 多条告警,调度员会全部忽略,实际效果反而更差。最后双方商定:医药线单独设更低的阈值(召回 97%),生鲜线用标准阈值。
为每个任务选择最合适的方案。
📝 实战作业
- 把你的用例拆成"规则 / 机器学习 / 大模型 / 人"四层,说明每层为什么这样分。
- 如果用例里有大模型,准备 30 个测试案例和标准答案,作为你的第一版评测集。
试点设计与指标:证明效果是真的
- 设计一个有对照组的试点,排除"运气"和"季节"的干扰
- 搭建三层指标体系:北极星、过程、护栏
- 用双重差分法计算净效果,并写出可信的试点结论
5.1 为什么"前后对比"不够
"试点后货损率从 1.9% 降到 1.1%"听起来很棒,但财务会问:是不是天气变凉了?是不是那个月刚好没有大单?如果没有对照组,这些质疑你都回答不了。
| 设计 | 做法 | 可信度 | 适用 |
|---|---|---|---|
| 前后对比 | 只比较试点前后 | 低 | 没有其他选择时 |
| 对照组 | 找条件相似、不用新方案的站点/团队同期对比 | 中高 | 大部分企业试点,推荐 |
| 随机对照(A/B) | 随机分配哪些车辆/订单用新方案 | 最高 | 样本量大、可随机分配时 |
双重差分(DiD)是对照组设计最常用的算法:净效果 =(试点组之后 − 试点组之前)−(对照组之后 − 对照组之前)。对照组的变化代表"不做也会发生的变化",减掉它,剩下的才是你的功劳。
5.2 三层指标体系
最终要移动的业务结果,只选 1 个。
例:货损率
领先指标,能每周看到变化,用来判断方向对不对。
例:紧急告警平均处置时间、装卸开门时长、调度员周活跃率
不能被牺牲的东西,防止"按下葫芦浮起瓢"。
例:准时交付率、司机满意度、漏报率
5.3 试点设计清单
- 范围:足够小以便控制,足够大以便看到效果(冷链案例:2 个站点、约 180 辆车)
- 时长:至少覆盖 2 个完整业务周期,一般 4–8 周
- 基线:试点前至少 4 周的同口径数据
- 成功标准:开始前就写下来并让客户签字:达到什么数字就推广,达不到怎么办
- 退出机制:出现什么情况立即停止(比如护栏指标恶化超过阈值)
设计:华东区的上海站、苏州站做试点;条件相近的杭州站、南京站做对照。试点前双方签字的成功标准:净效果下降 ≥ 0.4 个百分点,且准时率下降不超过 1 个百分点。
结果:
| 试点前 4 周 | 试点 6 周 | 变化 | |
|---|---|---|---|
| 试点组 货损率 | 1.9% | 1.1% | −0.8 |
| 对照组 货损率 | 1.8% | 1.6% | −0.2(天气转凉) |
| 净效果(DiD) | −0.6 个百分点 | ||
| 护栏:准时率 | 94.1% | 93.6% | −0.5,在容忍范围内 |
小林在汇报里主动讲了天气因素:"如果只看前后对比是降了 0.8,但其中 0.2 是天气带来的,我们的净贡献是 0.6。"CFO 说:"你们自己把功劳扣掉一部分,这个数我信。"
输入试点组和对照组的前后数据(任何指标都行),计算净效果。默认值是远航冷链的货损率(%)。
📝 实战作业
- 为你的用例写一份试点方案:范围、时长、对照组、三层指标、成功标准和退出机制。
- 想一想:在你的业务里,有哪些"不做也会发生的变化"可能会被误认成你的功劳?
变革管理与采纳:让人真的用起来
- 用 ADKAR 诊断用户为什么不用
- 设计一套推广计划:超级用户、培训、激励、反馈闭环
- 搭建采纳漏斗,及早发现问题
6.1 ADKAR:改变发生的五个台阶
ADKAR 是一个常用的变革管理模型。它认为一个人要真正改变行为,必须依次走过五个台阶。哪一级没过,就在哪一级使劲。
| 台阶 | 含义 | 卡住时用户会说 | 对策 |
|---|---|---|---|
| A · 知道 Awareness | 知道为什么要变 | "好好的为什么要换?" | 讲清楚问题和数据,由他们的领导来讲 |
| D · 想要 Desire | 自己愿意变 | "对我有什么好处?""是不是要监控我?" | 讲"对你"的好处,消除顾虑,调整考核 |
| K · 会 Knowledge | 知道怎么用 | "我不知道在哪点。" | 培训、操作卡、视频 |
| A · 能 Ability | 在真实工作中做得到 | "太忙了,来不及看。""手机信号不好。" | 改流程、改工具,扫清现场障碍 |
| R · 坚持 Reinforcement | 持续下去,不回到老路 | "上个月还用,这个月忘了。" | 表扬、纳入考核、定期复盘 |
6.2 采纳漏斗
不要只看"有多少人登录",要看用户一路走到哪一步掉了:
上图里最大的流失在"每周使用 → 完成核心动作":用户打开了,但没有用它做决定。这通常说明工具没有嵌进他们的工作流程,是 ADKAR 中"能"那一级的问题。
6.3 推广的四个杠杆
- 超级用户:每个班组找 1 个愿意尝鲜、有威信的人,提前培训,让他们教同事。同事的话比 Echo 的话管用。
- 领导示范:部门领导在例会上用新工具开会,比发十个通知都有效。
- 考核对齐:如果考核还在奖励旧行为,新工具注定失败(想想初级结业项目里的店长)。
- 反馈闭环:用户提的问题,一周内给出回应。让他们看到"我说的话有用"。
推广到华东全区后第三周,调度员周活跃率 82%,司机端 App 的使用率却只有 31%。装卸开门时长几乎没变。
小林跟车两天,用 ADKAR 诊断出三个原因:
- D(想要):司机群里传言"系统是用来扣钱的"。开门超时提醒被理解成了"监控"。
- A(能):仓库月台排队严重,司机就算想快也快不了,提醒只会让人烦。
- R(坚持):车队的考核只看准点,不看货损。
小林的对策:①请车队长在早会上明确"数据不用于扣罚,只用于排查月台问题";②把开门时长数据反过来给仓库,推动 3 个仓库加装冷风帘、按预约卸货;③和车队总经理商量,把"零货损月"纳入司机奖金(这一步引出了模块 8 的冲突)。
六周后,司机端使用率升到 74%,平均开门时长从 25 分钟降到 11 分钟。
根据用户的原话,判断他卡在哪一级。
📝 实战作业
- 为你的用例设计采纳漏斗,定义每一层的指标和目标值。
- 写一份推广计划:超级用户名单、培训安排、考核调整建议、反馈闭环机制。
工作坊主持:让 20 个人 2 小时达成共识
- 区分"开会"和"工作坊",知道什么时候该开工作坊
- 设计一个先发散、后收敛的 2 小时议程
- 掌握 5 个常用引导技巧,处理冷场、跑题和一言堂
7.1 什么时候需要工作坊
当一个决定需要多个部门共同做出、并且共同执行时,一对一沟通效率太低,普通会议又容易变成"谁官大听谁的"。工作坊用设计好的流程,让每个人都贡献信息,最后得出大家都认的结论。
7.2 钻石结构:先发散,后收敛
中间的"混乱期"是正常的:观点冲突、信息太多。新手主持人常在这里慌了,急着拍板。坚持住,按流程走到收敛。
7.3 五个常用引导技巧
| 技巧 | 怎么做 | 解决什么 |
|---|---|---|
| 1-2-4-全体 | 先 1 分钟独立写,再 2 人讨论,再 4 人合并,最后全体分享 | 一言堂;内向的人不说话 |
| 静默书写 | 每人在便利贴上写,一张一个想法,再贴到墙上 | 领导一开口别人就不敢说 |
| 点投票 | 每人 3 个点,贴在最想优先做的选项上 | 选项太多,无法收敛 |
| 停车场 | 墙上贴一张"停车场",跑题的话题先停在这里,会后处理 | 跑题 |
| 谁-做什么-何时 | 每个行动项必须写明负责人和日期 | 开完会没人执行 |
7.4 现场突发情况
- 冷场:不要自己填补沉默。换成静默书写,或点名一个你提前沟通过的人先开头。
- 一言堂:"谢谢王总,这个观点很重要。我们先听听一线的声音,再回来讨论。"
- 激烈冲突:把冲突从"人"移到"事"上:把双方的观点都写在白板上,问"什么样的数据能帮我们判断?"
