先說下結果，經過測算，這家企業的産品退貨率從6%降低到3%，淨利潤率能夠提升0.5%-1%，淨利潤可以提升2個億到4個億。

先來說下生産制造行業的毛利率，大概在15%-25%左右，不同的細分行業毛利率差别也是非常大的，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，差别都非常的大。

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

我們在做商業智能BI項目時服務過的一家企業，一年幾百億的收入規模，三年平均毛利率不到15%，淨利率不到4%，每年的淨利潤大概也就10個億左右。從一些财務能力指标上去看，企業的成長性、盈利能力、營運能力都不算特别好，可能整個行業就是這個樣子的。收入規模增長率大概也就是在5%-7%左右，略高于國家GDP增速，與同行業相比還算比較不錯；淨利潤率增長幅度也不大，比收入增長率略高。

數據可視化 - 派可數據商業智能BI可視化分析平台

現在整個市場、業務還是面臨比較大的壓力。第一，行業布局已經基本固化，從收入增長率上來看，這種增幅已經說明了一切，已經到了一個紅海市場，充分競争的市場。想再怎麼擴大市場規模、提升收入規模增長和高速增長基本上不太可能了。第二，更要命的是，這個行業未來是否有可能會被某些新能源産品給替換掉，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研究新品，這個需要一段時間周期。另外一方面，既然收入規模上不去，就要想辦法延長利潤空間周期。比如現在一年10個億的淨利潤，這個産品市場轉型的窗口期也就5年時間， 5年積累50個億的淨利潤。現在希望在有限的周期内做到5年60個億、70個億的淨利潤，就是每年要多2-4個億的淨利潤，這個空間周期要拉上來。再說簡單一點，這塊業務以後可能會萎縮掉，有限的時間内怎麼樣要榨出更多的利潤出來。

數據可視化 - 派可數據商業智能BI可視化分析平台

收入規模也就那樣了，隻能降本。要麼降固定成本，要麼降可變成本。固定成本該投資的已經投資了，省不掉。如何充分利用産能，這一點已經達成共識要深入關注的。可變成本就涉及到研發、人力、原材料、費用等等。

研發的投入也是相對固定的，并且新品要持續的投入新的研發，優化不了什麼。原材料上遊議價能力也不強，沒有定價權。隻能從産能利用效率、固定資産周轉率、存貨周轉率這些方面去想辦法，以及供應鍊金融、退貨等等，準确的講是退換貨。

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别的退貨，這個量想想就知道有多大。但是之前為什麼沒有那麼的關注呢？因為之前手工統計出來的數據是有問題的，各個産品事業部報上來的數據都不一樣，有的3%、有的5%、高的7%。

因為IT基礎信息化建設的原因，很多企業沒有業務系統和商業智能BI，有些流程還沒有線上化，不是很完善，很多數據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，手工導入導出自己加工做統計計算，有些數據因為績效的原因還是經過人為調整過的，數據根本就沒有準确過。

最後把數據規範之後，把業務計算邏輯内部統一标準，按照最新的大家都認同的規則最後跑出來的數據要遠遠高于之前的數據，退貨率平均要上浮2%-3% 個百分點，一些大事業部退貨率達到了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，信息化建設不足，沒有部署業務系統和商業智能BI，實際的數據和手工統計的數據存在差異，并且還非常大。

第二個問題，沒有人去統計在一個實際的退貨流程中，真正産生的成本到底有多高，也沒有一個很準确的數據支撐。

像這家企業一個完整的退貨流程起碼幾十個動作節點，比如要對産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、檢測設備、場地、電力、固廢回收、有害處理等等操作，産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。

數據可視化 - 派可數據商業智能BI可視化分析平台

按照這種數據的分析思路和财務部門、相關業務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%，淨利潤大概可以提升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2億-4億的淨利潤，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、産品質量問題導緻的客戶丢失、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、質量管理，到原材料品質溯源順帶着因為退貨的問題全部都給帶出來了，這些都是這家企業在未來要重點開展的工作，這個方向是已經非常明确了，改善的空間還是很大的。

在此之前，數據思維不足，且沒有商業智能BI這種可以簡單進行數據分析、數據可視化的工具，像退貨率高、退貨金額大大家隻是一種感覺，在沒有看到真實的數據之前大家感受不到這件事情的緊迫程度和重要性。利潤應該從市場上出啊，靠訂單靠收入啊，退貨能有什麼影響。沒有人去深度思考這些數據之間的潛在關系，沒有用數據思考、用數據說話、用數據驗證、用數據決策。

數據多維分析 - 派可數據商業智能BI可視化分析平台

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，缺乏技術手段、信息化的支撐，不知道這些數據怎麼來整合。遇到沒數的時候不知道怎麼解決，遇到跨部門的數據協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，這就是很多企業的現狀。

這件事情的價值就在于真正讓企業能夠意識到數據的作用，像這種情況在很多生産制造行業也是非常普遍的。一是需要加強IT基礎信息化的投入，避免人工操控數據的可能，二是确實需要有一批專業的數據技術、分析團隊來幫助、協助企業的财務、業務部門去梳理、解決這種問題。

數據分析 - 派可數據商業智能BI可視化分析平台

通過這樣的數據分析，雖然目前還隻是一種分析的思路、推演出來的數據，品控質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，決策已經做出來了，等品控改善之後，數據上去了，如果驗證是對的，這個決策就做對了，商業智能BI和數據分析的價值也就體現出來了。

如果有了數據的支撐，可以縮短我們的決策周期，讓目标更加清晰、更加聚焦。否則，企業業務規模大了，哪裡好，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實的問題就是：靠優化退貨率就能夠帶來0.5%-1%的淨利潤提升，這些錢要賣出去多少産品才能掙得回來啊。

移動BI_ERP數據分析_自助敏捷BI分析_數據可視化分析系統-派可數據

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!