企业选址

一家企业准备扩张时，会议室里通常会很快出现三种声音。财务负责人说：“A 地租金最低。”供应链负责人说：“B 地离供应商最近。”人力负责人则提醒：“C 地虽然贵，但人更好招。”如果我们把这三句话放进一张表，再给每项打个分，似乎马上就能选出冠军。

真正危险的，恰恰是这种过早的确定感。

选址不是在地图上寻找一个“条件最好”的点，而是在选择未来五年乃至十年的经营方式。厂房落在哪里，会决定原料要走多远、班组是否稳定、设备停电后多久能恢复；门店开在哪里，会决定顾客从看见招牌到走进店里要跨过几级台阶；仓库落在哪里，会决定大促当天能否赶上快递末班车；研发办公室落在哪里，会决定一个候选人是否愿意接受录用、跨城会议会消耗多少协作时间。

这一章，我们不从“区位因素有哪些”开始，而是直接进入四个经过脱敏和比例换算的经营案例。我们会替一家制造企业、一家连锁品牌、一家电商企业和一家软件公司做选址。案例中的金额是教学化数据，不能直接拿去报预算，但数据之间的约束关系、计算方法和决策顺序都可以复用。

---

先接住任务：老板说的“找个地方”究竟是什么意思

假设我们收到这样的任务：“华东订单增长很快，找一个成本合适的新地点。”这句话还不能进入选址模型，因为“新地点”可能是工厂、仓库、门店或办公室，“成本合适”也可能指首年现金支出低、五年总成本低，或者在交付承诺不变时成本最低。

我们先把任务改写成一页纸的决策委托书。

这一步看似只是写需求，实际上已经在消除最常见的偏差：不同部门偷偷使用不同目标。财务比较的是租金，运营比较的是交付，人力比较的是招聘，最后每个人都能证明自己支持的地点“最好”。决策委托书把大家拉回同一个问题：在承诺的服务水平和风险边界内，哪个方案创造的整体经营结果最好？

第一刀不是评分，而是硬约束

硬约束的特点不是“很重要”，而是“不满足就不能运营，或者需要另立项目才能补救”。例如，一块地便宜 20%，但规划用途不允许拟建工艺，这不是扣 10 分的问题，而是直接淘汰；一间临街铺面客流很好，但不能办理所需证照，也不该靠高客流把它“加权救回来”。

一份通用的硬约束闸门可以这样写：

只有通过闸门的地点才进入下一轮。接下来，我们用四个案例看看，同样叫“选址”，真正需要算的东西为什么完全不同。

---

案例一：为一家智能清洁电器企业选择新工厂

先理解生产，而不是先看园区

这家企业现有工厂接近满产，准备建设一座负责电机装配、整机组装、测试和包装的新工厂。计划第一年生产 60 万台，第三年达到 120 万台。产品单台价值不低，体积却不小；核心电机和控制板来自长三角，塑胶件适合在工厂周边配套，成品主要发往华东仓、华南仓和出口港。

我们先画物流，再看城市。每生产一台产品，大约会触发 1.6 次入厂运输、1 次成品出厂运输和若干次售后备件运输。真正值得靠近的不是所有供应商，而是“高频、重货、易停线、难替代”的供应商。螺钉供应商远 100 公里几乎不影响经营，独家电机供应商远 100 公里却可能迫使工厂增加两天安全库存。

候选地点经过初筛后剩下三个：

• A 点：苏州外缘，供应链成熟、工程人才充足，土地和人工较贵。
• B 点：芜湖经开区，距离核心供应商略远，但综合交通均衡，周边已有家电配套。
• C 点：盐城工业园，厂房和普工成本最低，距主要客户仓和部分供应商较远。

这不是一次“哪个城市更强”的比较。我们只问：哪个地点更适合这条具体的产品链？

先过五个硬约束

项目团队把要求写成可以现场验真的句子：

1. 九个月内交付不少于 32,000 平方米可用厂房，层高、承重和柱距满足自动线布局。
2. 生产高峰所需电力容量按设备铭牌负荷、同时系数和 20% 扩产余量核算，接电时间不得晚于设备进场。
3. 核心电机、控制板发生急单时，公路补货必须能在一个生产班次内到厂。
4. 正式投产前能完成消防、环保、施工和生产所需手续，审批路径必须落实到责任部门和时间节点。
5. 当主干高速中断时，至少存在一条不共因失效的替代通道；“两条都经过同一座易拥堵桥梁”不能算双通道。

