erpkaizen

怎么衡量价值

有签字的签收单当天核对:门店签收 9.5 公斤,送货单写 10 公斤

有实测 作者 2026年10月29日 约 9 分钟
有签字的收货单放在送货单商品格子旁边。纸上印着 10,旁边手写 9.5;格子里是 10,角上用强调色显示从纸上读出的 9.5。不是真实数据。 收货单 橙子 10 9.5 AI 送货单 10 9.5 10 ↖ 从纸上读出 把有签字的单据放在录入的数字旁边 当天就做,不等月底
当天就把有签字的单据放在录入的数字旁边:纸上是 9.5,送货单是 10,少收出现在格子的角上。

我们读取了 113 张有签字的签收单照片:能对上的送货单中一半以上有门店少收的行,其中大约一半没有人改过数字。AI 读纸,机器与录入的数字比较,偏差当天报出——这样早知道值多少钱。

门店签收 9.5 公斤,送货单写 10 公斤——当天就知道值多少钱?

只需要每天的送货单数、每张单的行数、被少收的行的比例,以及被拍照的送货单比例。所有金额都由此推出,每一项都可以修改。

按最近一周统计
平均值,小单大单都算
重量不足、少一箱、整个品项被划掉……
没人拍照,就没有可核对的东西:0

由上面四个数字推出

每月少收的行–
每月少交的货–
当天就报出偏差的行–
仍要等到月底的行–
假设——点开查看并修改每个数字

流向

对账时间

货物

成本

一个月的少收行都去了哪里 每一步都会漏掉一部分 · 虚线框 = 等到月底
一个月的少收行都去了哪里

A. 减少对账时间–
B. 趁还来得及留住少交的货–
C. AI 读照片–
满负荷时每月净收益–

这是估算,不是承诺。B 项最软——把两个损耗比例设为相同再看一遍。把拍照比例设为 0:所有项都归零,成本也是。诚实的模型必须做得到。

在一家超市的后门,收货员把一袋橙子放上秤,在印好的 10 旁边写下「9.5」,签字、盖章。那张纸是门店实际收了多少的唯一 凭证——而它装在送货员的口袋里回到公司。系统里这一行还是 10 公斤,发票会印 10 公斤,门店会按 9.5 公斤付款。

我们读取了一家生鲜食品经销商两天送货中这类单据的 113 张照片,并把每一张和系统里的送货单对上。在能对上的 65 张送货单中, 54% 至少有一行门店实收少于送货单——大多只少半公斤、一公斤。而这些少收的送货单里,大约一半的系统数字没有人改过。 照片是送货员发来的,不是随机抽取,所以在全部送货单上的真实比例可能更低。但它足以提出本文的问题:不等门店的月底对账单, 当天就知道少收在哪里,值多少钱?

1. 改变了什么

送货员在手机送货页面上拍下有签字的签收联,一张送货单可以拍一张或多张。之后:

  1. AI 只读纸。 哪些商品、印的数量、手写的数量、有没有签字或盖章、纸上的门店名和日期。超市自己打印的收货单读得最好—— 上面有实收数量、单价和金额三栏,所以 AI 会在每一行自己核对 数量 × 单价 = 金额。
  2. 由机器比较,不让 AI 下判断。 纸上的数字(有手写就用手写,没有就用印的)与送货员录入的数字相比。偏差由一次减法决定, 不由模型的印象决定。
  3. 有偏差立刻通知: 送货单上的红色标记,发给配送主管的消息,以及给送货员本人的通知——此时送货员还记得在门店发生了什么。 改好数字后,系统当场重新比较,不必再读一次照片。

读出的数字和录入的数字显示在调度表上该商品格子的两个角,旁边是门店自己回传的 数字——仓库看一个格子就知道三个来源是否一致。

2. 为什么月底太晚

门店按自己的收货单付款,而不是按你的送货单。一行少收没人改,会走两条路,而两条路都是越晚发现越贵:

  • 发票错了,然后门店的月底对账单和账对不上。会计一张一张翻送货单,打电话问送货员三周前那一趟,再开调整单。 同一行当天就改,只要一分钟。
  • 少交的货不知去向。 生鲜商品少的那半公斤,要么随车回来了,要么丢了。回来了却没人记录,系统就不知道它存在—— 它就放在那里直到坏掉。当天就知道,送货员还记得,改正实交数量,货回到库存并被卖掉。

