下载掌阅APP，畅读海量书库
立即打开
要对数据进行分析，必须先懂得分析思维和方法。无论在哪个领域，只要具备了分析思维，掌握了分析方法，再融入该领域的专业指标和业务逻辑，分析起数据就会得心应手。财务数据分析也不例外，分析师首先应该了解其思维与方法。思维是分析师的思考方式，包括问题的提出、分析的方向和目标的设定，它引导着整个分析过程。方法则是具体的工具和技术，如结构分析、趋势分析、回归分析、漏斗分析等，用来处理数据和揭示潜在的信息，发现问题，找到机会。思维指导着方法的选择，帮助分析师确定哪种方法最适合解决特定问题。同时，方法的应用也可以反馈到思维中，帮助分析师更好地理解数据，进一步优化问题定义。总之，分析思维和方法都是为分析目的服务的，分析目的又是为企业运营和管理服务的。
财务数据分析的思维以明确的目标为核心，始终注重结果的导向，借助创新思维作为依托，而数据事实则一直是分析的坚实基础。
数据分析的四大目的在前面已经讲解过了，即发现问题、找出机会、预测未来和优化决策。这里不再赘述。
数据分析的重点是将目的置于核心地位，审视分析过程和分析结果是否满足分析目的，是否发现了问题，是否找出了机会，是否在预测未来结果，是否可以优化决策。也就是说，我们在分析过程中，应该询问自己是否已经可以满足目的的需要，用目的来审视结果，这就是以目的为导向。总结来说，以结果为导向的思维方式在数据分析过程中至关重要，它是一种“产出式”的思维，也是一种对数据分析做“投入产出检核”的思维。如果是没有目的的分析，那么就是一种为了分析而分析的做法，是一种“应付式”的分析。
财务数据是企业的命脉数据，其数据分析必须具有深度和广度，否则可能会导致错失良机、包庇风险、诱导错误决策等不良后果。通常数据分析主要关注同比、环比、对比等数据，其分析方法相对简单，也容易理解，也是企业中数据分析最常见的分析方法。但财务数据分析也仅限于此，缺乏高度和前瞻性，维度相对狭窄，分析者的思考深度也不足。同比、环比、对比这种分析不是不好，不是不对，也不是不重要，而是对于专业的财务人员来说，这些分析方法没有创新性，容易让受众觉得不够深入，也会降低财务人员的自身价值。这是因为企业中财务数据是非常“丰满”的，非财务人员对财务人员的数据分析专业性期待也是最高的。因此，在进行财务数据分析时，必须引入具有创新性的指标和方法，提升财务人员数据分析的专业性与认知高度。
在数据分析中，量、价、额是基本元素，差异和差异率在分析过程中高频出现，因此我们合并派生出了量、价、额、差、率这五大元素，从这五大元素入手，不断进行组合，不断进行延伸性研究和分析，就可以创新分析思路，创新分析方法。这五大分析元素如图1-3所示。
图1-3
● 量：主要值销量、采购量、产量等，其单位为：个、斤、千克（公斤）、台、件、吨等。例如销售量为5000台，采购量为800吨等。
● 价：就是指价格，其单位为元/kg、元／件、元／台等，例如西红柿的价格为15元/kg，毛衣的价格为500元／件等。
● 额：即量与价的乘积，其单位为元、欧元、美元等，例如今年的销售额高达800亿美元。
● 差：就是指量差、价差、利润等，其单位随着分析的基本元素而定。
● 率：就是变化率，如同比、环比，占比等。
这五大元素的引入为我们开启了创新性指标的探索之门。我们从这些元素出发，发现它们之间可以自由组合，从而创造出全新的指标。
在企业财务数据分析中，我们经常看到对销售量、销售额的分析，但是这样的分析有一定的价值，针对不同的应用环境，我们要做变化，要做指标的创新，才能真正体现分析的价值，以及财务人员自身的价值。
【案例】 YK公司的产品的产能受限，现在要上一些新品，不得做产能分配调整，公司需要财务给出专业性的意见和建议，其销售额数据如表1-1与表1-2所示，其中表1-1是未排序的状态，而表1-2是排序后的状态。
表1-1 未排序的状态
表1-2 排序后的状态
如果我们简单地对销售额进行排序，就会得到这样的结果。根据此结果，我们就会认为产品5、6、7、8没有价值，将其停产。
这样的分析确实在企业财务数据分析中比较常见，也比较普通。但是，我们作为财务人员，不能这样简单判断，也不能只看一个维度，这样有失专业水准。为了提升财务人员的数据分析能力，必须提高自身认知，拓展分析思维，创新分析维度，哪怕只是创新了一两个分析指标，对企业决策层提供了数据决策依据，也能充分体现出我们的专业价值。前文中讲了量、价、额、差、率这5个元素，很多人通常都对量进行单维度的分析，例如销售量同比分析、销售量趋势分析，但我们可以更加深入，考虑一下量价结合、量率、额率的可能性，如表1-3所示。
表1-3 考虑量价结合、量率、额率的可能性
就本例而言，我们可以从销售额、利润率两个维度进行考虑，进行额率定位分析，如图1-4所示。
图1-4
根据图1-4可以看到，如果只对销售额这个维度进行分析和判断，把销售少的停产，那么就会选择产品5、产品6、产品7、产品8等产品。但是，从增加利润率这个维度来看，我们的选择就会发生变化，可以选择产品8、产品9、产品4，为什么呢？原因如下：
● 产品8：销售额较少，利润率也不高，这样的产品很难有突破。