A、B、C 都通过了前三项。C 点在第四项上不是直接失败，但园区承诺的电力增容时间比设备计划晚两个月。团队没有给它“基础设施 70 分”，而是要求园区提供可执行的临时供电方案、增容里程碑和延期责任。无法写入协议，就淘汰。

把便宜改写成五年总拥有成本

选址时最容易看到的是地价、租金和名义工资，最容易漏掉的是爬坡损失、库存占用、人员流失、质量波动、税费兑现条件和退出成本。我们先按稳定达产后的年度口径比较，单位为百万元。

C 点的工资比 A 点少 18 百万元，却被额外物流、库存和爬坡损失吃掉了。B 点不是任何一列的最低值，却是系统成本的最低值。这就是选址中最重要的直觉：局部便宜不等于整条链便宜。

钱算不清的部分，才进入评分表

总拥有成本已经包含的项目不能再次用高权重重复计分，否则“物流费用低”会在成本表赢一次，又在评分表赢一次。评分只保留难以可靠货币化、但确实影响战略的维度。

评分表再次支持 B 点，但我们还不能签约。因为一个模型的结果可能只是某组假设的产物。

用敏感性分析攻击自己的结论

团队不问“B 点有多好”，而问“什么变化会让 B 点不再最好”。至少跑四组情景：

我们还单独做“临界值”计算：B 点的人员全成本要比基准上升约 20%，或者 A 点的建设与人员成本合计下降约 17%，A 才会反超。临界值比“上下浮动 5%”更有用，因为它告诉谈判团队究竟要争取到什么程度，排名才会改变。

风险不是一句“关注供应链韧性”

B 点最大的风险有三个：投产初期熟练班组不足、部分电子件仍依赖单一路线、园区承诺的扩产地块尚未锁定。最终建议不是简单写“选择 B”，而是附带三个成交条件：

• 签约前完成 30 个关键岗位的真实招聘测试，以到面率和接受率替代人才网站上的简历数量。
• 核心控制板保留双来源，并为第二路线做一次带时间戳的实车运输测试。
• 将相邻扩产空间、能源增容时间和未兑现时的补救措施写入协议。

满足条件时，选择 B 点；任一关键条件失败，则回到 A 点谈判，而不是继续用评分表安慰自己。

---

从工厂案抽出一套模型：先算钱，再算不确定性

现在术语可以出场了。我们刚才比较的是地点的总拥有成本，也就是从取得地点、改造、运营，到退出整个周期里，由地点差异引起的全部现金流。

对地点 (i)，用年金化口径可以写成：

$$TCO_i=A(CapEx_i)+F_i+L_i+U_i+T_i+I_i+Q_i+K_i+X_i-B_i$$

其中：

• (A(CapEx_i)) 是建设、装修、设备搬迁和增容投入的年化值；
• (F_i) 是租金、物业或土地持有成本；
• (L_i) 是人员全成本，不只是工资；
• (U_i) 是能源和公用工程；
• (T_i) 是运输与交付；
• (I_i) 是库存持有和资金占用；
• (Q_i) 是质量爬坡、返工和报废；
• (K_i) 是合规、保险和日常税费；
• (X_i) 是退出、复原或搬迁的年化预期；
• (B_i) 是经过兑现概率折算后的确定性收益。

如果项目年限不同，或者前期投入很大，就用净现值：

$$NPV_i=CapEx_{i,0}+\sum_{t=1}^{n}\frac{Opex_{i,t}+Tax_{i,t}+Loss_{i,t}-Benefit_{i,t}}{(1+r)^t}+\frac{Exit_i}{(1+r)^n}$$

这里最容易犯的错，是把一笔“最高可获得”的奖励在第零年全额减掉。更稳妥的写法是：

$$PV(B_i)=\sum_{t=1}^{n}\frac{b_{i,t}\times p_{资格}\times p_{达标}\times p_{拨付}}{(1+r)^t}-C_{合规}$$