上面计算表里的图是一个漏斗:一个月的所有少收行 → 有签收联照片的行 → 读出并当天报出的行。每一步都会漏掉一部分, 漏掉的部分照旧等到月底。

3. 第一个来源:减少对账时间

每月收益 = 当天报出的行 × (晚发现时的处理分钟 − 立刻报出时的处理分钟) × 每小时成本
例 每天 40 张送货单,26 天,每张 6 行,8% 的行被少收:每月约 499 个少收行。70% 的送货单被拍照,85% 的照片能读出: 297 行当天报出。在月底对账单上发现的一行要 12 分钟;立刻报出只要一分钟。 297 × (12 − 1)分钟 × 每小时 7万越南盾 ≈ 每月 381万越南盾。

怎么测。 拿出大门店最近两次的月底对账单:有多少行对不上,谁处理的,从发现到做完调整用了多久。「之后」的数字来自 签收记录本身:偏差报出的时间和送货员改数字的时间。

可信程度: 尚可。对不上的行可以在对账单上数出来;分钟数在对账单整齐的门店和每张都拍照发来的门店之间差别很大。

4. 第二个来源:趁还来得及留住少交的货

每月收益 = 当天报出的行 × 每行少的公斤数 × 每公斤成本 × (晚发现时变成损耗的比例 − 立刻报出时的比例)
例 每个少收行平均少 0.6 公斤,成本每公斤 4万越南盾。晚发现时其中 60% 变成原因不明的损耗;当天报出时为 10%。 297 × 0.6 公斤 × 4万越南盾 × (60% − 10%) ≈ 每月 356万越南盾。

怎么测。 下次盘点时,把最常被少收的商品的差异单独拿出来,与同期签收单上少收公斤数的合计相比。前两个月和后两个月 就足以看出这部分损耗有没有下降。

可信程度: 低——这是最软的一项。两个损耗比例都是假设。把两者设为相同,计算表每月仍有 323万——单靠对账时间 就仍是正数。

5. 要减去的:AI 读照片

每读一张送货单就调用一次模型。计算表每张已拍照的送货单减去 800 越南盾——例子中每月约 58万越南盾。读完之后再改数字 不另花钱:读取结果会保存,比较由程序重新运行。

6. 加起来

来源每月每年
减少对账时间381万4,570万
留住少交的货356万4,280万
AI 读照片−58万−700万
净收益679万8,150万

开发成本 800万越南盾、送货员两个月养成拍照习惯,大约在第 1.7 个月回本。

7. 这个 ROI 建立在哪些假设上

送货员到底拍不拍。 这个假设压在三行金额的下面,也是最容易被忽略的一栏。把拍照比例设为 0:所有项都归零,成本也是。 所以拍照不是强制的,但会被提醒——没有照片就按「完成」,页面会再问一次——而有照片的送货单比例是第一个要盯的数字。

照片能不能读。 不是每张纸都一样。超市打印的收货单读得很好。整条线路的送货清单——一个送货员、很多门店、满是手写的 圈和改动——就不一样了:试验中大部分手写标记只是没有数字的圈,AI 也容易读错栏。对这种纸只该相信一个信号:整个品项被划掉。

纸上的单位是门店的单位。 有的门店把「100 克」印成一个单位,所以「45」意思是 4.5 公斤。比较必须先换算再相减; 换算不了就报「单位不同」,而不是去猜。

没有签字的签收单没有价值——即使数字一致,系统也算作偏差。而少收的一行也可能是对的:门店拒收品质差的货,本来就该发生。 要紧的是系统里的数字说的是实际发生的事。

8. 在你自己的公司里测

  1. 取基线。 最近两次月底对账单:多少行对不上,花了多少小时,这些商品上有多少公斤原因不明的损耗。
  2. 拍两个月。 每周跟踪:有照片的送货单比例、读不出的照片比例、报出的偏差行、送货员改过的行。
  3. 前后对比月底对账单: 仍留到月底的那些行,就是漏斗还没堵上的部分。

9. 值得记住的

送货员敲进系统的数字和门店签在纸上的数字,是关于同一件事的两份证词。 分开放,两份看起来都对。当天就放在一起, 半公斤的少收就成了一分钟的事,而不是三周后的一场追查。

有签字的签收单值钱,不是因为它放在抽屉里。它被读过之后才值钱。

有少收行的送货单比例取自一家食品经销商的真实照片,已匿名并取整;照片由送货员发来,不是随机样本。每天的送货单数、 少收公斤数、成本、损耗比例以及计算表中的所有假设都是示例数字。请换成你自己的数字。

继续阅读