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。
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。
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。
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。
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。
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。
从四份数据到可直接发送的跟催话术 · 4 步走完。
判断标准只有一个:这份东西能不能直接进企业的流程
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。
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