从一张客户表，理解业务对象、字段与关联关系
许多客户管理系统的起点，都是一份看起来很规整的 Excel。
客户名称 | 行业 | 联系人1 | 电话1 | 联系人2 | 电话2 | 最近跟进 | 下次计划客户增加后，联系人3、联系人4不断出现；新沟通覆盖"最近跟进"；同一行业又被写成"制造""制造业"和"生产制造"。表格没有坏，但数据越来越难相信。
问题不在 Excel，而在于我们把不同性质的信息塞进了同一行。
Excel 为什么会越用越乱
一行客户数据实际上混合了三类信息：客户公司、公司里的联系人，以及一次次发生的跟进事件。
三类信息的变化频率不同：客户信息较稳定，联系人可能更换，跟进记录则持续增加。放在一行，就意味着增加联系人要加列，发生沟通要覆盖旧内容或继续扩展。
Excel 擅长处理表格，但企业业务需要管理对象及其关系。当数据要被多人长期维护并交给自动化或 AI 使用时，"看起来像一张表"已经不够。
图示：混乱客户 Excel 中的结构问题
先识别业务对象，再创建字段
业务对象，可以理解为系统中需要独立管理的一类事物。判断一类信息是否应该成为独立对象，可以问三个问题：
- 它会不会独立增加和修改？
- 我们是否需要单独查询它？
- 它是否有自己的生命周期和历史？
在客户管理场景中，答案很清楚：
- 客户：正在服务或跟进的公司。
- 联系人：属于某个客户的具体人员。
- 跟进记录：一次电话、会议、拜访或在线沟通形成的历史事件。
联系人不是客户的一组固定列；跟进也不是"最近内容"字段，因为历史事件应该新增，而不是覆盖。
所以，建模的第一步是先找出业务中的名词和事件。
第一张表：客户
客户表保存公司层面的稳定信息：
| 字段 | 类型 | 说明 |
|---|---|---|
| 客户名称 | 单行文本 | 客户的主要识别信息，必填 |
| 客户等级 | 列表选择 | 例如 A、B、C |
| 行业 | 列表选择 | 统一行业口径 |
| 负责人 | 用户选择 | 明确客户归属，必填 |
| 当前阶段 | 列表选择 | 初步接触、方案沟通、商务洽谈等 |
| 来源 | 列表选择 | 线上咨询、客户推荐、市场活动等 |
| 创建时间、创建人 | 系统字段 | 自动保留记录进入系统的时间和人员 |
等级、行业、阶段和来源适合使用列表选择，也就是从预设选项中取值，避免"制造""制造业"被统计成两个行业。
必填字段不是越多越好。客户名称和负责人通常必须有，来源则可以后续补充。
第二张表：联系人
联系人表保存人的信息：
| 字段 | 类型 | 说明 |
|---|---|---|
| 姓名 | 单行文本 | 联系人的主要识别信息，必填 |
| 所属客户 | 关联记录 | 指向客户表中的一条客户记录，必填 |
| 职位 | 单行文本 | 联系人在客户组织中的角色 |
| 手机号 | 单行文本 | 保存号码，不参与数学计算 |
| 邮箱 | 单行文本 | 联系邮箱 |
| 主要联系人 | 复选或开关 | 标记主要沟通对象 |
手机号可能有前导零、国家区号和分隔符，也不参与计算，所以应使用文本字段。
"所属客户"使用关联记录字段选择客户表中的记录。联系人直接指向客户记录，客户改名后关系仍然存在。
第三张表：跟进记录
跟进记录表保存每一次沟通事件：
| 字段 | 类型 | 说明 |
|---|---|---|
| 所属客户 | 关联记录 | 指向本次跟进的客户，必填 |
| 联系人 | 关联记录 | 指向实际沟通的人 |
| 跟进方式 | 列表选择 | 电话、会议、拜访、在线沟通等 |
| 跟进时间 | 日期时间 | 形成可排序的历史时间线，必填 |
| 跟进内容 | 多行文本 | 保存本次沟通摘要，必填 |