- 领导中途要拍板:提前和最高领导约好,他最后发言,或者只在收敛阶段发言。
要在全国推广,必须先定一套统一的温控异常处置标准流程。运营、客服、车队、质量、IT 五个部门各有说法,邮件来回吵了三周。
小林设计了一个 2 小时工作坊,18 人参加。会前她做了三件事:①分别和五个部门负责人单独聊了 20 分钟,知道每个人的底线;②约好运营副总"最后 10 分钟再发言";③把现在 4 种不同的处置做法打印成大海报贴在墙上。
现场:用"静默书写"让每个人写出现行流程的问题,贴了 63 张便利贴;分组归类后得到 7 个主题;点投票选出 3 个最关键的决策点;每个决策点由跨部门小组提出方案。车队和质量部在"谁有权决定报废"上吵起来,小林把它放进"停车场",约了会后专题会。
结果:2 小时内定下了 3 个关键决策点的处置规则、12 个行动项(每项有人有日期)。运营副总最后说:"这是大家一起定的,下周一开始执行。"
你要主持一个 120 分钟的跨部门工作坊。勾选你要用的环节,系统会按"开场 → 发散 → 收敛 → 行动"排列并检查议程。
📝 实战作业
- 为你项目中一个需要多部门共同决定的问题,设计一份 2 小时工作坊议程,包括会前沟通计划。
- 找机会主持一次至少 6 人参加的工作坊(可以是公司内部会议),会后写复盘:哪个环节效果最好,哪里失控了。
复杂干系人:处理阻力与冲突
- 看懂阻力背后的真实利益,而不是表面立场
- 用影响力地图规划"先找谁、怎么谈"
- 在不越级、不撕破脸的前提下化解中层阻力
8.1 立场 vs 利益
阻力很少是"他就是不讲理"。几乎每一个反对的人,背后都有一个合理的利益。
| 表面立场 | 可能的真实利益 |
|---|---|
| "现在系统挺好的,没必要换。" | 旧系统是他主导建的,换掉等于否定他 |
| "数据安全有风险,要再评估。" | IT 担心出了问题要背锅,或者想把项目收归自己做 |
| "我们部门现在太忙,下季度再说。" | 新方案会让他的部门指标变难看,或增加工作量 |
| "这个应该由总部统一规划。" | 怕失去对本部门的控制权 |
8.2 影响力地图
初级用"影响力 × 支持度"画干系人;中级还要画出人与人之间的影响关系:谁听谁的?谁和谁是盟友、谁和谁有过节?很多时候,搞定一个反对者最好的路径,是通过他信任的人。
8.3 化解阻力的五条原则
- 先私下、后公开:永远先单独谈,不要在会上让对方下不来台。
- 找共同目标:"我们都不想丢掉医药大客户。"
- 给对方赢的方式:让他在新方案里有角色、有功劳。
- 不越级告状:向他的上级"求助"之前,先告诉他你要这么做。越级是最后手段,用一次就没有第二次信任。
- 用数据把对立变成共同问题:"我们一起看看这组数据,你觉得原因是什么?"
