文章转自《战略财务》杂志

  管理会计师和其他专业人士正在运用数据分析技术有效应对新冠疫情,并寻找新的客户与发展机遇。

 

 

  随着商业环境变得越来越复杂且变化速度加快,领先企业也在不断推进其数字化进程,以期为数据分析奠定基础。多年来,企业竞相采用数据分析技术,但不断增强的数字化颠覆因素(如技术进步和数据可访问性的改善),加之今年新冠疫情的影响,在短短数月内,就将这个日益由数据驱动的世界朝着数据依赖与数据优化的方向往前推进了数年。

 

  新冠疫情严重影响了社会的方方面面,无疑也会影响我们今后数十年生活、交流和经营的方式。而在这个敏捷性和韧性成为必要发展条件的时代,那些已经采用数据分析的企业,发现自己在运用数据应对疫情及其影响方面更具优势。

 

  企业运用数据分析技术的需求比以往任何时候都更加紧迫。通过数据分析获取洞见的能力要超越,或者在某些情况下至少与竞争对手水平相当。利用数据分析应对疫情的企业,已通过建立数据生态系统——驱动商业智能、形成洞见并为战略决策提供信息所需的基础架构、应用程序和分析方法——在数字化道路上取得了进展。借助数据治理,这些企业能够从多平台数据整合中受益,并实施包括数据湖、云计算、物联网(IoT)、大数据和自然语言处理等在内的数字化战略。

 

  数据分析能够不间断地处理大型数据集、提供精确的感染率和免疫率、预估理想的疾病检测点、预测消费者的消费模式并评估关乎整个产品和服务线的决策,因此已成为疫情期间企业发展的关键驱动力之一,而这也凸显了数据分析可发挥的广泛作用及其对企业的重要性(不论是否处于危机时期)。

 

 

 

  数据分析与疫情

 

  新冠疫情严重冲击了人们的生计,沉重打击了商业活动,截至8月中旬,全球近2,100万人确诊,预期744,000人死于新冠肺炎相关疾病,日新增感染人数超过275,000人。很多家族企业和跨国企业都遭受到巨大的破坏,纷纷裁员、申请破产或永久歇业,而另一些企业则遇到了难以想象的需求激增、库存耗尽和重重供应链问题,根据最乐观的估计,也需要数月时间来解决。

 

  庆幸的是,新冠疫情暴发时,许多企业已相当了解数据分析的强大作用。社区、政府和医护人员牵头分析工作,以跟踪病毒、帮助受影响的家庭并试图阻止疾病的传播。在制定和实施员工保护与客户支持计划时,企业运用数据分析来评估因居家令、恐惧与不确定性所导致的财务困难程度。我们将探讨各个行业的案例,以此展示数据分析的四种类型——描述性分析、诊断性分析、预测性分析和规范性分析(见“数据分析的四种类型”),是如何用于应对新冠疫情及相关问题的。

 

 

  医疗行业

 

  数据分析以其强大的预测能力和解决问题的能力,已成为对抗疫情及其影响的重要工具。相较其他行业,医疗行业对此体会更深。世界各地的研究人员和医护人员携手合作,共同提高数据的透明度和可访问性,从而在多各方面助力产生极具洞察力的见解。

 

  其中最引人瞩目的当属世界卫生组织(WHO),其利用数据按地理位置报告确诊病例、死亡和康复情况(见图1)。世卫组织最广为人知的描述性分析可能就是数据可视化地图,该地图展示了各个地区确诊感染情况的相对强度[见名为“WHO Coronavirus Disease(COVID-19)”的仪表盘]。除诊断性分析外,WHO还利用其他分析模型来预测新冠肺炎的感染率、康复率和死亡率。这些信息已与政府和其他相关机构共享,以提高人们对该疾病严重性的认识,并告知医疗机构和其他组织为接收及救助患者而需做的准备工作。

 

 

  约翰霍普金斯大学的研究人员在世卫组织分析方法基础上又前进一步,有效地运用模型模拟了新冠肺炎在美国县级层面的传播情况(见图2)。实践证明,这一模型对于公共卫生官员和政策制定者采取适当的遏制和援助行动至关重要。根据未来感染情况的预测数据而采取的全球性应对措施包括:居家令、保持社交距离指南、小型企业救助、债务免除和刺激方案等。图3展示了数据分析在医疗行业抗击疫情过程中所发挥作用的突出案例,包括:

 

 

  医学成像。疫情暴发早期,由于病毒进化速度快,中国短期内使用CT影像确诊患者时面临较大困难,原因之一是一线影像科医生缺乏。在华为云、蓝网科技和华中科技大学的合作下,运用基于计算机视觉的AI技术,可以在数秒内精确、重复生成CT量化结果。这一进展大大提高了诊断效率。

 

