03 活数据 用同一套数据，怎么会得出不同的结论

看到这个标题，相信你一定会觉得很奇怪：数据不就是我们通过观察、实验或计算得出的数值吗？怎么还会有“活数据”与“死数据”之分呢？

其实数据的“活”与“死”，主要的衡量标准是数据是否与业务相关联，只有分析到业务端根源的数据，才算是“活数据”，是能指导我们制定改进措施并予以落实的，否则就是“死数据”。

为了更好地理解“活数据”与“死数据”，我们不妨来看看下面这个案例。

在某公司的经营会议上，财务部出示了下面这张月度盈亏分析表（见表1-4）。

通过分析表1-4中的数据，我们可以看到，总销售额和主营成本均环比增长了6%，其他经营费用总体上波动不大，使得净利润增长幅度与1月成本增长幅度持平，均为6%。

看到这张表后，总经理不禁皱起了眉头道：“你们的数据分类有问题，我知道这个月工厂的货绝大多数卖给了集团内的德国公司与美国公司，总销售额增加的这6%根本反映不出经营的好坏。我问你们，这个月与上个月相比，出货量是增加了还是减少了？缺少这个信息，我无法判断成本费用的高低。而且你们在费用中虽然列示了工人费用、材料费用，却没有我想了解的经营信息。我不想看到这样的流水账分析，请你们给我一张活的数据分析表，一张与经营直接挂钩的数据分析表。”

总经理提出的要求一度让财务团队感到非常迷茫，在这种情况下，我应邀来到该公司，和财务团队重新整理了数据，用一周时间做出了一张完全不一样的分析表（见表1-5）。

对比这两张分析表，我们会发现以下几个需要特别注意的问题。

1）数据分析应把握好经营主体。

在表1-5中，销售数据按照量与价分别计算，更显清晰、详尽。通过数据我们很快就会发现：这家公司1月增加的总销售额中有95%（集团内销售额增加的2531.4万元除以总销售额增加的2664.9万元）来自集团内，且集团财务总部在1月将内部转移定价下调了3%，虽然总销售额只比上月增加了6%，但实际出货量却比上月增加了9%。与此同时，主营成本只增加了6%，这说明经营绩效有向好的迹象。可是表1-4却告诉我们“净利润增长幅度与总销售额增长幅度持平”，也就是说，虽然使用了同一套数据，却得出了不同的结论。

之所以会出现这样的问题，是因为财务团队在做数据分析之前，没有准确定位经营主体，也没有弄清楚经营主体的核心职能，这样做分析一定是有问题的，甚至会得出误导管理层的错误结论。

想要避免这种情况，我们就应当准确定位经营主体，要看所分析的公司是一个独立对外的经营主体还是集团内履行某一职能的子公司。比如本案例中的公司将绝大部分产品卖给了集团内的销售公司，由于单价是内部结算价，它的销售收入对于总部而言是毫无意义的。从集团内销售公司的角度来分析，其对外的销售额是有参考价值的，但其采购成本是按内部价格结算的，所以其采购成本是没有实际意义的。

为了便于理解和记忆，我列了一张对照表（见表1-6），供大家参考。

表1-6中画“√”的项目是我们应当进行重点分析的“活数据”，画“×”的项目则代表无真实意义的数据，即“死数据”。同样，我们在做分析报告时也要先辨明数据的“死活”，即要先搞清楚哪些是有意义的数据，才能着手进行分析。

2）数据分析应深入到业务层。

我们再来看费用分析部分，表1-5对材料费上涨的说明不是简单地按财务账套结构中的主材（直接材料）与辅材（间接材料）来解释的，而是深入到了业务层进行解释。

比如表1-5显示间接材料的费用增加是因为出现了泰国发洪水的意外情况，导致那些把工厂开在泰国的日本供应商无法交付黏合剂，公司不得不转而向它们的日本总部要货，所以价格明显要贵很多。这样的分析就抵达了业务端，总经理一看就能明白，并且还能根据数据做出更好的趋势判断——因为这种局面预计还要持续两三个月，所以可以提前采取一些措施以减少损失。

看到这里，很多财务人员可能会感到困惑，因为大家在做分析报告时，常常习惯从SAP或金蝶系统生成的数据表中直接导出数据，然后再做些解释说明，但是这并不算是真正的财务分析。真正的财务分析就像是在架一座桥，桥的一端是财务数据，另一端是业务场景。比如表1-5就将财务数据与“泰国洪水”“工厂停电”“向新客户ADS首次出货”等业务信息关联到了一起，这样的数据才是活的数据，而账务上的数据，如外包费用、折旧费用、期间费用等就不具备这样的参考价值。

3）数据分析应提供改良的“抓手”。

财务数据应当为业务部门、管理层提供提升和改良的“抓手”，但很多公司的数据却一直无法抵达问题的核心。

就像上面这个案例，因为账务与业务之间的差异，该公司长期以来一直存在很高的沟通成本——财务部提供的数据没有穿透力，业务部门或管理层找不到提升改良的抓手，导致大家长年累月绕着问题在讲，却一直没有抵达问题的核心。