在模块 6 里,小林建议把"零货损月"纳入司机奖金。车队总经理老马表面同意,实际上推广到他的华南车队时一拖再拖:培训一再延期,车队长们收到的口径是"总部的系统,先应付着"。
老马在公司干了 18 年,司机们都听他的。他和运营副总在去年的预算分配上有过节。这个项目被看成是"运营副总的项目"。
下面的情景模拟会带你走一遍小林当时面临的选择。
📝 实战作业
- 为你的项目画一张影响力地图,标出支持度和人与人之间的影响关系。
- 找出最大的一个阻力,写下他的表面立场和你推测的真实利益,设计一次私下沟通的开场白。
中级结业:测验、实战项目与答辩
中级结业分三步:结业测验(15 题,答对 12 题及以上通过)→ 实战项目(3–6 个月真实项目)→ 复盘答辩(导师和客户代表评审)。
FDE · Echo 中级课程结业
兹证明 学员 已完成 Echo 中级课程全部 8 个模块,
并以 的成绩通过结业测验。
晋级中级 Echo 还需完成实战项目与复盘答辩。
实战项目要求
在导师指导下,独立负责一个真实客户的一条工作流,时长 3–6 个月。必须提交以下 8 份产出,与 8 个模块一一对应:
| # | 产出 | 对应模块 | 合格标准 |
|---|---|---|---|
| 1 | 发现报告 + 假设板 | M1 | 至少 15 场访谈,至少推翻 1 条初始假设 |
| 2 | 业务论证 | M2 | 三情景 3 年模型,客户财务确认过假设 |
| 3 | 原型 + 测试记录 | M3 | 至少 5 名用户测试,有迭代前后对比 |
| 4 | 方案分层说明 | M4 | 说明规则/ML/大模型/人的分工;涉及 AI 的有评测集 |
| 5 | 试点方案与结果 | M5 | 有对照组或说明为何不能有;事先签字的成功标准 |
| 6 | 推广计划 + 采纳漏斗 | M6 | 有超级用户机制,漏斗数据至少 4 周 |
| 7 | 工作坊议程与纪要 | M7 | 至少主持 1 次跨部门工作坊,行动项有人有期限 |
| 8 | 影响力地图 + 阻力处理记录 | M8 | 至少处理 1 个真实阻力,有复盘 |
复盘答辩(45 分钟)
- 15 分钟:讲述项目(用 M6 的 Demo 原则讲,从一个人的一天讲起)
- 20 分钟:评审提问,重点问"如果重来你会怎么做"
- 10 分钟:评审闭门讨论
- 负责的业务指标达到目标的 70% 以上
- 客户业务负责人的书面评价
- 带教 1 名见习生完成初级课程
- 答辩评分 ≥ 3.5 / 5
答辩评分表
| 维度 | 权重 | 5 分的表现 |
|---|---|---|
| 问题与价值 | 25% | 问题定义经得起追问,价值数字有对照、有客户确认 |
| 交付与结果 | 25% | 指标达成,采纳率持续,能说清楚哪些是自己的贡献 |
| 方法运用 | 20% | 恰当使用了冲刺、试点设计、ADKAR 等方法,并能说明取舍 |
| 干系人与影响 | 20% | 处理过真实阻力,客户方有明确的拥护者 |
| 反思 | 10% | 能具体说出犯过的错误和学到的东西 |
第 26 周,远航冷链全国货损率降到 1.15%,年化减少赔付约 1,300 万元。两个医药大客户都续了约,其中一家把合同额提高了 30%。小林通过了中级答辩。CEO 在季度会上问:"温控做完了,下一个能不能做车辆调度?"
这正是高级 Echo 要回答的问题:怎样把一个用例的成功,变成整个公司的长期合作?
高级课程说明:从"做成一个项目"到"经营一个客户"
中级 Echo 对一条工作流负责,高级 Echo 对一整个战略客户负责:多年的部署路线、几千万的合同、CEO 级别的关系、一支 5–15 人的团队,以及把一个客户身上学到的东西变成公司的产品和方法。高级课程一共 8 个模块,每个模块 120 分钟,合计 16 小时。学完以后要独立负责一个战略账户至少 12 个月,再参加晋级评审。
三个层级,三种视角
看懂一个问题
问对问题、写清问题、跟着导师交付。
做成一个用例
从发现到推广,对一个业务指标负责。
经营一个客户
对客户的长期价值、公司的收入和团队的成长负责。
主线案例:远航冷链,第二年和第三年
中级结尾,远航冷链的温控项目年化减少赔付约 1,300 万元,CEO 林总问:"下一个能不能做车辆调度?"
公司决定把远航冷链升级为战略账户,由小林担任账户负责人。她面对的局面是:
- 合同:第一年合同 600 万元,还有 4 个月到期。林总愿意谈一个更大的多年合作,但采购部只想"按项目单独报价"。
- 需求:各部门排队提了 11 个新需求,每个都说自己最急。
- 团队:现在只有她和 2 个 Delta,要支撑的工作量至少是现在的 3 倍。
- 风险:温控系统已经在全国 1,200 辆车上运行,任何一次故障都可能影响医药客户。
接下来 8 个模块,跟着小林走过这两年。
| 模块 | 主题 | 主线案例里发生了什么 | 带走的工具 |
|---|---|---|---|
| A1 | 账户战略 | 11 个需求排出三年路线图 | 价值地图、用例组合规划器 |
| A2 | 高层对话 | 和 CEO、CFO、CIO 分别对话 | 高管关注点、QBR 结构 |
| A3 | 平台化扩展 | 第 5 个用例只花第 1 个的三分之一 | 复用飞轮、边际成本计算器 |
| A4 | 商务与谈判 | 把 600 万的项目谈成 3 年平台合作 | BATNA、谈判区间可视化 |
| A5 | 危机处理 | 一批疫苗告警晚了 6 小时 | 危机 24 小时清单、情景模拟 |
| A6 | AI 治理 | 大模型建议出错,合规部要求叫停 | AI 风险分级、控制措施清单 |
| A7 | 团队建设 | 团队从 3 人扩到 9 人 | 人力规划器、招聘评分卡 |
| A8 | 方法沉淀 | 温控方案被 3 个新客户复用 | 产品化判断器、方法手册结构 |
知识点路线图:八个模块怎么串成两年
高级的 8 个模块对应小林担任账户负责人的两年,下图把 32 个知识点按时间连成一条线("之"字形阅读)。点任意知识点可跳到对应模块。
相邻模块怎么接上
- A1 → A2:账户计划定好方向,再分别去和 CEO、CFO、CIO 对话,推动立项。
- A2 → A3:高层支持多个用例后,用共享数据对象把它们搭成平台,而不是一堆独立项目。
- A3 → A4:"后续用例成本降一半"的复用数据,成了续约谈判最有力的依据。
- A4 → A5:合作规模变大,任何一次事故的影响也变大,必须有危机预案。
- A5 → A6:事故之后,用风险分级和治理委员会,把临时救火变成长期规矩。
- A6 → A7:用例和治理要求越来越多,团队必须扩张,账户负责人要从交付中抽身。
- A7 → A8:团队能独立运转后,把现场经验沉淀成产品和方法,让下一个客户更快。
- A8 → 晋级:账户、团队和方法都能离开你继续运转,就是高级 Echo 的毕业标准。
每个模块的标准节奏:开场 10 分钟 · 核心概念 35 分钟 · 案例研讨 25 分钟 · 互动练习 40 分钟 · 小结 10 分钟。高级课程建议以小组研讨形式进行,每个案例都留出讨论时间。
账户战略:画出三年路线图
- 把客户的战略目标拆成一张价值地图
- 在资源有限、依赖复杂的情况下,排出多年的用例组合
- 写出一份高管看得懂的账户计划
1.1 从"接需求"到"定方向"
账户做大以后,需求会像潮水一样涌来。如果一个个接,团队会被拖垮,每个部门都觉得自己被怠慢,最后哪件事都做不深。高级 Echo 要做的是定方向:从客户公司的战略目标出发,往下推出最值得做的用例,再排出先后。
1.2 价值地图:从战略到用例
价值地图把客户的战略目标一层层拆到具体用例,让每一个用例都能回答"它服务于哪个战略目标"。
1.3 排路线图的四个约束
这个用例年化能带来多少价值?服务哪个战略目标?
