摆脱“很忙却留不下利润”的经营

读《AI×BI 中小企业经营革命》，重新思考HDG的数字化转型与下一步经营设计

读完这本书，我感受最深的一点是：一家公司的所有人都很忙，和这家公司最终能够留下利润，完全是两件不同的事。

每天有很多商务洽谈，需要制作报价单、安排商品、向日本国内外发货，并不断回应客户的咨询。员工和经营者从早忙到晚，销售额也在增长。从外部看，公司似乎正在顺利发展。

但是，真正重要的问题是，这些忙碌是否转化成了利润。

有些交易的销售额很大，但扣除折扣、物流费、报关费、销售手续费和汇率损失之后，可能几乎没有留下利润。有些大客户提出的临时要求很多，需要大量细致沟通，占用了员工很多时间。相反，也有一些业务的销售规模并不突出，却因为流程标准化、成本稳定，能够持续贡献毛利。

过去，我自己也经常关注销售额、项目数量和商务进展。但是，在读这本书的过程中，我不断问自己：我们是否真正了解，究竟是哪些客户、哪些商品、哪些项目在为公司创造利润？

一、不能只看销售额，更要看利润是如何产生的

书中讨论了这样一个案例：从公司整体损益来看似乎是盈利的，但拆分到不同门店后，却发现其中存在持续亏损的门店。

这对HDG来说，也绝不是与自己无关的问题。

HDG目前拥有日本国内批发、出口、三国间贸易、自有品牌等多种性质不同的业务。即使都被称为“销售额”，其内部结构也完全不同。

国内批发和出口需要的业务流程与承担的风险不同。海外交易还会受到汇率、国际运费、报关费用和回款条件等因素影响。自有品牌则不仅要看短期利润，还需要考虑对未来品牌价值的长期投入。

如果我们只看公司整体的销售额和毛利，就很难看清究竟是什么业务在支撑公司，又是什么业务正在消耗公司的资源。

因此，我们不能只看公司总数，还必须把数字拆分到事业、客户、商品、项目、负责人和地区。除了销售额，还要同时评估利润、所需运营资金、库存、工作负荷和回款风险。

我们要看的不是忙碌的数量，而是忙碌的质量。

我认为，这种视角对HDG未来的发展非常重要。

二、AI与BI承担着完全不同的职责

在读这本书之前，我对AI和BI的理解，更多是“提升工作效率的IT工具”。

AI可以帮助写文章、做资料和整理信息；BI可以把各种数据制作成更容易理解的图表。过去，我在一定程度上是这样看待它们的。

但是，这本书改变了我的理解。

BI真正的职责，并不是制作漂亮的图表，而是连接分散在公司内部的销售、采购、库存、费用、人力、营业活动、客户和项目等数据，把公司的真实状态转化为所有人都能够理解的共同数字。

AI的职责，则是基于这些数字提出假设：为什么会出现这样的结果？应该从哪里开始改善？可能有哪些选择？

也就是说，BI负责呈现公司的事实，AI负责扩大思考的范围和可选方案，最后由经营者与员工承担责任并作出判断。

• BI建立全公司共享的“事实”
• AI扩展基于事实的“假设”
• 人承担带有责任的“决策”

我们不是把经营交给AI，而是通过AI，让经营者和员工能够思考得更深入、决策得更迅速。

三、让经营者的经验变得可以验证、可以复制

经营者的经验和直觉非常重要。特别是在中小企业中，经营者往往最了解现场、客户、商品和交易伙伴。这些经验无法简单地被数字取代。

但是，如果所有判断都只依赖经验和直觉，就很难向员工说明判断依据。

即使经营者说“根据我多年的经验，这笔交易应该没有问题”，其他员工也无法复制同样的判断。当经营者不在现场时，公司的决策就可能停下来。

所以，我们不是要否定经营经验，而是要通过数据验证经验。

如果我认为某位客户非常重要，就不能只看这位客户的销售额，还要看毛利、物流成本、对应工时、付款条件和未来发展空间。如果我认为某个商品卖得很好，就不能只看销量，还要看折扣后的实际利润、库存周转、退货和报废。

