财务分析工作当中的数据思维是怎样的？小编今天给大家理了相关联的内容，下面让我们大家一起来了解下吧！

  作为财务专员，不能简单因为项目的描述或者运营方式就判断项目是否可行，而是第一步是要通过与业务沟通并明确目标，确认流量和利润目标，然后通过目标梳理整个业务过程，找到影响目标完成的关键点。

  在此我们以打卡返现作为案例分析，主要内容是：将公司制作和售卖的音频产品，投放到一些垂直类平台推广，各平台通过软文等方式发布后，用户会通过链接进行购买，所得费用推广平台会收取特殊的比例的分成。用户产生购买行为后将会被引导前往下载App，并在App端进行打卡签到的任务，如果完成打卡任务，平台将会返还所有费用给到用户。业务部门通过这一项目获取新流量，同时赚取利润。

  在此过程中，我们锁定利润目标，利润又等于收入减去成本。虽然业务更了解收入，但会忽略隐性成本。本案例中成本则主要聚焦在交易手续费和版权分成支出。

  以某品牌手机支付的交易费来进行举例说明：其规定的支付费率一般高于30%，即用户支付100元费用，收入方实际收到的费用却少于70元，这一成本非常高昂。所以财务专员需要提醒业务去注意避开不同支付平台及终端的高费率支付方式。

  同时，版权分成成本也是业务容易忽略的部分。内容运营和内容采买有时是完全不同的部门，业务有可能不清楚售卖某些产品是不是会涉及到上游版权方的分成。这里财务的优势就反映出来了：财务部门了解的信息比较完整，考虑问题就会比较周到。我们会建议业务部门提前罗列准备要拿来做活动的内容清单，尽量使用买断版权的内容参与活动。当然，出于活动效果考虑，业务部门也有一定可能会需要一部分存在版权分成的内容来参与活动，对于这类情况，我们就会依据具体的分成合作模式来调整项目利润的计算模型，从而计算出项目的利润。

  对于案例中的项目，还有两项最重要的成本也与业务直接相关。即分成比例和打卡完成率。这里的分成比例指的是推广的费用。针对市场行情和报价，若对售卖的内容有足够的信心和把握，通常首选固定费用分成，能够保证收入较高的情况下拥有较高的利润率。否则，就采用固定分成比例的模式，将利润率控制在可控范围内。

  而针对打卡完成率，从财务角度当然希望比率越低越好，无人完成打卡那么收入就比较高；但从运营角度来看，高完成率则表明用户参与意愿强，留存率高，二次付费的意愿也会更高。所以针对打卡完成率这样的指标，必须在事先设定好预期，只有做好预期设定，才能进行过程把控，让比率维持在可控范围内。

  当流水、成本以及所有的业务过程都具体到数据后，利润模型就完成了。财务就是要基于这一利润模型去告知业务部门可能会产生的经营结果：不同场景会怎么样影响经营结果？哪些变量必须要格外注意？哪些风险点需要提前考虑和避免等等。

  案例结合IMA管理会计能力素质框架，我们会着重运用决策分析模块：运用分析技能评估决策方案，并提出建议。财务想要搭建本量利模型或收入成本模型，一定是基于和业务的深入沟通、调研和挖掘，这样才可以将业务过程梳理清晰并且数据化，之后结合财务知识储备输出财务建议。

  作为财务工作者，日常碰到较多的就是数据，我们大家常常机械性地重复进行复杂数据的整理工作，但遇到新的业务调整或要求时可能会茫然不知所措。

  第二个案例是围绕公司渠道业务整合展开。当企业决定对渠道业务进行整合，制定了财务维度的KPI，包括收入、利润和现金流，其中部分指标是财务部门日常关注的，还有一部分指标是相对难统计的，当时负责对接渠道业务的同事表示很困难，无法完成。