只有同时满足资格、经营指标和拨付条件的钱，才是可计入的收益；资料维护、审计、承诺产值、最低用工和追索条款也都要进入成本。税率低不一定等于税负低，补贴面额大也不一定等于现金价值高。

把常见风险与极端风险分开

频繁发生的小波动，可以用期望损失计入 TCO：

$$EL_i=\sum_s p_s\times L_{i,s}$$

但低概率、高损失事件只看期望值会被稀释。一个地点每年只有 2% 的概率停摆，却可能一次损失全年利润，管理层通常不会因为它的“平均损失”不高就接受它。因此最终目标可以写成：

$$J_i=TCO_i+EL_i+\lambda\,CVaR_{\alpha,i}-OV_i$$

$CVaR_{\alpha,i}$ 表示最糟一小部分情景中的平均损失，$\lambda$ 表示企业对尾部风险的厌恶程度，$OV_i$ 是扩产、转租、改造或靠近新市场带来的选择权价值。公式不是为了制造精确感，而是提醒我们：正常年份便宜、坏年份能活、未来还能改，是三件不同的事。

---

案例二：连锁烘焙咖啡店，客流最多的点为什么没有胜出

把“人多”拆成一条转化链

一家烘焙咖啡品牌要在某城区开第 12 家店。候选点是：

• A 点：地铁口一层转角，曝光极高，租金也最高，距已有门店 900 米。
• B 点：甲级写字楼大堂外侧，工作日午间集中，周末很弱。
• C 点：成熟社区通往学校和地铁的必经街口，客流不爆发，但早晚稳定。

团队连续七天数人流，A 点遥遥领先。如果以“日均客流”作为核心指标，A 点会毫无悬念地获胜。但门店收入不是路过人数，而是：

$$Revenue=Traffic\times Visibility\times Entry\times Conversion\times Ticket$$

我们把它翻成大白话：有多少目标顾客经过，有多少人看见，有多少人愿意改变行走路线进店，进店后有多少人购买，每单买多少钱。地铁口的大客流可能走得快、方向错、没有停留空间；社区街口的人少一些，却可能每天重复经过。

更重要的是，A 点抢到的订单中，有一部分来自 900 米外的老店。对品牌来说，那不是新增销售，只是把收入从左口袋搬到右口袋。

先做可开业性检查

三处物业必须同时满足：轻餐饮用途可办理、排水和排烟路径可落地、峰值用电不少于 45 千瓦、门头在主要来向可见、骑手能在不阻塞顾客的情况下停留、垃圾暂存和每日清运有明确路径。

B 点最初被物业称为“餐饮铺”，现场却发现排水提升泵需要穿过公共区域。团队把改造许可、费用承担和故障责任列为签约前条件。A 点则需要验证地铁安检出口到店门之间的真实转向率。我们在三个时段各做 30 分钟观察，而不是拿商圈报告里的总人流直接套用。

从营业额改看新增贡献

用经过小规模快闪测试校准后的日均订单量，A、B、C 分别为 390、320、300 单，平均客单价统一按 48 元，年营业 360 天，综合毛利率按 68%。A 点看起来收入最高，但约 22% 的订单会分流现有门店；B 点分流率 7%，C 点分流率 3%。

年度地点相关成本以万元计：

再看新增贡献，而不是单店利润：

A 点“销售额第一，品牌增量最后”。这不是说地铁口不能开店，而是说明当网络里已经有门店时，选址对象已经从单店变成了门店组合。

权重和敏感性：谁会推翻 C 点

门店评分保留六项：新增贡献 35%、客流稳定性 20%、步行与骑手可达性 15%、外卖覆盖 10%、合规确定性 10%、退出灵活性 10%。C 点加权得分 88，B 点 80，A 点 72。

但评分只能描述基准情景。我们继续寻找反转条件：

• 如果 A 点平均客单价能长期达到 58 元，同时分流率低于 12%，A 才可能反超 C。一次开业促销达到这个客单价没有意义，必须用非促销周验证。
• 如果社区晚间客流下降 25%，C 仍略高于 B；下降超过 35%，B 开始占优。
• 如果外卖占比从 30% 升至 55%，C 的骑手停靠和住宅覆盖优势扩大。
• 如果品牌目标从“利润增长”改为“进入城市地标并获得曝光”，A 的品牌价值可以单列，但必须由市场预算承担，不能伪装成门店经营利润。

