189 lines
9.8 KiB
Markdown
189 lines
9.8 KiB
Markdown
# CMA 数据分析三原则（找异常 / 读动机 / 理关联）——交付方法论
|
||
|
||
> 版本：v1.0 | 2026-08-26 | 提出：yanxueBot（user-insight-9-perspectives 视角5）
|
||
> 落地：项目Bot + 财务Bot | 状态：交付方法论（P2，不新增功能，用现有CMA能力）
|
||
> 配套模板：`docs/templates/cma-data-analysis-report-template.md`
|
||
|
||
## 0. 为什么做这套方法论
|
||
|
||
客户买了CMA，看到的不该是"一堆报表"，而应该是"一个故事"。
|
||
同一个数据，讲法不同，客户价值感知完全不同：
|
||
|
||
- 讲数据：营业收入8.08万 → 客户："哦，知道了"（无感）
|
||
- 讲故事：营业收入环比暴跌90%，触发红色预警，根因是渠道补贴冲减、真实毛利51.4%被账面口径掩盖 → 客户："那怎么办？"（有行动）
|
||
|
||
三原则就是把"数据→洞察"做成可复制的标准流程：**找异常（信号）→ 读动机（原因）→ 理关联（对策）**。
|
||
|
||
## 1. 三原则总览
|
||
|
||
| # | 原则 | 一句话 | 对应CMA能力 | 输出 |
|
||
|---|------|--------|------------|------|
|
||
| 1 | 找异常 | 偏离预期的数字=信号=机会 | 预警规则 alert_rules（static/trend_down）、KPI偏离看板、预测偏差告警 | 异常清单（KPI×偏离度×红黄绿） |
|
||
| 2 | 读动机 | 数据背后是活生生的人 | 业务访谈、场景还原、口径拆解（多模型对比） | 动机/口径解释（为什么会这样） |
|
||
| 3 | 理关联 | 串联行为与市场，理清因果 | KPI因果链（positive/negative）、模拟推演、四维度联动 | 因果链图+对策建议（所以怎么办） |
|
||
|
||
记忆口诀：**"哪儿不对 → 为什么 → 牵一发动哪里"**。
|
||
|
||
---
|
||
|
||
## 2. 原则一：找异常（不只看常态）
|
||
|
||
### 2.1 定义
|
||
常态是背景，异常才是信号。客户最值钱的信息不是"这个月正常"，而是"这个月不对劲"。
|
||
异常=偏离预期（目标/阈值/趋势/历史同期）的数字。偏离越大，机会越大（无论好坏）。
|
||
|
||
### 2.2 CMA落地工具
|
||
- **预警规则**（alert_rules）：static（绿/黄/红阈值）+ trend_down（环比跌幅）双引擎，现行78条
|
||
- **KPI看板/偏离视图**：实际值 vs 目标值，红黄绿一目了然
|
||
- **预测偏差告警**（rule_type=forecast_deviation）：实际 vs 模型预测，跑偏即报警
|
||
- **多粒度对比**：月/季/年目标（target_calc_type）齐比，避免单粒度误判
|
||
|
||
### 2.3 落地步骤（30分钟）
|
||
1. 拉当期全量KPI实际值，按红黄绿筛出红/黄
|
||
2. 环比/同比/目标三个维度排序，取Top5偏离
|
||
3. 只保留"偏离有业务含义"的，剔除口径噪音（如导入错误、季节性）
|
||
4. 输出异常清单：KPI名 | 实际值 | 预期值 | 偏离度 | 红黄绿 | 首次出现时间
|
||
|
||
### 2.4 客户话术
|
||
- 开场："这个月有X个指标在警报区，我们一个个看。"
|
||
- 提问："这个数字偏离了目标X%，您觉得是市场变了，还是口径变了？"
|
||
- 升级："连续两个月trend_down，这不是偶发，是结构性问题。"
|
||
|
||
---
|
||
|
||
## 3. 原则二：读动机（不只看表象）
|
||
|
||
### 3.1 定义
|
||
数据是人行为的痕迹。同一个"毛利率低"，可能是成本高（真差），也可能是返利未确认（口径差）。
|
||
不访谈、不还原场景，就敢下结论 = 报告是废纸。
|
||
|
||
### 3.2 CMA落地工具
|
