先說下結(jié)果，經(jīng)過測算，這家企業(yè)的產(chǎn)品退貨率從6%降低到3%，凈利潤率能夠提升0.5%-1%，凈利潤可以提升2個億到4個億。

先來說下生產(chǎn)制造行業(yè)的毛利率，大概在15%-25%左右，不同的細分行業(yè)毛利率差別也是非常大的，比如像鋼鐵制造7%-10%，汽車制造15%左右，像電子零部件有的毛利率能到40%以上，差別都非常的大。

一般而言，毛利率低于10%，凈利率不到5%，企業(yè)的盈利能力就不是很強，基本上靠的就是薄利多銷。收入規(guī)模提升的最好方式就是量價齊升，價格既然上不去，就只能提量，量大了收入規(guī)模也還是可以的。

企業(yè)、市場環(huán)境變化

我們在做商業(yè)智能BI項目時服務(wù)過的一家企業(yè)，一年幾百億的收入規(guī)模，三年平均毛利率不到15%，凈利率不到4%，每年的凈利潤大概也就10個億左右。從一些財務(wù)能力指標上去看，企業(yè)的成長性、盈利能力、營運能力都不算特別好，可能整個行業(yè)就是這個樣子的。收入規(guī)模增長率大概也就是在5%-7%左右，略高于國家GDP增速，與同行業(yè)相比還算比較不錯；凈利潤率增長幅度也不大，比收入增長率略高。

數(shù)據(jù)可視化 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

現(xiàn)在整個市場、業(yè)務(wù)還是面臨比較大的壓力。第一，行業(yè)布局已經(jīng)基本固化，從收入增長率上來看，這種增幅已經(jīng)說明了一切，已經(jīng)到了一個紅海市場，充分競爭的市場。想再怎么擴大市場規(guī)模、提升收入規(guī)模增長和高速增長基本上不太可能了。第二，更要命的是，這個行業(yè)未來是否有可能會被某些新能源產(chǎn)品給替換掉，這個趨勢方向是非常有可能的。

所以，一方面要想辦法投入研發(fā)研究新品，這個需要一段時間周期。另外一方面，既然收入規(guī)模上不去，就要想辦法延長利潤空間周期。比如現(xiàn)在一年10個億的凈利潤，這個產(chǎn)品市場轉(zhuǎn)型的窗口期也就5年時間， 5年積累50個億的凈利潤。現(xiàn)在希望在有限的周期內(nèi)做到5年60個億、70個億的凈利潤，就是每年要多2-4個億的凈利潤，這個空間周期要拉上來。再說簡單一點，這塊業(yè)務(wù)以后可能會萎縮掉，有限的時間內(nèi)怎么樣要榨出更多的利潤出來。

數(shù)據(jù)可視化 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

收入規(guī)模也就那樣了，只能降本。要么降固定成本，要么降可變成本。固定成本該投資的已經(jīng)投資了，省不掉。如何充分利用產(chǎn)能，這一點已經(jīng)達成共識要深入關(guān)注的。可變成本就涉及到研發(fā)、人力、原材料、費用等等。

研發(fā)的投入也是相對固定的，并且新品要持續(xù)的投入新的研發(fā)，優(yōu)化不了什么。原材料上游議價能力也不強，沒有定價權(quán)。只能從產(chǎn)能利用效率、固定資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率這些方面去想辦法，以及供應(yīng)鏈金融、退貨等等，準確的講是退換貨。

退貨產(chǎn)生的問題

可以簡單的算一下，比如平均6%的退貨率，一天好幾萬件的退貨，每天都是幾百萬，高峰期間一天千萬級別的退貨，這個量想想就知道有多大。但是之前為什么沒有那么的關(guān)注呢？因為之前手工統(tǒng)計出來的數(shù)據(jù)是有問題的，各個產(chǎn)品事業(yè)部報上來的數(shù)據(jù)都不一樣，有的3%、有的5%、高的7%。

因為IT基礎(chǔ)信息化建設(shè)的原因，很多企業(yè)沒有業(yè)務(wù)系統(tǒng)和商業(yè)智能BI，有些流程還沒有線上化，不是很完善，很多數(shù)據(jù)之前還是依靠人工維護。再加上退貨的部分也是人工盤點的，手工導(dǎo)入導(dǎo)出自己加工做統(tǒng)計計算，有些數(shù)據(jù)因為績效的原因還是經(jīng)過人為調(diào)整過的，數(shù)據(jù)根本就沒有準確過。

最后把數(shù)據(jù)規(guī)范之后，把業(yè)務(wù)計算邏輯內(nèi)部統(tǒng)一標準，按照最新的大家都認同的規(guī)則最后跑出來的數(shù)據(jù)要遠遠高于之前的數(shù)據(jù)，退貨率平均要上浮2%-3% 個百分點，一些大事業(yè)部退貨率達到了8%-10%，平均要到6%，這個是之前大家絕對都沒有想到的。