最终建议选择 C 点，并争取三项条款：首年租金递增豁免、六个月未达销售阈值的退租权、门头可见范围写入附件。B 点保留为后备；A 点若承担品牌旗舰功能，需要单独立项，不与标准店使用同一套回报门槛。

---

案例三：区域仓配中心，离地图中心最近并不等于交付最优

仓库服务的是订单时钟

一家经营小家电的电商企业计划在华东增加一个区域仓。年订单量约 1,000 万单，订单分布在上海、江苏、浙江、安徽及周边区域。管理层最初用订单经纬度计算出一个“重心”，准备在重心附近找仓。

重心法适合做第一轮搜索，却忽略了三件事：道路不是直线，快递有截单时间，订单不是同一种承诺。同样相距 150 公里，晚上十点前能进入干线的地点，可能比直线更近但错过班次的地点早到一天。

候选地点是：

• A 点：昆山，靠近最大需求区，租金和用工较高，干线班次密。
• B 点：滁州，物业成本低，覆盖安徽和苏北较好，东南方向末端距离较长。
• C 点：嘉兴，连接沪杭及浙北方便，对皖北和苏北覆盖稍弱。

硬约束写成峰值，不写成年平均

仓配中心必须通过以下闸门：大促峰值日 8 万单的进出库能力；至少两家主力承运商在 23 点后仍可揽收；重型货车在所需时段可合法通行；场地具备足够月台、净高、地坪荷载、消防条件和扩租空间；停电或系统故障时能够维持最小发运；退货区与正品区可以物理隔离。

B 点的招商资料写着“距高速口 8 公里”，实车测试却用了 32 分钟，因为货车路线绕开限行路段。团队把所有候选点的路线都放在周一早高峰、工作日晚截单前和雨天各跑一次。地图上的公里数从此只用于解释，不再直接用于定案。

用订单回放替代平均距离

我们抽取 12 个月订单，保留每单收货区、下单时刻、商品体积、承诺时效和退货概率，然后让每个候选仓“重新履约”一次。每一单的运输费用和是否晚到都按候选点重新计算。

基础模型是一个带容量的设施分配问题：

$$\min \sum_i F_i y_i+\sum_i\sum_j q_j c_{ij}x_{ij}+\sum_i H_i+\sum_i P_i$$

其中，$y_i$ 表示是否启用地点 $i$，$x_{ij}$ 表示需求区 $j$ 是否由地点 $i$ 服务， 是订单量， 同时反映运输费和线路时效， 是库存持有成本， 是迟到、取消和补偿造成的服务损失。还要满足每个需求区被分配、仓库峰值容量不超限等约束。

回放得到的年度成本以千万元计：

B 点一年少付 1.6 千万元租金和人工，却多付 5.3 千万元运输、迟到和风险成本。仓库不是存放商品的房地产，而是把库存变成准时交付的节点。

仓配案的评分和压力测试

评分权重为：订单时效覆盖 30%、单位履约成本 25%、峰值弹性 15%、承运商竞争度 10%、灾害与交通中断恢复 10%、扩租和自动化适配 10%。A 点得 89 分，C 点 85 分，B 点 74 分。

敏感性分析却发现，A 的优势并非永远成立：

最终选择 A 点，但不把所有韧性寄托在一个仓里。合同中保留扩租权，同时在 C 点区域预签旺季越库与应急转运能力。这里的关键不是“多租一个备用仓”，而是确保备用承运商、库存数据、面单系统和操作流程真的能在 24 小时内切换。没有演练过的备份，只是一种想象。

---

案例四：研发与软件办公室，人才密度不能只看毕业生数量

先把岗位拆开

一家工业软件公司准备建立第二研发办公室，18 个月内招聘 100 人，包括平台工程师、算法工程师、产品经理、实施顾问和客户成功。三个候选地点是：

• A 点：杭州未来科技城，互联网和算法人才密集，薪酬与竞争强度高。
• B 点：南京南站周边，综合人才供给均衡，跨城交通方便。
• C 点：苏州工业园区，靠近制造业客户，工业实施人才和现场服务便利。

