LTC 经营分析的完整用户旅程：指标、看板、洞察、运营、闭环
一、企业背景与业务目标
教育信息化进入深水区后，行业从增量扩张转入存量竞争，一个无法回避的问题悬在每家企业头顶：增长的量已经不再稀缺，增长的质量呢？利润，究竟在哪个环节被悄悄侵蚀？
这正是我们所面对的局面。作为国内教育智能硬件的头部企业，业务体量大，覆盖广。对于LTC（Lead To Cash）流程，从商机产生、报价、订单、发货，直到营收确认，有无数商机在多个品类、不同省份之间流转，任何一个环节的摩擦与损耗，最终都会沉淀为财报上最敏感的指标，毛利率。
外部环境已不允许粗放的规模叙事，行业关键词齐刷刷指向降本增效、存量深耕、高质量增长。
营收大盘仍在扩张，管理层却比任何时候都清醒：矛盾已经从能不能卖出去，转向卖出去的每一单到底赚不赚钱，谁在吞噬利润。业务目标因此变得明确而具体，在一个经营周期内，将毛利率趋势的识别精度提升到可归因、可干预的颗粒度，将异动响应时效从周级压至天级，让利润的流向可被看见、可被解释、可被管理。
接下来，我们将沿着一条真实跑通的用户旅程，把这一切拆解清楚：数据怎么来、指标怎么立、异常怎么被发现、原因怎么被拆穿、决策怎么下达、动作怎么落回去，直到缺失的指标重新点亮看板，整条链路被缝合成一个能自我循环的经营闭环。
二、业务痛点
这一切，真实地发生在月度经营分析会上。
会前，数据团队提前一周开始拉数，商机、报价、订单、营收四张表口径各异，跨部门对数对到深夜，口径一变，全表重跑。
会中，几十页 PPT、上百个指标铺开，却无人能回答那个最关键的问题：毛利率这个月到底是涨是跌、为什么、谁该负责。老板临时想看某个数，只能留到会后。
会后，几小时讨论出的改善方案，因缺乏常态化追踪与监控，往往不了了之。
这些场景暴露了三个核心痛点。
- 口径协同。指标的定义散落在各自的 BI 看板与 Excel 里，始终缺少一处统一的数据源与口径管理。
- 经验驱动。要解释销售额涨、利润掉的反常，必须完成结构归因与费率归因两步拆解，过去全靠几位老专家的判断，人一走，能力就出现断层。
- 灵活取数。底表明明就在那里，想下钻分析，除了写 SQL、配报表，还应该提供一种更低门槛、更优雅的方式。
三、核心方案
本案例通过FineBI next + Dora两个产品，按「指标体系构建 → 异常识别与预警 → 归因下钻 → 决策闭环」的逻辑，展开一趟从北极星校准到决策回流看板的完整旅程。
3.1 指标体系构建
在开始正式分析之前，先把数据和指标确定下来。
我们将 LTC 全链路（商机、报价、订单、发货、营收）的明细统一口径，拉通为可追溯的底表，覆盖 2024 至 2025 两个完整年度并做脱敏处理。数据底座就绪后，下一步是定义核心指标并搭建指标体系。
围绕盈利主题，我们选用加权毛利率（Σ毛利额除以Σ营收）作为核心指标，并向下展开为一棵可下钻的指标体系树：树顶是加权毛利率，按业务拆为规模与盈利、价格与成本、转化与渠道、库存与跌价四支，共 16 个指标，每个都写清算法、取数口径和责任归属。
这套口径只需定义一次，FineBI NEXT 基于它构建看板和预警，Dora 基于它进行对话归因，两边共享同一套定义。
下面是具体实现。
在FineBI NEXT中，我们把指标口径转换为Excel，导入到了数据源：
在Dora中，我们把指标口径转换为markdown，导入到了知识库：
如此，在FineBI NEXT的报表配置，和在Dora里的下钻归因中，我们用的是同一套数据源、同一套数据口径，提高了协同效率。
3.2 FineBI NEXT 宏观看板搭建
指标体系就位后，我们没有手工去拖拽图表，而是基于上面的指标体系树，直接用自然语言对话让 FineBI NEXT 帮我们把整体宏观大盘看板搭了出来，分成四个tag去分析。