||
- **业务访谈**：按KPI问业务负责人"这个数怎么来的、最近变了什么"
|
||
- **口径拆解/多模型对比**：账面口径 vs 管理口径（如Model C），还原真实经营
|
||
- **场景还原**：把数字放回业务场景（门店、客户、合同、渠道）
|
||
- **数据血缘/来源核查**：确认数字本身没错，再谈动机
|
||
|
||
### 3.3 落地步骤（60分钟）
|
||
1. 对异常清单每条，先做"口径自检"：数字对了吗？口径对吗？
|
||
2. 再问"业务自检"：最近有什么动作/事件影响它？
|
||
3. 访谈至少1个业务负责人，记录原话
|
||
4. 输出动机解释：异常KPI → 表面原因 → 深层动机（谁、为什么、什么场景）
|
||
|
||
### 3.4 客户话术
|
||
- "账面看是XX，但您看这个口径拆解——实际是XX。"
|
||
- "我猜是XX原因导致的，对吗？"（给客户一个可确认/可纠正的假设，不要下结论）
|
||
- "这个数字背后是哪个业务动作？是主动调整还是被动结果？"
|
||
|
||
---
|
||
|
||
## 4. 原则三：理关联（不只盯增长）
|
||
|
||
### 4.1 定义
|
||
单点数字会骗人，因果链不会。涨跌不只看自己，要看它牵动谁、被谁牵动。
|
||
理清因果 = 找到真正的驱动杠杆，对策才有落点。
|
||
|
||
### 4.2 CMA落地工具
|
||
- **KPI因果链**（kpi_causality）：positive/negative 方向 + strength 强度 + lag_months 滞后（现行28条：positive 20 / negative 8）
|
||
- **模拟推演**（POST /api/cma/kpi-causality/simulate）：改一个KPI，预测下游影响链
|
||
- **四维度联动**：财务/客户/内部流程/学习成长 跨层传导（BSC四层泳道）
|
||
- **战略地图**：节点间连线即因果，从KPI追溯到OKR/战略
|
||
|
||
### 4.3 落地步骤（45分钟）
|
||
1. 对每个异常KPI，查上游（谁驱动它）+ 下游（它影响谁）
|
||
2. 标注强度（>0.7强相关）与方向，找出Top3驱动链
|
||
3. 用模拟推演验证："如果修复这个驱动，下游能改善多少"
|
||
4. 输出因果链图 + 对策建议：优先动"强驱动、可干预"的杠杆点
|
||
|
||
### 4.4 客户话术
|
||
- "这个KPI不是孤立的——它由X驱动（强度0.9），又牵动Y。"
|
||
- "真正的问题不在表面这个数，在它上游的X。"
|
||
- "我们建议先动X：按模拟推演，X每改善10%，Y能改善约9%。"
|
||
|
||
---
|
||
|
||
## 5. 《CMA数据分析报告》结构模板（含三原则应用位置）
|
||
|
||
完整可复用模板见 `docs/templates/cma-data-analysis-report-template.md`，骨架如下：
|
||
|
||
```
|
||
一、经营总览（一页纸）
|
||
- 核心KPI仪表盘（红黄绿）+ 一句话结论【找异常入口】
|
||
|
||
二、异常发现【原则一·找异常】
|
||
- 异常清单表：KPI | 实际 | 预期 | 偏离 | 红黄绿
|
||
- Top3异常重点展开（趋势图+阈值线）
|
||
|
||
三、动机解读【原则二·读动机】
|
||
- 每条Top异常：口径自检结论 + 业务动机（谁/为什么/什么场景）
|
||
- 管理口径 vs 账面口径对比（如适用）
|
||
|
||
四、因果关联【原则三·理关联】
|
||
- 异常KPI的因果链图（上游驱动/下游影响，标注强度方向）
|
||
- 模拟推演结果：动哪个杠杆、影响多大
|
||
|
||
五、对策与行动
|
||
- 按"强驱动+可干预"排序的3条建议（对应责任KPI）
|
||
- 下期目标修正建议（如需）
|
||
|
||
六、附录
|
||
- 数据口径说明 / 预警规则清单 / 访谈记录要点
|
||
```
|
||
|
||
每章都在"讲一个故事"：**先让客户看见异常（信号），再让他理解为什么（动机），最后带他看连锁反应和对策（关联）**。
|
||
|
||
---