● 产品9：销售额还算可以，但是利润率比较低。
● 产品4：销售额很大，但是利润几乎为零，这样的产品就是“赔本赚吆喝”的。
因此，不同的分析方法决定了不同的选择结果，不同的思维模式决定了我们的分析高度，不同的元素组合方式决定了我们的分析方法。要想突破，那就不能做“点型思维”，不能只看当前；也不能只做“线性思维”，只做历史演变分析、趋势，而是要突破点、线思维，向面、体的高度攀登，进行“立体思维”，这可以使我们能够提供更富创意和洞察力的分析结果。
财务数据在整个企业运作中扮演着至关重要的角色，因为财务数据是最真实可信的信息来源。在公司的各个部门中，财务部门是一个始终坚守真实原则的部门，不会随意操纵数据。这意味着，尽管销售人员可能会给出非常乐观的销售预测，但财务分析人员通过对去年的销售数据对比分析，以及历年的销售量趋势分析，就能够评估销售预测的可信度。
由于“财务不能讲假话，会计不能做假账”，因此财务数据具有权威性，财务数据通常被视为决策的可靠依据。在企业中，无论是利润情况、销售状况还是资金状况，都需要由财务部门进行检验和审核，这就确保了数据的可信度和企业决策的合理性。同时，这也是决策层高度信任财务数据的原因。
在数据分析的方法层面，一旦我们建立了适当的财务数据分析指标体系，例如现金流分析、利润率分析、销售结构分析、资产负债分析等，接下来就需要运用数据分析思维来进行一系列操作，包括指标之间的对比、变化趋势的演变分析、未来趋势的预测分析，以及不同指标之间的组合分析等。这些分析方法可以帮助我们更深入地理解数据，揭示潜在的关联和趋势，从而为决策制定和问题解决提供有力的支持。
对比思维是一种基本的分析思维，通过做不同时间段、不同产品或不同公司的数据对比分析，可以揭示出差异和相似之处。这包括同比（与去年同期比较）、环比（与上一个周期比较）、类比（与类似产品比较）、均比（与平均值比较）以及基比（与基准值比较）等不同的对比方式，从而帮助我们识别出关键的趋势和问题。
经典思考模式： A与B有什么差异？如图1-5所示。
结构思维关注个体因素对整体结果的影响程度。在财务数据分析中，可以通过分析各个因素对财务状况的影响程度是多少，以了解哪些因素对业绩的贡献最大或存在潜在的风险。
经典思考模式： A、B、C、D各自对财务状况的影响程度是多少？如图1-6所示。
图1-5
图1-6
排序思维帮助我们确定各种因素的优先级，找出哪个因素最重要，哪个可能需要更多的关注和改进。通过对各种指标或因素进行排序，可以确定最好和最差的表现，以及存在最大问题的领域。
经典思考模式： A、B、C、D、E、F、G哪个最好，哪个最差，哪个存在的问题最大？如图1-7所示。
步进图是一种用于追踪数据演变的方法，它帮助我们了解从一个时间点到另一个时间点发生了什么变化。在财务数据分析中，可以使用步进思维来解析不同期间的财务状况，以便更好地理解变化趋势。
经典思考模式： A点到B点到底发生了什么，是如何演变的？如图1-8所示。
图1-7
图1-8
趋势思维关注数据的未来发展趋势。通过分析历史数据，可以尝试预测未来的可能发展情况，从而为决策提供更长远的视角。趋势预测的结果不一定是必然的，但它是一个高概率事件。
经典思考模式： A点到B点已经发生了，C点可能会怎样？如图1-9所示。
二维思维（象限思维）是将数据划分成4个象限，帮助我们进行分类，确定优先选择考虑的象限。在财务分析中，二维思维（象限思维）有广泛的应用，比如可以将不同产品或项目划分到不同象限，以确定应该专注于哪些领域。
经典思考模式： 哪些象限是合适的，哪些象限是不合适的？如图1-10所示。
图1-9
图1-10
雷达图以一个中心点为基准，通过在中心点周围绘制多个数据点并进行连接，从而呈现多个变量或维度的数据分布。雷达思维就是利用一种或多种产品数据在多个分析维度上的表现来进行对比分析，雷达思维帮助我们识别影响结果的多种原因以及每种原因的影响程度。这种思维方式可以帮助我们全面了解复杂的影响因素。
经典思考模式： 影响结果有多少种原因，每种原因的影响度是多少？如图1-11所示。
漏斗图是一种以数据流程、转化率为基础，进行漏斗形呈现的图表类型，漏斗数据从上到下是一种不可逆的转化过程。比如，进店100人，询价60人，加入购物车40人，成交20人，回头客10人，数据从100到10，是从大到小的过程，是不可逆的过程。漏斗思维就是通过逐一分析流程中各阶段的变化情况，帮助我们理解每个环节较上一个环节或初始环节的影响结果。
经典思考模式： 每个环节的转化率是如何收敛的？如图1-12所示。
图1-11
图1-12
相关性思维关注不同变量之间的关系，通过分析变量之间的相关性，可以揭示出潜在的因果关系或趋势。
经典思考模式： A增加了，B可能会增加吗？相关度有多高？是正相关还是负相关？如图1-13所示。
图1-13
回归思维用于预测一个变量如何受到其他变量的影响。在财务数据分析中，可以使用回归分析来了解某个财务指标如何受到其他因素的影响，从而预测未来的趋势。
经典思考模式： X变化了，Y一定会变化，Y会变成多少？如图1-14所示。
图1-14