如果只看“软件从业人数”，A 点会领先；如果只看租金，B 或 C 更有吸引力。但这 100 个岗位不是同一种人才。算法研究岗位看重同行密度和技术社区，实施顾问看重行业经验和客户通达，客户成功还要考虑出差半径。我们先按岗位族分别估计招聘漏斗。

对岗位族 (k) 和地点 (i)，一年能稳定入职的人数可以写成：

$$Hire_{ik}=Reach_{ik}\times Qualified_{ik}\times Response_{ik}\times Offer_{ik}\times Accept_{ik}$$

“本地有很多简历”只对应第一项。岗位匹配、联系回复、面试通过、接受报价任何一环太低，都无法形成团队。

用一次招聘烟雾测试验证人才市场

团队在三个地点同时投放同样的 12 个真实岗位，统一职位描述、薪酬带宽和筛选标准，连续运行四周。记录每一层漏斗所需天数、合格率、拒绝原因和候选人居住地，并给通过终面的候选人发出真实录用意向。

同时选取 40 名潜在员工的居住网格，在周二 8 点和 19 点测算门到门通勤，而不是用“距地铁站 500 米”替代通勤。办公楼还要通过三项硬约束：两家独立运营商可接入，关键团队断网有备份；首期 120 个工位并能分阶段扩至 200 个；访客与研发区可分离，满足客户数据和设备管理要求。

把空缺和流失也算成人力成本

年度地点相关成本以万元计：

岗位空缺损失不是“软因素”。如果一个关键工程师晚到岗两个月，导致版本延期、客户验收推迟，它会形成真实现金流。流失率也不能只乘招聘费，至少应包括空缺期、面试工时、上手期效率和团队知识损失。

权重取决于办公室要完成的工作

在“综合产品研发中心”的定位下，权重设置为：关键岗位招聘 30%、留任与通勤 20%、跨办公室协作 15%、客户接近 12%、总成本 12%、网络与业务连续性 6%、扩张灵活性 5%。B 点得 87 分，A 点 84 分，C 点 82 分。

然后我们改变战略假设：

• 若 100 人中算法研究岗位超过 40%，A 点反超，因为同行密度和高级候选人接受率带来的价值超过成本差。
• 若实施顾问与客户成功超过 35%，C 点反超，因为到制造客户现场的时间显著缩短。
• 若公司坚持每周三天到岗，通勤时长对接受率和留任的影响加大，B 的综合优势扩大。
• 若公司转为远程优先，办公室应从“容纳 100 人”改为“支持协作与客户演示”，此时继续比较同样大小的整租办公室就是错题。

最终建议选择 B 点，但采用“60 个固定工位加可扩展空间”的分阶段合同。六个月后，只有当平台工程师到岗率、关键岗位接受率和到岗使用率同时达到阈值，才触发第二阶段扩租。这样做不是犹豫，而是用真实招聘数据购买下一步的确定性。

---

四个案例放在一起：同一张表为什么不能通吃

选址模型不是先有一个模板，再把所有业务塞进去。正确顺序是：先看业务怎样创造价值和失败，再决定哪些变量值得进入模型。

---

一套可复用的选址流程：从长名单到可签约方案

第一步：建立需求基线

先冻结同一套业务假设：销量、峰值、产品组合、服务区域、班次、人数、扩张节奏和比较年限。不同地点必须在同样的产量、质量和时效下比较。若 A 点按 100 万件、B 点按 80 万件测算，表格再精美也没有意义。

可直接复制的需求卡如下：

第二步：生成长名单，但限制情绪性偏好

长名单可以来自客户分布、供应商分布、交通节点、人才市场和现有网络空白。此时不急着精确评分，只要确保没有因为熟悉某个城市而忽略替代方案。建议保留 6 至 12 个区域候选，再通过硬约束缩小到 3 至 5 个具体物业或地块。

