據調查統計，2022年财務BP成為了衆多财務人跳槽的首選崗位！

作為财務BP每天都要跟業務打交道，當财務對不同的産品（産品線）完成收入和成本核算後，就可以對相應的産品毛利進行分析了。

這幾天受國際局勢的影響，大宗商品原材料價格波動較大，增加了制造業的原料采購成本，成本上漲進而影響了産品的毛利。

毛利是企業淨利潤的基礎，毛利率在一定程度上可以反映企業的競争優勢，如果企業具有持續性的競争優勢，它的毛利率會處在較高的水平，企業可以對其産品或服務自由定價，讓售價遠高于其産品或服務本身的成本；如果企業缺乏持續競争的優勢，它的毛利率就處在較低水平，企業就隻能根據産品或服務的成本來定價，賺取微薄的利潤。

我在群裡看到有很多制造業的财務BP都在為分析毛利變動的原因而苦惱，今天我們的案例将結合Python教大家如何使用基期和當期的營業數據，快速分析毛利和毛利率變動的原因。

1

數據準備

獲取實驗數據，分為基期毛利數據和本期毛利數據：

import pandas as pd import warnings warnings.filterwarnings("ignore") pd.options.display.float_format = '{:,.2f}'.format file = '财會實驗數據.xlsx' df0 = pd.read_excel(file, sheet_name='毛利基期數') df1 = pd.read_excel(file, sheet_name='毛利本期數') #df.fillna(0,inplace=True) df0

2

計算指标

為基期數和本期數分别計算毛利、占比、單價、單位成本、成本率、毛利率等指标：

# a.創建計算函數 def margin(df): # 計算産品線彙總數，如果是字符串，填入文字‘合計’，數字的進行加總 df.loc['T'] = df.apply(lambda x: '合計' if isinstance(x.sum(),str) else x.sum()) df['毛利'] = df['收入']-df['成本'] df['占比'] = df['收入']/df.loc['T','收入'] df['單價'] = df['收入']/df['銷量'] df['單位成本'] = df['成本']/df['銷量'] df['成本率'] = df['成本']/df['收入'] df['毛利率'] = df['毛利']/df['收入']*100 # b.對基期數和本期數分别應用函數 margin(df0) margin(df1) df0

3

數據處理

将兩期數據進行拼接，注意suffixes參數填加同名字段不同表的後綴：

df2=df0.merge(df1,on=['産品線'，‘分類’]， how=‘outer’,suffixes=('2018','2019')) df2

4

進行兩期數據的分析比較

a.降價率 = 本期單價/基期單價-1

b.降本率 = 本期單位成本/基期單位成本-1

c.毛利差 = 本期毛利-基期毛利

df2['降價率']=df2['單價2019']/ df2['單價2018']-1 df2['降本率']=df2['單位成本2019']/ df2['單位成本2018']-1 df2['毛利差']=df2['毛利2019']/ df2['毛利2018'] df2['毛利率差']=df2['毛利率2019']- df2['毛利率2018'] #方便查看結果，縮短展示列 pd.concat([df2[産品線]， df2.loc[:,'降價率']]，axis=1)

将毛利差拆分為價格影響、成本影響、銷量影響:

d.價格對毛利的影響額 = (本期單價-基期單價)*本期銷量

e.成本對毛利的影響額 = -(本期單位成本-基期單位成本)*本期銷量

f.銷量對毛利的影響額 = (本期銷量-基期銷量)*基期單位毛利

df2['價格影響'] = (df2['單價2019']-df2['單價2018'])*df2['銷量2019'] df2['成本影響'] = -(df2['單位成本2019']-df2['單位成本2018'])*df2['銷量2019'] df2['銷量影響'] = (df2['銷量2019']-df2['銷量2018'])*(df2['單價2018']-df2['單位成本2018']) # 驗證三個影響因素的合計等于毛利差 print(df2.iloc[:,-3:].sum(axis=1)-df2['毛利差']) #方便查看結果 pd.concat([df2['産品線'],df2.loc[:,'降價率':]],axis=1)

