今天跟大家分享钱自严老师的管理会计30讲之第二讲。
上一讲我们一起认识了大数据，知道了大数据是从宏观的角度出发，主要强调的是数据的多维度和全面性。那么今天我们说的小数据呢，则是从微观的角度来阐述数据的细。数据的粗与细反应了一个企业管理的粗与细。
嗯我们就先从粗与细这两个矛盾变量开始说起吧。
大家一起来看一下下面的对比表
管理粗与管理细公司对比表
管理粗的公司的差旅，工资及折旧等费用就只是按大类来归集。而管理细的公司则是把每项费用追踪到每个成本中心下的使用部门。
管理粗的公司对于直接生产的人员与辅助送料的人员不分类，统一计入直接成本。而管理细的公司会按直接成本和间接成本进行归类。
管理粗的公司的成本呈现与经营业务无关，而管理细的公司会按照产量分为固定成本和变动成本。这样便于设备投入时的保本点测算。
管理粗的公司，只能通过财务报告看出企业是否赚钱。而管理细的公司除了看出企业是否赚钱之外还可以看出是靠谁赚钱。比如按照产生的利润进行排序。就可以看出公司的营收的60%来自于A，而60%的利润则来源于C。
从上面的对比我们可以看出，衡量一个企业管理水平的高低，很大程度上来源于数据的颗粒度。数据的粗细代表了公司管理的专业度。
数据精细度这么重要，那么如何提升呢？
这里给大家介绍一种智慧数据工具，数据分类。
数据如何分类，需要分得多细。体现了专业与业余的区别。财务数据要做得专业，就必须要对数据进行分类。如，我们可以根据与产品是否联动，将人员分为直接与间接。一线工人基本属于直接，而办公室人员则属于间接。然后再将工资分为基本工资，岗位津贴，五险一金，食堂班车的摊销等。而加班工资又细分为日常加班1.5倍，周末加班2倍，法定节假日3倍。
之所以要分得这么细，是因为财务数据只看到“果”，成本控制应该在前段的因上发力。
将工资分为基本工资和岗位津贴是因为两者在劳动法中的受保护程度不同。如果发生象疫情这样的事情，如果我们基本公司会涉及触犯法律，而如果调整岗位津贴则触犯法律的情况就比较低。
基于以上情况，在设置薪酬结构时就可以进行升级，将基本工资与岗位津贴按比例进行合理配置。既有利于保护员工的基本权益，又为企业调整薪酬提供了弹性。
而关于对加班类型的细分的原因，我们来看一下下面的图例。
加班费分析
企业某年二月加班工资比上个月猛增，生产经理解释由于逢恰春节，人员加班费上升，而且与去年同期相比，差不多。经理听完点了点头。而当财务部将上图拿出来后，经理皱起了眉头。去年和今年2月份虽然相似产量的前提下的加班费总量也差不多，但是细看加班费的组成，就会发现，3倍工资的占比比去年高了一倍。这说明生成计划排班有问题。要追究排班的责任。而经过详细排查，发现问题还不在计划部，由于材料缺货，直到临近春节才运到，最终导致，春节加班比例上升。
大家可以看到，以上的例子，如果不进行数据分类，很可能就被生产经理的一句话带过了，光从总的数据看，产量类似，加班费也相差不大，貌似合理。但是因为加入了正确的数据分类，使我们发现了隐藏在更深层的采购端的问题。
好的数据分类就像一把手术刀，他如庖丁解牛般的切入企业经营的多个内层，抽丝剥茧般的找到核心问题。机会往往隐藏在常人看不到的细微之处。
除了数据分类之外，以上的例子还展示了管理会计中很重要的元素—历史成本。他是一个很好的对照坐标，他通常用来衡量可比参数之间的差异。
在很多季节性行业中，由于销量存在季节性波动，同期的历史成本比上下环比更具比较意义。比如下图
同比环比表
可以看到由于受季节性波动影响，环比数据相差31%，而同比则为4.6%，略有增长。很明显，同比更具有可比性。那么这里要强调一点，同比并不一定是同一时期的比较。他更强调的是可比性。比如今年由于受市场环境影响，淡季往后推迟到了五月，那么具有可比性的反而是去年的四月和今年的五月。又比如，今年的三月与七月的产量相近，那么这两个期间的人工就具有可比性，如果三月人工12000，而7月人工14000，那么说明存在问题，需要进一步排查原因。
好的，总结一下
今天讲了数据的颗粒度以及历史成本。数据颗粒度的精细度能够帮助我们发现管理上的漏洞和不足。而历史成本是一个很好的历史参照坐标，尤其是对于产销具有季节性变动的企业，历史坐标是一个很有效的测评工具。这里终点，要注意可比性。
通过今天的学习，我们很好的回答了一个问题，平庸的企业与优秀的企业相比，到底差在哪里。一句话/数据的颗粒度
今日金句总结：魔鬼藏在细节里。
网友评论