经过验证后，有时会证明经营者的直觉是正确的，有时也会发现过去的判断只是主观印象。无论结果是哪一种，对公司来说都是进步。

数据不是用来否定经验的。数据的作用，是把经验转化成语言和数字，使整个组织都能够理解并复制。

四、从统计过去的会计，转向创造未来的会计

书中让我印象非常深的一点，是“从统计过去的会计，转向创造未来的会计”。

一般的会计资料，记录的是已经发生并结束的交易。上个月销售了多少、采购了多少、最终利润是多少，这些都属于过去。

仅仅确认这些数字，并不能改变公司的未来。

真正重要的是，分析计划和实际之间为什么会出现差异，并决定下一步应该改变什么。

如果销售低于计划，就要确认是客户数量减少、下单频率下降，还是销售单价降低。如果毛利率恶化，就要调查是采购价格上涨、折扣增加，还是物流费用和汇率产生了影响。

然后，针对原因决定具体行动，例如提价、重新谈判采购条件、调整商品结构、修改交易条件或减少库存。执行之后，再通过下个月的数字确认措施是否有效。

只有通过这样的循环，会计数字才能从过去的报告，转变成创造未来的工具。

HDG制定了2028年实现60亿日元销售额的目标。实现销售目标当然很重要，但读完这本书之后，我再次感受到毛利率的重要性。

当销售额达到60亿日元时，毛利率变化0.1个百分点，就意味着毛利变化600万日元。0.5个百分点是3,000万日元，1个百分点则是6,000万日元。

为了增加数亿日元的新销售，公司需要投入大量的营业活动、商品开发、人力和资金。但是，通过改善现有交易中的折扣、物流成本、库存损失、汇率损失和报价偏差，也可能创造数千万日元的利润。

我们既要继续扩大销售，也要阻止已经存在的利润流失。

五、HDG目前已经导入了哪些数字化能力

在读这本书的过程中，我也重新回顾了HDG到目前为止推进的数字化转型。

HDG并不是一家刚刚开始DX的公司。

我们已经在业务中使用Microsoft 365、Outlook、Teams、SharePoint、HubSpot、SCM Plus、Supabase和Notion等多个数字化平台。AI的应用也不仅限于写作和翻译，而是已经扩展到提案资料制作、商品信息整理、文件读取、商务信息登记、任务管理、营业情况统计、公司内部信息检索以及网站制作等多个领域。

我们使用Notion和GTD管理公司任务，提取逾期事项，进行每周复盘，并尝试自动提醒。我们也通过HubSpot管理客户、营业活动、商机和营业任务，并尝试按照负责人汇总未完成任务和逾期任务，在Notion中生成每日统计报告。

在采购和商品管理方面，我们正在形成以SCM Plus为第一确认来源，再连接SharePoint、Supabase和Notion的工作方式。对于Teams和SharePoint中收到的商品资料与报价单，AI可以读取内容，提取商品名称、JAN码、供应商、价格、数量和期限，并进一步登记到数据库或相关项目中。

从这些方面来看，HDG在单项业务中的数字化与AI应用，已经推进得相当积极。

但是，HDG目前的DX也存在一个明显的问题。

单项业务的数字化正在增加，但这些系统还没有完全连接成经营决策体系。

六、把“点状DX”连接成线和面

HubSpot中有客户和营业活动数据，SCM Plus中有销售、采购和商品数据，SharePoint中保存着报价单、商品资料、合同和提案书，Supabase中有结构化的商品与项目信息，Notion中则有公司任务、项目、会议记录和进度信息。

每个系统中都有重要数据。

但是，目前我们还很难针对同一个客户或同一个项目，从营业活动、报价、接单、采购、发货、开票、回款一直追踪到最终利润。

也就是说，HDG目前已经拥有很多“业务上的点”，但这些点还没有完全形成线和面。

即使使用AI缩短了制作报价单的时间，如果无法追踪报价时的预计毛利是否合理，也无法确认发货后运费和汇率使利润发生了怎样的变化，那么这种效率提升还不能充分转化为经营改善。

即使我们在HubSpot登记营业任务，并在Notion生成每日统计，如果这些营业活动最终带来了多少销售和利润无法确认，那么管理仍然停留在活动数量层面。

即使AI读取商品资料并将其登记到Supabase，如果无法继续确认商品卖给了哪些客户、产生了多少毛利、库存需要多少天才能周转，那么成果仍然只是提高了商品登记效率。

过去HDG的DX，在提升工作效率方面已经取得了一定成果。今后，我们必须从提高效率的DX，继续前进到改变利润和经营决策的DX。

为此，我们需要建立清晰的完整循环：

• 连接SCM Plus、HubSpot、会计、SharePoint、Supabase与Notion的数据
• 建立统一的经营数据基础
• 通过BI呈现公司的共同事实
• 通过AI提出原因假设和改善方案
• 在经营会议中作出决策
• 通过HubSpot和Notion管理执行
• 通过下个月的实际数据验证效果

