任务三
选择分析方法

情境案例

如果公司2024年第三季度实现主营业务收入1 000万元，请思考以下情形对公司2024年第三季度主营业务收入的评价有什么影响。

（1）公司2023年第三季度实现主营业务收入500万元。

（2）公司2023年第三季度实现主营业务收入2 000万元。

（3）同行业公司2024年第三季度平均主营业务收入为600万元。

（4）同行业公司2024年第三季度平均主营业务收入为5 000万元。

知识准备

一、结构分析法

结构分析法是基于分类思维，通过分析总体的构成部分来识别问题的方法。

结构分析主要包括四个步骤。

第一步，确定要分析的关键指标。关键指标可以是财务指标，比如收入、利润等，也可以是业务指标，例如活跃用户数量等。

第二步，了解指标的构成，确定分析维度。常见的分析维度包括产品、客户、地区、销售渠道、事业部等。比如销售额可以按产品分为拿铁类咖啡、美式咖啡类产品等；也可以按地区分，比如北京、上海等；还可以按销售渠道分为经销商销售与自营销售；等等。

第三步，跟踪关键指标的变化趋势，了解指标结构变化情况。例如分析发现某个渠道销售额下降，应进一步分析原因。

第四步，关键指标出现明显上升（下降）的时候，找到变化最大的结构分类，分析问题。

二、对比分析法

在对公司业绩指标或其他数据信息进行分析时，如果只有绝对的数值，可能很难判断指标或数值的优劣。例如，公司2024年第三季度实现主营业务收入1 000万元，单就这一数值而言，很难判断业绩的优劣。所以，在进行分析时，应基于不同数据的对比，得出相应的结论。常见的对比分析维度包括时间维度、行业维度、标杆企业维度等。

时间维度是指公司通过分析不同时间段或时间点的业绩指标或数据的比较情况，对公司现状进行分析判断。例如，可以和上一年同期进行比较分析，也可以对近五年的指标或数据变化情况进行分析。对公司2024年第三季度主营业务收入进行分析时，可以和2024年第一季度、第二季度的主营业务收入进行比较，也可以和2023年同期的主营业务收入进行比较，还可以对近五年各季度的主营业务收入进行对比分析。当然，在这里也请思考一个问题，与2024年第一季度（第二季度）进行比较和与2023年同期进行比较，这两种比较方式有什么不同。

行业维度分析是指与同行业其他公司的相应指标进行对比分析。在分析时，应尽量保持比较期间的一致性，例如公司与同行业其他公司都选取同一年第三季度的收入值进行比较。此外，还可以用公司的指标数值与同行业的平均指标数值进行比较分析。当然，也可以利用大数据工具计算同行业公司相应指标的最大值、最小值、中位数等，并与之进行对比分析。

标杆企业维度分析是指公司可以与同行业内做得比较好的企业（标杆企业）进行对比分析。当然，如果公司本身在行业内并不处于领先位置，也可以选择和自己规模相当的竞争对手进行对比分析，而不一定非要是标杆企业。

具体总结如表1-4所示。

三、流程分析法

流程分析法是指基于业务流程对业务数据进行分析。

某产品生产与销售流程有订单处理、在途运输、材料检验、材料存放、生产加工、产成品存储等各个业务环节，如图1-3所示。把各业务流程的天数展示出来，就可以清楚看到存货周转天数较长的是生产加工、在途运输、加工前的材料存放以及销售前的产成品存储环节。加速存货周转，可以进一步减少以上各环节的周转天数。

互联网时代的AARRR用户运营模型（见图1-4）也运用了流程分析法。

从企业获取用户到用户为企业带来收入并进行推荐传播，可以视为用户运营的业务流程。分析每一阶段的关键指标，有助于企业了解在整个运营生命周期内各个业务环节可能出现的问题，可以更好地针对有问题的环节采取有效的应对策略。在用户获取阶段，重点是要了解目标用户，最大限度地让目标用户发现产品并转化为产品用户。在用户激活阶段，重点是要让获取到的用户进一步转化为活跃用户，可以分析日活（每日活跃用户数）、月活（每月活跃用户数）等指标以及每个用户每月平均使用次数及平均使用时长。在用户留存阶段，重点关注用户黏性，分析用户留存率，例如次日留存率、7日留存率、30日留存率等。在获得收益阶段，重点是把留存用户转化为付费用户，分析平均付费用户收入等指标。在推荐传播阶段，重点是让用户把产品自发地推荐给其他人，这个阶段的主要分析指标为 K 因子。