板块一：经营总览
板块二：库存风险
板块三：产品拆解
具体实现流程如下：
首先，让AI根据如下提示词生成初始的宏观经营分析框架。
看板搭建后，若图表高度不足、列宽偏窄、参考线截断或下钻层级不理想，直接用自然语言调整即可：
默认看板若精美度不够，仍是用自然语言输入修改即可：
经过调整之后最终搭好完整看板。整个过程人工介入不超过20分钟，即可完成。如果是手动搭建的看板，至少需要半天时间。
完整看板链接如下：https://next.finebi.com/decision/application/b5f5bb29226646ef8a5c63e26ff422
3.3 从看板中发现异动
看板搭起来之后，异动很快自己浮出了水面。
三级品类营收 Top10 里，产品 L3-003 以约 9.99 亿元排在第二位，是整盘里体量最大的主力之一。顺着它往省份交叉，两行数字跳进视野：云南和广东。
| |
云南
|
广东
|
|
销量
|
13,232 台
|
12,902 台
|
|
营收
|
0.50 亿元
|
0.93 亿元
|
|
毛利
|
0.19 亿元
|
0.59 亿元
|
|
毛利率
|
37.74%
|
63.23%
|
两个省的销量几乎持平，云南还略多 330 台，可营收只到广东的一半多一点，毛利更是只有广东的约三分之一，毛利率相差超过 25 个百分点。
销量差不多、营收和毛利却差出一截，这正是经营分析里最该追问的异常：同样卖得多，利润去哪了？是卖的东西不一样，还是卖的价格不一样？
3.4 Dora归因下钻
发现问题之后，旅程进入最关键的归因下钻，舞台交给Dora。
除了前文提到的数据和知识同源（与 FineBI NEXT 共用同一套指标口径），Dora 还接入了我们生产环境里真实在用的一批 Skill：通用数据分析方法论、公司LTC分析思路、报告撰写Skill等。
Dora中的skill体系
根据通用归因分析方法，我们采用假设驱动：先立商业假设，再设计验证，拿数据去证实或证伪，证伪了也照实记。
围绕产品 L3-003 云南与广东的量价反差，这一趟立了两条主假设。
假设一：差距来自卖的东西不一样。
先沿代系对比，两省结构高度相似，代系-01都占八成以上，同代系内云南均价却全面偏低。
再下到产品四级分类，结构差异一度显得很强：云南 63.1% 的量压在均价仅 3,237 元的未标注 L4 上，广东 50.4% 的量在均价 7,712 元的 L4-001。反事实测算显示，纯结构效应大约能解释 57.4% 的差价。但同 L4 内云南仍然更便宜，还有 42.6% 解释不了。
于是做更严格的同型号受控对照：在云南 TOP15 机型里找出两省共有的 9 个型号，结果 9/9 广东均价更高，按云南销量加权，广东溢价达到 +65.5%。产品结构解释不完整，定价差异才是主因。假设一被推翻。
|
型号（脱敏）
|
云南均价
|
广东均价
|
广东溢价率
|
|
型号_edc15dc6
|
5,934
|
8,210
|
+38.4%
|
|
型号_7505fe29
|
2,574
|
9,163
|
+256.0%
|
|
型号_fc9f9bf1
|
5,772
|
7,086
|
+22.8%
|
|
型号_0e321fe3
|
5,576
|
8,834
|
+58.4%
|
|
型号_9a464bc8
|
3,293
|
6,009
|
+82.5%
|
假设二：云南主动低价，面向预算敏感型客户。
学段上，K12 占云南出货 92.2%，均价仅 3,992 元；高职教只占 7.8%，均价 7,121 元，已接近广东水平。