它依赖哪些已有的数据对象或用例?比如"智能调度"依赖"车辆实时位置"和"司机约束"两个对象先建好。
团队每年能交付的工作量是有限的。超过产能的计划等于没有计划。
每个关键部门在第一年都最好有一个能看到的成果,否则会失去支持。
1.4 账户计划一页纸
1. 客户战略:3 年目标、今年重点(用他们的原话) 2. 我们的位置:已交付的价值、现有合同、关系热度 3. 价值地图:战略目标 → 用例 4. 三年路线图:每年的用例、预计价值、所需投入 5. 关系计划:每位关键高管的现状、目标关系、负责人 6. 商务计划:续约、扩单时间点和金额 7. 风险与对策:前 5 大风险 8. 需要公司内部的支持
小林把 11 个需求逐一和 4 个部门负责人过了一遍,砍掉 3 个(2 个追溯不到战略目标,1 个其实一张报表就能解决),剩下 8 个候选用例。
她发现了一个关键依赖:"车辆实时状态"和"订单"这两个数据对象,温控项目已经建好了一半。凡是能复用它们的用例,成本会大大降低。所以第一年先做"医药 GSP 合规"和"智能调度",两者都复用这两个对象;"客户门户"虽然销售部呼声很高,但依赖调度的数据,放到第二年。
她还特意在第一年安排了一个给财务部的小用例"运费对账自动化",只要 2 个月,但能让 CFO 成为支持者。这个安排在后面的续约谈判里起了关键作用(见 A4)。
把 8 个候选用例安排到第 1–3 年,或者"不做"。团队产能每年 10 个单位。系统会检查产能、依赖关系,并算出三年累计价值。
📝 实战作业
- 为你负责(或想象中)的一个客户画一张价值地图:1 个公司战略 → 3 个战略目标 → 至少 6 个用例。
- 写一份一页纸账户计划,拿给你的上级或导师挑战。
高层对话:和 CXO 谈战略
- 理解 CEO、CFO、COO、CIO 各自关心什么,用他们的语言说话
- 主持一次季度业务回顾(QBR),让它成为加深合作的机会
- 在 30 分钟的会议里推动一个决策
2.1 不同高管,不同语言
| 高管 | 最关心 | 他们的语言 | 和他们谈什么 | 别谈什么 |
|---|---|---|---|---|
| CEO | 增长、竞争、战略方向、董事会 | "市场""对手""三年后" | 这件事如何帮公司赢;行业里别人在做什么 | 技术细节、项目进度 |
| CFO | 回报、成本、风险、可预测性 | "回本""现金流""预算" | 已兑现的价值(有对照、有口径);投入的确定性 | "战略意义"空话 |
| COO / 运营 | 效率、质量、稳定、人 | "产能""事故""一线" | 一线的变化、指标趋势、风险控制 | 需要大量组织变动的远景 |
| CIO / CTO | 安全、架构、可维护、话语权 | "集成""安全""技术债" | 架构、数据治理、团队能力建设,给 IT 功劳 | "绕过 IT 也能做" |
2.2 高层对话的五条规则
- 结论先行:第一句话就说结论和你要的决定。高管的注意力只有前 3 分钟。
- 带观点来:不要问"您觉得我们下一步做什么",要说"我们建议做 X,原因是……您怎么看?"
- 讲行业,不只讲项目:"我们看到另外两家医药物流公司在做……",这是你作为外部伙伴的独特价值。
- 敢说实话:高管身边听话的人很多,说实话的人很少。真实的风险和坏消息,是你赢得信任的方式。
- 每次见面都要有下一步:结束时明确:谁、做什么、什么时候再见。
2.3 季度业务回顾(QBR)
QBR 不是"汇报会",是和客户高层一起决定下季度方向的会。一个好的 QBR 结构:
小林要推动"智能调度"立项,分别见了三位高管:
对 CEO 林总:"华东两家竞争对手今年都在做调度优化。我们的优势是温控数据已经打通,可以做到'按货物温控要求派车',这是对手半年内做不到的。这会成为我们在医药客户那里的差异化卖点。"
对 CFO 钱总:"空驶率每降 1 个百分点,每年省油费约 480 万。我们保守估计能降 3 个点。温控项目的口径已经被财务部验证过,这次沿用同样的方法。"
对 CIO 黄总:"调度系统要和你们的 TMS 深度集成。我们建议由你们 IT 团队主导接口设计,我们的 Delta 配合。这也是你们团队积累调度算法能力的机会。"
三次对话都是同一个项目,但每个人都听到了"对自己最重要的那部分"。两周后的立项会只开了 20 分钟。
判断每一句话最能打动哪位高管。
📝 实战作业
- 为你的账户准备一次 QBR,按本节的 60 分钟结构写出议程和每部分的要点。
- 就同一个提案,分别写给 CEO、CFO、CIO 的三段开场白(每段不超过 80 字)。
平台化扩展:从一个用例到十个
- 理解"项目堆"和"平台"的区别,以及复用如何让后续用例越来越便宜
- 设计共享的数据对象层,让每个新用例都在已有基础上搭建
- 建立客户方的"自主能力",让平台在你离开后也能生长
3.1 项目堆 vs 平台
每个用例单独接数据、单独建模型、单独做界面。第 10 个用例和第 1 个一样贵。维护成本越来越高,最后谁都不敢动。
所有用例共享同一套数据对象(车辆、订单、司机、客户、仓库……)。第 1 个用例最贵,因为要打地基;之后每个新用例都在复用,越来越快、越来越便宜。
这就是第 4 节初级课里"本体思维"在账户层面的意义:对象建一次,用例用 N 次。
3.2 平台飞轮
3.3 让客户长出自己的能力
平台真正成熟的标志,是客户自己的团队能在上面搭新用例。高级 Echo 要有意识地培养客户方的三种人:
- 业务构建者:懂业务、会用低代码工具,能自己做报表和简单应用的业务骨干。
- 数据管理员:负责核心数据对象的质量和口径,是平台的"守门人"。
- 平台负责人:客户方的一位中高层,对平台的长期发展负责,最好来自业务而不是 IT。
温控项目花了 6 个月,其中 4 个月在"打地基":接入车辆、订单、温度传感器数据,建立统一的车辆和订单对象。
之后的用例越来越快:GSP 合规 10 周,智能调度 14 周(需要新建司机和路线对象),运费对账 8 周,客户门户只用了 6 周,因为它需要的对象全都已经存在了。
第 10 个月,远航自己的运营分析团队用平台搭了一个"线路利润看板",没找小林团队帮忙。小林在 QBR 上专门请这位分析师上台演示。CEO 林总当场说:"这就是我想要的,我们自己的人能用起来。"
第一个用例成本最高。每多上线一个用例,平均能复用多少已有的数据对象,决定了后续用例的成本。调整参数,比较"平台"和"项目堆"。
📝 实战作业
- 列出你的账户里所有已上线和计划中的用例,画出它们共享了哪些数据对象。哪个对象被复用最多?