| 下次跟进时间 | 日期时间 | 为后续日历和提醒提供依据 |
| 跟进人 | 用户选择 | 明确实际执行者，必填 |
跟进记录只增加、不覆盖。每次电话都新增记录，才能回答联系过几次、谈了什么、谁负责以及下一步是什么。
三条一对多关系
三张表之间包含三条一对多关系。"一对多"是指一条父记录可以对应多条子记录：
一个客户 → 多个联系人
一个客户 → 多条跟进记录
一个联系人 → 多条跟进记录联系人表和跟进记录表使用关联记录指向父记录；客户表则可以通过关联列表展示指向自己的联系人和跟进记录。打开客户"星河制造"，就能看到李明、赵宁两个联系人，以及分别与他们发生的会议和电话记录。
这种结构避免重复填写客户名称。改名不会让子数据"失联"，因为关联依赖记录关系，而不是可变文字。
图示：客户、联系人和跟进记录三表关系
在织信中完成搭建
现在可以按照七个步骤完成基础模型。
- 创建客户管理应用：应用是本案例中数据表和后续视图的容器。
- 创建客户表：先建立客户名称、等级、行业、负责人、阶段和来源字段。
- 创建联系人表：添加人员字段，并用关联记录把"所属客户"指向客户表。
- 创建跟进记录表：添加跟进方式、时间、内容和跟进人，再关联客户与联系人。
- 配置关联列表：在客户表单中展示联系人和跟进记录，在联系人表单中展示跟进记录。
- 检查必填和选项：确认关键字段不能缺失，等级、阶段、来源和跟进方式使用统一选项。
- 添加测试数据：先创建两个客户，再添加三个联系人和三条跟进记录。
先用少量数据验证关系，再导入真实数据。本文配套的脱敏示例数据包含三份 CSV，可用于理解导入顺序。
具体字段和关联配置可以参考织信数据表文档、关联记录和关联列表。
图示：在织信中搭建客户数据模型的步骤
从 Excel 导入已有客户
导入不是原样上传，而是一次数据治理。
第一步是清洗：分配稳定客户编号并去重，统一等级、行业、阶段和跟进方式，检查手机号格式。
第二步是拆分为三份数据。联系人保留客户编号，跟进记录保留客户编号和联系人编号，用它们连接父子数据。
第三步按依赖顺序导入：
客户 → 联系人 → 跟进记录先有客户，联系人才能找到归属；先有联系人，跟进记录才能建立关联。织信提供导入数据和匹配更新，但无法替你判断名称相似的客户是否为同一家公司。
导入后不要只看总数。抽查一个多联系人的客户，再修改客户名称，确认联系人、跟进历史和关联都正确。
图示：客户数据导入与关联校验流程
用四个问题验证模型
一个模型能成功保存数据，不代表它设计合理。可以用四个问题快速检查：
- 新增第二个联系人时，是否需要增加新字段？
- 新增一次跟进时，是否会覆盖历史记录？
- 从客户页面能否找到全部联系人和跟进历史？
- 修改客户名称后，关联数据是否仍指向同一客户？
如果仍需增加列、复制客户信息或覆盖历史，说明对象没有真正拆开；改名后关联丢失，则说明保存的只是名称而非记录关系。
为什么清晰模型更适合 AI
混合单元格迫使 AI 猜测客户、联系人和历史备注。三表模型则明确了主体、归属和事件。
结构清晰后，系统可以汇总历史、控制访问、触发自动化和制作仪表盘。智能体读取的是明确关联的记录，而不是依赖提示词猜表格。
不过，三表模型不是所有场景的标准答案。一次性活动名单可能只需要一张表；大型 CRM 往往还需要商机、合同、产品、订单和回款等对象。模型应服务实际业务，而不是为了"规范"无限拆表。
本文也没有展开记录权限、审批、自动提醒和 AI 配置。它们都建立在数据模型之上，应该在模型验证通过后逐步加入。
下一篇，我们继续使用这套客户数据，看看销售、经理和负责人如何通过表格、看板、日历和统计视图，从不同角度完成工作。