做陶瓷和建材生意的老板，大概都有过这种夜里两点接电话的经历：客户工地铺到一半发现色差，整批货全要退，运费、复烧、赔工期，一单亏掉十几万。仓库里明明分了 SKU，可同一个型号不同窑次出来的色，肉眼看着差不多，铺到墙上太阳一晒就露馅。业务员看库存说有货，发出去才发现是上个月的窑次，跟客户工地上那批对不上。
这一行的数字化，跟普通制造业不是一回事。普通工厂的痛点是效率，建材陶瓷的痛点是「同一个 SKU 不等于同一批货」——色号、窑次、釉面、烧制温度，每一项差一档，整批就是废品。所以建材企业数字化的核心命题，从来不是「上不上 ERP」，而是怎么把每一片砖、每一片板、每一个批次的身份从产线绑到仓库再绑到客户工地，全程不丢。
这篇我们以做过建材和陶瓷行业数字化交付方的视角，把这件事拆成 4 步可落地路径：从生产端的一窑一码，到仓库物流的色号批次管理，到经销商订货平台，再到 AI 经营分析。每一步说清楚干什么、典型工期、成本区间、最容易踩的坑。文中所有工期与金额均为行业公开区间或近 3 年项目沉淀的同口径体感，不针对任何具体企业，也不构成具体报价。
为什么建材/陶瓷企业数字化要单独讨论，不能照搬普通制造业？
建材/陶瓷企业数字化和普通制造业最大的差异只有 1 处：普通工厂同一个 SKU 就是同一批货，建材陶瓷同一个 SKU 在不同窑次下色号可能差半档到一档，整批货在工地一拼就报废。也正因如此，业内 80% 左右的赔款事故都集中在「色号/窑次错配」这一类，单次损失在数万到十几万一单，比上一套系统本身的投入还高。以下特征来自行业公开认知与近 3 年制造业数字化项目沉淀，不针对任何具体企业。
跟服装、五金、食品这些行业比，建材和陶瓷有 5 个绕不过去的特殊性，直接决定了系统怎么搭：
- 同 SKU 不同色：同一个型号、同一条产线，不同窑次烧出来的色号可能差半档，工地拼接立刻露馅。
- 大件低货值密度：单片货值不高、但单件重，一次发货往往整托盘整车，错一批退一批的物流成本极高。
- 经销商主导渠道：终端走的是建材城、家装公司、装饰公司，下单方式五花八门——电话、微信、纸单、Excel，业务员每天大半时间在抄单。
- 工程大单分批发货：一个工地项目可能要分 3-6 次发货，跨度几个月，每次都要对齐到同一色号同一窑次。
- 退货返工成本高：色差、瑕疵、缺角，退回来很难二次销售，多数只能降级处理或报废。
这 5 个特征意味着：你不能把建材当一般离散制造看，它的数字化更像一个「批次身份管理 + 渠道订货协同」的混合体。下面这 4 步落地路径，就是围绕这一个核心命题展开的，每一步对应一个独立可验收的里程碑：
- 判断标准 1——同 SKU 是否需要再分色号/窑次：只要产品在工地会出现肉眼可见的拼接色差，数字化的第一目标就不是效率，而是批次身份。
- 判断标准 2——渠道是否以经销商为主：终端下单方式越分散（电话、微信、纸单、Excel 4 种以上并存），订货平台的 ROI 越高。
- 判断标准 3——是否有工程大单分批发货：单个工程项目分 3-6 次、跨几个月发货，就必须在系统里锁定首发窑次。
第一步：一窑一码怎么做？为什么是优先级最高的建材生产追溯环节
一窑一码是所有建材陶瓷数字化项目里优先级最高、ROI 最稳的一步：每一窑出炉立刻打码，避免 2-3 次色差退货事故就能覆盖整套系统投入。逻辑很简单：每一窑（或每一批次）出炉，立刻打码，把这一窑的色号、釉面、所在产线、操作工、出窑时间、烧制曲线这 6 类信息全部绑进这个码里。后面所有的入库、出库、发货、客户工地复查，都靠这个码追回去。