区域和物业要分两层比较。一个城市物流条件很好，不代表某个具体园区的货车能在夜间通行；一个商圈消费力强，不代表某间铺面的门头可见；一个城市人才多，不代表办公楼位于候选人愿意通勤的方向。

第三步：建立数据字典

同一个“人工成本”，有人填基本工资，有人填含社保工资，还有人把加班和班车算进去。正式收数前，给每个字段规定单位、时间口径、含税口径、负责人和证据等级。

第四步：先做成本模型，再做多指标评分

能够可靠换算成钱的变量进入 TCO；暂时不能货币化的战略因素进入评分；绝不能接受的条件留在闸门。三者不能混为一谈。

评分时采用明确锚点，例如“90 分=两条不共因失效的运输路径均经过实车验证；60 分=存在替代道路但容量未知；30 分=替代道路与主路共享关键瓶颈”。不要让评委凭感觉理解“韧性很好”。

对收益型指标，可做最小—最大标准化：

$$s_{ij}=100\times\frac{x_{ij}-\min(x_j)}{\max(x_j)-\min(x_j)}$$

对成本型指标方向相反：

$$s_{ij}=100\times\frac{\max(x_j)-x_{ij}}{\max(x_j)-\min(x_j)}$$

加权总分为：

$$Score_i=\sum_j w_j s_{ij},\qquad \sum_j w_j=1$$

但总分不是自动决策器。如果前两名差距小于数据误差，结论应该是“暂时无法区分，需要补证”，而不是把小数点后两位当作确定性。

第五步：做三类敏感性分析

1. 单变量临界值：租金、工资、运费或转化率变化到多少，冠军会更换？
2. 组合情景：需求下降与工资上涨可能同时发生，不能只逐项变化。
3. 权重扰动：在合理区间随机改变权重，观察每个地点获得第一名的比例。

如果一个地点只在一组精确权重下获胜，它不是稳健方案；如果权重怎么调都不影响排名，可能是胜负明显，也可能是某些指标被重复计算，需要复核。

第六步：让现场尽调专门寻找“表格外的失败方式”

现场尽调不是参观园区和听介绍。每个地点至少要完成以下动作：

• 在真实高峰时段走一遍员工通勤、货车进出或顾客路径，记录门到门时间。
• 查看电房、水压、月台、排水、消防、备用电源、通信机房等关键设施，而不是只看样板区。
• 随机访谈两到三家已运营企业，询问招聘、停电、积水、审批、物业响应和货车排队。
• 对招聘做小规模真实投放，对运输做带时间戳路测，对门店做分时段计数，对仓库做历史订单回放。
• 将口头承诺改写成“责任人—日期—验收标准—未达补救”，无法落笔的承诺按零计。
• 核查周边是否存在共因风险：同一变电站、同一桥梁、同一通信管道、同一劳动力来源。

第七步：用条件式建议收口

一份能执行的决策建议应当包含：推荐地点、推荐理由、未决风险、签约前置条件、预算边界、反转条件、备选地点和上线关键路径。最好写成一句条件句：

在电力增容于设备进场前完成、核心岗位招聘测试达到阈值、扩产空间写入合同的前提下，推荐 B；若任一条件在签约截止日前未满足，则启动 A 的最终谈判。

这比“综合考虑后建议 B”更专业，因为它告诉团队何时坚持、何时退出。

现场数据室：哪些材料必须拿到

不同设施需要不同材料，但下面这组目录可以作为底稿：

特别留意四类红旗：要求先签约再核验用途；承诺容量却不给接入时间；优惠只写上限不写计算和拨付；候选地排名依赖一个无法验证的关键数字。红旗不一定意味着退出，但必须转换成合同保护、价格折扣或备用方案。

三笔最容易算得过于乐观的账

第一笔是用工。地区平均工资只能帮助我们发现数量级，不能直接成为项目预算。对制造工厂，要把夜班意愿、加班结构、班车半径、宿舍、淡旺季用工和熟练工爬坡放在一起；对软件办公室，则要看具体岗位的合格率、接受率和到岗周期。更可比的指标是单位合格产出的劳动成本：

$$C_{有效劳动}=\frac{人员全成本+招聘培训+流失替换+缺勤补位}{实际出勤工时\times 单位工时产出\times 一次合格率}$$

如果一个地点工资低 12%，但流失高、夜班难补、一次合格率低，它的有效劳动成本完全可能更高。核验时不要只访问人力机构；应真实发布一组岗位，记录触达、到面、通过、接受和到岗五层漏斗，再访谈周边企业的班车路线、旺季缺口和离职去向。招聘广告上的“人才充足”不能替代到岗结果。