- 在客户方找出"业务构建者""数据管理员""平台负责人"的候选人,写一份他们的培养计划。
商务与谈判:续约、扩单与定价
- 理解 Echo 在商务中的角色:价值的证人,而不是销售
- 用 BATNA 和谈判区间准备一场谈判
- 把对话从"价格"转到"价值",设计双赢的合同结构
4.1 Echo 在商务中的位置
签合同的是销售和客户经理,但在续约和扩单时,Echo 是最有说服力的人:只有你能拿出客户自己确认过的价值数字,只有你和客户的业务负责人朝夕相处。高级 Echo 要和客户经理配合:客户经理管流程和条款,Echo 管价值故事和关系。
4.2 谈判前必须想清楚的四件事
| 概念 | 含义 | 远航续约例子 |
|---|---|---|
| BATNA | 谈不成时,你最好的替代方案。BATNA 越强,你越有底气 | 我方:继续按项目单独签;客户方:自己招团队或找别的供应商(但要重建平台) |
| 底线 | 低于这个就不签 | 我方:3 年不低于 1,800 万 |
| 目标 | 你希望达成的结果 | 我方:3 年 2,700 万的平台合作 |
| 对方的上限 | 对方能接受的最高价(需要推测) | 根据已兑现价值和预算周期推测,约 2,600 万 |
你的底线和对方上限之间的重叠区域,叫可达成协议区(ZOPA)。没有重叠,就要改变交易结构,而不是硬压价格。
4.3 从价格转向价值的四种合同结构
- 多年平台合同:换取更低的年均单价,客户得到确定性,我们得到长期收入。
- 分阶段付款:与里程碑挂钩,降低客户的前期风险。
- 价值分成:部分费用与客户确认的节省挂钩,体现对结果的信心。
- 能力建设包:包含培训客户自己的团队,满足"不想被锁定"的顾虑。
采购总监坚持按项目单独比价:"每个项目都要招标,这是公司规定。"这样小林团队每 3 个月就要重新投标一次,而且每次只能报单个项目的价格,平台的复用价值完全体现不出来。
小林和客户经理老陈的准备:
- 请 CFO 钱总(A1 里特意安排了对账用例让他满意)帮忙算了一笔账:按项目单独做,每个用例平均 8 个月、约 500 万;按平台做,后续用例平均 3 个月、约 220 万。
- 和 CEO 林总单独沟通:"按项目招标是在惩罚复用。我们建议三年平台合作,平均每个用例的成本降一半以上。"
- 给采购一个"能交差"的结构:总框架合同 + 每年按用例清单确认,满足采购的流程要求。
结果:3 年 2,400 万的平台合作,其中 15% 与客户确认的节省挂钩。采购总监后来说:"这是我们第一次签价值分成的合同,我能和老板交代。"
输入双方的数字(万元),看看有没有可达成协议区(ZOPA)。
📝 实战作业
- 为你账户的下一次续约,写出双方的 BATNA、我方底线和目标、对方上限的推测和依据。
- 设计两种不同的合同结构,分析各自对客户和对我方的利弊。
危机处理:重大事故与信任修复
- 在重大事故发生后的 24 小时内做对关键动作
- 写出一份诚实、清晰、能稳住局面的事故沟通
- 把一次危机变成加深信任的机会
5.1 危机的三个阶段
| 阶段 | 时间 | 目标 | 关键动作 |
|---|---|---|---|
| 止血 | 0–4 小时 | 控制影响,不让损失扩大 | 确认影响范围;启动人工兜底;第一时间通知客户负责人 |
| 稳定 | 4–72 小时 | 查清原因,恢复正常 | 根因分析;定期更新(哪怕没有新进展);修复并验证 |
| 修复 | 1–4 周 | 恢复信任,防止再发 | 书面复盘;系统性改进;主动向高层汇报改进成果 |
5.2 危机沟通的五条铁律
- 快过完整:先说"我们知道了,正在处理,X 小时后更新",不要等查清楚再说。客户从别人那里听说,比事故本身更伤信任。
- 只说事实:已知什么、未知什么、正在做什么。不猜测原因,不推卸责任。
- 一个声音:指定唯一的对外沟通人(通常是账户负责人),避免信息混乱。
- 定时更新:约定更新频率并严格遵守,即使"暂无新进展"也要说。
- 复盘不问责个人:对客户的书面复盘讲系统和流程原因,不把某个员工推出来当替罪羊。
【事故通报 · 第 N 次更新】时间: 1. 发生了什么(已确认的事实) 2. 影响范围(哪些车辆/货物/客户,已确认 vs 待确认) 3. 我们已经采取的措施 4. 还不知道的事情 5. 下一步与下次更新时间 联系人:(唯一对接人,电话)
周六凌晨,一次数据管道升级出了问题,华南区 37 辆车的温度数据延迟了 6 小时才进入平台。其中一辆运疫苗的车在凌晨 2 点超温,告警在早上 8 点才弹出。货物已经卸到客户仓库。
早上 8:20,小林接到调度主管的电话。下面的情景模拟会带你走过她接下来 72 小时里的关键选择。
📝 实战作业
- 为你的账户写一份"危机预案":可能发生的前 3 种严重事故、各自的兜底方案、通知名单和顺序。
- 回忆一次你经历过的事故,按本节模板重写一份事故通报和复盘。
AI 治理:安全、合规与负责任的 AI
- 按风险高低给 AI 用例分级,并匹配相应的控制措施
- 和客户的 CIO、合规、法务一起建立 AI 治理机制
- 在 AI 出错时,既保护客户,又不让 AI 项目被一刀切叫停
6.1 为什么高级 Echo 必须懂 AI 治理
当一个客户身上跑着十几个用例、其中好几个用到大模型时,AI 治理就不再是技术问题,而是账户能不能继续扩大的前提。一次没有处理好的 AI 事故,可能让客户的合规部门叫停所有 AI 项目。高级 Echo 要在事故发生之前,就和客户一起把规矩立好。
6.2 风险分级:不同用例,不同管法
| 等级 | 特征 | 例子 | 必需的控制 |
|---|---|---|---|
| 低 | 内部使用、出错影响小、人会复核 | 会议纪要总结、内部知识问答 | 使用说明、基本日志 |
| 中 | 影响业务决策,但有人把关 | 处置建议、报价建议 | 评测集、人在回路、定期抽检、可追溯 |
| 高 | 直接影响客户、安全、合规或涉及敏感数据 | 医药放行建议、对外客服、个人信息处理 | 上线前合规评审、严格权限、全量日志、应急关停、定期审计 |
6.3 七项常用控制措施
