案例 / 证据
不只看界面，
还看判断如何改变。
我们说明导入前由谁做什么判断，哪些信息和规则转移到系统中，哪些仍由人负责，并区分可公开的证据和暂未公开的数值。
- 已实现只写实际构建的功能
- 明确公开范围不把未公开数值包装成成果
- 说明人的判断明确不自动化的边界
案例证据图实施 / 确认 / 下一步验证
已发布案例6本页重新整理
定量效果未公开未公开就标为未公开
发展例单独列出明确未实施
编辑原则
不混合“已经构建的内容”和“下一步可以构建的内容”。未导入数理优化的案例，作为相关实施能力来说明。
查看证据边界
阅读方式
按三层结构
阅读案例。
“已导入”“已产生效果”“下一步可自动化”是不同事实。本页分开标注，并让每项说明都不超出可确认范围。
01
已实现
公开实现
由公开记录或批准证据确认的功能、周期和技术。
作为事实发布02
已确认
业务流程变化
例如可搜索排班、可在移动端审批等变化，不推测未公开的节省率。
在公开范围内说明03
后续假设
尚未实现的数理自动化
可用现有数据验证的想法，并明确标为尚未实现。
提案，未实施不展示的内容
不展示无依据的削减率、未经客户批准的固有信息、不把未实现优化写成已交付，也不作没有证据的完全自动化断言。
案例导航
用三个问题找到
相近案例。
不只按行业，而是按判断类型、使用者和想看的证据进行推荐。
步骤 01 / 判断
目前主要由人判断什么？
请选择最接近的一项。
步骤 02 / 用户
信息共享对象是谁？
选择主要使用者。
步骤 03 / 证据
最想确认什么？
用于调整推荐理由的权重。
推荐案例
01
匹配 / 排程
上门护理排程管理
让护理经理实时查看并管理上门护士排班和访问计划的系统。
重点案例 01
上门护理预约，
实时确认与管理。
这不是已经导入数理优化的案例。但它处理上门、负责人、时间相关数据，并实现了护理经理确认和管理预约的业务流程，是与当前专业领域最接近的公开案例。
导入前 / 已实现流程
导入前导入前细节未公开
导入前流程无公开信息
公开案例记录中没有记载导入前的确认方式、联系次数和所需时间。我们不会用推测补全。
已实现实时确认和管理预约
护理经理系统上门预约确认与管理
我们实现了护理经理可以实时查看并管理上门护士访问预约的机制。
实施范围
- 护士排班显示
- 护理经理查看界面
- 上门计划实时查看与管理
- 移动端界面
保留给人的判断
- 临床适配性的最终确认
- 与使用者和家属达成一致
- 应对突发变化和例外
- 正式委托和确定判断
案例库
按判断类型
查找公开案例。
上门护理排程管理
让护理经理实时查看并管理上门护士排班和访问计划的系统。
全球订单管理系统
面向海外买家的会员制订单系统，将英文界面、商品、客户、沟通、单据和目录集中管理。
自采蔬菜匹配应用
连接生产者和消费者，让用户可以到田地直接采摘蔬菜并购买商品的应用。
建筑现场考勤管理系统
面向经常直行直归的建筑现场人员，可在移动端打卡并申请、审批带薪休假的系统。
看图学英语词典应用
支持 30 多种语言学习英语的词典应用，使用 SQLite、Flutter 和 Firebase 实现。
翻译支持工具 Isometry
支持快速高质量翻译的网页系统。公开案例记录记载其被用于德勤日本的翻译项目。
没有符合条件的案例。请缩短搜索词，或选择“全部”。
更多实现依据
查看演示列表 业务界面的实现能力，也可以在演示列表中确认。
物流、制造、零售、销售、建设等只读系统演示汇总在另一个页面。
从系统到优化
把已有实现
连接到下一步计算。
这些不是已交付功能，而是应先用小型原型确认的后续假设。
案例详情标准
所有详细案例
用同一 8 项公开。
不只排列每个案例中看起来有利的数字，而是采用可比较的通用格式。
- 01业务背景
谁在什么场景中遇到困难
- 02导入前判断
公开信息和可确认的导入前判断
- 03使用的数据
人、时间、商品、预约、权限等
- 04实施范围
界面、数据、通知、联动
- 05留给人的判断
例外、审批、专业判断边界
- 06确认到的变化
业务流程和使用方式的变化
- 07可公开证据
期间、技术、链接、数值有无
- 08下一步验证假设
将未实施的数理自动化单独列出
常见问题
关于实施案例的
常见问题。
为什么有些案例不显示削减率或销售增长？
因为没有公开或已批准的测量数据。我们展示实现范围、周期、技术和业务流程变化，不编造指标。
所有案例都使用数理优化吗？
不是。页面也包含数据基础、计划管理、匹配、权限、搜索和语言工具等相关实现。未导入优化时会明确标注。
没有同业案例也可以咨询吗？
可以。我们比较分配、排序、排程、审批、匹配等判断结构，而不只看行业名。
无法公开客户名也能做成案例吗？
可以。可匿名化行业、规模、课题和实现范围，并在公开前确认。
能用本公司的 Excel 数据验证吗？
可以。先确认列结构、数据量、必须遵守的条件、希望满足的条件和当前判断步骤，再用小型原型验证。