第二笔是税费和激励。团队要把每项政策拆成资格条件、计算基数、兑现周期、经营承诺、资料义务和追索责任六栏。承诺“按投资额奖励”时，要追问哪些投资可计入；承诺“按贡献奖励”时，要确认计算口径和封顶；需要持续满足产值、研发、用工或存续年限时，要把未达标后的退回金额放进尾部情景。最实用的做法是制作逐月现金流，而不是只在五年合计中减去一个大数。若项目依靠一笔第二年末才可能到账的奖励才能维持现金平衡，这个地点在财务上并不安全。

第三笔是韧性。“有备用电、有第二条路、有第二家供应商”只是名义冗余。我们还要检查备份是否与主方案共享同一故障源：两家运营商可能共用入楼管道，两条道路可能经过同一处桥梁，两家供应商可能购买同一种独家原料。把关键中断写成演练卡：事件发生后谁在 15 分钟内判断，多久切换，最小运营水平是多少，积压订单何时清完，客户何时获知。然后用恢复时间计算损失：

$$L_s=停运毛利+加急与转移成本+违约补偿+恢复期间效率损失+客户流失现值$$

一次桌面推演往往会暴露最真实的选址缺口：备用地点有空间却没有系统权限，备用承运商有合同却没有面单接口，备用电源可以照明却带不动生产线。只有资源、数据、人员和流程都能切换，备份才形成运营韧性。

这三笔账共用一个核验原则：宏观数据负责筛选方向，项目数据负责签约。地区工资、交通里程、政策上限可以生成长名单，但最终预算必须落到具体岗位、具体班次、具体线路、具体月份和具体合同条件。每个关键数字都应标注“已验证、待验证、仅假设”三种状态。只要一个未经验证的数字足以改变冠军，就先花一笔小钱做测试，而不是急着提交最终排名。一次真实招聘、一车带时间戳的货、一个周末的门店快闪，通常比继续调整权重更能减少错误。

---

决策会议怎么开，才能不被最高职位的人带走

选址会前先冻结事实表，每个部门只对自己负责的数据签字；会上先看硬约束，再看 TCO，然后看风险和敏感性，最后才看综合评分。建议让参会者先独立给出权重和风险判断，再讨论差异。否则第一位发言者，尤其是最高职位者，很容易成为其他人的锚。

可以安排一次“反方评审”：推荐 A 的小组必须证明 B 为什么会失败，推荐 B 的小组必须证明 A 在什么条件下更好。目标不是辩赢，而是找到尚未进入模型的变量。最后再做一次预演式复盘：假设两年后项目失败，请每个人写下最可能的三个原因。出现频率最高的原因，应进入合同、预算或应急方案。

最终比较表

---

总结：好选址不是找到永远正确的地点

走完四个案例，我们可以回到开头那场争论。A 地租金最低、B 地离供应商最近、C 地人更好招，这三句话都可能是真的，但没有一句足以决定选址。我们必须先把业务需求变成硬约束，再让所有候选地在同一产量、质量和服务承诺下比较总拥有成本；对无法货币化的部分使用有锚点的评分；最后用临界值、组合情景和尾部损失攻击结论。

真正成熟的选址建议也不是“B 地得分 88.1，所以选择 B”。它应该说清楚：为什么 B 在基准情景下创造更好的经营结果，哪些假设一变排名就会反转，哪些承诺必须在签约前兑现，以及 B 失效时我们如何切换。

地点一旦固定，企业每天都会为当初没有看见的约束付费。反过来，只要我们把退出权、扩张权、备用路线和分阶段投资设计进去，选址就不再是一次押注，而会变成一系列可以校正的决策。地图给我们的只是空间，真正要设计的是企业在这个空间里持续运营、遇到中断还能恢复、需求变化后仍有余地的能力。