05 软数据 为何ROI是正的，项目最后却亏本

前面4节所讲的大数据、小数据、活数据与伪数据，不管大小真伪，都是量化的数据，而本节要讲的“软数据”不是传统意义上的量化的数据，而是一种非结构化数据。

什么是非结构化数据呢？一个简单直观的定义就是Excel数据表格无法直接处理的数据，比如送货车辆的位置信息、考察竞争对手开工率用的烟囱冒烟量、新闻联播里关于支持小微企业复工复产的政府补贴报道，等等。这些信息无法用格式化的数据直接记录并进行运算，但对于企业的经营绩效却同样重要，那些善于利用非结构化数据的企业，往往能够取得减少成本或增加收益的财务效果。

这样讲可能比较抽象，还是举一个例子来说明吧。图1-3是2002年我被派驻到德国工作时租的房子。

有一次，我的儿子带同学来家里玩，几个男孩子在玩耍时弄坏了客厅的门。事后我主动联系了房东，询问她是否可以换上我看好的一款欧倍德（OBI）房门。没想到房东太太严厉地拒绝了我，还对我说：“OBI的东西是不能进我们家的。你没看见我们家所有的家具、地板、楼梯都是同一个颜色的吗？如果要更换房门，必须保证和原色一样！”

可能是觉得自己的态度过于生硬，房东放缓了语气，给我出主意道：“钱先生，您别担心。我一会儿会把装修供应商的电话给您，他一定有办法处理这种问题。”

稍后，我拨打了装修供应商的电话，对方向我确认了地址和具体的楼层信息后，没有再多问什么，便与我约定会在10天后上门来安装。

挂了电话后，我觉得有些奇怪：他难道不应该先上门来测量一下尺寸吗？万一尺寸不对怎么办？

很快我就知道自己的担心完全是多余的。在约定的那天，那位装修供应商带着工具和材料，开车来到我家，仅用了30分钟就安装好了。我仔细检查了一番，发现无论是新安装的门，还是使用的各种配件，都与原来的一模一样。此时，就连我这个财务人员都不得不感叹德国人的“精打细算”和工匠精神——他们有保存客户资料、产品图纸、配件资料的好习惯，这些信息就是一种“软数据”，虽然难以量化，但它们确实存在，而且具有不容忽视的价值。

不过，在和对方结账时，我又遇到了不能理解的地方——对方明明只工作了半个小时，却要收取整整一个小时的人工费100欧元，而这扇门本身的价格才只有200欧元。对于我的疑惑，对方淡定地解释道：“我从家里开车出发的那一刻，就已经开始计时了。这个人工费已经是优惠价了，因为我并没有把开车回去的时间算进去。”

这样的说法听上去似乎有点“奇葩”，但细细想来却也有一定的道理，毕竟，请他上门安装能够为我减少无效搜索、无效走动造成的信息成本，所以多付一些人工费也是合理的。

这个案例给了我很深的启示：在日常工作中，信息也是有成本的，要是管理得当，信息也能成为财富。

可是在实际工作中，很多财务人员对信息成本却没有给予应有的重视。比如，我们会妥善保存季度降价、生产产量、广告费预算等结构化数据，并会注意保存最新版本的数据，但对于非结构化的数据即“软数据”却不会那么重视，其结果就是要承担不必要的信息成本。

表1-11列出了企业常见的一些信息成本，它们涉及三个工作场景。

1）场景一：采购年度谈判。谈判中有很多重要的辅助信息，比如己方的付款记录就是其中之一。如果己方付款记录良好，就可将其作为要求对方降价的依据，在谈判中可以理直气壮地“砍价”。然而，在实际工作中，很多采购员却没有处理好这方面的信息，由于手头没有付款记录，也就失去了要求对方降价的依据，可能本来能够说服对方降5%，结果对方却只是象征性地降了1%，这是让人感到非常遗憾的事情。

2）场景二：员工恶意索赔。员工恶意索赔是企业难以避免的场景之一，此时如果有足够的信息，便能够轻松化解。但实际上，很多企业却会出现证据保管不善的问题，比如有利证据在某一个已离职经理的邮箱里，已经无法找到，由此导致的结果就是打输官司。

3）场景三：销售员交接。员工交接特别是销售员交接时，也容易出现信息成本。比如客户得到了前一个销售员的热情款待，心情不错，口头答应可以承担一半的样品开发费用，但在该销售员离职时，这样的信息却没有及时交接给新人，结果本来可以让客户承担的那部分样品开发费用不得不由企业来承担。

