集团 AI 激励项目 · 内部路演

面料开发
全链路成本可视化

把每一次开发投入，追到款式、订单与利润。

47万
当前年化面料开发成本
6周
MVP 验证周期
3源
核心数据源
井唐控股 · 产品二组2026 / 项目立项演示
Roadshow map

四个问题，构成完整的立项逻辑

02 / 14
01

项目背景

业务痛点

为什么必须现在做？

02

目标价值

量化定位

成功如何被衡量？

03

技术路径

AI 设计

如何低风险实现？

04

项目收益

产出结果

投入最终换来什么？

问题目标路径结果
Chapter 01 · Business pain
03 / 14
01
OF 04

项目背景

业务痛点

年化约 47 万元的面料开发投入持续发生，但投入、款式与销售仍处于断链状态。

47 万 / 年4 类痛点投入—产出断链
01 项目背景02 目标价值03 技术路径04 项目收益
01 · Background

问题不是看不见成本，而是无法把投入和结果连起来

04 / 14
9,000
元 / 周 · 当前设计部面料开发费用
设计团队扩张后，开发投入从“买手费用”变成了持续发生的面料成本；按当前趋势年化约 47 万元。
断点
开发投入×款式信息×销售产出
高单价面料无效调样频繁发生，沉没成本无法追溯，也没有统一的投入产出评估。
Chapter 02 · Quantified value
05 / 14
02
OF 04

目标价值

量化定位

项目先把价值定义清楚：开发成本使用率达到 60%+，所有结论都能按统一口径复核。

60%+ 使用率三维归因结果可复核
01 项目背景02 目标价值03 技术路径04 项目收益
Chapter 03 · AI design
07 / 14
03
OF 04

技术路径

AI 设计

6 周先跑通数据与 AI 辅助闭环；成功率预测由成熟样本的数据闸门决定。

3 源贯通6 周 MVP预测 Go / No-go
01 项目背景02 目标价值03 技术路径04 项目收益
03 · AI target operating model

AI 不替代事实计算，而是补上“关联、解释与预测”

08 / 14

数据库与公式保证数字可信；AI 完成三件传统自动化难以完成的事，并把结果反馈回业务流程。

端到端决策链路规则 / 事实层AI 能力层
01数据采集
02规则标准化
03 · AI智能关联
04成本归因
05指标计算
06 · AI分析解释
07 · AI成功率预测
08 · AI预算建议
09 · AI反馈学习
DATA飞书承接业务数据与人工确认
ORCHESTRATEDify编排规则、模型与审核流程
REASONDeepSeek关联判断、原因解释与建议生成
ACT飞书机器人推送待办并收集结果反馈
边界：采集、归因和指标计算采用确定性规则；一期落地智能关联与分析解释，预测和预算建议待成熟样本达标后进入二期。
03 · MVP design

MVP 只做一件事：每天把可验证的结果送到业务手里

09 / 14
数据层 / Sources
飞书面料 / 提报表面料、款号、进度；开发费用字段待确认
飞书产品信息表品类 · 系列 · 季节 · 上市
井唐数字销售数据下单、收入、利润；款号粒度待确认
规则与 AI / Intelligence
主数据标准化款号 canonical ID · 去重 · 回补
规则指标计算使用率 · 成功率 · ROI · 周期
AI 辅助层Dify 编排 · DeepSeek 解释 · 人工复核
展示层 / Outputs
飞书多维表可追溯的明细与汇总
日报 / 周报按角色推送，T+1 更新
决策看板设计师 · 品类 · 面料
唯一事实原始记录不可覆盖，保留同步时间
可对账自动结果与手工样本逐条比对
可回补支持历史数据重跑与失败重试
预测后置模型不达标，规则报表仍可独立运行
03 · Delivery gates

6 周先跑通可信链路，再决定预测 AI

10 / 14
当前闸门：6 周先证明链路可信；预测模型看成熟样本，不看日历。
一期验收：能对账 + 能解释 + 能稳定运行

关联率 ≥ 90%、误差 ≤ 5%、T+1 连续 7 日；AI 建议保留依据并经人工复核。6 周验收系统能力，不提前认定业务收益。

90 天
业务收益观察窗口；预测另过数据闸门
02 · Value definition

指标先统一口径，才能让结论能被复核

06 / 14
核心指标 / Core
60%+
开发成本使用率目标
不是“命中款数”，而是“命中款对应的开发费用占比”。
基线必须使用项目组历史数据建立；行业 30% 只能作为待验证参考，不能直接当成事实。
下单款式开发费用 ÷ 总开发费用

衡量投入金额被最终下单款式“承接”的比例；需明确面料复用、共享样品和改号的分摊规则。

指标业务含义验收数据
开发总投入周期内面料开发费用总和原始记录可追溯
下单款式占比下单款式数 ÷ 开发款式数按成熟期统计
投入产出比归因利润 ÷ 开发投入利润口径需锁定
Chapter 04 · Business outcome
12 / 14
04
OF 04

项目收益

产出结果

按当前情景测算，1.5 万元投入对应 16.4–38.8 万元年化收益，保守情景首年综合 ROI 为 1093.3%。

1.5 万投入16.4 万起1093.3% 起
01 项目背景02 目标价值03 技术路径04 项目收益
04 · Economics

情景测算下，三档年化收益均高于 1.5 万投入

13 / 14
保守情景 · 以 47 万元年化开发费测算
1093.3%
首年综合 ROI
年总收益 16.4 万元，项目投入 1.5 万元。
直接成本节约
9.4 万/年
库存成本节约
5 万/年
效率提升收益
2 万/年
年总收益
16.4 万
项目投入
1.5 万
口径说明：本页按项目投入 1.5 万元测算；首年综合 ROI = 年总收益 ÷ 项目投入 × 100%。若采用净 ROI =（收益 − 投入）÷ 投入，三档结果均需减去 100 个百分点。
03 · Guardrails

上线风险集中在使用边界与 AI 可信度

11 / 14

设计师指标必须先定义使用边界

人效数据用于团队优化时，要避免被误读成个人绩效结论；访问范围、留痕和解释机制会直接影响填写质量与业务接受度。

上线护栏

角色分级访问；个人维度默认只对授权管理者可见，不直接绑定绩效，所有导出保留审计记录。

04 · Project cycle

项目周期：先过三个闸门，再扩大范围

14 / 14
GATE 01

数据准备度

确认三源访问权限、款号主数据和至少一个成熟历史 cohort；没有可对账样本，不进入开发。

GATE 02

MVP 证据

6 周内达到关联率、误差率、T+1 和自动报表四项验收；不以“看板上线”替代业务验证。

GATE 03

AI Go / No-go

只有在样本量、标签和基线足够时才做预测；否则保持规则引擎，先积累可用数据。

今天需要批准的范围单一项目组 · 三个数据源 · 设计师/品类两个核心维度 · 6 周 MVP · 1.5 万元项目投入
批准 MVP 闸门
以数据证据换取二期投入

请横屏查看演示稿

本演示稿按 16:9 投影页面设计，横屏后可正常翻页和使用页内交互。