只有这个循环真正完成，HDG的DX才会成为直接改善公司利润的经营系统。

七、HDG需要怎样的BI设计

通过这本书，我认为HDG必须先于AI完善BI。

AI可以根据收到的信息提出假设和改善建议。但是，如果基础数字本身不正确，AI就无法进行正确的经营分析。如果同一位客户、同一件商品在不同系统中使用不同名称，销售、采购和物流费用又分别管理，那么再先进的AI也无法计算真实利润。

在AI之前，我们必须先建立公司的共同事实。这正是BI的职责。

HDG首先要为客户、商品、供应商、项目、负责人和事业分类建立统一ID。

例如，要把HubSpot中的客户、SCM Plus中的客户、会计系统中的交易对象和SharePoint中的客户文件夹，通过同一个客户ID连接起来。商品也需要把SCM Plus商品编码、JAN码、Supabase商品ID和SharePoint商品资料统一起来。

在此基础上，我认为HDG的BI至少需要六个经营视图。

全公司经营视图

在一个画面中确认销售、毛利、毛利率、销售管理费用、营业利润、现金、应收账款、库存和全年预测。除了显示实际结果，还要显示与计划、上年同期的差异，以及全年预测发生变化的原因。

各事业收益视图

对国内批发、出口、三国间贸易和自有品牌进行比较。不能只比较销售额，还要比较毛利额、毛利率、所需人员、运营资金、库存负担和增长率，从而判断人力和资金应该集中在哪些事业。

客户、商品与项目利润视图

除了销售额最高的客户，还要显示毛利贡献最高、利润率较低、对应负担较高的客户。商品需要确认销量、实际毛利、库存周转、退货和报废。项目则要比较报价时的预计毛利与交易结束后的实际毛利。

海外交易风险视图

针对出口和三国间贸易，按照国家、客户和项目确认汇率、国际运费、报关费、销售手续费和回款周期，使海外交易的实际利润与资金风险变得可见。

库存与采购视图

确认库存金额、库存天数、滞销商品、缺货、未完成采购订单、采购价格变化和供应商集中度。把销售计划和库存连接起来，避免继续采购销售可能性较低的商品。

执行管理视图

对经营会议决定的措施，管理负责人、期限、进度、预期利润和实际改善金额。

我认为，执行管理视图是最重要的部分。

如果经营会议只是讨论“毛利率不好”“库存太多”“营业任务延期”，却没有决定谁在什么时候完成什么，那么下个月仍然会重复同样的会议。

BI不是报告资料。BI应该是一套帮助经营会议作出决策、推动行动改变的系统。

八、HDG需要怎样的AI设计

在BI建立公司共同事实之后，AI才能被设计在这个基础之上。

HDG不应该把所有工作交给一个万能AI，而应该按照不同目的划分AI的职责。

经营分析AI

每月读取销售、毛利、销售管理费用、库存、营业利润和现金流，提取与计划、上年同期差异较大的项目。然后把利润变化拆分为销量、销售单价、商品结构、采购价格、物流费用、汇率、折扣和管理费用，并提出原因假设。

AI不能只说“利润下降了”，还必须明确哪些客户、商品和项目产生了影响，哪些是已经确认的事实，哪些问题仍需进一步调查。

营业支援AI

根据HubSpot中的客户信息、商务历史、过去报价、邮件和营业任务，提取下一步应该联系的客户、可能失单的项目、长时间没有进展的商机，以及可以追加提案的客户。

但是，营业AI不能只按照电话数、邮件数和洽谈数排序。它还要结合预期毛利、成交概率、回款条件和未来价值来决定优先顺序。

采购与商品管理AI

读取SCM Plus、SharePoint和Supabase中的商品、采购价格、JAN码、库存和销售数据，发现价格变化、登记遗漏、重复商品、缺货风险和滞销库存。

收到新的商品资料或报价单时，AI可以提取商品候选、供应商、价格、数量和交期。但是，如果无法确认与现有商品、商务项目或登记位置的对应关系，就不能自动写入，而应停止并标记为“需要确认”。

文件与知识AI

检索SharePoint中的合同、报价单、商品规格书、提案书和会议资料，使员工可以迅速确认过去向同一客户提出过什么条件、同一商品曾以什么价格采购，以及合同中有哪些注意事项。

