来料跟催

把"按逾期天数排序、凭印象打电话"变成按下游影响面排序:预测到货日 = 承诺日 + 该供应商历史平均延误,断料日 = 上线日 + 库存可撑天数,两者一比才知道谁真的急。跟催话术自带履约数据当筹码。

一这件事现在是什么样

采购每天盯十几张在途单,问题不是不催,是催错了顺序——真正卡住交付的那张往往排在最后。

采购每天盯十几张在途单,问题不是不催,是催错了顺序——真正卡住交付的那张往往排在最后。

二痛点

1
按逾期天数排序,等于按错误的顺序催 — Excel 一筛"交期已过还没到",逾期 5 天的排最前。但那批冷轧板库存还能撑 18.7 天、下游工单 9 月才上线,一点都不急;而承诺 08-06 还没到期的主板,下游 08-08 就要上线、库存只够1 天,今天就必须催。逾期天数和紧急度是两件事,混在一起排序,力气全用错地方。
2
供应商说"明天到",只能信 — 没有履约数据,采购判断不了这句话的可信度。而事实上 S-021 近 6 个月 13 张单只准时 8 张(准时率 62%),延误的平均晚 4.2 天;S-012 是 25 张单准时 23 张(92%),平均只晚 1.5 天。同一句"按期到",从这两家嘴里说出来的含金量完全不同,但这个差别没人量化过。

三换个做法之后

四份数据一次读完 → 算供应商履约画像 → 预测到货日 vs 断料日 → 四色分级 → 生成带筹码的话术和待办。

传统做法

  • Excel 筛逾期单 → 按逾期天数排序 → 从上往下打电话 → 供应商说"明天到"就记下来 → 结果散在微信里。
  • 嗓门大的先被催、真卡交付的排最后,且没有任何数据支撑判断供应商这次说的话可不可信。

WorkBuddy

  • 四份数据一次读完 → 每家算出准时率/平均延误/波动度 → 每张单算预测到货日与断料日 → 18 张单分四色(🔴3 / 🟡4 / 🟢6 / ⚪逾期但不急 5)→ 按优先级生成带履约数据的跟催话术(可直接发送)+ 待办清单带责任人时点。

核心价值

按影响面排序不按逾期

缺口天数 = 预测到货日 − 断料日。3 张紧急催里有 2 张根本没逾期,5 张逾期的反而不急。力气花在真会停线的单上。

供应商的话有了可信度

准时率 62% 的供应商说"按期到",按历史推算实际会晚 4 天。预测到货日让"承诺"变成可校验的数字,不再靠信任。

话术自带筹码

四要素:履约数据 + 预测结果 + 后果 + 具体请求。不是"尽快发",而是"08-05 前先发 60 件保上线"。可执行的请求才会被执行。

四场景闭环

从四份数据到可直接发送的跟催话术 · 4 步走完。

STEP 1
算履约画像准时率 / 平均延误 / 波动度 · 按逐单记录反算
STEP 2
预测到货日承诺日 + 历史平均延误 · vs 断料日比缺口
STEP 3
四色分级逾期程度 × 下游影响面 · 剔出"逾期但不急"
STEP 4
话术 + 待办带数据筹码 · 具体请求 · 责任人时点

五会产出什么

判断标准只有一个:这份东西能不能直接进企业的流程

正式件
预期输出.xlsx
问题清单
待确认与差异清单.xlsx
每条带原因、影响、责任岗位与时限
归档记录
处理台账.xlsx
本次结果入库 · 下次同类任务多一个真基准

这套东西不承诺什么

不做「AI 替你定最终结论」—— 关键判断必须由人确认。本场景产出的是初稿和建议,影响大的项一定会被拦下来要求人工确认,而不是自动放行。

打开 Live Demo · 看四色分级怎么算出来

履约画像反算 · 到货预测 vs 断料日 · 带数据筹码的跟催话术 · 数据脱敏