美国家庭储能公司的数据看板体系建设：从"一堆图表"到"决策系统"
以美国家庭储能业务的线索管理体系为原型，结合真实业务流程、SLA 规则和指标字典，还原一套数据看板体系从 0 到 1 的搭建思路。
本文以美国家庭储能业务的线索管理体系为原型，结合真实的业务流程、SLA 规则和指标字典，还原一套数据看板体系从 0 到 1 的搭建思路。
引言：为什么家庭储能公司的看板特别难做
如果你问一个刚接触"家庭储能"（Home Energy Storage）赛道的数据产品经理，第一反应大概是："这不就是个 To C 硬件 + SaaS 的组合吗，做几个转化漏斗、几个销售看板不就行了？"
真正做进去才会发现，这个行业的数据看板体系比大多数 SaaS 或电商业务复杂得多，原因有三个：
第一，链路特别长，跨越多个组织边界。 以 Tesla Energy 的线索业务为例，一条销售线索从获取到成交的生命周期状态：
NEW → FIRST_CONTACT / COMMUNICATION → OPPORTUNITY → DISPATCHED → INST_ACCEPTED → DEAL_WON / INSTALLING → COMMISSION_COMPLETE
获客 → 跟进 → 转商机 → 派给安装商 → 接单 → 成交 → 安装 → 结佣。
| 英文 | 中文 | 含义 |
|---|---|---|
| NEW | 新线索 | 刚进入 CRM 系统未处理 |
| FIRST_CONTACT | 首次联系 | 内部销售已首次触达客户 |
| COMMUNICATION | 沟通中 | 持续跟进沟通阶段 |
| OPPORTUNITY | 商机 | 确认有意向转为正式商机 |
| DISPATCHED | 已派单 | 分配给安装商 |
| INST_ACCEPTED | 安装商已接单 | 安装商确认接受该安装项目 |
| DEAL_WON | 赢单 | 合同签订/交易达成 |
| INSTALLING | 安装中 | 设备正在施工安装 |
| COMMISSION_COMPLETE | 佣金结算完成 | 安装验收通过佣金已结清 |
其中 LEAD_LOST（Tesla 侧流失）、INVALID（无效线索）、DEAL_LOST（安装商侧流失）是三类终态负向节点。这条链路涉及至少三方角色：Tesla Inside Sales、独立安装商公司，以及广告平台、CRM 系统、安装商自身工单系统这几个数据孤岛。任何一段断裂，看板都会失真。
第二，转化周期长，且高度依赖"人"的响应速度。 从线索进入系统到最终安装完成，行业平均周期是数周到数月级别。这意味着看板不能只看"结果指标"，必须看"过程时效指标"——比如 Tesla 内部对 SLA 的规定：
| 规则场景 | 时间窗口 | 超时后果 |
|---|---|---|
| 内部销售首次联系后推进 | 240 小时（10 天） | 系统发送提醒通知 |
| 安装商接受线索 | 72 小时 | 自动弹回 Opportunity 重新匹配安装商 |
| 安装商接受后推进 | 24 小时 | 发送提醒 |
| 安装商首次联系后推进到沟通 | 72 小时 | 发送提醒 |
这些过程时效指标才是管理层可以立刻干预的杠杆点——业务结果指标（成交台数）是滞后的，SLA 超时是实时的。
第三，涉及硬件安装和电力系统的强合规、强安全属性。 客户的地址、电力负荷信息、联系方式都是敏感数据，看板设计要考虑权限隔离和数据脱敏。
一、这不是一个看板项目，是一个决策系统项目
很多团队做看板体系的第一个错误，是把它当成一个"报表交付"项目：业务提需求，数据同学画图，上线，验收，结束。这种模式在家庭储能这种多角色协同的业务里几乎必然失败。
以行业内典型的四类角色视角为例：
- 户储厂商管理层：关心全团队线索总量、销售排行榜、转化率——回答"整体健康度如何、哪个区域/渠道/安装商拖了后腿"
- 户储厂商销售（个人）：关心自己手上的未转化线索数、平均响应/转化时长——回答"我今天该跟进谁，别让线索超时"
- 安装商管理：关心公司整体线索总量、成交率、成交台数、安装商排行榜——回答"我的团队谁在拖后腿，产能该怎么调配"
- 安装商销售（个人）：关心个人线索数、成交率、跟进中线索数——回答"我手上这几条线索，哪个该先打电话"
整个体系要按"战略层 - 战术层 - 操作层"来组织：
- 操作层：面向"今天要做什么"，强调实时性和任务导向
- 战术层：面向"这周/这月哪里出了问题"，强调对比和下钻
- 战略层：面向"业务整体健康度和资源分配"，强调趋势和结果指标
二、北极星指标与指标字典
家庭储能行业一个常见的虚荣指标陷阱是盯着"线索总量"。但真正反映业务健康度的，是 Installation Complete（施工完成，对应 COMMISSION_COMPLETE）数量，这是唯一同时验证了"营销获客有效、销售转化顺畅、安装商产能到位、客户真实付费意愿"这四件事的指标。
指标字典把所有数据来源分成三类：
| 数据来源类型 | 说明 | 采集方式 | 开发成本 | 预估占比 |
|---|---|---|---|---|
| 业务系统数据 | CRM 直接产生的结构化业务记录 | 系统字段直接读取 | 低 | ~60% |