每次改提示词或换模型都要跑,结果留档。
高风险决定由人确认,并记录确认理由。
明确哪些数据可以发给模型、哪些必须脱敏、存在哪里。
每条 AI 输出都能追溯到输入、模型版本和提示词版本。
监控准确率、拒答率、用户纠正率等指标的变化。
出问题时能一键关闭 AI 功能、退回人工流程。
客户方业务、IT、合规、法务和我方定期开会,审批新的中高风险用例。
疫苗事件(A5)过去两个月后,又出了一件事:大模型生成的处置建议里,把一个医药客户的质量负责人电话写成了另一个客户的。调度员照着打了过去,泄露了货物信息。
客户的合规总监要求:"所有 AI 功能全部下线,直到完成全面审查。"CEO 林总有点动摇。
小林的做法:
- 先同意关停出问题的功能:立刻关闭处置建议里的联系人生成,改为从通讯录系统直接调取。不辩解。
- 提出分级方案而不是全面叫停:她把平台上 9 个 AI 功能按风险分级,说明其中 6 个是低风险(比如内部报表摘要),全部下线会让一线回到手工状态,反而增加风险。
- 邀请合规总监牵头成立 AI 治理委员会:由合规审批所有中高风险用例,小林团队负责提供评测和日志。
合规总监从"要叫停"变成了"治理委员会主席"。半年后,远航的 AI 治理机制被他们的一个医药客户拿去当了供应商审计的范本。
回答下面 6 个问题,系统会给出风险等级和必需的控制措施。可以先用"处置建议"这个用例试试。
📝 实战作业
- 把你账户里所有用到 AI 的功能列出来,逐个做风险分级,检查控制措施是否到位。
- 为客户起草一份 AI 治理委员会章程:成员、职责、审批流程、开会频率。
团队建设:招人、带人、立文化
- 根据账户的工作量规划团队规模和结构
- 招到对的人:知道 Echo 面试该看什么
- 用带教、复盘和文化,让团队在你不在场时也能做对决定
7.1 账户团队的结构
| 角色 | 职责 | 大型账户的常见配比 |
|---|---|---|
| 账户负责人(高级 Echo) | 战略、高层关系、商务、团队 | 1 |
| 工作流负责人(中级 Echo) | 各自负责一条工作流的交付和价值 | 每 1–2 条活跃工作流 1 人 |
| 见习 Echo | 跟随中级 Echo,负责访谈、文档、培训 | 每 2 名中级 Echo 配 1 人 |
| Delta | 数据、开发、运维 | 每条活跃工作流约 1 人,外加 1 人负责平台维护 |
| 技术负责人 | 平台架构、技术质量、Delta 团队管理 | 1 |
7.2 Echo 面试看什么
Echo 很难从简历上看出来。最有效的面试方式是案例面试:给候选人一个模糊的业务问题,看他怎么拆。
| 能力 | 好信号 | 坏信号 |
|---|---|---|
| 结构化思考 | 先问清楚目标和约束,再拆问题 | 一上来就给方案 |
| 好奇心 | 追问细节,问"为什么",对业务本身感兴趣 | 只关心"用什么技术" |
| 务实 | 主动提出"先做个小的验证一下" | 只谈宏大的蓝图 |
| 沟通 | 能把复杂的事讲简单,会根据对象调整说法 | 满口术语 |
| 主人翁精神 | 讲过去经历时说"我做了什么",包括失败 | 说"我们"多,说不清自己的贡献;把失败归咎于别人 |
| 技术素养 | 能理解数据和系统的基本限制 | 对技术完全没概念,或过度迷恋技术 |
7.3 文化:写下来、做出来
团队超过 5 个人以后,你就不可能参与每个决定。文化就是你不在场时,大家默认怎么做。初级第 1 节的"五条工作信条"就是一种文化。让文化落地的三个做法:
- 周复盘:每周一次,每个人讲一个做对的事和一个做错的事。账户负责人先讲自己的错。
- 讲故事:在团队里反复讲那些体现信条的具体故事,比如"小周为了确认数据,跟着司机跑了一夜"。
- 用信条做决定:遇到两难时明确说"按我们的信条,这里应该……",让信条成为工具,而不是墙上的标语。
平台合同签下来后,同时在跑的工作流从 1 条变成了 4 条。小林第一个错误是自己同时盯 4 条,结果每条都慢了,还错过了一次 QBR 前的高管沟通。
她的调整:①从团队里提拔表现最好的见习 Echo 小周为中级,负责调度工作流;②外部招了 1 名中级 Echo 和 3 名 Delta;③请公司另派 1 名技术负责人,专门管平台架构,她自己不再参与技术决策。
招聘时她犯过一次错:招了一位履历很漂亮的前咨询顾问,结果他三个月都不愿意去车队现场,只想做汇报材料。小林和他坦诚谈过后,帮他转去了更适合的售前岗位。从此她在面试里加了一道题:"讲一次你在现场发现了和汇报材料不一样的事。"
输入各阶段同时在跑的工作流数量,系统按上面的配比估算需要的团队,并和现有团队比较。
📝 实战作业
- 为你的账户做一份未来 12 个月的团队规划:每个季度需要多少人、什么角色、从哪里来(内部提拔/外招/调配)。
- 设计一道 Echo 案例面试题,写出评分标准,找一位同事试答。
方法沉淀:把现场经验变成产品和方法
- 判断一个现场做法应该变成产品功能、行业方案模板,还是保留为定制
- 写出能让产品团队采纳的现场反馈
- 把个人经验写成别人能照着做的方法手册
8.1 FDE 模式的终极价值
FDE 模式如果只停留在"派人去现场做项目",就和外包没有区别。它真正的价值在于一个循环:现场发现问题 → 现场做出解法 → 解法被验证 → 沉淀为产品或方法 → 下一个客户更快。高级 Echo 是这个循环里最关键的一环,因为你同时看到了现场的细节和多个客户的共性。
8.2 三种沉淀形式
| 形式 | 什么时候选 | 例子 |
|---|---|---|
| 产品功能 | 很多客户都需要、做法基本一致、需要稳定维护 | 告警分级与处置卡片 |
| 行业方案模板 | 同一行业的客户需要,但每家要做一些配置 | 冷链温控方案包:数据对象模板 + 指标定义 + 实施手册 |
| 保留定制 | 只有这一个客户需要,或者还没被验证 | 远航特有的华南考核基线规则 |
8.3 写给产品团队的现场反馈
产品团队每周收到几十条"客户想要 X 功能"。要让你的反馈被采纳,要像写问题陈述一样写:
