点击上方“趣味数据周刊”关注公众号
文章期号：201901029
数据分析：增收,控费,降成本
作者：李曜曦 | 编辑：herain
简介“李曜曦 ，三星集团 市场部 零售分析组 数据分析“
在改革开放初期，中国经济处于初级阶段，如同未播种的田地，随手撒一把种子都可以长出农作物来。那段时间，很多人选择了下海经商并且轻而易举地赚到了第一桶金。对于田地的开发和使用效率没有任何的评估与计算。如同一个学生将成绩从0分提高到60分及格线是很容易的一样，初级阶段的经济增长都是飞速的、显而易见的。然而通过及格线之后，从60分提高到85分就要困难很多了，并且见效也是缓慢的。新时代需要新对策谋发展。
此时的企业面对几乎饱和的市场，再想拓展市场提高利润就要用数据进行精确的测算。这个测算可分为对企业外部市场环境的测算和企业内部自身运营效率的测算。在这商业数据分析方面，一些大型的外资跨国公司做的要比中国企业成熟一些。他们会成立一家内部的全资子公司或者组建一个团队通过对日常数据的分析来做商业决策，其目的是为了保护企业数据安全，如果甲方企业将自己的数据库开放给专业的乙方咨询公司去做数据分析将会造成数据泄露。所以，像三星、沃尔沃这样的大型外企在自建商业数据分析团队方面的投资都是巨额的。中国企业虽然不如某些外资企业那么成熟，但是近几年各行各业的中国企业也逐渐成立了自己的数据分析部门。做的比较成熟的行业如互联网、公安、医药、交通、金融、零售等，不太成熟且起步比较晚的是建筑行业。（此处做一个补充：数据统计工作做的最好的行业是医药行业，从1949年新中国成立以来至今从未间断，即便文革期间也未间断，并且原始资料保存完整，很多行业的数据资料不足10年，不足10年的数据不有利于做时间序列分析。）甲方企业的数据分析工作一般都是由运营部负责的，运营部拥有着企业内部最大的数据权限，与乙方咨询公司和市场研究公司不同，甲方企业的数据分析工作往往与财务紧密相连，所以在甲方企业做数据分析除了要掌握必备的经济统计知识以外，还需要具备一些财务知识，因为甲方企业对净利润是高度重视的，无论做怎样的数据分析，“增收控费降成本”都是甲方企业永恒的主题。所以，日常的运营数据分析需要时刻关注分析结果对收入、成本和费用的影响。
甲方企业的老板们一般都是业务出身，对于数据分析并不了解，甚至整个公司对于数据分析也不甚了解，这就给数据分析师提出了一个巨大的挑战：我们如何用数据说服老板？其实很简单，让老板看到如何用数据分析实现了“增收控费降成本”，你就成功了。说了这么多，我们来举一个实例：国内排名前三的医药集团的产品毛利分析及库存管理分析。由于涉及的内容比较多，我们只挑选一个角度来进行阐述，抛砖引玉，大家可以根据自己所在公司实际业务进行参考比对。对于国内的医药企业，研发实力与国际药企实力悬殊，大部分工作都是在商业的医药流通领域，众多的药品引进，哪些是利润高的产品哪些是利润低的产品，可能连采购部自己都不是很清楚，那么采购部在与外商谈判签约时，应该优选保全哪些品种，放弃哪些品种，这个优先级需要运营部的数据分析师给出一个参考数据。首先，我们需要与财务部协作计算出每种产品的净利润，再匹配每种产品的月度或季度销量进行组合来划分产品等级（时间段的划分根据各自业务情况自行决定），依据净利润与销量组合划分产品等级，其原理源自波士顿矩阵。
（P=Profit利润，S=sales销量）。如上图所示，我们将产品分成了4个等级，A类（高利润高销量的双高产品）、B类（高利润低销量）、C类（低利润高销量）、D类（低利润低销量的双低产品）。显而易见，我们需要把有限的精力和资源优先投入在高毛利高销量的A类产品上，而在低毛利低销量的D类产品上没有必要投入太多。这样我们就在谈判前，完成了资源优化配置的工作，提升了企业运营效率。此模型需要结合实际业务来套用，也可以结合实际情况细化等级分类，但大体思路是不变的。当然由于医药行业的特殊性，国家卫生部不可能让药企完全按照市场规律去逐利，放弃低毛利低销售的产品线。保障市场上“孤儿药”的供给是国有医药企业义不容辞的社会责任，此处涉及伦理经济学的内容不做拓展。
药品的效期管理和质量验收是非常严格的，进口药品从国外装箱空运进入中国境内再验收入库之后配送到各个医疗机构终端，每一个环节都会产生零头、挤压的药品。这些零头、挤压的药品如果不及时解决最终都难逃报损的命运，给企业造成不可估量的经济损失。
就世界卫生组织统计，全球每年有30% 的医疗费用是被浪费掉的，所以利用数据来解决医疗费用的浪费问题是迫在眉睫的，其实这些药品报损的费用最终都会直接间接的转化到患者身上，加重患者的经济负担。
此处就药品的零头计算及管理问题做一个简述。在实际情况中，系统数据一般与仓库实物很难百分百的匹配上，如何让零头药品的价值计算无限贴近实际情况是一个需要解决的问题。首先，仓库分为零头库位与整件库位，零头库位中的药品自然是零头，但这部分不是最真实的零头价值，因为在整件库内还有未来得及转移到零头库位的零头药品，这些都是由于运输、验收、退换货造成的。我们需要将这部分的零头计算出来并入整体的零头价值，并根据效期进行预警等级划分，如一年以内为近效期，13-15月为预警红区，16-18为预警黄区，18个月以上为非预警区，同时可以按针剂片剂对预警期限进行细化（原因针剂效期均短于片剂效期）。
对于预警红区的药品，需要提示业务部门尽快向下游销售或者退回厂家。对于产生零头价值大的产品要从运输验收的源头加以治理。当然我们也可以将药品分为近效、零头、挤压、滞销四个维度，前三个维度近效、零头、挤压与预警等级可以随意组合成不同的分析维度，如近效零头维度，挤压零头维度，预警红区的挤压零头维度等等，通过观测这些组合维度可以看出很多问题，将问题抛给业务部门敦促其及时解决以减少企业经济损失。
作为一个甲方企业的数据分析师，我们提供的数据一定是与业务紧密结合的，脱离业务的数据分析等于零。在提升企业利润方面，不要总给老板提出一些投资拓展业务的方案，其实老板们并不喜欢听到“花钱”的方案，特别是处于经营困难的企业，这种方案都是望梅止渴。甲方企业的数据分析师最重要的是先解决在不继续投资的前提下如何实现“增收控费降成本”，之后，再去做有关市场容量的分析和销量预测帮助企业拓展市场。以上就是用最简单的描述性统计方法来帮助甲方企业在运营管理中实现“增收控费降成本”的实际案例。此处没有任何高深难懂的数据模型，需要做的就是对数据分类进行无限细化，例如效期的细化，产品规格的细化，产品等级划分的细化等等。
希望这个小case能起到抛砖引玉的作用，为从事甲方企业数据分析的同仁们提供一个参考。谢谢！