城市上，文山、昭通、红河三个边疆区域合计占出货 54.0%，均价落在 3,000 到 3,900 元；省会昆明均价 7,487 元，接近广东，但量仅占 7.1%。城市出货量与均价的相关系数为 −0.73，走量越大、越偏远的地方，价格越低。
时间上，2025 年 8 月单月出货 7,962 台（占全年 38.8%），均价跌至 3,228 元；12 月继续放量，均价落到 2,511 元，暑期集采与年末预算窗口特征清晰。
假设二成立：云南市场是 K12 基础教育、边疆自治州与集中采购窗口三重叠加下的预算驱动低价市场。
|
城市
|
出货量
|
占比
|
均价（元）
|
特征
|
|
文山壮族苗族自治州
|
6,420
|
22.4%
|
2,946
|
边疆自治州
|
|
昭通市
|
4,768
|
16.7%
|
3,103
|
滇东北山区
|
|
红河哈尼族彝族自治州
|
4,248
|
14.8%
|
3,923
|
边疆自治州
|
|
昆明市
|
2,018
|
7.1%
|
7,487
|
省会，价格接近广东
|
|
假设
|
下钻路径
|
结论
|
关键依据
|
|
H1 产品结构差异
|
代系 → 产品 L4 → 同型号受控对照
|
被推翻
|
同型号下广东 9/9 更贵，加权溢价 +65.5%
|
|
H2 主动低价 / 预算敏感
|
学段 → 城市 → 时间
|
成立
|
K12 占 92.2%，城市量价 r=−0.73，集采窗口均价跳水
|
最后，报告撰写 Skill 把整段分析沉淀成一份 HTML 分析报告，覆盖核心问题、量价总览、假设一进行了三层下钻、假设二进行了四维验证、云南市场画像与策略建议。
根因清楚、材料就绪之后，下一步就是把这份报告带回经营分析会，当场拍板与回流。
上述过程的完整会话可点击：Dora 归因下钻会话。
3.5 决策闭环：会议室临时取数，新指标回流看板
根因清楚后进入拍板，我们把营销、财务、区域业务方和管理层拉到一起开了一场经营分析复盘会。
这场会不再需要会前一周拉数、不需要对数对到深夜。结论、依据、拆解路径 Dora 和FineBI NEXT看板都现成摆在那。
但其实，更关键的是会议室里总会冒出新的想法。过去我们只能记下来、会议结束后排期开发，几天后才给数。
而现在，可以当着所有人的面直接用Dora临时取数，一句话问出来，结论当场出来，让讨论不会因为"这个数我回去查一下"而中断。
经营分析会上，临时的取数需求
除此之外，我们把会前做的归因报告也调了出来，Dora 结合报告和刚才的问答汇总了根因：
云南出货量全国第一（28,608 台），出货均价却只有广东的 56%，量最大、价最低；
下钻证实这不是产品结构问题，而是客户结构问题——货几乎全卖给了预算有限的学校，且集中在偏远州市，是政策性教育帮扶出货。
总结一下，这场会议定了三组动作：
- 划一条城市级均价红线。公益低价可以，但不能无底线——保山、怒江这些均价压到很低的贴本城市，优先修复到合理区间；重新审视定价机制，而不是全国一刀切调价。
- K12低价单管控。K12市场占比高、均价极低，要把 K12 低价单占比纳入常态化监控，占比异常时及时预警。
- 量价背离前置预警。把"量大价低"的背离信号做成看板预警，出货量名列前茅而均价垫底的，自动标红。
会开完进入最容易在传统流程里断掉的一段——执行与回流。
头脑风暴中大家意识到一个之前没人注意的缺口：我们一直只看全省均价，却从来没有城市级、学段级的价格监控，所以云南这种"量大价低"的异常能藏这么久。
于是我们让 Dora 把这次案子里暴露的缺口沉淀成新增监控指标，会上确认后配置回FineBI NEXT看板：
完整会话可点击：Dora 会议室临时取数