【问题】哪类用户、在什么场景、遇到什么问题(不是"想要什么功能") 【证据】几个客户遇到;现场观察/数据;影响多大(钱、时间、风险) 【现场解法】我们在现场是怎么临时解决的,效果如何 【建议】做成产品功能 / 方案模板 / 暂不处理,理由 【如果不做】我们每个新客户要多花多少人·周
8.4 方法手册的结构
你现在读的这份手册,就是一种方法沉淀。一份好的方法手册应该包含:
- 适用场景:什么情况下用,什么情况下不用
- 步骤:按时间顺序,每一步的输入、动作、输出
- 模板和工具:拿来就能用
- 真实案例:做对的和做错的都要有
- 常见坑:前人踩过的坑,比步骤更有价值
公司陆续签下了 3 家冷链和医药物流客户,都想要"远航那样的温控方案"。第一家照搬远航的做法,还是花了 4 个月。
小林做了一次梳理,把温控方案拆成三部分:
- 推动产品化:告警分级引擎和处置卡片,4 家客户都要,做法一样。她按上面的模板写了反馈,附上"每个新客户要多花 6 人·周"的测算,产品团队排进了下个季度。
- 做成方案模板:冷链的数据对象(车辆、温区、货物温控要求、站点……)、指标定义、10 天发现冲刺清单,打包成"冷链温控方案包"。
- 保留定制:华南考核基线、远航特有的医药专线流程。
第三家客户上线只用了 7 周。小林也把这两年的经历整理成内部培训的案例,就是你在中级和高级课程里读到的这条主线。
评估一个现场做法,系统会建议沉淀形式。默认是"告警分级与处置卡片"。
📝 实战作业
- 从你的项目里挑出 3 个现场做法,分别判断应该产品化、做成模板还是保留定制,并按模板给产品团队写一条反馈。
- 把你最擅长的一项工作写成一份 2 页的方法手册,请一位新人照着做,记录他卡住的地方。
高级结业:测验、账户实战与晋级评审
高级结业分三步:结业测验(15 题,答对 12 题及以上通过)→ 账户实战(独立负责一个战略账户至少 12 个月)→ 晋级评审(评审委员会 + 360 度反馈)。
FDE · Echo 高级课程结业
兹证明 学员 已完成 Echo 高级课程全部 8 个模块,
并以 的成绩通过结业测验。
晋级高级 Echo 还需完成账户实战与晋级评审。
账户实战要求
作为账户负责人,独立负责一个战略客户至少 12 个月,提交以下材料:
| # | 材料 | 对应模块 | 合格标准 |
|---|---|---|---|
| 1 | 账户计划与三年路线图 | A1 | 每个用例可追溯到战略目标;每季度更新 |
| 2 | 4 次 QBR 材料与决策记录 | A2 | 每次都有明确的高层决策 |
| 3 | 平台复用分析 | A3 | 后续用例平均成本显著低于首个用例;客户方有自主搭建的案例 |
| 4 | 续约或扩单记录 | A4 | 续约并扩大,有价值依据 |
| 5 | 危机预案(及事故复盘,如有) | A5 | 预案经客户确认;事故处理符合五条铁律 |
| 6 | AI 风险登记表与治理机制 | A6 | 所有 AI 功能完成分级,中高风险控制到位 |
| 7 | 团队规划与带教记录 | A7 | 至少 2 名学员晋级中级 |
| 8 | 产品反馈与方法沉淀 | A8 | 至少 1 项被产品团队采纳,或贡献 1 套可复用方案 |
晋级评审
- 20 分钟:账户故事(两年前和现在的对比)
- 30 分钟:委员会提问,重点是最难的一个决定
- 10 分钟:闭门讨论
- 客户方:至少 1 位 CXO + 2 位业务负责人
- 团队:所带的 Echo 和 Delta
- 公司内:销售、产品团队
晋级评分表
| 维度 | 权重 | 优秀的表现 |
|---|---|---|
| 客户价值与关系 | 30% | 价值持续增长,CXO 视其为战略伙伴,账户续约并扩大 |
| 战略与商务 | 20% | 路线图清晰并兑现,合同结构体现价值 |
| 风险与治理 | 15% | 危机处理得当,AI 治理成为客户的范本 |
| 团队与人才 | 20% | 团队有成长,有人晋级,离开账户负责人也能运转 |
| 组织贡献 | 15% | 经验沉淀为产品或方法,让其他账户受益 |
两年后,远航冷链的平台上跑着 9 个用例,其中 2 个是客户自己的团队搭的。货损率降到 0.9%,空驶率降了 4 个百分点,医药大客户续约率 100%,远航拿下了行业里最大的一个疫苗运输合同。合作从 600 万的单个项目,发展成 3 年 2,400 万的平台合作。
小林的团队有 9 个人,其中小周已经能独立负责远航的日常交付。小林开始接手公司新的医药物流行业线。
她在晋级评审上说:"我最大的体会是,Echo 的成功不是你做了多少事,而是你离开之后,客户和团队还能继续把事情做好。"
高级之后:Echo 的职业方向
负责一个行业的所有客户和方案,把 A8 做到行业规模。
管理多个账户团队,负责 FDE 团队的规模、方法和文化。
很多优秀的 Echo 转去做产品负责人,或者带着对某个行业的深刻理解去创业。
附录 A · 模板工具箱
点"复制"直接拿去用。
访谈纪要
【访谈对象】姓名 / 岗位 / 工龄 【日期与时长】 【访谈目的】我们想验证的 2-3 个假设 一、角色与日常 二、关键事件(具体的一次经历,按时间顺序) 三、痛点(原话引用 + 频率 + 影响) 四、现有的变通办法 / 影子系统 五、假设验证结果:✓ 证实 / ✗ 推翻 / ? 待验证 六、意外发现 七、推荐的下一位访谈对象 八、后续行动
问题陈述
【谁】在【什么场景/环节】,因为【根本原因】, 导致【可衡量的影响:数字 + 单位 + 时间】。 如果解决,我们期望在【时间】内把【指标】从【现状】改善到【目标】。 证据来源: - 数据: - 观察: - 访谈:
用例画布
用例名称: ① 用户(谁、多少人): ② 决策/动作(做什么、多频繁): ③ 现状做法(怎么做、耗时): ④ 痛点: ⑤ 所需数据(对象/属性/系统): ⑥ 方案形态(提醒/推荐/自动化/工作台): ⑦ 价值指标(现状 → 目标): ⑧ 客户方负责人: ⑨ 风险与关键假设:
数据盘点表
