CRM 报表最容易滑向一个陷阱：只盯赢单率、金额和阶段数量。这样当然能看结果，但解释不了节奏。crm_enterprise 之所以值得研究，是因为它在 crm.lead 上补了 days_to_convert、days_exceeding_closing 等字段，并把 cohort / graph / pivot 串起来，让管理层能看时间维度上的效率问题。
主要参考：
enterprise/crm_enterprise/models/crm_lead.pyenterprise/crm_enterprise/views/crm_lead_views.xml
一、days_to_convert 回答的是“从进池到转机会用了多久”
源码直接用 date_conversion - create_date 计算这个字段。它看起来朴素，但业务意义很强：如果线索很多、赢单也不差，但 days_to_convert 长期拉长，就说明团队在资格判定或首轮跟进上出了问题。
二、days_exceeding_closing 暴露的是承诺偏差
另一个常被忽视的字段是 days_exceeding_closing，它比较 date_deadline 与 date_closed。这不只是“关单晚了几天”，而是在衡量销售承诺是否可信。一个团队如果经常把机会拖到截止日之后才关，管理层看到的 forecast 就会系统性偏乐观。
三、cohort 视图的价值在于看批次，不在于看单条机会
crm_lead_views.xml 里企业版加入 cohort、graph、pivot 等视图，不是为了看起来高级，而是让你从“某个销售这个月签了多少”转到“某一批进入管道的机会，在后续几周到底转化得怎样”。这比单纯赢单率更能看出渠道、团队和流程的差异。
四、常见误解
- 赢单率高就代表流程健康。 可能只是筛选入口收得很严，前段转化很慢。
- close date 晚一点没关系。 对 forecast 和销售管理来说，这会持续污染预测。
- cohort 很抽象。 实际上它是最适合回答“这批线索后来怎样了”的视图。
五、实战建议
- 报表不要只看阶段金额，至少同时看
days_to_convert和 closing delay。 - 按渠道、团队、地区做 cohort，对比不同批次节奏差异。
- 如果 forecast 老是偏高，先检查
days_exceeding_closing，而不是先怪销售不更新阶段。
六、结论
CRM 管理真正要优化的，常常不是“结果有没有”，而是“节奏对不对”。crm_enterprise 通过几个看似简单的时间字段，把这件事做成了可量化的企业版能力。
DISCUSSION
评论区