然后在FineBI NEXT实现了这个新指标的监控后，瞬间就暴露异常了：
从这一刻起，下一次再有云南这样的低价苗头，不用等复盘会，看板自己就会报警、自己就能下钻，用户旅程在此闭环。
四、价值量化
本案例的价值，可从四个维度展开。
4.1 经营价值
价值落地的第一站是利润本身。同样卖出约 1.3 万台 L3-003，云南和广东超过 25 个百分点的缺口长期藏在"全省均价"这层粗颗粒度之下，无人察觉。
以本案例做一笔保守测算（仅云南一省、单一主力产品 L3-003，假设销量与成本不变，仅将贴本/低价城市的均价修复 30%）：
|
测算项
|
金额 / 比率
|
|
现状营收 / 毛利 / 毛利率
|
0.50 亿元 / 0.19 亿元 / 37.74%
|
|
均价修复 30% 后营收
|
0.65 亿元
|
|
修复后毛利 / 毛利率
|
0.34 亿元 / 约 52%
|
|
年化毛利回收
|
约 0.15 亿元（1500 万元）
|
这仅是单一场景的截面。当量价背离的治理逻辑推广至全国主力品类与更多省份，利润回收规模可成倍放大。
4.2 效率价值
第二站是效率。过去一次月度经营会，数据/财务团队要提前一周拉数，对数对到深夜；如今口径同源、即问即答，会议室里一句话就能临时取数，结论当场给出，讨论不再因"我回去查一下"而中断。
异动响应时效：从周级（等月度复盘会）→ 天级 → 看板自动秒级预警。
会前数据准备：从提前一周、约 5 人天，压缩到同源即时、约 0.5 人天，年度释放约 54 人天。
4.3 决策价值
第三站是决策质量。传统经营分析往往是"事后诸葛亮"——异动要等到月度复盘会才被发现，利润损失已经发生。
这套体系让决策前置：下一个低价苗头，不必再等复盘会，看板自己就会报警，马上就可以讨论和决策，及时干预。
4.4 治理与组织价值
口径同源：指标定义一次，FineBI NEXT 与 Dora 共用同一套数据源，从根上消除"对数对到深夜"。
数据民主化：不用再写SQL、学报表配置，AI让技术平权，让数据民主化。
经验资产化：从依赖几位老专家的判断，到 Dora 把分析方法论压进 Skill，沉淀为可复用、可传承的企业级资产。
四个维度叠加，构成这套体系的价值全景：
|
价值维度
|
传统模式
|
本方案
|
价值产出
|
|
经营价值
|
异动藏在"全省均价"里，无人察觉
|
锁定至城市/学段级，精准归因到客户结构
|
单一场景年化毛利回收约 1500 万，可全国放大
|
|
效率价值
|
会前一周拉数；归因靠老专家
|
口径同源、即时取数；Agent 沉淀方法论
|
异动响应 周级 → 秒级；数据准备 5 人天 → 0.5 人天
|
|
决策价值
|
月度复盘事后追认
|
预警 + 归因 + 回流，事中干预
|
决策窗口前移，损失提前拦截
|
|
治理价值
|
口径散落各 BI 看板与 Excel
|
口径定义一次，看板与对话双端共用
|
数据民主化，分析能力资产化
|
五、总结沉淀
本案例不止上线一套看板，更把经营分析固化为可复制的管理机制。
管理制度化。月度经营会以统一口径看板与 Dora 归因报告为唯一事实来源，会中结论直接转化为城市均价红线、K12 低价单占比、量价背离预警等管控动作，结束「口径各异、拍完不跟」的旧模式。
流程自动化与经验模型化。「发现异动→假设下钻→复盘决策→新指标回流」已跑通闭环；结构/费率归因等原属老专家的判断路径，沉淀为 Dora 可复用的对话逻辑与看板预警规则，人走能力不断层。
规模化复用。同一套指标体系与分析旅程，可横向推广至其他省份、品类与 LTC 环节，并在过程中培养懂业务、会用数的经营分析 BP，让数字化能力留在组织而非个人。
