数据挖掘擦亮财务慧眼

文/钱自严

作为财务，手中掌握着一家公司各部门最详细完整的信息，要有意识地通过分析数据，挖掘、整合等方法找到价值点，这就是数据智慧，也是财务之本。

在企业的日常运营中，财务人员往往起到了一个承上启下的作用，而贯穿始终的就是大量的数据，下到基层员工的原始数据，上到帮助管理层决策的各类报表。在这个过程中，财务人员能否从大数据中挖掘出问题的本质、找到绩效管理的关键点、将财务数据业务化，起到了关键性的作用。

但现实的问题是：业务部门报喜不报忧，数据没反映出真实的情况；财务人员不懂业务，抓不住问题的核心；老板总是不满意财务报表，对决策帮助不大；财务领导不重视数据，不知道怎么说服。

在时间精力、业务了解的程度和管理职责的多重约束下，财务人员往往容易陷入数据管理的孤岛，不仅工作的有效性将是一个问题，财务价值的创造更无从谈起。

如何善用大数据？

作为财务，手中掌握着一家公司各部门最详细完整的信息，要通过掌握数据、分析数据，挖掘、整合等方法找到价值点，有意识地去利用好这些信息，这就是数据智慧，也是财务之本。

通过数据，能发现很多细节的问题，能建立客户和产品的画像模型，并实现跨部门的合理协作。不需要高大上的大数据分析技术或复杂的函数计算，通过原点思维转变看问题的角度就能达到我们要的效果（如图1）。

要抓住绩效的关键点，光靠业务部门说是不够的，财务人员需要主动出击。通过数据比对可以了解自身相较于行业标准水平而言是处于什么位置，一般较多的都是通过内部标杆比照的方式来提升效率：

数据挖掘：资源消耗与财务效果

制造企业是最能考验财务管理能力的平台，不仅能掌握完整的财务操作流程，还能通过挖掘所有业务的数据，发现资源消耗的真相。从成本会计的角度上讲，就是从我们常说的“料”、“工”、“费”中发现问题。

（1）料：质量成本

最好的控制是前端控制，如果在预防上投入得足够多，那么在后期的检测、返工、索赔等损失就会减少。所以，预防成本是一种积极成本，而检测成本、内部损失和外部损失是消极成本，而生产的目标就是要降低质量成本的总额。一个有效的途径就是提升预防成本的比例，控制在先，做到防患于未然。一个质量控制得好的企业应当呈现这样两种趋势：总的质量成本下降；用于预防的成本比例上升。

（2）工：加班异常

制造业员工较多，工时、工费的控制就显得非常重要。我们不仅要看财务数据，还要关注相关的业务数据，将两者放在一起来分析。比如，工时效率和加班比例应该是一种正相关的关系，通俗的说，你花的时间就应该跟你的成效成正比。企业可以依据自己的历史数据建立一系列的正相关数据组，从而更准确地抓住资源消耗的本质，并有的放矢地进行成本管控。（3）费：瓶颈工位分析

这里需要将财务与非财务数据同步分析。（图2）是一组工位投入和产量效率的柱状图，从中可以看出投资最少的“压合工位”的效率最低，是整个生产流程中的瓶颈工位。从图2中可以看出，即使测试工位一小时能生产800个产品，但因为压合是瓶颈工位，所以产量达到650个时就要停下来等压合。尽管测试的效率不低，却是一种财务上“未实现的潜在产能”。让“贵”的设备停下来等“便宜”的设备是财务上浪费资源效率的行为。所以，必需是瓶颈工位出现在最贵的设备上才是合宜的。

图1 数据智慧分析

图2 瓶颈工位分析

1、损耗控制

对制造企业来说，生产的良率是十分重要的。事实上，企业90%的问题是重复性的，要善于通过总结去防范问题。三种比对常用工具如下：

（1）给管理层提供财务导向（聚焦在价值80%的问题产品）；

（2）用水平对比法找到与最佳周目标间的差异；

（3）财务展现数据并对整改措施进行跟踪。

2、工时效率差异

然而，不是所有的比对都是一目了然的，有时光看表面的数字根本意识不到问题，这就需要通过详细的统计，才能发现被隐藏的问题。数字的感觉来自对细节的关注，财务人员通过细节培养敏锐的职业嗅觉。挖掘数据就像剥笋，一层一层分析最后就能找到核心点。怎么剥？我给出3点建议：

（1）财务与产线部门的数据一致性。注重相对可比性，比如分析工时效率时，重点分析环比变化，以减少某月临时调整带来的误导性影响；

（2）细致的统计找到症结。人的感觉往往没有数据来的精准，管理学大师彼得·德鲁克就曾说：我们通过统计才能找到事实的真相；

（3）深入基层获取未经“加工”的第一手资料。生产经理提供的数据很可能是“加工”过的，财务人员要经常深入一线获取第三方真实的数据加以整理。

3、数据挖掘的实践法则

数据比对如何落地？有以下常用实用法则：挖掘数据找到变化趋势及反常差异；运用80-20原则聚焦关键问题；财务对业务流程的深入了解；环比对照和目标差异来激励；挑战既定框架；寻求IT的支持以获取实时数据。

4、知识细节的乘数效应

财务人员在数据比对的过程中，需要依靠对数字的极高敏感度。很多人担心数据太多难以应付，其实大脑工作的原理是乘数叠加的，我们知道的越多、关注的越多、积累的越多，就越容易发生横向联系后的知识引爆性增长。所以，财务人员积累了一定的数据分析经验后，自然会对数据产生一定的敏感度。