为什么必须先做这一步：建材行业约 80% 的赔款事故都跟「色号 / 窑次错配」直接相关（以下比例为行业公开区间，不针对任何具体企业）。我们在近 3 年的制造业数字化交付里反复观察到一个规律：很多企业不是没有数据，而是数据停留在班长的 1 本笔记本上，没有变成系统能识别的身份。 一窑一码做的就是把这本笔记本搬到系统里。
落地要做哪些事
| 模块 | 具体动作 | 难点 |
|---|---|---|
| 物理层 | 窑口、产线、入库口部署 PDA/扫码枪、二维码打印机 | 车间环境粉尘大，设备选型要工业级 |
| 数据层 | 每窑/批次绑色号、釉面、产线、操作工、温度曲线 | 要跟现有 MES（如果有）做字段对齐 |
| 流程层 | 出窑必扫、不扫不能进下一道工序 | 一线工人初期抵触，需配培训和考核 |
| 看板层 | 老板/品控/仓库三视角的批次实时看板 | 设计权限和数据口径 |
典型工期与成本
- 工期：6-10 周，主要看产线数量。单产线 4 周可以跑通，多产线、多窑口、多车间分阶段铺。
- 成本：硬件（PDA/扫码枪/打印机）通常 3-8 万区间，软件 + 实施 10-20 万区间，整体十几万到三十万。
- 回本节点：建材企业通常单次色差退货事故的损失在数万到十几万，避免 2-3 次就能覆盖整个系统投入。
这一步最容易踩的 3 个坑
- 只上系统不改流程：扫码枪买了、码也印了，但车间班长还是按经验出货，系统里数据是空的。这种项目我们见过不止一个，最后变成「上了等于没上」。这一步真正在做的是流程改造，不是系统采购。
- 色号定义不统一：不同窑、不同检验员对同一色号判定标准不一样，系统里录的是「合格」，工地拼出来是色差。一窑一码前要先把色号标准卡和判定规则统一。
- 数据回写没人维护：码扫了，但工艺参数、烧制温度没人定期校对设备，半年后系统里的色号数据全是失真的。需要约定校对周期和责任人。
讲到这里，关于「制造业系统怎么从数据底盘上承接 AI 和经营分析」的逻辑，我们在 工厂上了 ERP/MES，AI 还能再做什么 里讲过更通用的框架，可以对照看。
第二步：仓库 + 物流怎么按色号批次出入库，把色差混批锁在仓库里？
仓库环节的核心动作只有 1 条：把堆放和出库规则从「按 SKU」改成「按色号 + 窑次」，让色差混批在出库前就被系统拦截，而不是到工地才暴露。第一步把生产端的身份绑住了，第二步要解决的是「仓库怎么按身份发货」——光在产线上扫码不够，仓库还按品类堆放、按 SKU 出货，最后照样色差，前一步打的码等于白扫。
这一步要重新设计仓库
仓库要重做的有 4 件事，每一件都围绕「色号 + 窑次」这个二级身份展开：
- 物理分区：按色号 + 窑次分区堆放，不是按 SKU 堆放。同一个型号不同色号、不同窑次必须分开。
- 出库规则：销售单上必须指定色号 + 窑次（或允许的色号范围），系统校验不通过不能出库。
- 大单合并：同一个工程项目的多次发货，系统自动锁定首发那批的色号窑次，后续发货优先匹配同窑次或邻近窑次。
- 库龄与呆滞：按色号 + 窑次维度盘库龄，老窑次的库存优先消化或调拨给样品/工装用，避免主销渠道再发出去。
物流环节要绑批次
经销商和工程客户最常抱怨的不是「货没到」，而是「这趟车的货跟上次对不上」。物流环节要做这 2 件事，把批次身份一直带到客户收货口：
- 发货单带批次：纸质 + 电子的发货单上明确列出每件货的色号窑次，客户收货时一扫即可核验。
- 运输异常拦截：客户工地反馈色差，业务员或客服可以在系统里一键回查这批货来自哪窑、哪个班、出窑时间，5 分钟内定位问题源头，而不是车间里翻一周纸单。