将毛利率差拆分成價格和成本的影響（毛利與銷量無關）：

g.成本影響毛利率 = 本期單位成本-基期單位成本/基期單價

h.價格影響毛利率 = -本期單位成本/本期單價 本期單位成本/基期單價

i.除成本和價格單獨對毛利的影響額外，即不同毛利的産品混合在一起所産生的影響

其中，g和h的分子分母同時乘本期銷量，因為單個産品線的計算是否乘銷量結果是一樣的，但是産品線的合計如果用單位成本和單價計算就會失真，因此乘銷量後的收入和成本總額進行計算。

df2['新收入'] = df2['單價2018']*df2['銷量2019'] # 重算合計數，倒數4列的合計拿各産品線重新加總 df2.iloc[-1:,-4:] = df2.iloc[0:-1,-4:].sum().values df2['成本影響毛利率'] = df2['成本影響']/df2['新收入']*100 df2['價格影響毛利率'] = df2['毛利率2019']-(df2['新收入']-df2['成本2019'])/df2['新收入']*100 df2['混合影響毛利率'] = df2['毛利率差']-df2['成本影響毛利率']-df2['價格影響毛利率'] #方便查看結果 pd.concat([df2['産品線'],df2.loc[:,'降價率':]],axis=1)

設計以上毛利分析模型的意義在于，如果數據有多維度，比如銷售區域、大類、渠道等，可以将子類數據傳入模型，分析每個子類的毛利：

# 如果要對源數據進行分類統計，可以将上述過程打包成一個大函數，将基期df和本期df作為參數傳入，輸出毛利影響分析表 def ma(df0,df1): margin(df0) margin(df1) # 将兩期數據進行拼接 df2 = df0.merge(df1,on=['産品線','分類'],how='outer',suffixes=('2018', '2019')) # a.降價率 = 本期單價/基期單價-1 df2['降價率'] = df2['單價2019']/df2['單價2018']-1 # b.降本率 = 本期單位成本/基期單位成本-1 df2['降本率'] = df2['單位成本2019']/df2['單位成本2018']-1 # c.毛利差 = 本期毛利-基期毛利 df2['毛利差'] = df2['毛利2019']-df2['毛利2018'] df2['毛利率差'] = df2['毛利率2019']-df2['毛利率2018'] # d.價格對毛利的影響額 = (本期單價-基期單價)*本期銷量 df2['價格影響'] = (df2['單價2019']-df2['單價2018'])*df2['銷量2019'] # e.成本對毛利的影響額 = -(本期單位成本-基期單位成本)*本期銷量 df2['成本影響'] = -(df2['單位成本2019']-df2['單位成本2018'])*df2['銷量2019'] # f.銷量對毛利的影響額 = (本期銷量-基期銷量)*基期單位毛利 df2['銷量影響'] = (df2['銷量2019']-df2['銷量2018'])*(df2['單價2018']-df2['單位成本2018']) # 分析價格和成本對毛利率的影響（毛利與銷量無關） df2['新收入'] = df2['單價2018']*df2['銷量2019'] # 重算合計數 df2.iloc[-1:,-4:] = df2.iloc[0:-1,-4:].sum().values # 成本影響毛利率 = (本期單位成本-基期單位成本)/基期單價，分子分母同時乘本期銷量 df2['成本影響毛利率'] = df2['成本影響']/df2['新收入']*100 # 價格影響毛利率 = -本期單位成本/本期單價 本期單位成本/基期單價，分子分母同時乘本期銷量 df2['價格影響毛利率'] = df2['毛利率2019']-(df2['新收入']-df2['成本2019'])/df2['新收入']*100 # 除成本和價格單獨對毛利的影響額外，即不同毛利的産品混合在一起所産生的影響 df2['混合影響毛利率'] = df2['毛利率差']-df2['成本影響毛利率']- df2['價格影響毛利率'] return pd.concat([df2['産品線'], df2.loc[:,'降價率':]],axis=1) # 對A類産品進行分析，将過濾後的df作為參數傳入ma函數 ma(df0.loc[df0['分類'] == 'A',:],df1.loc[df1['分類'] =='A',:])

未來，兼備财務知識與數字技術的複合型人才，将成為企業不可或缺的瑰寶。當财務BP掌握了數字化工具後，可以高效的進行财務分析，屆時财務通過數據描繪企業經營狀況，通過對數據挖掘、收集、整理、分析發現背後隐藏的價值，用數據來支持決策。

©圖片版權歸财碼數字化所有，如對版權有異議，請聯系後台議定處理。

本文由财碼數字化整理發布，如需轉載請務必注明以上信息。

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!