来源|接地气的陈老师
经营分析中最关键的，也是让人最头疼的部分，无疑就是制定经营计划。它通常与设定业务目标和编制财务预算同歩进行，耗时一两个月，这个过程中充满着随意拍脑袋决策、相互扯皮、反复修改，让人十分挫败。
那么，合理的经营计划该如何制定？又该如何破解难题呢？今天将对此进行系统地分享。
经营计划的制定有着标准流程：
1. 制定年度销售目标与销售预算
2. 基于销售目标，推算采购、供应、研发任务
3. 基于销售目标和支持部门的任务，制定现金预算
4. 综合销售预算与现金预算，制定预计利润表和预计资产负债表
整个流程如下图所示，不同行业略有差异，商贸类或服务类行业在销售部分投入精力多些，制造业在生产预算上投入精力较多。
任务看起来很繁多，哪部分是最关键的呢？
最关键的当然是销售目标。因为各部门的工作都跟销售部门相关，且很多指标可以用销售目标乘以固定参数推算出来：
1. 销售目标 x 商品结构 → 商品需求计划 → 采购/生产预算
2. 商品需求计划 → 物流/供应/仓储计划 → 供应预算
3. 销售目标中新品比例 → 新品研发计划 → 研发/设计预算
4. 销售目标中新老渠道比例 → 渠道开发计划 → 推广预算
5. 销售目标中活动部分比例 → 促销/品牌计划 → 营销预算
深入拆解预算流程，可以得到下图：
拆分到这一步，会出现一个明显的界限：业务稳定的公司，经营计划与预算非常容易制定。比如有的企业承担“保供应”任务，销售目标由上级制定，只要完成任务即可；有的公司业务发展非常稳定，每年增长不大，在这种情况下，公司的毛利、供应费用比例、营销费用比例都是固定的，每年变化不大，直接乘以目标就可以得出结果。这种稳定的公司要么是大国企要么是公共事业，能享受这种“预算福利”的并不多。
在大多数公司中，制定合理的销售目标非常困难。
难点一：历史数据难参考。
尤其是变化剧烈的企业，比如：
1. 创新型企业：每年一大堆新项目，没有历史数据参考
2. 高速增长的企业：每年一个新台阶，之前的上限意义不大
3. 停滞或衰退中的企业：尚能维持但份额被蚕食，之前的上限意义不大
4. 宏观环境巨变企业：产业升级、人口结构变化影响大，被迫调整
这就难上加难了！
难点二：影响因素众多。
外部环境、社会舆论、竞争对手、上游供应商、下游消费者、内部团队表现、内部新品成功概率、内部努力程度与稳定性......都会影响结果，却很难全部预测准确。未卜先知的本事大家都喜欢，问题是它并不存在。
难点三：拆分逻辑多样。
提起销售数据，大家都知道看人、货、场，可非要让经营分析人员提前一年预测清楚每一个渠道、每一客户、每一商品会卖多少，肯定是办不到的。来回更换拆分维度，经常导致大量额外工作，也让预测更加不准确。
难点四：领导意志影响。
即使有历史数据支持，领导们也不一定会遵循历史规律。或因信心过强，或因市场嗅觉，或想逢迎上级，或者纯粹闭着眼睛拍脑袋，领导很可能会给出个高的吓人一跳的目标......至于如何合理拆解下去，当然又让经营分析人员抓破头了。
难点五：部门利益博弈。
业务部门永远都想多拿预算，少背KPI。扯皮是不可避免的。而且数据对他们有利，就拿数据说事。数据对他们不利，就说：数据无法精确预测大环境的趋势......经常把水越搅越浑。
综合以上五点，制定销售目标经常是漫长的、扯皮的、反复修改的，充满挫败感的。那么该怎么突破呢？
首先：心态要好，别气死自己。
这不是开玩笑！如果经营计划的冲突来自部门利益冲突或领导期望值太高，作为经营分析人员是无法避免的，反复修改也是必然的。所以让自己不生气才是最重要的。我们尽可能提供数据佐证，支持靠谱的想法或否定不靠谱的想法即可。
其次：重视证据，而非执着于数字。
做经营分析，最怕的就是，领导拍脑袋拍出一个非常高的目标，你拆分完成后，领导转头反问你“你这种拆分有什么科学依据吗！”如果你答不上来，你还会被领导怼。所以数字不重要，逻辑和证据才重要。
比如量化宏观环境影响时，建议大家将表格制作成如下格式。在每个参数后面标注相应的证据和领导的判断。比如预计上游行业经营不善，导致原材料成本上升，那么分别把证据、参数变化方向、参数大小写下来。只要领导认可你的证据和参数变化方向，具体的参数大小完全可以根据情况商榷（如下图）。
比如预计内部业务表现，也建议大家将表格制作成如下格式。并分别对应了每个参数的证据和领导的判断。比如预计销售部门业绩稳定增长，有进一步增长空间，那么分别把证据、参数变化方向、参数大小写下来。只要领导认可你的证据和参数变化方向，具体的参数大小完全可以根据扯皮结果填写（如下图）。
第三：表现稳定的老业务多看历史数据，新业务留足想象空间。
经营分析肯定是由数据说话的，老业务积累的数据更丰富，更容易找到证据支撑，因此老业务多看历史数据，寻找稳定的参数，比如：
1. 老店铺的留存率
2. 老渠道的转化率，投入产出比
3. 老商品的生命周期变化
4. 在不同促销力度影响下的销售弹性
这些都有历史数据积累，尽量使用历史参数。事实上，领导们也不完全不通情理，看到详细的参数后，通常都会接受事实。
但是新业务上放飞自我，这个就真的没办法了。如果是新产品，你可以用历史上同价位、同款式的新品成功率来凑合（但依然无法摆脱业务认为“我这个肯定爆”的想法）；如果是全新的渠道，那这个真的没办法了，即使做了测试，业务也可以说“大规模推广肯定比测试数据好看！”我们也无法反驳。所以建议让他们吵完，我们填个参数就行了。
第四：从一个参数相对稳定的主逻辑入手。
前文提到，非要细化到每个渠道、每个客户、每个产品的销量预测是不可能的。那么尽量找一个参数