K =每个用户向朋友发出的邀请数量×收到邀请的人转化为新用户的转化率

四、帕累托分析法

帕累托分析法实质上是一种分层分析法，通常是指基于一定的标准对公司的业务、客户、资产等进行分层，并对不同的层级分别予以分析，重点关注重要的层级，并为公司提供决策支持建议。

在应用帕累托分析法时，第一，明确分层对象和分层指标。比如对公司资产管理，可基于资产对公司的重要程度及价值进行分层。第二，确定分层层级。在进行分层时，可以基于“二八原则”进行分层。“二八原则”表示20%的产品贡献了80%的价值。以销售收入为例，可以把不同产品的销售收入从高到低排序，然后将累计品目百分数为20%而销售收入累计百分数为80%的产品选出，作为“第1层级”，其他的归为“第2层级”。

在营运资金的管理中，也会运用到“二八原则”。例如，在处理应收账款时，可以发现往往80%的应收账款集中在20%的大客户中，其余20%的应收账款则分散于80%的小客户中，所以在制定信用标准时应区别对待。如果对20%的大客户能加强重视，认真评估信用风险，制定合理的信用政策，那么就可以提高应收账款的回款效率。另外，在存货管理中广泛应用的ABC分类法，也是“二八原则”在存货管理中的实际应用。

“二八原则”与ABC分类法的核心思想大致相同，都是少数项目贡献了大部分价值。不同之处是ABC分类法将对象分为三类，而“二八原则”将对象分为两类。

采用帕累托分析法有利于找出主次矛盾，并有针对性地采取相关措施，提高效率、降低成本。每个产品的累积频率会存在差异，所以可以创建参数来动态地实现频率的调整。

五、矩阵分析法

在分析指标时，只对一个指标进行分析，不能很好地评价业绩。矩阵分析法是从两个维度分析数据，形成四个象限，对每个象限的类别采取不同的管理策略。

图1-5所示为供应商管理矩阵示例，可以基于供货数量及替代成本将供应商分为四个类型。

图1-5中，将所有供货商分为四个类型，不同的类型对应不同的管理策略。

杠杆型供应商：供货数量多，替代成本低，容易更换。对于杠杆型供应商，可以采取在采购中争取更大的价格折扣、延长付款周期等管理策略。

战略型供应商：供货数量多、替代成本高，难以更换。由于采购量大，且不易找到替换供应商，公司可以与此类供应商建立战略合作关系，联合开发产品。

常规型供应商：供货数量少、替代成本低，容易更换。这类供应商对公司来说不是很重要，主要的管理策略是降低成本。

瓶颈型供应商：供货数量少、替代成本高，难以更换。这类供应商虽然供货数量少，但替换难度大，对公司而言很重要。公司应尽可能想办法开发新供应商及替代产品等。

六、聚类分析法

聚类是机器学习中的一种无监督学习算法，用于将数据集中的数据划分为不同的组（称为“簇”），使得同一组中的数据具有相似性，而不同组之间的数据具有差异性。它与分类分析不同的是，它不需要事先知道数据的标签信息，而是通过计算数据之间的相似性来自动分组数据。

例如电商公司有大量的客户数据，包括客户的购买历史、浏览记录、个人信息等。公司希望对这些客户进行聚类分析，以便更好地了解客户的需求和行为，从而针对性地进行营销和服务。可以把客户的数据输入算法模型，不用事先制定标准，算法可以自动地识别数据之间的相似性并归类。

任务实施

情境案例分析如表1-5所示。

不难看出，在以上不同情形的数据对比下，对公司同一个主营业务收入数值，有可能得出不同的分析结论。在情形（1）与情形（3）下，可能会认为公司2024年第三季度经营业绩比较好。在情形（2）与情形（4）下，可能会认为公司2024年第三季度经营业绩不尽如人意。 sBobvKs0bMpM4eKh67/lFT2u0Pz9nz54qnNSHgzh7Ea4HROJwtfWqztkKyzfTqZ+