凡此种种，都是因为存在人为的信息不对称，才造成了企业方方面面的损失。那么，我们该如何避免这类信息成本呢？

一个相关的管理思路是浮现隐藏假设。我们平时做的决策以及相应的执行落实，其实都带着某种隐藏的假设，像上面的三种场景就可以扩展出相应的隐藏假设（见表1-12）。

1）在采购年度谈判场景中，采购员的隐藏假设是：采购部掌握了公司与这个供应商相关的所有信息，但事实上，付款记录却在财务部，如果采购员没有想到去调用，就会在谈判中“吃暗亏”。

2）在员工恶意索赔场景中，隐藏的假设是新任经理已经接收了前任的所有信息。但实际情况却并非如此，而且有些关键信息不马上以可搜索的主题词存档的话，时间久了，就会淹没在信息的海洋里，能够被找回来的可能性几乎为零。

3）在销售员交接场景中，隐藏的假设是新接手的销售员已经接收了前一个销售员关于客户的重要历史信息，但实际上，很多非结构化的信息需要更明确的交接清单来确认，才能完成全盘交接。

上述这些隐藏假设其实就是一种非结构化的软数据，很多时候都存在于人的大脑中，想要让它们“浮现”出来，单纯依靠常规的案头数据分析是做不到的，我们只能借助于一种实操方法，就是实地调研。

大家可能会觉得实地调研很麻烦，也很费时间。其实并不是这样，只要我们有主动去探索的意识，利用午休散步的时间就可以完成一次简单的调研。

我就曾经在午休时到厂区散步，发现有工人一直停留在吸烟区。我出于好奇与他们交流了一番，居然了解到了这样一个信息：工厂推行机械手自动化生产后，一部分手工操作虽然被机器操作替代，却没有带来实质性的增效——省下的时间没能被用来创造效益，而是被员工在吸烟区和其他休息区浪费了。我看到的抽烟次数的增多与抽烟时间的延长，就是一个浪费时间的缩影。

我对这个问题非常重视，回到办公室后，立刻让审批设备投资的成本会计调出相应的固定资产投资回报ROI测算表（见表1-13）。

表1-13从表面上看都是结构化的数据，比如投资前人工小时产出量、使用自动化设备小时产出量、人工平均每月成本，等等。这些数据本身没有问题，问题是我们遗漏了一个关键信息，一个隐藏的假设——自动化达成率。

这张表的隐藏假设是达成率为100%，其演算逻辑为：投资前每小时人均产出1000片，改用自动化设备后可以提升一倍的效率。原来车间里有60个工人，由于效率提升一倍，投资后只需要30个工人了。这背后的假设是：省下的30个人会百分之百无缝对接到其他工位上，但事实却并非如此。

于是我要求修正这个表格，加入“自动化达成率”这个隐藏假设（见表1-14）。这个修正就是使隐藏假设浮现出来的动作，它能够让人们脑海中模糊的概念变得清晰起来，并可以用历史数据加以检验。

此处我们假设自动化达成率为80%，将这个数据代入计算，就会发现本来为正值的净现值（279）变成了负值（-678），推翻了之前的投资测算结果。

这个例子也能够解答很多公司在设备投资上遇到的一个问题：为什么ROI是正的，项目最后却亏本？

原因就在这类隐藏假设里。想要发现它们，我们就要走出自己的办公室，多去进行实地调研。这种实地调研在日本企业很常见，被称为Gemba Walk，下面我将列举一些能够通过实地调研获得的软数据（见表1-15），再来看看它们是如何提升成本分析的质量的。

1）通过对大批离职的合同工进行抽样访谈，我们发现他们的不满集中于“同工不同酬”的问题，特别是合同工没有“13薪”而正式工有，引发了合同工强烈的抱怨。对于这样的信息，财务人员可以推演收回“13薪”成本的保本点离职率，只要离职率能够下降20%就值得一试。

2）公司引入夜班经理轮流值班巡视制度以后，我们发现夜班批次的成品率不如白班，原因是夜班没有工程师进行及时的质量判定，导致报废率高。对此，财务人员可以推演增加工程师投资的保本点报废率，再决定是否需要配备夜班工程师。

3）财务人员可以跟随销售员参加客户端外包仓的季度盘点，在现场盘点中，财务人员常常能够发现一些问题。比如财务人员发现外包仓工作人员没有按照先进先出的原则发货，回到公司后，就可以找出过往的存货跌价准备金明细表，从中查出哪些是因为账龄太长造成的存货报废，再根据品名代码确定相应的外包仓，如发现确属这家外包仓的问题，就可以向其开出扣款通知。

这三个例子可以帮大家进一步认识实地调研的作用。像同工不同酬、夜班不配备工程师、外包仓不按照先进先出原则发货，这些都是无法从结构化的数据中抓取到的经营信息，这些非结构化的软数据也是非常重要的，应当引起我们足够的重视。