典型工期与成本
- 工期：4-8 周，前提是仓库已经有基本的 WMS 或者愿意按新规则改造。
- 成本：软件 + 实施 8-15 万区间，仓库分区改造（货架、标识、动线）按规模另算。
- 隐性成本：仓库工人培训和初期效率下降，要预留 1-2 个月的磨合期。
这一步最容易踩的坑
这一步主要有 2 个坑，都跟「分得不够细」和「改得不够全」有关：
一是色号分区不细致。基于近 3 年项目沉淀的体感，我们做过一家中型陶瓷企业的项目，仓库按色号分了 6 个大区，结果同一个大区里还混着 3-5 个窑次，工地拼接还是出色差。色号分区不是按颜色名分，而是按窑次序列分。
二是销售端没同步。仓库按色号管，业务员报价时还在按 SKU 报，订单进来仓库不知道客户实际要哪窑次，临时电话沟通效率极低。所以这一步必须连带订单端一起改，订单字段至少加 2 个新字段：色号、窑次（或允许范围）。
第三步：建材经销商订货平台怎么做？用小程序替掉电话纸单微信单
建材经销商订货平台标准功能第一版通常 4-8 周上线、8-15 万区间，目标是把电话、微信、纸单、Excel 这 4 种分散下单方式，收敛成 1 个体验顺手的小程序。前两步是「往内」打底盘，第三步开始「往外」打渠道。这一步常常是建材老板感受最直接的——业务员从抄单中解放，订单准确率上升、月底对账时间从几天缩短到按月一键生成，经销商满意度也涨。
经销商端的真实场景是这样的
一个普通建材经销商，店里挂着 5-10 家品牌的样板，下单方式：
- 大单走业务员电话或微信
- 急单直接 call 仓库
- 月底对账靠 Excel 一笔一笔核
- 调货靠业务员私下协调
- 工程项目大单要业务员手抄分批发货明细
痛点不是经销商不愿意用系统，而是品牌方没给他们一套好用的工具。 一旦把这些操作搬到一个体验顺手的小程序里，绝大多数经销商是欢迎的——他们也不愿意打电话、不愿意记 Excel。
一个能跑起来的订货平台最少要覆盖哪 6 个模块
| 功能模块 | 经销商真实需求 | 实施提示 |
|---|---|---|
| 实时库存 | 哪些色号窑次有现货、还能配多少 | 与仓库系统打通，按色号批次显示 |
| 下单 | 选品、选色号、选窑次范围、收货地址 | 大单分批发货要支持 |
| 物流跟踪 | 哪天发、车号、到货时间 | 跟物流系统/司机端打通 |
| 对账 | 月度账单、回款记录、未结金额 | 按月生成、可导出 |
| 调货 | 跨经销商或跨仓调货申请 | 走简单审批，避免乱调 |
| 客服 | 售后反馈（色差、破损、缺角） | 反馈带图片和批次码，回查方便 |
经销商订货为什么用微信小程序而不是 App
经销商订货平台优先选微信小程序而不是独立 App，核心原因是经销商手机里几乎只有微信，不会为单一品牌专门装 1 个 App。微信小程序的打开成本最低，开发成本也比 App 低，多数情况下 4-8 周可以跑出第一版。这部分能力我们也整合在 钉钉深度玩法 这套企业内部协同里——经销商端走小程序，企业内部业务员、仓库、财务的处理走钉钉，两套前端共享一套订单数据。
典型工期与成本
- 工期：4-8 周第一版上线，含订货、库存、物流跟踪、基础对账。后续返利、项目单、积分这些功能分期叠加。
- 成本：标准功能 8-15 万区间。带分级返利、项目大单、积分商城这些复杂逻辑往上走到 20-30 万。
- 运营成本：上线后需要 1-2 周的经销商培训和过渡期，会有部分老经销商坚持打电话，这部分要靠业务员引导。
