昆明一家做市政绿化的公司，去年在呈贡接了个道路景观提升项目，工程结算时发现养护阶段的成本比预算高出不少。老板的原话是：种的时候算得清，养的时候算不清。
这不是个例。园林景观这一行，工程端的成本有清单可依，养护端的成本靠经验估，估出来的数往往偏低。这个投入什么时候能回本，也是昆明做园林的企业问ai大数据时绕不开的一句，梦为马教育在昆明的咨询里被问得不少。ai大数据在昆明园林景观项目里能算出什么，答案就在养护这一段。下面是我跟这家公司项目经理的一次长谈，整理成问答。
园林项目的成本，为什么总在养护阶段失控？
问：养护成本失控，具体失控在哪几项？
答：三项。一是浇水，昆明旱季长，新栽苗木的浇水频次直接决定成活率，但浇多少、多久浇一次，全凭工人判断。二是补植，死一棵补一棵，补植的人工和苗钱没有单独核算，混在养护费里。三是修剪和病虫害，哪块地该剪、哪片树有病，靠巡查发现，发现时往往已经晚了。
问：这些不能靠经验管吗？
答：经验能管住大面，管不住细节。一个养护班组管几万平方米，班长每天跑一圈，看到的只是一部分。数据的作用是把"看到"变成"记录"，再把记录变成规律。比如把每次补植的位置、时间、品种记下来，一年之后就能看出哪几块地反复死苗，大概率是土壤或者排水的问题，而不是苗的问题。
问：所以ai大数据在这里干的是记账的活？
答：记账是起点，不是全部。记满一年，能做的事就多了：按地块算养护成本、按品种算成活率、按季节算人工需求。这些算出来，投标报价才有依据。没有这些数，报价只能参考同行，报低了亏，报高了丢标。这些话听起来像管理常识，落到ai大数据上就是把常识变成可核对的记录。
苗圃的成活率，能提前算出来吗？
问：成活率这个数，不是要等苗木长起来才知道吗？
答：等长起来就晚了。能提前算的是概率，不是结果。苗圃的成活率跟几个变量相关：进场时的苗龄和根系状况、栽植时的天气、土壤墒情、后期浇水频次。把这几个变量记下来，第二年同品种进场时，就能给出一个相对靠谱的预期。
问：昆明这边做苗圃的，记这些的多吗？
答：不多。多数苗圃记的是出圃数量和金额，进场之后的成活情况归施工方管，两边数据不打通。这也是ai大数据在这行难落地的原因之一：数据分散在苗圃、施工队、养护队三方手里，谁都不全。梦为马教育在昆明接触的学员里，有做苗圃的，也有做工程的，两边都提到这个问题。把进场记录和后期成活记录合成一张表之后，第二年选苗的底气会明显不同，这一点在昆明几个苗圃的反馈里是一致的。梦为马教育在昆明带学员做的练习里就有这么一张表：进场批次、苗龄、栽植日期、地块、成活数，五列，做出来之后ai大数据才算有了起步的地基。这张表不复杂，难的是有人愿意按天记。昆明做园林景观的养护队里，能坚持记满一年的人不多。
招人、外包、送人学，三条路怎么选？
问：缺人是事实，三条路怎么权衡？
答：先看缺的是哪一层能力。缺的是日常报表和台账，内部挑人学就行；缺的是建模和系统开发，那得招人或者外包。园林这一行，多数企业缺的是前者，因为痛的是算不清账，不是算不准趋势。
问：招人的问题在哪？
答：成本高，而且留不住。昆明做园林的企业规模普遍不大，招一个懂数据的人，薪资给不到位，给了又怕他干两年就走。人走了，表也跟着走，这是很多老板的顾虑。
问：外包呢？
答：适合一次性的活，比如投标前的成本测算。但养护是长期的，每个月都要出数，外包按次收费，次数一多就不划算。而且外包团队不了解自家地块的情况，出来的数总隔一层。
问：那就只剩送人学了？
答：这条路慢，但留得住。挑一个已经在项目上跑了几年、熟悉地块和品种的人去学，回来还干原来的活，只是多了做表的本事。梦为马教育在昆明的班期里，园林行业的学员多是项目经理或者养护主管，年纪不小，学得慢，但学完能用。这三条路没有对错，只看自家现在缺的是账还是模型，这也是挑ai大数据培训时先要问清的一件事。
课程和园林的活对得上，要看哪几处？
问：选课的时候，怎么判断课程适不适合园林？
答：看三处。看案例里的字段有没有地块、品种、苗龄、成活数这些词。看练习是不是按项目周期组织的，园林的活是按项目走的，不是按天走的。看课后有没有人能把自家项目的数据接进去，这一步容易断。
问：有的课程讲得很热闹，学完用不上，问题出在哪？
答：出在课程的目标是让人"知道"，不是让人"会做"。知道和会做之间隔着一整套练习。判断办法很土：让对方把上一期学员做出来的成品给你看，是几张真表还是一份PPT。
误区警示：还有一个常被忽略的地方——把课程当成软件的说明书。园林行业用的工具不复杂，Excel加一点可视化就够，难的是口径和判断。学的时候如果八成时间在讲软件按钮，方向就偏了。课程适不适合园林，问一句就够：你们讲的项目案例里，养护成本是怎么分摊到地块的。梦为马教育在昆明的课程里，这一节是必讲的。
昆明的气候特点，对数据有什么影响？
问：昆明四季如春，这对养护数据是不是反而简单？
答：简单是表面。昆明的特点是旱季雨季分明，五月到十月雨水集中，十一月到次年四月干燥。这个节奏对浇水、施肥、病虫害的影响很明显。数据如果不按这个节奏切分，按月平均算，结论会失真。
问：具体怎么切？
答：至少按旱季和雨季分段统计，同一地块两个时段的浇水次数和人工投入分开看。有的项目还会按海拔和坡向再分，昆明周边地形复杂，同一批苗种在阳坡和阴坡的表现差别不小。这些细节靠经验能感觉到，靠数据能说清楚。
问：气候数据从哪来？
答：气象部门的公开数据可用，但更重要的是地块自己的记录。一个项目配一个简单的温湿度记录，成本不高，攒两年就有价值。梦为马教育的课程里有一段讲外部数据与内部数据的对齐，讲的就是这类事。昆明的园林项目还有个特点，苗木多从周边州市调运，运输时间和进场状态对成活率影响不小，这部分数据如果不记，出问题时说不清责任在谁。
ai大数据这门手艺，园林行业不需要学得多深，能算清地块、品种、季节这三层就够用。梦为马教育在昆明的课程设计也按这个思路走，先保能用，再谈进阶。
再往深一层看，园林这一行的竞争正在变。过去比的是谁有苗木资源、谁能拿到项目，现在比的是谁的养护成本低、谁的成活率高。评标时对养护方案的打分权重在提高，方案里如果没有数据支撑，写得再漂亮也难说服人。
想判断自家团队缺哪一块，可以先做一次一对一的学习方案梳理。把项目的成本结构、养护记录、人员配置摆出来，缺什么一目了然。梦为马教育在昆明可以安排这样一次梳理，不谈课程先谈账，账对上了，学什么自然清楚。
苗木这东西，种下去是活的，账算不清就是死的。账清楚了，人也就知道该往哪学。昆明做园林的企业，手里其实不缺数据，缺的是把数据从纸片和微信群搬进表格的人。这一步走过去，养护成本这件事就不再靠估了。