  新药研发。研究人员利用机器学习模型来确定一种药物是否能有效对抗病毒。输入机器学习模型的数据包括新冠肺炎的历史数据、反映药物对抗其他疾病有效性的数据等。

 

  打击误导性信息。Twitter等社交媒体公司使用深度学习算法,将可靠、权威的信息来源与不可靠的信息来源区分开来,减少新冠肺炎及其传染方式方面错误信息的传播。

 

  模拟感染严重程度。由于没有足够的资源供所有人定期进行新冠病毒检测,获取有关疾病传播可能后果的更多信息、尽可能恰当地分配医疗资源,就变得非常重要。数据分析用于建模,内容包括:个体感染新冠病毒的可能性(感染风险);如果被感染,患者可能需要住院治疗、接受重症监护或使用呼吸机的几率(严重程度风险);感染者死于新冠病毒相关并发症的可能性(结果风险)。

 

  有效的模型可利用诸如年龄、既往健康状况、社会习惯、卫生、所处位置、气候等方面的数据来创建脆弱性指数,预测个体感染新冠病毒的风险。有了这些因素以及其与新冠肺炎患者重点人群描述的匹配程度,预测性分析可使聊天机器人和机器学习推动人们对感染风险进行自查,规范性分析则能使医护专业人员制定个性化的治疗方案。这些数据及从中产生的洞见也可告知我们应针对某些特定人群采取更多预防措施,例如限制进入疗养院以降低老年人的感染风险,并建议慢性呼吸道疾病患者留在家里,即使其所在地区已经复工。

 

 

  财会行业

 

  疫情暴发之前,财会行业已经从主要偏重于记账、控制、鉴证和报告活动转变为自动化其中众多工作,以便从业人员将同等或者更多的精力放在分析和战略决策支持上。这一转变的关键一点,在于不断提高财会专业人士的技能,使之聚焦于数字技术尤其是数据分析。

 

  疫情期间,世界各地的财务部门在其组织的复工复产过程中发挥了重要作用。财务团队利用其对财务和非财务数据的独特访问权限,通过从数据分析中获得的洞见来为关键经营决策提供信息,使其组织能够更好地管理现金流、确定高端产品、预测需求、评估就业水平以及投融资方案等。

 

  逾期风险。金融服务企业、公用事业公司、制造企业和咨询公司的财务团队运用预测性分析来评估应收账款和客户账户历史记录,以识别逾期风险最大的客户。财务专业人士通过计算可反映支付能力和支付倾向的评分,在主动接触客户作出支付安排时,运用相关分析结果来为企业提供针对性的沟通方案建议,并在可行情况下提供短期宽限措施。

 

  现金管理。现金管理一般由财会部门负责。在当下不确定性极高、许多企业销售额大幅下滑的时期,现金和营运资金管理为财务团队进行敏感性分析提供了一个绝佳机会,以确定在其他所有条件不变的情况下,单个变量的变化会对结果造成怎样的影响。除了监控应收帐款周转天数和未来到期的付款清单外,会计师还要审查当前和将来总体的现金流入和流出情况,确定众多成本和收入动因的影响,如生产需求高于现有产品的新产品、原材料成本增加、削减特定营销活动、提供免费或折扣力度大的服务。这些分析可让企业知晓维持有限经营或扩大经营所需的现金量,为获取额外资金的潜在需求提供指导,并预测拉动其他经营或业务杠杆对现金的影响。

 

  财务业绩。资产评估和损益方面的预测对于企业复工复产期间的管理决策很重要。情景分析等财务模型可通过改变内外部变量,生成最有可能发生、最乐观和最悲观的情景。

 

  变量示例如下:

 

  (1)居家令导致销售收入下降,因为无法向接触不到的消费者提供服务;

 

  (2)对卫生纸和纸巾等产品的需求意外激增。这类分析的结果可为从存货管理到产品定价及新产品或服务的推出等提供支持。

 

  用工决策。情景分析还可为用工决策提供信息。遗憾的是,疫情期间,许多企业被迫让少则数十、多则数千名员工强制休假或将其辞退。情景分析结果显示了被迫歇业或消费者对就餐深感不安的餐厅、应对油气需求急剧下降的能源企业、大大小小“门庭冷落”的旅游、娱乐及观光企业所解聘的人数。另一方面,情景分析也为运输公司和杂货商需要额外雇佣多少人手来满足空前激增的需求提供了建议。这些洞见是会计师和财务专业人士在作为业务伙伴与人力资源、运营等部门合作时产生的。

 

  获得洞见。万事达卡近期启动的“Recovery Insights”计划所产生的财务和运营结果,影响了公共和私营企业。该计划提供的研究、工具和创新方法,使企业能够利用万事达卡的观察来制定更明智的决策。万事达卡数据与服务部门总裁Raj Seshadri表示,在“做出更明智决策、实现更好的结果”这一目标的指引下,其观察结果“正帮助服装品牌优化库存以应对电子商务业务的增长,帮助杂货商调整商店营业时间以使面临风险的购物者放心,帮助政府指导服务行业以促进当地经济发展”)。这些分析数据在财会行业应用的一个示例是:纽约市利用地域消费模式的变化(按街区)来预测消费者支出对城市消费税收入的影响,从而更明智地调整预算。