这一步最容易踩的 3 个坑
- 库存数据不准：第二步没做扎实就上小程序，经销商看到的库存跟实际对不上，下了单仓库说没货，平台口碑直接崩。所以前两步必须先稳。
- 不留 ERP 对接口子：第一版图快做了个孤岛系统，后面对接金蝶/用友、对接 BI 的时候发现字段全要重做。我们写过 钉钉对接金蝶怎么做 里讲到的双向同步逻辑，订货平台一开始就要按这个思路留好字段口径。
- 只考虑下单不考虑售后：色差、破损、缺角的售后入口没设计好，经销商出问题还是只能打电话，业务员还是要人肉记。售后流程要从一开始就嵌进小程序。
第四步：AI 经营分析怎么做？窑、班、品、客四维 ROI
建材陶瓷的 AI 经营分析要落在「窑、班、品、客」这 4 个维度上，且必须在前三步数据底盘扎实之后才做，否则分析出来的是错数据。前三步把数据底盘打好了，第四步才有得分析。没有前三步，AI 经营分析就是无米之炊，分析出来的全是错的数据，老板拿去拍脑袋，不如不分析。
建材陶瓷企业最该分析的 4 个维度
| 维度 | 分析问题 | 数据来源 |
|---|---|---|
| 窑（窑次/产线） | 哪条产线、哪个班次的良品率高，哪窑色差投诉多 | 一窑一码 + 售后系统 |
| 班（班组/操作工） | 同样原料同样产线，谁的班次稳定性高 | 一窑一码 + 排班 |
| 品（型号/色号） | 哪些 SKU 的退货率高、哪些色号呆滞、哪些走得快 | 仓库 + 销售 + 售后 |
| 客（经销商/项目） | 哪些经销商真挣钱、哪些经销商占用资金多、哪些工程项目利润薄 | 订货平台 + 财务 |
AI 经营分析最有价值的不是大屏，是主动预警
AI 经营分析这一层真正拉开差距的不是大屏，而是主动预警——把至少 4 类异动从「人盯」改成「系统盯」。很多企业把 AI 经营分析理解成「做几个大屏给老板看」，这是早期 BI 的玩法。新一代做法是让 AI 主动盯这 4 类信号：
- 某色号库存超过 60 天没出货 → 系统主动推送给销售总监，建议调拨或促销
- 某经销商连续 2 个月回款率掉到 50% 以下 → 系统主动预警财务负责人
- 某窑次的售后投诉率突破阈值 → 系统主动通知品控复查
- 某工程项目分批发货跨度超过 6 个月还有 30% 未发 → 系统主动提醒业务员跟进
这一层我们在做的方式，借鉴了为陶瓷、新材料、纺织等多家中型制造企业做 AI 经营分析的经验——早 8:30 自动推日报、关键指标异动主动预警、老板用大白话提问系统就能查。这种模式落地下来，保守估算可以为一家中型企业每年节省 3000+ 小时的人工拉数据/做报表/盯指标的时间，相当于多出 1.5 个全职人力。这个数字不是宣传话术，是我们在多个客户项目里跑出来的同口径测算。
典型工期与成本
- 前提：前 1-3 步的数据底盘要扎实，否则先补数据治理。
- 工期：4-8 周第一版（含驾驶舱、四维分析、主动预警），后续优化按月迭代。
- 成本：在前期数据底盘上叠加，通常几万到十几万区间。单独花大钱买一套 BI 平台再去从头建数据，反而是最贵的路径。
4 步路径的整体投入与节奏：一家中型建材陶瓷企业要花多少钱、多久落地？
一家中型建材/陶瓷企业把这 4 步完整落地，整体周期约 6-9 个月，整体投入在 35-80 万区间（分 3 期推进，不含硬件大批量采购和仓库物理改造），这是近 3 年帮中型制造企业做行业数字化的同口径测算，仅作行业公开区间参考，不构成对任何企业的具体报价。把上面 4 步串起来看，一家中型建材/陶瓷企业完整落地的整体节奏，我们建议分 3 期：