|
||
|
||
## 6. 样例：陕酣客（陕西酣客文化传媒，entity 1）三原则试跑
|
||
|
||
> 用CMA现行真实数据（2026-08-26 查询）：预警规则78条（static 39 + trend_down 39）、因果链28条（positive 20 + negative 8）、营业收入实际值2026-06~08。
|
||
|
||
### 6.1 找异常
|
||
- 营业收入：2026-06 实际129.32 → 2026-07 81.08 → 2026-08 8.08
|
||
- 环比：7月 -37%，8月 **-90%**；静态规则 red < 4000（触发红色）；trend_down 阈值10%（远超）
|
||
- 毛利率：账面口径 0.13%（静态规则 red < 30，严重偏离）
|
||
- 结论：收入崩盘 + 毛利率异常 = 双红色信号，值得深挖
|
||
|
||
### 6.2 读动机
|
||
- 毛利率账面0.13%的原因（访谈+口径拆解）：白酒经销模式下，上游厂返利/补贴挂账未确认、渠道补贴冲减收入，账面口径失真
|
||
- 调整为管理口径（Model C：还原厂补+剔除冲减）后，真实毛利率 **51.4%**
|
||
- 动机解读：不是经营变差，是"返利确认节奏"和"渠道补贴政策"两个业务动作主导了账面数字——数据背后的活人是酒厂结算员和渠道客户
|
||
|
||
### 6.3 理关联（因果链实证）
|
||
| 因果 | 方向 | 强度 | 含义 |
|
||
|------|------|------|------|
|
||
| 毛利率 → 净利润 | positive | 0.96 | 毛利是利润的第一驱动（强） |
|
||
| 上游厂补率 → 净利润 | positive | 0.9 | 厂补确认=真金白银 |
|
||
| 渠补率 → 净利润 | negative | 0.85 | 渠道补贴是利润黑洞 |
|
||
| 费用率 → 净利润 | negative | 0.8 | 费用管控第二杠杆 |
|
||
| 营业收入 → 净利润 | positive | 0.1 | 收入规模对利润贡献很弱（反直觉！） |
|
||
|
||
- 洞察：表面看"收入崩了"，因果链显示**利润真正的驱动是毛利率（0.96）和厂补率（0.9）**，而收入规模只贡献0.1——所以对策不是"冲收入"，而是"确认厂补、压渠补、管费用"
|
||
- 模拟推演示意：厂补率每改善10%，净利润传导约 +9%；渠补率每压缩10%，净利润 +8.5%
|
||
|
||
### 6.4 一句话故事
|
||
"这个月收入掉了90%，账面毛利0.13%——但拆开口径，真实毛利51.4%；因果链告诉我们利润的命门是厂补确认和渠道补贴，不是收入规模。所以下月重点：催厂补、砍无效渠补。"
|
||
|
||
---
|
||
|
||
## 7. 交付流程（标准三步）
|
||
|
||
| 步骤 | 动作 | 工具 | 时间盒 |
|
||
|------|------|------|--------|
|
||
| Step 1 | 跑异常清单 | 预警/KPI看板 | 30min |
|
||
| Step 2 | 访谈+口径拆解 | 业务访谈/多模型 | 60min |
|
||
| Step 3 | 因果链+对策 | 因果链/模拟推演 | 45min |
|
||
|
||
铁律：**没有访谈就写动机 = 编故事；没有因果链就写对策 = 拍脑袋。**
|
||
|
||
## 8. 验收与自检清单
|
||
|
||
- [ ] 报告含异常清单（有红黄绿，不只有常态）
|
||
- [ ] 每条Top异常有动机解释（有访谈/口径依据，不是猜测）
|
||
- [ ] 每个对策能追溯到因果链（有强度/方向/推演支撑）
|
||
- [ ] 客户能一句话复述故事（"收入掉了但真实毛利51.4%，命门是厂补"）
|
||
|
||
## 关联
|
||
- 来源：user-insight-9-perspectives.md（视角5，一组数据一个故事）
|
||
- CMA能力：alert_rules（78条）/ kpi_causality（28条）/ simulate / 四维度BSC
|
||
- 案例：陕酣客（entity 1）—— 账面毛利0.13% → Model C 51.4%
|