  我和同事通过沟通与白板演示，我们罗列出了所有的渠道形式，具体包括推广平台、销售店铺、异业合作等等。并通过梳理不同渠道的合作模式，查看流水分成情况。再对数据来源进行梳理，以便观察数据是来源于App还是依靠合作方提供？不同的数据获取方式分别需要哪一方进行配合？

  这样就不难得知哪些数据是已有的，哪些数据需要第三方配合提供，若需要配合提供，财务部门要制定时间要求，按照梳理出的渠道清单，罗列需要配合提供的数据明细，包括对接人员以及时效时间，给到渠道业务部门及负责人配合提供，并关联相应的KPI要求，很多情况下，财务“催”的效果远不如业务部门自身重视的效果好。

  基于与财务团队沟通渠道业务在入账层面的细节，包括项目类型、入账模式、入账依据、入账时间等等，之后能够最终靠这些维度的入账核算，通过报表统计和可视化呈现渠道业务的整体经营业绩。

  结合IMA管理会计能力素质框架，我们应该用到财务记录模块：充分的利用财务会计能力记录及分析财务交易和平衡表，包括按时对账，制定进应表以支持审计及财务报表的编制，评估会计流程的效率和有效性，并为优化流程提出建议，分析复杂的财务交易确保按照会计准则正确记录，进而及时有效地输出报表。

  第三个案例关于App直播打赏。为了进行拉新推广，常常要吸引新用户进入App端参与打赏活动。具体形式主要是依靠邀请主播在其他平台宣传以拉新引流。财务部能够最终靠财务记录和业务系统支持得到报表数据：例如拉新推广的付款记录，涵盖推广主播名称、付款时间、推广成本等信息。当主播完成推广后，需要对推广的数据来进行统计，包括推广主播名称、推广时间、推广平台、包括较为重要的拉新成功后的新用户ID。同时，通过业务系统的记录我们会追踪直播间流水的明细，包括交易日期、用户ID、直播间ID、礼物名称、礼物金额等等。所有的数据都有一个唯一的字段，为后续的数据分析服务。

  拿到数据后，就需要仔细考虑如何使用数据。简单的数据统计可以反映业务经营结果，但无法为业务提供财务建议，所以要对不同报表之间的数据来进行关联，将不同维度的数据来进行整合，凭借对业务的理解，进行数据分析。

  对于拉新推广活动，投入高，首先考虑的就是投入产出比ROI。常常要观察一个月产生的收入量，如果追求时效性，需要及时反馈主播效益的情况下，会将观察周期调整至一周，甚至某一场直播后能够产生的收入量。ROI是否大于某个特定的标准是最重要的考核因素，这一标准一般事先进行设定，如果主播的推广ROI显著大于标准，即可优先考虑继续合作。反之，则要重新谈判合作条件，或者直接淘汰。同时也要观察推广投资的回报周期，即达到ROI指标需要多长时间，同样的投入当然希望回收周期越短越好。

  数据单体通常很难传达有用的信息，因此对于数据一定要学会作比较，也只有比较才能赋予数据意义。案例中，可以对同一主播在不同的平台的推广效果、不同时间段的推广效果等等进行进行比较，那么在资源投入有限的情况下，可以优先把资源用在效果很不错的主播、平台和时间段上。

  除了主播维度的分析外，也需要对包括用户、直播间、礼物等不同维度做多元化的分析，以便输出更全面的分析结果，并提出适宜的财务建议。只有分析而没有建议，或什么都做但没有向关键使用人传达有效信息，那就等于零。

  结合IMA管理会计能力素质框架，数据分析模块将被重点考虑：对数据来进行提取、转换和分析，从而方便获得认知、改进预测和支持决策。具体包括数据过滤、数据排序以及数据导入，了解通过数据制定业务决策的重要性，了解商业智能和数据挖掘，进而对信息需求来做解析，转化为可操作性的数据分析需求，使用描述性分析对业务活动的效率和有效性做评估，挖掘大型数据集来揭示业务模式并提供见解，使用预测分析技术来解释结果，获取见解并提出建议等等。