执行管理AI

确认Outlook、HubSpot和Notion中的计划与任务，提取逾期、未指定负责人、长时间未更新以及经营会议决定后仍未执行的事项。

AI不应该向经营者和员工发送大量通知，而应该把内容压缩为“今天真正需要处理的三到五件事”。

九、明确AI的权限，也明确人的责任

AI可以分析数字并提出改善建议。但是，价格修改、采购、向客户发送信息、修改合同和批量更新数据库等行为，不应该在没有人工确认的情况下执行。

在第一阶段，AI的职责应限定在“读取、整理、发现异常、提出建议”。任何对外发送或修改核心数据的操作，都应该由人批准。

AI使用的每一项数字都必须显示来源，并严格区分事实与假设。

AI的分析结果可以统一为以下结构：

• 已确认的事实
• 可能的原因
• 需要追加确认的事项
• 改善方案
• 预期效果
• 负责人建议
• 完成期限建议

这样，我们就不会把AI的回答直接当作结论，而是把它作为经营会议的判断材料。

同时，数据也不能成为责备员工或部门的工具。

当发现亏损项目或未达成数字时，如果只追究负责人的责任，员工就会逐渐不愿意报告坏消息。为了让数字看起来更好，人们会开始隐藏问题，最终公司反而失去真实信息。

数据应该用于尽早发现问题，并由公司整体共同改善。

我们要问的不是“谁做错了”，而是“应该改变什么机制，才能避免相同问题再次发生”。如果没有这样的文化，即使导入AI和BI，也不能实现真正的数据经营。

十、HDG的DX正在从工具导入进入经营变革

我认为，现在的HDG已经跨过了单纯导入AI和云服务的第一阶段。

我们已经从把文件保存到云端、在线共享信息、使用AI写文章，进一步进入连接多个系统、自动化部分固定流程的第二阶段。

但在HubSpot与Notion同步过程中，我们也遇到了权限、重复数据和更新范围等问题。在把Teams和SharePoint资料登记到Supabase时，如果与商务项目的对应关系不明确，也必须安全停止。

即使技术上能够连接系统，如果数据准确性、权限、责任范围和异常处理没有被设计清楚，系统就无法成为稳定的经营基础。

这些经验让我认识到，DX并不只是连接不同系统。DX更重要的是明确公司的业务规则。

哪个系统是正式数据来源？谁负责登记客户名和商品名？如何防止重复？AI可以自动处理到什么范围？发生错误时，由谁确认和修正？

只有这些问题有了明确答案，自动化才能真正稳定运行。

今后的HDG不应该一次性整合所有数据，而应该从对利润影响最大的领域开始。

第一步，可以从国内批发的主要客户和主要商品开始。连接销售、采购、物流费、折扣和库存，使公司能够确认每位客户、每件商品的实际毛利。

第二步，在出口和三国间贸易中建立项目最终利润。把报价时的预计毛利，与包含汇率、国际运费和报关费的实际毛利进行比较，提高报价准确性。

第三步，把管理范围扩展到自有品牌。除了短期利润，还要同时管理销售渠道数量、复购率、库存周转、营销投入和未来利润预期。

按照这个顺序推进，DX就不会只减少工作时间，而会真正改善毛利率、库存、现金流和营业生产力。

结语

读完这本书，我认为，比“应该在哪个业务中导入AI”更重要的问题是：“作为一家公司，我们应该看哪些数字，又应该如何作出判断？”

导入AI不是目的，制作BI仪表盘也不是目的。

真正的目的，是让HDG在扩大销售规模的同时，稳定留下利润和现金，不再只依赖经营者个人，而是让每位负责人都能够独立思考和行动。

我们过去建立的每一个系统，都是完成经营DX的一个部件。现在需要做的，是用“利润”和“经营决策”这个共同目标，把这些部件真正连接起来。

我们不能把“使用了AI”本身当作成果。我们要确认，AI是否缩短了决策时间，是否减少了遗漏，是否提高了毛利，是否降低了库存，是否让员工把更多时间投入到真正重要的工作中。

我们也不能把“制作了BI”本身当作成果。我们要确认，BI是否帮助公司更早发现亏损项目，是否推动了低利润交易条件的修改，是否让计划与实际之间的差异转化成了具体行动。

我们最终想建立的，不是一家拥有很多系统的公司。

我们想建立的是这样一家公司：所有人都能够通过同一组数字，理解利润在哪里产生、又在哪里流失；在AI的帮助下，团队可以自己发现问题并持续改善。

HDG需要的不是变得更加忙碌。

我们需要明确什么在创造利润，什么在消耗利润，然后把有限的人力、时间和资金集中到真正与公司未来有关的工作中。

我不希望把这本书只当作一本读完就结束的经营书籍。我希望把它作为重新审视HDG经营管理、会议、营业、报价、库存和海外交易机制的起点。