数据剖析：从数字到业务

财务人员看出了问题，但如何更好地传达问题，也是一门学问。财务和业务之间总有一些沟通上的困难，财务数据和真实业务情况之间也总是翻译有误，没有办法辅助管理层决策，那么财务人员要如何进行数据剖析呢？

1、数据脱离业务分析会产生误导

你的财务分析报告老板不爱看，很大程度是因为很多财务报告只是从数字讲到数字，太多常人听不懂的财务术语。财务数字要带出丰富的业务信息，而业务信息能引发众部门改进措施。数字到数字的分析不是管理层要的，领导想看的是数字到业务的分析。单纯对数据分析，可能会产生误导，比如财务分析显示“总销售环比增长6%”，但实际业务上是“出货+9%，转移定价-3%”，所以其他的材料、费用等应该围绕“出货+9%”来分析才正确。

2、财务数据与高层决策的关系

数据剖析除了能避免误导，还能对管理层的决策有很大的帮助。财务透彻的分析曝光核心问题，让管理层的决策变得异常容易。通过财报数据，逐层分析原因，具体就工资费用超常举个例子：

财务数据：工资费用超常

原因逐层分析：付薪人数多→合同工离职率高→不同工同酬

决策措施：合同工与固定工同工同酬

【思考】财务人员在进行数据比对和数据剖析时思考以下两个问题，会有所帮助：

（1）公司的财务分析中，有哪些数据的挖掘？哪些产品/客户是我们的80-20？业务中是否存在历史遗留下的既定框架值得重新审视？

（2）公司财务数字与一线业务的关联有哪些？哪些可以与业务动因结合得深一点？

财务看的是数据，说的却是业务的话，这也太难为财务人员了吧？如此分析，财务部门要如何架构呢？

确实，要了解到未加工的原始资料，为了将背后原因层层深入剖析，财务部门往往需要深入基层，甚至轮岗到业务部门实战体验，这不仅能更准确地将财务数据和业务数据结合在一起分析，对个人跨界多元的能力也是一种提升。但毕竟这些方法需要花费更多时间精力，那就可以在财务部门内安置工程师、IT等，当涉及到财务人员不了解的专业领域，这些“卧底”们就能发挥出他们的作用了。如今对财务的要求越来越高，不仅自身的财务水平要高，还要懂各种跨界的知识。财务不再是一个专门的人才，而是一个全能的跨界人才。

数据整合：跨部门协调

先看两个案例对话及点评：

对话1

采购：“可不可以便宜点？”

供应商：“你们财务总是晚付钱，我都垫钱了。”

采购：“知道你来这套，还好财务大大早有准备，根据我们的财务数据，我们有好几个月是提早付款的哦！加权平均算下来迟了2.3天，这不算晚吧？”

点评：对外是一个整体，不是单兵作战。而整体优势的体现是以数据为保障的，采购带着财务准备好了的完整的付款资料与供应商展开年度降价谈判时，就不会任由供应商信口开河了。

对话2

财务：9月20日是季度降价日，客户让我们降，我们也让供应商降。采购和销售你们有什么经验可以互相交流呢？

采购：十一快来了，长假海关休息，断货可不行，我得多进货。

销售：我们恰恰相反，我们会敦促VMI仓库端尽量多在20号前拉我们的货！

财务：来，咱们来讨论一个最优实践方案。

问答精选

Q：大数据的前台录入成本很高，需要大量人力和好的系统。很难判断需要多详尽的数据，如何在有用和经济之间去权衡？

A：这是财务分析的一个关键点或平衡点，一方面我们不能为了分析数据花费过多的钱，但另一方面，有很多现成的ERP解决方案可以让我们去生成一些特制报告。比如，在退货处理上，开发一个小软件，就可以完成退货原因的跟踪分析，是材料问题，操作失误，还是设备故障，以便后续有的放矢地采取防范措施。

Q：工时效率怎么理解，怎么看出管理好坏？

A：产出工时=100个（每月生产的成品）x10小时（单个成品标准工时）=1000小时；付薪工时=10人（员工数）x167小时（假设没加班）=1670小时；工时效率=1000/1670=59.9%。在支付工资的单位小时内，员工能生产多少成品体现了其工时效率。对于产品生命线短的企业，标准工时的更新和维护就必须足够的及时。比如，引进自动化生产线后带来的单位工时减少若不及时更新，计划部按老的工时框算劳动力需求时，就会造成过多招人的浪费。

Q：怎样从财务报表中发现问题，进行分析？

A：公司的数据结构要合理化，每个数据录入都有两个方面：（1）从财务记账的角度上讲，它记入哪个科目，是材料，直接材料等；（2）从部门角度，它是哪个部门用的。合理化后，每一笔记录财务都可以根据需要抓取数据。

点评：这个案例的销售端是按财务绩效来安排他们的工作重点的，而采购却没有。价值链管理的要点是整个供应链的管理，财务站在全局的角度掌握最多的信息，应当多召集这样的整合交流会，以使公司的业务能实现财务绩效最大化。

数据无所不在，也不需要等到ERP开发出什么特别的功能才去做大数据管理。大数据不是一个技术问题，首先是一个概念问题。我们有没有这样的意识：从身边的数据抓起，发挥数据关联的洞察力指示作用？

德国买汽车保险要你回答是否家里有孩子，有无独立地下室车库，就是通过这几十个问题的回答来勾勒出消费者的出险几率肖像。这是人家九十年代就有的风险测算水平，这与技术无关，实在是一个概念问题。数据，就像地上的果子，低头就可以捡来的“low hanging fruits”，我们有无想过要去捡？

（本文经公众号“自严自语”作者授权刊登，有删节）