初级、中级、高级的经营分析,有什么区别?

2022 年 6 月 9 日 人人都是产品经理

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

相信会有不少小伙伴疑惑,说的是做经营分析,感觉就是把收入成本报表搬来搬去,再写个“要搞高”而已。那么,到底高级的经营分析长啥样?作者为大家带来了系统的解答,一起来看看吧。

全文共 2838 字,阅读需要 6 分钟

——————/ BEGIN /——————

负分级经营分析

经营分析的基本任务是:呈现经营结果,监督经营过程。因此最初级的经营分析,还真就是把收入和成本报表搬出来,通常包含三部分:

  1. 经营业绩:收入、成本、利润数值

  2. 经营目标:年度目标完成进度,差距

  3. 经营风险:应收款、库存、现金流情况

这些数据大部分都能从财务报表里摘抄出来,因此给人有搬来搬去的感觉。同时,这些数据看似复杂,却非常无力——因为它们统统是结果指标,无法解释问题来源。比如库存多了,应收款多了,所以现金少了……这都只是表象。

进一步解释,需要考虑:

  • 为啥库存会多?是生产计划定得不合理,还是销售遭遇问题?

  • 销售遭遇问题,是价格、质量、客户需求、销售……的问题?

  • 问题是暂时的吗,还是长期的?是否需要调整短期/长期计划?

这些统统无法在初级分析中解答。因此只靠结果数据,就只能回答:“收入要搞高”“成本要搞低”这也是经营分析遭人吐槽的头号原因。

有些财务部门做的经营分析就是这个效果,归根到底,是因为不了解业务过程,只能看到数字。

初级经营分析

想分析得更深入,首先需要更多的数据。而想要解释:收入是怎么来的,成本是怎么来的。需要对收入来源、成本构成做解剖。

分解收入来源,需要把握:产生收入的商业逻辑。这里通常用人货场模型进行描述,每个商业模式,有一个主要的收入逻辑。

比如:

零售的收入依赖卖场。

收入= 卖场数 * 平均每卖场产出

游戏的收入来源于用户。

收入= 活跃用户数 * 付费率 * 付费金额

制造业收入来源于商品。

收入= 商品下游需求量 * 赢单率

了解收入逻辑,就能解释收入是怎么来的。

当然,如果掌握的过程数据多,我们可以进一步拆解收入模型,更细致地了解收入来源。每个行业的拆解方式有不同,需要结合自己业务特点进行(如下图)。

成本则要看成本结构。比如制造业生产线很庞大,成本很重,通常有:原料成本、仓储成本、物流成本、研发设计成本、生产成本、厂房水电等一系列成本。消费品行业成本相对较轻,其产品可以直接外包给制造业工厂生产。自己就负责品牌建设、营销等工作。

注意,成本部分除了看结构,还看基准量,便于控制成本。

比如制造业的生产过程,可以根据产品设计/用料要求,由技术部门设标准生产成本,对每个产品的标准用料,标准用工进行规范,这样通过对比,就能发现哪个环节出现问题。

以上都在增加分析指标,分析维度上也能做增加。比如常见的:不同区域、不同渠道、不同产品的收入/成本情况不同。区域、渠道、产品线这些就能作为分析维度,以备对比分析使用。

不过即使做到这一步,也只是初级分析而已。因为通过指标+维度,仅仅定位了问题,并没有解答:为啥问题会发生。

我看到原料成本上升了,所以呢?所以是因为整个行情都在上升,还是我们采购计划不合理,还是我们的供应商不行,依然解释不了。

复杂的经营问题,需要构建合理的分析逻辑进行解答。

中级经营分析

中级经营分析,核心要解决:到底企业内外部因素,对经营结果的影响了多少。这样才能回答前文提出的问题,才能支持到经营决策。

而有趣的是:业务部门总是在业绩好的时候,归因于自己的勤奋,在业绩差的时候归因于“大环境不好”。

因此中级分析想做好,必须把每个问题的问题情况、发生逻辑、数据论据,一一列清楚,这样才能实现“以数服人”的效果,避免陷入争吵。

外部因素是相对容易观察,并且应该优先剔除的。剔除了外部因素,大家才能心无旁骛地关注内部行动。

我们常说,外部因素分析要看PEST,这四点太过虚幻,需要落实到具体指标,才好进一步分析(如下图)。

注意!外部因素一旦确认真实存在,可能是毁天灭地的大问题。

比如原料价格上涨,如果真的是整个市场都在大涨,那可不是靠采购部找供应商谈谈就能解决的。

有可能需要生产线重新设计产品,砍掉高成本物料;有可能需要销售配合,提价or减少高成本商品销售。

外部因素一旦真实发生,对内部冲击巨大,可能需要全公司一起努力想办法。

但是更多情况下,外部因素没有那么夸张,这时候就得聚焦到内部行动上。

内部行动,需要理清楚:每个行动,对收入/成本有什么影响,到底以何种方式改变收入/成本指标。

有些行动能直接提升收入,有些则是间接辅助作用,有些干脆没啥作用。因此,梳理内部行动,区分对收入/成本作用,是很关键的(如下图)。

注意!在内部行动评估上,要注意完整性和全面性。比如做促销活动,可能有拉动效果,也可能是透支了用户未来的消费,所以要持续跟踪一段时间,关注真实结果(如下图)。

比如上新产品,可能提高总销量,也有可能仅仅是替代了某个旧产品销量,总销量没啥变化(如下图)。

比如上一个中台管理系统,预计是能提高生产线效率, 结果上了发现流程更复杂了,产能/产出率没啥变化。这些都是很常见的问题。

做中级经营分析,一个重点议题,就是考核:增量。在剔除了业务正常走势情况下,关注新增的效果。

但,很有可能业务活动不止一两种,有可能是很多种活动一起做,这时候活动之间交叉重叠,相互影响,情况非常复杂,需要深入分析才能整明白。

高级经营分析

高级经营分析主要解决:经营活动太多,导致的交叉重叠问题。

在中级分析部分,我们已经知道:活动之间可能有重叠,新旧产品可能有替代,新老渠道可能有冲突,研发升级不见得有效果……总之,每件事都会产生成本,但不是每件事都能挣钱。

