计划背景
表格不是问题，表格背后的逻辑不统一才是问题。同一家企业里，销售的表按客户统计，生产的表按工单统计，采购的表按编码统计，三张表都对，却拼不到一起。计划员每天花大量时间核对数字，真正用于判断的时间很少。
数字化的第一步不是买系统，而是把规则显性化：安全库存怎么算、提前期怎么取、批量怎么取整、例外怎么审批。规则写不清楚，再贵的系统也只能把混乱自动化。YCC 东龙拉链在计划系统建设上的体会是，先把参数口径统一，再谈工具，顺序反了会反复返工。
编制方法
建议按四层推进，每层都有可交付物。
- 数据层：统一物料编码、供应商编码与计量单位，建立主数据管理规则。
- 规则层：把预测、净需求、安全库存、批量与优先级的计算逻辑写成文档。
- 协同层：打通订单、库存、在途与产能，形成单一数据源。
- 分析层：建立偏差、达率与风险的看板，支持例外管理。
四层不必一次建完。多数企业可以先做数据层与规则层，用现有工具落地，再逐步替换系统，避免一次性大投入带来的组织阻力。
| 层级 | 关键交付 | 常见障碍 | 优先级 |
|---|---|---|---|
| 数据 | 编码与主数据规则 | 历史数据混乱 | 高 |
| 规则 | 计算逻辑文档 | 口径分歧 | 高 |
| 协同 | 单一数据源 | 系统孤岛 | 中 |
| 分析 | 看板与预警 | 指标未定义 | 中 |
关键公式或模型
参数化计划的核心是让系统按规则自动生成建议：建议下单量 = 向上取整（（净需求 + 安全库存 − 可用库存）÷ 包装倍数）× 包装倍数，并按优先级与交期排序。
系统收益可用替代人工工时估算：年节约工时 = 单次核算工时 × 月频次 × 十二 × 自动化比例。该指标用于论证投入，但不应作为唯一依据，决策质量提升往往更难量化却更重要。
数据质量可用完整率与准确率衡量：完整率 = 必填字段齐全的记录数 ÷ 总记录数；准确率 = 抽检正确记录数 ÷ 抽检总数。两项指标低于阈值时，先治理数据再上线功能。
执行与调整
系统上线失败通常不是因为功能不足，而是因为三件事没做好。
- 主数据先行：编码不统一，任何计算都不可信。
- 例外可处理：系统必须允许人工覆盖，并记录覆盖原因，否则用户会绕开系统。
- 试点再推广：先在一个品类或一个工厂跑通，再复制到全公司。
上线后应设定三个月的并行期，用新旧两套方式同时跑，比较差异并修正参数。并行期结束后，旧表必须停用，否则会长期双轨运行，数据永远不一致。
落地检查表
系统选型建议用场景测试代替功能清单：拿三个真实场景请供应商现场演示，包括旺季插单、颜色改染与供应商延期。演示过程比功能列表更能反映系统的实际可用性，也能提前暴露集成与性能问题。
| 场景 | 观察点 | 不合格信号 |
|---|---|---|
| 旺季插单 | 重排速度与影响可见 | 需手工导表 |
| 颜色改染 | 半成品可重新分配 | 无法区分批次 |
| 供应商延期 | 自动预警并给替代 | 仅提示不计算 |
上线后的前三个月，建议每周统计人工覆盖次数与原因。覆盖次数居高不下，说明规则与实际业务脱节，应优先修规则而不是加功能。覆盖记录同时是培训素材，能帮助新同事理解哪些情况下系统建议需要人工判断。
常见问题
问题一，先买系统再定规则。系统只是把混乱固化。问题二，追求大而全。一次上线所有模块，风险高且难以验收。问题三，忽视一线习惯。界面复杂、操作步骤多，用户会用回表格。问题四，没有责任人维护参数。参数一年不更新，建议自然失真。