| 期次 | 内容 | 工期 | 投入区间 |
|---|---|---|---|
| 一期 | 一窑一码 + 仓库色号批次出入库 | 8-14 周 | 20-40 万 |
| 二期 | 经销商小程序订货平台 + ERP 对账打通 | 6-10 周 | 10-25 万 |
| 三期 | AI 经营分析 + 主动预警 | 4-8 周 | 5-15 万 |
整体落地周期约 6-9 个月，整体投入根据规模在 35-80 万区间，这是我们近 3 年帮中型制造企业做行业数字化的同口径测算，不含硬件大批量采购和仓库物理改造费用。
分期推进的好处：3 期各自独立验收、能算账、能见效，老板不用一次性把所有钱压上，按里程碑付款能压住返工风险。把这条决策红线单独列出来：
- 不要一次性签全包合同：一次性签全包合同的最大风险，是中途发现某一期不适合自己业务，但合同已经签了。
- 按 3 期、每期 1 次验收付款：每完成一期、跑出可量化的账（如减少 1 次色差退货、对账从几天降到按月一键生成），再启动下一期。
建材数字化什么时候自己做、什么时候找外部交付方？
是否找外部交付方，主要看 1 个变量：自己有没有能干活的 IT 团队和 MES/ERP 底子。按这个变量分成 3 类画像，对应 3 种分工方式：
- 自己有 IT 团队 + 已经有 MES/ERP 底子：第二步和第三步可以自己做，第一步的扫码硬件选型和第四步的 AI 经营分析可以外包或顾问陪跑。
- 自己没 IT 或 IT 主要做运维：四步都建议找外部交付方，自己出业务对接人和决策人。这是建材行业最常见的画像。
- 已经有标品 ERP（金蝶云星空、用友 U8 等）：把标品当底盘留着，4 步路径里的行业特征（色号、窑次、经销商订货）单独做轻量定制系统，跟标品 ERP 做数据打通，比换一套行业版 ERP 灵活也省钱。
选交付方的判断维度，我们之前在 ERP 定制化实施 这篇里讲过——核心看 1 条：交付方有没有真做过类似行业的批次追溯和经销商订货项目，最好能拿出 1-2 个同类行业的落地案例（案例需经客户授权署名公开），PPT 上写「支持建材行业」不等于真做过。
写在最后：建材陶瓷数字化先解决哪个问题？
建材/陶瓷企业数字化的推进顺序，应当按「问题最贵」而不是「技术最先进」排，先挡掉单次数万到十几万的色差混批退货，再依次解决订货效率和经营决策。回到开头那个夜里两点接电话的场景。建材和陶瓷企业的数字化，本质上不是技术问题，是「把每一片货的身份从生产端绑到客户工地」的管理问题。 系统只是手段。
我们在做这类项目时常常给老板提 1 个判断口径：先解决一个最贵的问题，再谈下一个。 把这 3 个优先级单独列出来，方便对照自己当前卡在哪一层：
- priority 0——一窑一码 + 色号批次出入库：对应最贵的问题色差混批退货（单次数万到十几万），避免 2-3 次即可覆盖系统投入。
- priority 1——经销商小程序订货平台：对应订货效率低、月底对账难，把 4 种分散下单方式收敛成 1 个小程序。
- priority 2——AI 经营分析 + 主动预警：对应经营层缺数据决策，在前两步数据底盘上叠加几万到十几万即可跑起来。
按这个顺序走，每一步都能算回本，每一步都不为下一步埋雷。
反过来，如果先做了 BI 大屏、再做订货小程序、最后才发现仓库都还没按色号分区——前面投入的几万到几十万基本上是给后面交学费，返工还要再来一遍。
这就是为什么这篇要把这 4 步路径讲得这么细。建材这一行的钱不好挣，每一步都要走得踏实，先有可被追溯的批次身份，再谈渠道和分析。
