数据分析案例：优化退货率如何提升生产制造企业净利润

先说下结果，经过测算，这家企业的产品退货率从6%降低到3%，净利润率能够提升0.5%-1%，净利润可以提升2个亿到4个亿。

先来说下生产制造行业的毛利率，大概在15%-25%左右，不同的细分行业毛利率差别也是非常大的，比如像钢铁制造7%-10%，汽车制造15%左右，像电子零部件有的毛利率能到40%以上，差别都非常的大。

一般而言，毛利率低于10%，净利率不到5%，企业的盈利能力就不是很强，基本上靠的就是薄利多销。收入规模提升的最好方式就是量价齐升，价格既然上不去，就只能提量，量大了收入规模也还是可以的。

企业、市场环境变化

我们在做商业智能BI项目时服务过的一家企业，一年几百亿的收入规模，三年平均毛利率不到15%，净利率不到4%，每年的净利润大概也就10个亿左右。从一些财务能力指标上去看，企业的成长性、盈利能力、营运能力都不算特别好，可能整个行业就是这个样子的。收入规模增长率大概也就是在5%-7%左右，略高于国家GDP增速，与同行业相比还算比较不错；净利润率增长幅度也不大，比收入增长率略高。

数据可视化 - 派可数据商业智能BI可视化分析平台

现在整个市场、业务还是面临比较大的压力。第一，行业布局已经基本固化，从收入增长率上来看，这种增幅已经说明了一切，已经到了一个红海市场，充分竞争的市场。想再怎么扩大市场规模、提升收入规模增长和高速增长基本上不太可能了。第二，更要命的是，这个行业未来是否有可能会被某些新能源产品给替换掉，这个趋势方向是非常有可能的。

所以，一方面要想办法投入研发研究新品，这个需要一段时间周期。另外一方面，既然收入规模上不去，就要想办法延长利润空间周期。比如现在一年10个亿的净利润，这个产品市场转型的窗口期也就5年时间， 5年积累50个亿的净利润。现在希望在有限的周期内做到5年60个亿、70个亿的净利润，就是每年要多2-4个亿的净利润，这个空间周期要拉上来。再说简单一点，这块业务以后可能会萎缩掉，有限的时间内怎么样要榨出更多的利润出来。

数据可视化 - 派可数据商业智能BI可视化分析平台

收入规模也就那样了，只能降本。要么降固定成本，要么降可变成本。固定成本该投资的已经投资了，省不掉。如何充分利用产能，这一点已经达成共识要深入关注的。可变成本就涉及到研发、人力、原材料、费用等等。

研发的投入也是相对固定的，并且新品要持续的投入新的研发，优化不了什么。原材料上游议价能力也不强，没有定价权。只能从产能利用效率、固定资产周转率、存货周转率这些方面去想办法，以及供应链金融、退货等等，准确的讲是退换货。

退货产生的问题

可以简单的算一下，比如平均6%的退货率，一天好几万件的退货，每天都是几百万，高峰期间一天千万级别的退货，这个量想想就知道有多大。但是之前为什么没有那么的关注呢？因为之前手工统计出来的数据是有问题的，各个产品事业部报上来的数据都不一样，有的3%、有的5%、高的7%。

因为IT基础信息化建设的原因，很多企业没有业务系统和商业智能BI，有些流程还没有线上化，不是很完善，很多数据之前还是依靠人工维护。再加上退货的部分也是人工盘点的，手工导入导出自己加工做统计计算，有些数据因为绩效的原因还是经过人为调整过的，数据根本就没有准确过。

最后把数据规范之后，把业务计算逻辑内部统一标准，按照最新的大家都认同的规则最后跑出来的数据要远远高于之前的数据，退货率平均要上浮2%-3% 个百分点，一些大事业部退货率达到了8%-10%，平均要到6%，这个是之前大家绝对都没有想到的。

这是第一个问题，信息化建设不足，没有部署业务系统和商业智能BI，实际的数据和手工统计的数据存在差异，并且还非常大。

退货成本有多高

第二个问题，没有人去统计在一个实际的退货流程中，真正产生的成本到底有多高，也没有一个很准确的数据支撑。

像这家企业一个完整的退货流程起码几十个动作节点，比如要对产品检测看看哪些是可用的，哪些是真正要报废的。这些流程节点上就涉及到了比如装车、运输、卸载、仓库占用、人工清点、外观处理、拆检、重新装配等等一系列物流、人工、包装耗材、检测设备、场地、电力、固废回收、有害处理等等操作，产生了大量的物料成本、人工成本、物流成本、仓库成本和各种费用等等。

数据可视化 - 派可数据商业智能BI可视化分析平台

按照这种数据的分析思路和财务部门、相关业务部门进行了初步的测算，如果平均退货率能够从6%降低到3%，净利润大概可以提升0.5%-1%，看上去虽然不高，但是基盘很大，所以算下来大概能多2亿-4亿的净利润，实际上有可能还要高。因为上面仅仅是从退货角度考虑的，还没有考虑到因为退货、产品质量问题导致的客户丢失、品牌口碑影响力、存量市场客户的二次购买等问题。

所以，品控、质量管理，到原材料品质溯源顺带着因为退货的问题全部都给带出来了，这些都是这家企业在未来要重点开展的工作，这个方向是已经非常明确了，改善的空间还是很大的。

数据对于企业的价值

在此之前，数据思维不足，且没有商业智能BI这种可以简单进行数据分析、数据可视化的工具，像退货率高、退货金额大大家只是一种感觉，在没有看到真实的数据之前大家感受不到这件事情的紧迫程度和重要性。利润应该从市场上出啊，靠订单靠收入啊，退货能有什么影响。没有人去深度思考这些数据之间的潜在关系，没有用数据思考、用数据说话、用数据验证、用数据决策。

数据多维分析 - 派可数据商业智能BI可视化分析平台

其实也并不是没人去思考过这个问题，思考过，但是感觉做不到，缺乏技术手段、信息化的支撑，不知道这些数据怎么来整合。遇到没数的时候不知道怎么解决，遇到跨部门的数据协同不知道如何来推动，也没有方法论支撑。这属于有想法，但没有思路，因为大家都看不到真实的情况，所以这个问题也就没有人提出来去推动解决，这就是很多企业的现状。

这件事情的价值就在于真正让企业能够意识到数据的作用，像这种情况在很多生产制造行业也是非常普遍的。一是需要加强IT基础信息化的投入，避免人工操控数据的可能，二是确实需要有一批专业的数据技术、分析团队来帮助、协助企业的财务、业务部门去梳理、解决这种问题。

数据分析 - 派可数据商业智能BI可视化分析平台

通过这样的数据分析，虽然目前还只是一种分析的思路、推演出来的数据，品控质量管理也是需要一段时间去改善，也不是一时半会就能够解决掉的。但不管怎样，决策已经做出来了，等品控改善之后，数据上去了，如果验证是对的，这个决策就做对了，商业智能BI和数据分析的价值也就体现出来了。

如果有了数据的支撑，可以缩短我们的决策周期，让目标更加清晰、更加聚焦。否则，企业业务规模大了，哪里好，还是不好，都是靠感觉办事就不是很靠谱。

并且，至少能让大家看到一个很现实的问题就是：靠优化退货率就能够带来0.5%-1%的净利润提升，这些钱要卖出去多少产品才能挣得回来啊。