| 行为埋点数据 | 用户操作行为的时间戳和事件记录 | 前后端埋点开发 | 中 | ~20% |
| 外部系统数据 | 广告投放、工单等第三方数据 | API 对接或手动录入 | 高 | ~15% |
指标分层示例：
第一层：战略层指标（管理层，每周/月看）
- L1-01 Lead 总量
- L1-02 Lead → Opportunity 转化率（L2O Rate）
- L1-03 Opportunity → 成单转化率（Win Rate）
- L1-05 平台 GMV
- L1-06 平均成单周期
- L1-07 安装商活跃率
第二层：运营层指标（运营/销售，每日看）
- L2-02 Lead 平均响应时长（LRT），建议阈值 4 小时
- 各阶段流失率，按 Cohort（Lead 创建周）计算
第三层：诊断层指标（数据分析/产品，深度分析用）
- L3-03 服务商质量评分（Provider Quality Index）
三、五个真正解决业务问题的看板
P0-1：线索全生命周期看板
核心问题："线索现在卡在哪个环节，为什么卡住？"
设计要点：
- 漏斗必须是状态机漏斗，按 Cohort 计算，不是简单的时间序列漏斗
- 要能区分三类失败原因（Lead Lost / Invalid / Deal Lost）
- 首屏 KPI 卡片直接体现风险和结果，不是罗列数字
- 操作层版本要退化成一个任务列表
P0-2：SLA 监控告警看板
三级预警设计：
- 黄色预警（达到 SLA 时限的 80%）：提前给一线人员缓冲
- 红色超时：触发通知，进入"重点关注列表"，超过 72 小时自动弹回
- 超时分布 + 根因分析：按安装商、按区域切片
LRT 这类指标不能只看均值，要看分布——超过阈值还完全没有响应的线索，即使数量不多也应该被当作最高优先级预警。
P1-1：渠道 ROI 归因看板
一个真实的坑：不少公司的广告投放复盘会都会得出——广告投放后的数据链路不完整。粗颗粒度数据大致是：
- 平均每条 Lead 成本约 $30
- Facebook 平均 Lead 成本约 $35
- Google 平均 Lead 成本约 $70+
但"平均值参考价值有限"——不同州、不同年龄段、不同平台的流量质量差异很大。链路断裂的根因往往不是技术，是权限。
P1-2：安装商绩效评分看板
评分体系不需要第一版就做全。响应率和成交率是最容易获取、最客观的两个维度，先跑通再叠加满意度。样本量问题也要注意：算出来的"成交率 100%"或"0%"都没有统计意义，看板必须设置最低样本阈值。
P2：客户口碑与转化闭环追踪看板
| 触发点 | 触发条件 | 自动动作 |
|---|---|---|
| 安装商进入"正在沟通" | 24 小时后 | 自动发送邮件请房主评价安装商 |
| 完成安装 | 立即 | 发送邮件请客户评价安装商 |
| 获得 4-5 星好评 | 立即 | 邀请 Google Review，并邮寄小礼品 |
四、数据流：三类数据源，分优先级推进
| 优先级 | 数据来源 | 具体动作 | 周期 | 能出的指标 |
|---|---|---|---|---|
| P0 | 业务系统 | 确认字段完整性，补充时间戳 | 1 周 | 11 个核心指标 |
| P1 | 时间戳补充 | 开发 stage_change_log | 1-2 周 | 响应时间 / SLA / 跟进周期 |
| P1 | 外部系统 | 广告平台 API 对接 | 2 周 | CAC + ROI 指标 |
| P1 | 外部系统 | 邮件服务商 API 对接 | 1 周 | 邮件回收率指标 |
P0 阶段完全不需要外部系统对接，只靠 CRM 已有字段就能产出 11 个核心指标——第一版看板可以在 1 周内跑出来。
五、AI 功能要不要现在做？
标签陷阱：AI 意向评分的前提是有足够多、足够准确的历史标注数据。如果当前意向标签覆盖率不到 30%，模型评分本质上是噪音。
技术驱动陷阱：AI 沟通助手这类功能，投入建设前一定要先做低成本验证。
"AI 建议的前提是先有完整、可靠、可追踪的数据基础……更现实的方向是先做数据打通、可视化和规则化分析，再逐步探索预测类能力。"
AI 功能应该是数据基础打好之后的自然延伸，不该是弥补数据基础缺陷的捷径。
六、路线图：分阶段交付
- 第一阶段（MVP）：字段核查 + 关键时间戳 + SLA 倒计时看板，1 周内跑出 11 个核心指标
- 第二阶段（增强）：接入 UTM 数据 + Cohort 漏斗 + 广告平台 API，解决 CAC + ROI 归因
- 第三阶段（智能化）：LRT 自动预警 + 安装商 Quality Index 评分模型
结语
一套好的看板体系，不是信息展示得有多全，而是每一层的人打开它，都能立刻知道自己接下来该做什么。这套体系最打动我的地方，恰恰不是某个花哨的评分模型，而是那份朴素的"三类数据源 + P0/P1 开发优先级排期表"——它诚实地承认了数据基础建设需要时间，也给了业务侧一个可以信任的、可验收的进度节奏。
数据产品经理真正该做的事：不是画出最炫的图表，而是把一件模糊的大事，拆成一步一步可以验证、可以交付的小事。