财务分析涉及两个层面：数据分析与业务分析。二者一体两面，但先后有序，数据分析在前，业务分析在后。

一、如何进行数据分析

要做好数据分析，首先需要财务人员有扎实的会计基础，对财务指标的含义熟稔于心;其次要求财务人员有足够的数据敏感，能快速闪现出数据异常可能的驱动及后果。

什么是数据敏感呢?我认为具备数据敏感的财务人员至少应拥有两种能力。

第一，能联想到触发数据变动的原因。

例如，看到坏账准备这个数据时，财务人员应联想到以下几个方面：(1)公司超长期应收账款收不回来;(2)公司的信用政策可能有问题，客户信用管理可能不严谨;(3)公司产品可能有质量问题，客户拒绝付款……

第二，看到一个数据会立即想到其关联数据。

例如，看到坏账，财务人员应联想到以下一系列“病变”：利润减少——净资产减少——资产负债率提高——银行不贷款——资金链断裂——不能偿还到期债务——债权人可能与公司对簿公堂等。

财务人员做数据分析的过程，实际就是触发数据敏感并解析敏感源的过程。

对财务数据有足够的敏感，这是财务人员应该具备的职业素养。培养数据敏感性，不能靠死记硬背，记是记不住的，即便现在记住了，很快又会忘记。要想对数据有敏感性，最重要的是要了解数据背后的故事，要了解业务运行的规则。只有把数据背后的因果搞清楚了，数据才能变得生动。数据生动了，就有了故事性，我们自然会产生敏感。

二、如何进行业务分析

业务分析是基于数据分析的成果进行的。业务分析分两步：第一步，财务人员结合业务定位导致数据异常的可能原因;第二步，财务人员与业务人员一道，逐一排查，找出“可能原因”中的“真凶”。

举例说明，2021年4季度A公司手机销售收入下滑了40%，板子该打谁身上呢?我想你的第一感觉和我一样，销售人员。这样的答案是感性的，也可能是肤浅的，因为导致销售收入下降原因有很多，销售人员工作不力只是触发销售收入下降的一种可能。

做业务分析，就是要深入到数据背后，一层一层挖掘，用排他法把真正的原因找出来。回到上例，手机销售收入下降就可能是研发不力导致的，如果把板子打在了销售人员身上，岂不冤枉销售人员了吗?

再举一个例子。2021年，通信设备公司A与运营商公司B签订了一份5G合同，A为B在某区域安装1000个5G基站，合同额1亿元(不含增值税)。截止2021年年末，A公司已安装完800个基站，并通过了B的验收，A在2021年按完工进度法确认了80%的收入。2022年，A刚刚安装完剩下的那200个基站。这是否意味着，2022年A的业绩不如2021年呢?

如果只看会计账面数据，你会得出肯定的结论。但这样的结论不见得是公允的，原因在于A确认收入时使用的完工进度法不尽客观。

如果你熟悉业务，你可能知道安装基站是有难易之别的，无人区、农村地区、工(商)业区、居民区安装难度依次增高。大多数人干活都是先易后难，容易的活2021年A公司都干完了，留在2022年的都是“硬骨头”，安装这200个基站的工作量甚至高于2021年安装那800个基站的工作量。

上例中，财务人员如果不明白这些业务特点，光从财务数据评判，分析结论可能就是错的。

之所以一再强调业务分析的重要性，原因就在于，财务分析不结合业务进行，分析结论可能失真，可能误导，可能南辕北辙。