此时就需要考虑:

  • 挣钱/不挣钱的项目,各自比例是多少

  • 短期/长期的项目,如何兼顾进度

  • 如何排兵布阵,让各条业务协同发展

  • 如何突出重点,让关键业务顺利成长

这里就不是简单的1+1=2的思路,而是需要全局思考,并且极大程度需要决策者们的商业洞能力。如果没有商业洞察能力,单靠数据,就只有2种办法了:

  1. 1、标杆分析法:找出优秀标杆,让所有人抄作业

  2. 2、问题诊断法:找出问题环节,然后把问题扑灭

但标杆不见得100%能复制,一个个清扫问题,又容易陷入头疼医头、脚疼医脚的窘境。

所以决策者自身的商业洞察力是非常重要的。如果决策者有了判断,可以结合判断,做测试,直接验证判断效果,这样能直观看到策略是否可行,从而在分析问题同时,找到出路。

小  结

纵观初级、中级、高级做法可见:经营分析绝不是仅靠分析人员就能完成的。

数据采集、业务流程数字化程度要高

标准成本、收入逻辑需要业务参与

业务方案要有条件,可被数据验证

基于数据有商业判断,并付诸测试

这样才能实现数字化管理升级,真正基于数据做决策。如果没有这些条件的配合,分析人员手头仅有可怜的几个财务数字,没有过程指标,没有分类维度,没有业务假设,没有测试反馈,写报告全靠自己瞎猜,那肯定没法深入分析了。

—————— / END / ——————

产品经理培训产品运营培训企业内训服务

请在公众号后台回复「培训」了解更多

▼ 喜欢请分享&收藏,满意点个赞,最后点「在看」 ▼

登录查看更多
0

相关内容

企业数据治理痛点与阿里巴巴数据治理方案
专知会员服务
42+阅读 · 2022年7月4日
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
225+阅读 · 2022年1月18日
专知会员服务
47+阅读 · 2021年5月21日
【干货书】Python 数据科学学习手册,548页pdf
专知会员服务
85+阅读 · 2021年3月14日
【干货书】Python机器学习及金融应用,384页pdf
专知会员服务
132+阅读 · 2021年1月1日
【干货书】高级应用深度学习,294页pdf
专知会员服务
149+阅读 · 2020年6月20日
抽丝剥茧,深入的数据分析这么做!
人人都是产品经理
0+阅读 · 2022年7月23日
不温不火的电商产品经理,凭什么平均月薪可达25.1K?
人人都是产品经理
0+阅读 · 2022年7月10日
拿下7家B端产品经理offer,我经历了什么?
人人都是产品经理
0+阅读 · 2022年5月26日
我,2年B端产品经理,感觉累垮了
人人都是产品经理
1+阅读 · 2022年4月18日
经营分析是什么?为什么大厂这么重视它
人人都是产品经理
0+阅读 · 2022年4月3日
从0到1,搭建经营分析体系
人人都是产品经理
0+阅读 · 2022年3月6日
低频的产品,如何做会员运营?
人人都是产品经理
0+阅读 · 2022年2月28日
没有人能避开「竞品分析」的误区,如何修炼产品基本功?
人人都是产品经理
0+阅读 · 2022年2月22日
运营数据分析,怎么做才有深度
人人都是产品经理
0+阅读 · 2021年11月23日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
12+阅读 · 2021年10月22日
Arxiv
14+阅读 · 2021年8月5日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
VIP会员
相关VIP内容
企业数据治理痛点与阿里巴巴数据治理方案
专知会员服务
42+阅读 · 2022年7月4日
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
225+阅读 · 2022年1月18日
专知会员服务
47+阅读 · 2021年5月21日
【干货书】Python 数据科学学习手册,548页pdf
专知会员服务
85+阅读 · 2021年3月14日
【干货书】Python机器学习及金融应用,384页pdf
专知会员服务
132+阅读 · 2021年1月1日
【干货书】高级应用深度学习,294页pdf
专知会员服务
149+阅读 · 2020年6月20日
相关资讯
抽丝剥茧,深入的数据分析这么做!
人人都是产品经理
0+阅读 · 2022年7月23日
不温不火的电商产品经理,凭什么平均月薪可达25.1K?
人人都是产品经理
0+阅读 · 2022年7月10日
拿下7家B端产品经理offer,我经历了什么?
人人都是产品经理
0+阅读 · 2022年5月26日
我,2年B端产品经理,感觉累垮了
人人都是产品经理
1+阅读 · 2022年4月18日
经营分析是什么?为什么大厂这么重视它
人人都是产品经理
0+阅读 · 2022年4月3日
从0到1,搭建经营分析体系
人人都是产品经理
0+阅读 · 2022年3月6日
低频的产品,如何做会员运营?
人人都是产品经理
0+阅读 · 2022年2月28日
没有人能避开「竞品分析」的误区,如何修炼产品基本功?
人人都是产品经理
0+阅读 · 2022年2月22日
运营数据分析,怎么做才有深度
人人都是产品经理
0+阅读 · 2021年11月23日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员