他点开附件，是一张表格，列出了一百七十三个延迟严重的末端订单。大部分集中在二线以下城市，尤其是山区县市。原因五花八门：交通管制、临时封路、配送员交接失误、站点人力不足。

林峰一条条往下看。

有条备注引起他注意：“某县级站点连续三周缺编两名骑手，外包公司未补人，导致包裹积压。”

他截图，转发到内部群，@了运营负责人：“这个县的情况不是个例。查一下其他类似区域有没有同样问题。”

回复很快蹦出来：“正在梳理，预计一小时内汇总。”

林峰关掉聊天窗口，打开地图插件，定位那个县城。放大之后能看到主要配送路线绕不开一段山路，雨季容易塌方。之前设计线路时就提过风险，但当时评估认为影响不大。

现在看，不只是天气的问题。

他回到主报告，在“末端配送”那一栏加了个红色标签：**结构性瓶颈**。

系统提示音又响，第二轮深度分析完成。这次加入了实地调度数据和客户签收时间记录。结果显示，虽然整体准时率提高了八个百分点，但在三四线城市，实际送达时间仍比承诺晚平均六点二小时。

这不是技术能解决的。

林峰起身走到白板前，写下三个词：**人、路、管**。

人是指配送队伍的稳定性；路是城市内部交通条件和政策限制；管是当地站点的管理能力。这三项都没跟上干线优化的速度。

他回到座位，打开语音记录功能，对着麦克风说：“初步结论，本轮物流优化成效集中在干线降本和仓储提效，末端配送改善有限。主要制约因素为基层人力配置不足、部分区域交通管控趋严、外包站点响应滞后。建议下一阶段聚焦末端网络加固，优先解决人力缺口和流程断点。”

说完，他把这段录音转成文字，附在报告最后一页。

这时候助理又进来，“财务那边问，要不要把节省下来的干线成本部分切到末端补贴预算里？他们说如果要扩编，需要提前批款。”

“先不急。”林峰说，“让他们做个测算，假如每个县级站点增加一名专职配送员，全年新增人力成本多少。另外，查清楚目前外包公司的合同条款，有没有履约标准和惩罚机制。”

助理记下走了。