| 数据项 | 所在系统 | 负责人 | 更新频率 | 质量(高/中/低) | 关联字段 | 访问限制 | 备注 | |--------|----------|--------|----------|----------------|----------|----------|------| | | | | | | | | |
试点方案(中级)
试点名称: 范围:试点组【站点/团队/人数】 vs 对照组【站点/团队/人数】 时长:【起止日期】(基线期:【日期】) 北极星指标:现状 → 目标 过程指标: 护栏指标(及容忍阈值): 成功标准(双方签字):净效果 ≥ ___,且护栏指标 ___ 退出机制:出现 ___ 时立即停止 客户方负责人: Echo: Delta:
账户计划(高级)
客户: 账户负责人: 更新日期: 1. 客户战略(3 年目标、今年重点,用客户原话) 2. 我们的位置(已兑现价值、合同、关系热度) 3. 价值地图(战略目标 → 用例) 4. 三年路线图(每年:用例 / 预计价值 / 投入) 5. 关系计划(高管 | 现状 | 目标关系 | 我方负责人 | 下次接触) 6. 商务计划(续约/扩单时间点与金额) 7. 前 5 大风险与对策 8. 需要公司内部的支持
QBR 议程(高级)
【会前一周】□ 与每位参会高管的副手过内容 □ 确认无意外信息 0:00 价值回顾:3 个数字(客户确认口径)(10') 0:10 一个故事:请一线用户/中层讲变化(10') 0:20 洞察:数据里看到的、客户可能没注意到的(15') 0:35 下季度建议:2–3 个选项、价值与代价、我们的推荐(15') 0:50 决策与下一步:当场拍板、确认负责人(10')
工作坊议程(中级)
主题: 时长:120 分钟 人数: 目标产出:①决定 ___ ②行动项清单 ③共识 会前:□ 单独沟通各方负责人 □ 与最高领导约定发言时机 □ 准备材料/海报 0:00 开场:目标、规则、破冰(10') 0:10 背景:数据与现状(15') 0:25 发散:静默书写 / 1-2-4-全体(20') 0:45 收敛:归类 + 点投票(25') 1:10 分组设计方案(25') 1:35 行动项:谁-做什么-何时(15') 1:50 收尾:回顾共识、处理停车场(10')
附录 B · 术语表
| 术语 | 解释 |
|---|---|
| FDE | Forward Deployed Engineer,前线部署工程师,派驻客户现场、对业务结果负责的团队模式 |
| Echo | FDE 中偏业务的角色,也叫部署策略师(Deployment Strategist) |
| Delta | FDE 中偏技术的角色,负责数据集成和应用开发 |
| 本体 Ontology | 用业务对象、属性、关系和动作来组织数据的模型 |
| MECE | 相互独立、完全穷尽,拆分问题的原则 |
| 5 Why | 连续追问为什么来找到根因的方法 |
| 用例 Use Case | 一个具体用户在具体场景下用方案完成具体决策的描述 |
| 拥护者 Champion | 客户内部支持项目、愿意推动的人 |
| 影子系统 | 正式系统之外,员工自己维护的 Excel、本子、群聊等 |
| 采纳率 Adoption | 目标用户中真正持续使用新工具的比例 |
| 速赢 Quick Win | 价值高、易实现,能快速建立信任的用例 |
| ROI | 投资回报率,(收益 − 成本)÷ 成本 |
| 主数据 | 商品、客户、供应商等跨系统共享的核心数据 |
| 泳道图 | 按执行者分泳道的流程图,用来发现交接问题 |
| 发现冲刺 | 用固定时间盒(通常 2 周)系统摸清一个业务的调研方法 |
| NPV 净现值 | 未来净收益按折现率换算成今天的价值,再减去投入 |
| 业务论证 Business Case | 让决策者批准投入的完整论证,含多情景财务模型 |
| 保真度 | 原型与最终产品的接近程度,从纸面草图到生产级 |
| 精确率 Precision | 模型报出的结果中,真正正确的比例 |
| 召回率 Recall | 所有真实问题中,被模型抓到的比例 |
| 人在回路 Human-in-the-loop | AI 给建议、人做最终决定的流程设计 |
| 评测集 | 带标准答案的测试案例集合,用来客观衡量 AI 效果 |
| 双重差分 DiD | 用对照组的变化扣除外部因素,计算试点净效果的方法 |
| 北极星 / 过程 / 护栏指标 | 最终结果指标 / 领先指标 / 不能被牺牲的指标 |
| ADKAR | 变革管理模型:知道、想要、会用、做得到、坚持 |
| 超级用户 | 一线中提前培训、帮助同事上手的骨干用户 |
| 停车场 | 工作坊中暂存跑题话题、会后处理的机制 |
| 战略账户 | 对公司有长期战略意义、由高级 Echo 整体负责的大客户 |
| 价值地图 | 从客户战略目标一层层拆到具体用例的图 |
| QBR | 季度业务回顾,与客户高层共同决定下季度方向的会议 |
| 平台飞轮 | 用例越多、数据对象越丰富、新用例越便宜的正循环 |
| BATNA | 谈判达不成协议时的最佳替代方案 |
| ZOPA | 可达成协议区:双方可接受范围的重叠部分 |
| 价值分成 | 部分费用与客户确认的收益挂钩的合同结构 |
| AI 治理委员会 | 客户方与我方共同审批、监督 AI 用例的机制 |
| 应急关停 | 出问题时一键关闭 AI 功能、退回人工流程的能力 |
| 行业方案模板 | 同行业客户可复用的数据对象、指标和实施手册包 |
附录 C · 延伸阅读
- 《The Mom Test》 Rob Fitzpatrick:怎么问出真话(第 3 节)
- 《金字塔原理》 芭芭拉·明托:结构化思考与表达(第 2、6 节)
- 《丰田生产方式》 大野耐一:5 Why 与现场主义的源头(第 2、3 节)
- 《用户故事地图》 Jeff Patton:从用户行为出发设计功能(第 5 节)
- 《跨越鸿沟》 Geoffrey Moore:新技术在组织中的采纳规律(第 6 节)
- 各大 AI 与数据公司关于 Forward Deployed Engineering 的公开博客和招聘说明,可以帮你了解这个岗位在真实公司里的样子