這是第一個問題，信息化建設(shè)不足，沒有部署業(yè)務(wù)系統(tǒng)和商業(yè)智能BI，實際的數(shù)據(jù)和手工統(tǒng)計的數(shù)據(jù)存在差異，并且還非常大。

退貨成本有多高

第二個問題，沒有人去統(tǒng)計在一個實際的退貨流程中，真正產(chǎn)生的成本到底有多高，也沒有一個很準確的數(shù)據(jù)支撐。

像這家企業(yè)一個完整的退貨流程起碼幾十個動作節(jié)點，比如要對產(chǎn)品檢測看看哪些是可用的，哪些是真正要報廢的。這些流程節(jié)點上就涉及到了比如裝車、運輸、卸載、倉庫占用、人工清點、外觀處理、拆檢、重新裝配等等一系列物流、人工、包裝耗材、檢測設(shè)備、場地、電力、固廢回收、有害處理等等操作，產(chǎn)生了大量的物料成本、人工成本、物流成本、倉庫成本和各種費用等等。

數(shù)據(jù)可視化 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

按照這種數(shù)據(jù)的分析思路和財務(wù)部門、相關(guān)業(yè)務(wù)部門進行了初步的測算，如果平均退貨率能夠從6%降低到3%，凈利潤大概可以提升0.5%-1%，看上去雖然不高，但是基盤很大，所以算下來大概能多2億-4億的凈利潤，實際上有可能還要高。因為上面僅僅是從退貨角度考慮的，還沒有考慮到因為退貨、產(chǎn)品質(zhì)量問題導(dǎo)致的客戶丟失、品牌口碑影響力、存量市場客戶的二次購買等問題。

所以，品控、質(zhì)量管理，到原材料品質(zhì)溯源順帶著因為退貨的問題全部都給帶出來了，這些都是這家企業(yè)在未來要重點開展的工作，這個方向是已經(jīng)非常明確了，改善的空間還是很大的。

數(shù)據(jù)對于企業(yè)的價值

在此之前，數(shù)據(jù)思維不足，且沒有商業(yè)智能BI這種可以簡單進行數(shù)據(jù)分析、數(shù)據(jù)可視化的工具，像退貨率高、退貨金額大大家只是一種感覺，在沒有看到真實的數(shù)據(jù)之前大家感受不到這件事情的緊迫程度和重要性。利潤應(yīng)該從市場上出啊，靠訂單靠收入啊，退貨能有什么影響。沒有人去深度思考這些數(shù)據(jù)之間的潛在關(guān)系，沒有用數(shù)據(jù)思考、用數(shù)據(jù)說話、用數(shù)據(jù)驗證、用數(shù)據(jù)決策。

數(shù)據(jù)多維分析 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

其實也并不是沒人去思考過這個問題，思考過，但是感覺做不到，缺乏技術(shù)手段、信息化的支撐，不知道這些數(shù)據(jù)怎么來整合。遇到?jīng)]數(shù)的時候不知道怎么解決，遇到跨部門的數(shù)據(jù)協(xié)同不知道如何來推動，也沒有方法論支撐。這屬于有想法，但沒有思路，因為大家都看不到真實的情況，所以這個問題也就沒有人提出來去推動解決，這就是很多企業(yè)的現(xiàn)狀。

這件事情的價值就在于真正讓企業(yè)能夠意識到數(shù)據(jù)的作用，像這種情況在很多生產(chǎn)制造行業(yè)也是非常普遍的。一是需要加強IT基礎(chǔ)信息化的投入，避免人工操控數(shù)據(jù)的可能，二是確實需要有一批專業(yè)的數(shù)據(jù)技術(shù)、分析團隊來幫助、協(xié)助企業(yè)的財務(wù)、業(yè)務(wù)部門去梳理、解決這種問題。

數(shù)據(jù)分析 – 派可數(shù)據(jù)商業(yè)智能BI可視化分析平臺

通過這樣的數(shù)據(jù)分析，雖然目前還只是一種分析的思路、推演出來的數(shù)據(jù)，品控質(zhì)量管理也是需要一段時間去改善，也不是一時半會就能夠解決掉的。但不管怎樣，決策已經(jīng)做出來了，等品控改善之后，數(shù)據(jù)上去了，如果驗證是對的，這個決策就做對了，商業(yè)智能BI和數(shù)據(jù)分析的價值也就體現(xiàn)出來了。

如果有了數(shù)據(jù)的支撐，可以縮短我們的決策周期，讓目標更加清晰、更加聚焦。否則，企業(yè)業(yè)務(wù)規(guī)模大了，哪里好，還是不好，都是靠感覺辦事就不是很靠譜。

并且，至少能讓大家看到一個很現(xiàn)實的問題就是：靠優(yōu)化退貨率就能夠帶來0.5%-1%的凈利潤提升，這些錢要賣出去多少產(chǎn)品才能掙得回來啊。

移動BI_ERP數(shù)據(jù)分析_自助敏捷BI分析_數(shù)據(jù)可視化分析系統(tǒng)-派可數(shù)據(jù)