那么，如何让财务分析数据具有业务穿透力呢？这里分享一条实操经验——统计列示法。对于那种一时找不到思路的问题，我们可以通过数据统计，在一定的范式中找到症结，再寻求对症下药的解决方法，这就是“统计列示法”。

比如在表1-5中的“工人费用”，1月比12月上升了14%，这里给出的解释是：无效工时增加了17%，其中进料标贴检验、小样补单、等待物料和返工占无效工时的80%。

所谓无效工时就是不能带来产出的投入工时。为了让总经理了解具体的业务原因，我让财务团队去车间搜集并记录了一组工时数据，制成了一张工时数据明细表（见表1-7）。

下面我将对表1-7中数据进行说明。

1）表中列出的“工时效率”，可以按照下面的公式来计算：

工时效率=有效产出工时总和÷付薪工时总和

例如有1000个工人的工厂，每个工人的月工作时长按176小时计算，付薪工时总和为17.6万小时，如果一个月共生产了1万个产品，每个产品的标准工时为10小时，那么该月有效产出工时总和就是10万小时，由此计算出的工时效率约为57%。

按照这样的方法，可以计算出其1月工时效率为72%，比12月低10%，这个数据变化就应当引起我们的注意。

2）表中列出的“无效工时比”，计算公式如下：

无效工时比=付薪工时总和÷有效产出工时总和-1

根据公式，我们计算出其1月无效工时比为39%，也就是说这个月有39%的时间实际上是被浪费掉了，而上个月的无效工时比只有22%，一下子增加了17%，问题究竟出在哪里呢？

为了找到原因，财务团队又根据从一线车间获得的数据统计出了一张无效工时明细表（见表1-8）。

从表1-8中，我们可以很清楚地发现，这39%的时间主要浪费在前三项工序上。

1）“进料标贴检验”工序的耗时在当月总无效工时中占比接近1/3。之所以会出现这种情况，是因为公司与一家新供应商合作，结果却出现标贴问题，经常有订单号与品名代码不一致，导致工人不得不做很多不必要的核查与人工录入工作，耽误了不少时间。

2）“小样补单”工序耗时在当月总无效工时中占比达到了25.0%，主要是因为给客户打样的产品用的是临时品名代码，很多数据在系统里查找不到，导致工人每次开工单时都要先填入很多基础数据。

3）“等待物料”工序耗时在当月总无效工时中占比达到了23.2%，主要是因为有些材料没有同步到位。就像1月的时候临近过年，很多家在外地的合同工提前回家，使得配料的人手不够，造成耗时的明显增加。

找到问题之后，下一步就要寻找解决方案。比如针对进料标贴检验问题，可以让采购部责成供应商提升管理水平，贴好标贴才能送货，这属于向外整合的供应链管理问题；针对小样补单的问题，则应由计划部对小样与大货做一样的数据建档工作，这属于内部管理问题；至于等待物料问题，从表面上看属于计划问题，实则是工人的技能单一问题，应当让等待物料的员工学习如何配料，才能从根本上突破人手不足的瓶颈。

事实上，找到这样的解决方案并不难，难的是通过分析和统计“盘活”数据，让数据为经营指路。

在这个过程中，我们需要把握好以下两点。

1）要相信数据而不是直觉。

管理学大师彼得·德鲁克在谈到时间管理时，说到了“记录时间”“管理时间”和“集中时间”的三步法。其中首要一条是记录时间，德鲁克曾让一位接受咨询的企业家由其秘书记录其各项工作时间，一周之后，那位企业家发现自己居然把那么多的时间花在开会上。

这个例子提醒我们，直觉有时可能并不可靠。所以我们在进行决策时，不能只依赖直觉，而是应当先提出正确的问题，再通过数据对比、细分、溯源，为问题寻找答案。唯有如此，才能最大限度地减少决策的盲目性。

2）学会抓重点、抓主要矛盾。

在统计分析数据的时候，我们还要学会抓重点、抓主要矛盾。有时面对一个棘手的问题，其数据非常烦琐，让人找不到头绪，此时我们就可以采用抓大放小的“80/20法则”。所谓的80/20法则，就是任何一组事物中，最重要的只占其中一小部分，也就是大约占20%，而其他80%尽管是多数，却是次要的，重要性远不及那20%。

本节案例中的无效工时数据就是用这条法则来处理的：在15个工序中，有3个工序的无效工时占到了总无效工时的80%，这就是我们需要特别关注的项目。

这条“80/20法则”对财务人员特别有启示意义，因为财务从业人员，特别是从出纳、报销、报税岗位一路做到成本会计的从业者，往往会下意识地以“一个都不能少”的思维方式去追求完备的数据分析与解释，其实这是没有必要的。我们在工作中应当以管理的思维去抓重点，才能灵活、高效地运用好数据。