 

  零售业

  零售业数十年前就发现了数据分析的强大能力,但现代技术的进步使零售商可处理的数据量及处理速度都成倍增长。有了良好的数据依赖文化,零售商使用结构化数据预测消费者行为,并通过分析非结构化数据来揭示产生这种行为的原因。结合结构化数据(最常在销售点获取的数据)与非结构化数据(通过推文、照片、标签和评论等收集等渠道收集的数据)后,零售领军企业就可通过消费者偏好、参与度、人口统计信息、兴趣、趋势等信息获得洞见。疫情期间,这些洞见使企业能够制定有关产品和服务甚至人员调度的战略决策(如在繁忙时安排更多工作班次)。

 

  信息不足。零售业虽然已经习惯使用数据分析来制定战略决策并打造有针对性的客户体验,但因为信息(或数据)的不足,被新冠疫情带入了一片未知领域。收入缩水和利润率下降的同时,零售商如今还面临着突然缺乏足够可用数据带来的挑战,这迫使他们去了解当前客户是谁(新的客户或疫情暴发之前的客户)、财务困难下的消费者会做出怎样的采购决策,以及实体店何时可以恢复“正常运营”。值得庆幸的是,事实证明,数据分析在解决这些挑战方面也能提供很多帮助。

 

  为减轻相关季节性历史数据(例如去年同期某月/某季度)缺乏所带来的影响,零售商寄希望于利用指数平滑模型来编制预测,并在趋势形成期间进行观察。简单的移动平均法预测是将时间序列中的过往观测值设置同等权重,而指数平滑法则随着时间推移以指数方式减少权重来平滑时间序列数据,因此,时间段越近,权重越大,这一点在疫情造成消费者行为波动的环境下极为重要。如今,零售商可以利用疫情最近时期的消费模式按日或按周来编制销售预测,预测短期活动。

 

  零售分析应用程序。一些零售企业明智地认为其在疫情之前使用的模型如今或不久的将来不太可能提供可靠的洞见,这些企业使用有限的新冠疫情数据集进行描述性分析,评估其当前的客户是谁、哪些产品在这些客户看来是必不可少的。预测性分析则可让零售商利用人工智能进行产品变更和提出采购建议。

 

  诊断性分析也可利用以往经济困难时期的历史数据来了解消费者行为,而规范性分析则可利用这些数据让零售商评估临时或永久停产的产品线,权衡供应链问题的各种解决方案,并知道如何安全且有盈利地恢复实体店经营(餐厅、酒店等行业曾遇到过同样问题)。

 

  空间分析。为零售商提供指导时,Angel Evan和Amber Rivera在《哈佛商业评论》中建议将空间分析、地理数据分析模型与本地健康指南及同样按地理位置呈现的世卫组织确诊感染相对强度数据进行配对。这种配对使零售商能够恰当地排列要重开或关闭的特定区域的门店,评估这些区域内的消费者在多大程度上愿意光顾实体店,即使在诸多限制情况下。

 

 

  迫切需要数据分析

 

  数十年来,数据分析在各行各业中的广泛应用已广为人知,而如今,数据分析在为企业提供竞争优势、有效提升价值交付以及商业人士角色转型等方面,发挥着无可争议的关键作用。更重要的是,数据分析在危机时期所产生的巨大影响力几乎是无与伦比的,在对抗新冠疫情中的贡献便是明证。

 

  数据的强大力量将来自全球各大洲的研究者、素未谋面的小企业主以及中央与地方政府联系起来,赋能于商业人士((尤其是财会领域的商业人士),使其组织得以生存甚至某些情况下的繁荣发展。数据分析为不堪重负的企业带来了希望,让人们对未来重拾信心,并对疾病的治愈保持乐观。

 

  尚未采用数据分析的企业将会发现自己落后于同行,从长远来看,需要更加努力才能生存下去。不愿现在提升自身技能的管理会计师和商务人士会发现自己在相关性竞赛中败下阵来,竞争力可能也逊于行动起来的同行。

 

  商业的未来在于数据,而企业内部职能部门(会计、财务、经济学、市场营销等)的未来在于数据分析。企业领导者要求其团队灵活、高效地提供基于数据的洞见和建议,因此,支持这些工作的职能团队必须具备数据分析技能。

 

  当你在疫情期间持续为所在企业提供支持时,要设法找到利用数据提升团队分析水平的方法。培养并加强你的数据分析技能,这样你才能提升个人所创造的价值。你一定会发现自己的贡献远不止是提高了企业利润。数据的力量是无限的,数据分析的广阔舞台就在未来。