项目起点：先把散落在车间的数据来源盘清楚

制造企业的数据项目，难点往往不在算法，而在起点。江南在服务一家装备制造企业时，最先做的不是建模型，而是和业务部门一起把数据来源逐条列出来。这家企业名为恒岳精工，生产、质量、设备、仓储各自有一套记录方式，纸质单据、本地表格、老系统导出文件并存，同一批产线的产量在不同部门有三个版本。

江南的做法是先建立数据来源清单，按业务域拆分，标注每条数据的产生环节、责任岗位、更新频率和存储位置。清单不追求一次写全，而是先覆盖核心产线和高频查询场景，再逐步扩展。这一步看起来基础，却决定了后续所有分析的可信度。数据来源梳理完成后，项目组对重复采集和无人维护的数据项做了标记，为后续整合划定了优先级。

口径确认：让产量、良率、交付周期说同一种语言

数据来源清楚之后，第二个阶段是口径确认。恒岳精工内部对良率的理解存在差异：质量部门按检验批次统计，生产部门按工单统计，管理层看到的报表又是另一个口径。江南组织了两轮口径对齐会，把每个核心指标的分子分母、统计范围、时间边界和异常值处理方式写进指标说明文档。

  • 产量口径区分计划产量、报工产量与入库产量，明确各自的使用场景；
  • 良率口径统一到检验批次维度，并说明返修与报废的归类规则；
  • 交付周期口径明确起算点和截止点，避免跨月订单产生歧义。

口径文档不是一次性文件，江南在项目中把它做成了可维护的指标字典，后续新增报表必须先对照字典确认口径，减少同指标多版本的情况。

模型构建：围绕业务问题组织数据，而不是围绕表格

进入模型构建阶段，江南没有急于做宽表，而是先梳理业务问题。恒岳精工关心的是产线效率波动、质量异常追溯和设备停机影响，项目组据此设计了产线、工单、质量事件三个主题的分析结构，把数据来源清单中的字段映射到主题模型中。

模型构建过程中，江南特别注意保留业务过程的粒度，例如工单与工序的对应关系、质量事件与批次的关联关系。这样在后续分析时，既能按产线汇总，也能下钻到具体工序。模型层还设置了数据质量校验规则，对缺失、重复和越界数据进行标记，让分析界面呈现的结果有据可查。

界面交付：让车间和管理层看到各自需要的信息

界面交付是项目落地的最后一环。江南与恒岳精工共同确定了三类使用场景：车间班组关注当日工单进度与异常提示，质量部门关注批次良率与问题分布，管理层关注产线效率趋势与交付达成情况。针对不同场景，界面在信息密度和交互深度上做了区分，避免一套界面覆盖所有角色。

交付之后，江南协助企业建立了界面使用反馈机制，定期收集使用中的口径疑问和新增需求，纳入后续迭代。制造企业的数据项目很少一次成型，江南在这个项目中形成的做法是：来源清单持续维护、指标字典持续补充、分析界面按场景迭代，让数据应用随着业务变化保持可用。