日期:2026-08-07
我们接的这个项目是街道层面的养老运营方。他们原来助餐靠手工登记,长者来了在纸上签字,一顿饭几块钱的补贴月底要人工一笔笔核。健康随访更原始,社工拿纸质台账上门量血压,回去再录进 Excel,数据隔了几天才进系统。家属想看老人吃了没、血压稳不稳,基本只能打电话问站点。运营方自己也很头疼,补贴钱花出去了,到底服务了多少人次、哪些长者长期没来,心里没数。
这个项目里我们采用的 XpShop 全渠道电商系统做底座,把助餐订单、会员、供应链履约那一套能力复用过来,再叠了一层健康关怀的模块。一开始我们以为把订餐商城搬过来就行,后来发现养老场景和零售差别很大,最明显的是履约对象和服务对象经常不是同一个人,子女在手机上下单,长者到店核销,这个关系不理顺,后面所有统计都是乱的。
落到具体场景,我们拆成四条线。第一是助餐预约与到店核销,长者或家属可以提前一天在微信小程序上下单选餐,到站点到店扫码核销,没核销的餐食后台自动标记,方便站点估算第二天备餐量。第二是健康档案与体征录入,社工上门随访时,在移动端录入血压、血糖、体重,系统按长者维度归集成趋势曲线,异常值会自动标红。第三是家属端可视,子女绑定长者后能看到就餐记录和体征趋势,不用天天打电话。第四是运营端补贴对账,每笔助餐按政策口径自动归集补贴金额,月底一键出对账表。
我们当时在一个街道试点,覆盖十二个助餐站点、约三千名注册长者。上线头两周最折腾的是数据迁移,原来纸质台账里的长者信息不全,很多手机号是家属的、很多没有确切出生年月,我们花了差不多十天做清洗和补录,这一步省不了。
挑战之一是助餐履约的对账口径。补贴政策是按餐标、按长者身份分档的,规则还经常微调。我们没有把规则写死在代码里,而是做成可配置的政策表,每条规则挂生效区间和优先级,订单结算时按长者身份与就餐日期匹配当前生效的那条。这样政策一调,运营自己改配置就行,不用等我们发版。
挑战之二是健康数据的采集质量。社工手录体征,难免有录错、漏录,直接进曲线会误导家属。我们在录入端做了范围校验,血压超出合理区间会弹确认,同时保留待核实状态,不让异常值直接进正式曲线。
挑战之三是家属端和站点端的同步。长者到店核销那一刻,家属端要立刻能看到,否则家属以为没吃上会打电话来问。我们用了消息推送加状态双写,核销成功先落库再发通知,通知失败有补偿任务兜底重发,上线至今没出现过吃了但家属看不到的投诉。
案例片段(已脱敏): 某站点补贴政策配置片段(YAML 示意):
- rule_id: sub_high_age eligible: ["高龄"] subsidy_per_meal: 4.0 effective_from: 2026-01-01 priority: 10 - rule_id: sub_low_income eligible: ["低保"] subsidy_per_meal: 6.0 effective_from: 2026-01-01 priority: 20结算日志一例:长者 Z 身份命中低保档,2026-03-12 午餐核销后,订单结算补贴 6.0 元,对账表按站点汇总当日补贴合计 318.0 元,与站点纸质登记人数一致。
试点跑满一个季度后,我们拉了一组数据。助餐履约率从原来靠估计的大约八成提升到约 96%,主要是预约制让站点备餐更准,剩餐少了,长者来了基本都有饭。健康随访覆盖率从纸档时期的约 55% 提到约 88%,因为移动端录入比回办公室再敲 Excel 顺手得多,社工愿意用。家属端活跃度,绑定子女的账号里约七成每月至少打开两次看长者状态。补贴核算时效,原来月底对账要两个人做三四天,现在系统出表加人工复核半天能定稿。
这里有个数字我要老实说,不是所有长者都买账。大概一成多的独居长者没有智能手机也不愿意用,还是靠站点人工登记,这部分我们保留了线下通道,没有强行数字化,否则反而把他们挡在门外。
做养老助餐这类民生项目,最该先想清楚的是谁下单、谁吃饭、谁看数据这三方关系,我们一开始没理顺,把家属和长者当一个人处理,结果统计全是错的,返工了一版才改过来。补贴规则一定要外置成配置,民生政策变是常态,写死在代码里迟早要还债。健康数据宁可贵一点也别让脏数据进正式曲线,标红待核实比直接显示误导值负责任。线下的口子别堵死,总有一部分人接不了数字化,留好人工通道才是真的覆盖。
这套系统现在还在根据站点反馈迭代,比如长者忌食提醒、配餐营养标注,都是最近才加上的。
助餐系统上线后,我们把站点库存也接了进来。米面油原先各站点自己报计划,常常多报造成浪费,接了统一库存后按历史就餐量给建议采购量,浪费肉眼可见地少了。还有个意外收获,长者就餐数据被街道用来做独居关爱,哪位连续几天没来吃饭系统会提示社工上门看看,这个功能我们当初完全没规划,是数据打通后自然长出来的。做民生类系统,数据的价值常常在原计划之外,别把边界画太死。