很多公司的经营分析报告写得长篇大论，几十页ppt，几百个指标，密密麻麻的数字。然鹅一旦上经营分析会，就会被批成：“分析不深入！”“观点不突出！”明明都摆了这么多数字和图表了，咋还不深入呢？
问题解析
因为这些报告，犯了“拿结果解释结果”的问题。很多经营分析报告，使用的都是财务指标，收入、利润、成本、费用等等。即使有计算诸如：“盈利能力”“增长能力”指标，依然是利用财务指标做的二次加工。
站在业务角度，这些指标都是结果。如果只是拿结果解释结果，就会出现诸如“利润同比环比都低了，要搞高”、“利润低是因为成本高了，要搞低”这种没啥用的无脑结论。
听到“利润低了”的结果以后，人们更想知道的是：
1、是大环境不行还是我没有做好？
2、别光说大环境不行，有啥对策吗？
3、我哪里没做好，方向错了还是执行不力？
因此在输出报告的时候，应该对问题原因进行方向性判断。如果真是大环境问题，就寻找新环境下应对办法。如果不是大环境问题，就堵死那些甩锅人的借口。
想做到这一步，就得：
1、不只看结果指标，增加过程指标
2、找影响结果的因素，识别关键因素
3、建立分析逻辑，找到问题的重点
具体怎么操作，一起看一下。
增加过程指标
一提到“经营分析报告要增加业务指标”，很多人就会搬出：业绩=客户数*转化率*客单价这一套东西。注意！站在业务角度，客户数、转化率、客单价这些指标，照样是结果指标。如果只拿这些指标进来，依然会得出“业绩降是因为客户少了，所以要搞高”这种无脑结论。
要增加的过程指标，要能反应：“业务是怎么做出来的”。比如在收入端，要梳理业务流程，看从客户线索到成交之间，还经历哪些步骤，有什么数据记录。举个简单的例子，常见的toB业务如下图所示，是典型的漏斗式转化流程，可以梳理出漏斗式指标体系：
有些业务动作较难用指标衡量，比如营销策略、销售话术、产品组合、促销手段。这些可以用贴业务标签的方法加以量化。比如把销售话术总结成ABC三类，之后就能结合转化数据，观察哪一类更好用，从而进一步加深对业务过程的了解。
在成本端，处理手段稍有不同。在成本端，首先要区分清楚各种成本费用与收入的关系。到底这一笔钱花出去，是能直接带来收益的还是打辅助的，是需要累计投入到一定程度才见效，还是一分钱一分货，投多少赚多少的。区分清楚了，才好结合收入端数据，做绩效评估；才好控制不直接带来收入的投入。
这一步做得好坏，和公司数字化程度有直接关系。如果公司数字化程度低，收入端全靠销售在脑子里记，能分析的只有订单数据；成本端只有简单的财务科目，没有对应上业务行为。那就很难做深入分析了。
识别影响因素
增加的过程指标是否都需要放进经营分析报告呢？当然不是。堆砌太多的过程指标，会让报告更冗长，更难看出结果。因此需要数据分析师们，识别出影响经营结果的关键因素，放哪些能代表关键因素的指标进报告。
对于外部影响因素，重点关注：
1、上游原材料、劳动力、资源对成本影响
2、下游客户需求数量、偏好种类、偏好渠道对收入的影响
3、竞争对手是否有发起针对性降价/是否在争抢上下游资源
这里需要大量收集上下游行情数据，并且和自己公司的采购、人力、渠道部门多做沟通。有可能大环境真的在变坏，也有可能是我司采购、人力、渠道部门经营不利，找到优势的供给/渠道。为了做出准确判断，大量的情报收集是非常重要的。
对于内部影响因素，重点关注当前的业务策略是啥？具体包括：
1、人：以什么样客户为核心客户？
2、货：商品主打功能/价格/服务
3、场：以什么渠道为主，对量/质的要求是多少？
先了解业务策略，才好进一步观察：到底一线部门执行到位没有。如果业务策略定了：发展高端客户，可一线仍然在大水漫灌般引流，没有重点发力，那就是执行层面出了问题。如果大家都在按业务策略做，但不见效果。那就得找时间反思一下：策略是否需要调整。
这一步做得好坏，和数据分析师对公司内外部情况的了解深度，有直接关系。如果数据分析师每天闭门造车，缺少和业务沟通，缺少内部数据以外的行业数据、客户数据收集，那就很难做到了。
建立分析逻辑
梳理完指标，确认关键因素后，就得建立分析逻辑。分析逻辑可以用MECE法来建立，基本的思路就是：正反方面，确认问题。用剥洋葱的方法，层层剖析找到答案（如下图）
注意！分析逻辑并没有固定套路，完全以“解答领导问题”为导向。比如同样是大家都在抱怨“大环境不好”，有可能领导会指示：“寻找一下大环境不好下，还能怎么做？”也有可能领导指示：“就知道抱怨环境！堵他们的嘴！”这两种情况下，分析展开思路有明显区别（如下图）做分析逻辑的时候，一定要清晰：到底领导想要啥……
这一步做得好坏，和数据分析师能力有直接关系。固定的财务报表只能说明问题，不能解释问题，想解释问题，就得围绕当前问题建分析逻辑。排除错误答案，总结正确答案，测试业务做法的效果。如果数据分析师缺少分析逻辑训练，只会取数，是做不好这一点的。
小结
综上可见，想做到高质量的经营分析，需要多方面努力：
1、业务有一定数字化程度，能采集到过程数据
2、数据分析师对业务有充分了解，有丰富标签库描述业务行为
3、数据分析师与领导有良好沟通，能把握分析方向
当然，并不是所有企业都有这么好的条件。很多小厂子，待遇差，工资少，数据基建一塌糊涂，只有少得可怜的订单数据，领导还指望着分析出惊为天人的结论，这个难度就着实大了。这个时候，建议采用一些平价替代方案，训练一下自己打标签、建分析思路的能力，之后尽快跳槽到正规大厂比较好。
