【原】PowerBI数据分析实践05 | 因素分析法

文/海艳

上市IT公司经营计划专业经理，专注消费电子领域经营分析

以财务报表分析为例，我会围绕这五种不同的方法论，逐步阐述他们在 PowerBI 中的应用，整体架构如下图所示：

(点击查看大图)

之前已经介绍过前四个分析方法，

PowerBI数据分析01 | 水平分析法

PowerBI数据分析02 | 结构百分比分析法

PowerBI数据分析03 | 趋势分析法

PowerBI分析实践04 | 项目质量分析法

本文谈一下第5种：因素分析法。

因素分析法

依据分析指标与其驱动因素的关系，确定各因素对分析指标影响方向和影响程度的一种分析方法，包括连环替代法和差额分析法。

连环替代法：根据因素之间的内在依存关系，依次测定各因素变动对分析指标差异影响的一种分析方法。

1.设基数（计划、上年、同行业先进水平）
F=A×B×C  ( Notes：ABC之间可以是加减乘除关系 )

F0=A0×B0×C0，

实际F1=A1×B1×C1
差额=F1 – F0

2. 各因素变动对F有多大影响，替换顺序依次是A 、B、C

基数：F0=A0×B0×C0  （1）

置换A因素：A1×B0×C0 （2）

置换B因素：A1×B1×C0 （3）

置换C因素：A1×B1×C1 （4）

（2）-（1）即为A因素变动对F指标的影响

（3）-（2）即为B因素变动对F指标的影响

（4）-（3）即为C因素变动对F指标的影响

差额分析法：就是直接利用各因素的预算(计划 )与实际的差异来按顺序计算，确定其变动对分析指标的影响程度。它是从连环替代法简化而成的一种分析方法的特殊形式，是利用各个因素的比较值与基准值之间的差额，来计算各因素对分析指标的影响。

1.设基数（计划、上年、同行业先进水平）
F=A×B×C  ( Notes：ABC之间可以是加减乘除关系 )

F0=A0×B0×C0，

实际F1=A1×B1×C1
差额=F1 – F0

2. 分析F1-F0的差额由哪些因素的变动引起的，各因素变动对其有多大影响

A因素变动对F指标的影响：

（A1-A0）×B0×C0

B因素变动对F指标的影响：

A1×（B1-B0）×C0

C因素变动对F指标的影响：

A1×B1×（C1-C0）

本次我们以销售收入中零售收入为例，对两种方法进行介绍：

连环替代法：

1.基数：F0=A0×B0  

F0 : 零售收入  

A0: 平均零售价   

B0 : 零售数量

零售收入 = 平均零售价 * 零售销量  = 419.37 * 4987 =2091422 （元）

基数度量值：

零售收入 = 

Calculate(

    SUM('订单'[单笔销售额]),

    FILTER('订单','订单'[销售类型] ="零售"))

平均零售价 = Divide([零售收入],[零售数量])

零售销量 = 

Calculate(

    SUM('订单'[数量]),

    FILTER('订单','订单'[销售类型] ="零售"))

2. 各因素变动对F有多大影响,替换顺序依次是A 、B

在替换之前，先构建替换参数表

平均零售价参数表 = GENERATESERIES(100, 800, 1)

销量参数表 = GENERATESERIES(0, 5000, 1)

因素变动影响度量值：置换A-平均零售价

零售收入影响(Unit Price) = [零售销量] *[平均零售价参数值]- [零售收入]

A1×B0=  494 * 4987 = 2463578 （元）

A1×B0– A0×B0 = 494  * 4987 - 419.37  * 4987 = 372156 (元)

当平均零售价由A0: 419.37元调整为 A1:494元，对F: 零售收入 影响为 372156 元。

因素变动影响度量值：置换B-销量

零售收入影响(Number) = [销量参数值] *[平均零售价参数值]-[零售销量]*[平均零售价参数值]

A1×B1=494  * 5000 = 2470000 （元）

A1×B1– A1×B0 = 494  * 5000 - 494  * 4987 = 6422 （元）

当销量B0: 4987 由调整为 B1: 5000，对F: 零售收入 影响为 6422 元；

影响总额度量值：

零售收入影响(Total)  

= 零售收入影响(Unit Price) +零售收入影响(Number)

=  372156+6422 = 378578 (元)

差额分析法：

1.基数：F0=A0×B0 

F0 : 零售收入   

A0: 平均零售价   

B0 : 零售数量

F0= A0 * B0  = 419.37 * 4987 =2091422 （元）

因素变动影响：置换A-平均零售价

（A1-A0）×B0 = （494-419.37）* 4987 = 372156 (元)

因素变动影响：置换B-销量

A1×（B1-B0） = 494 * （5000- 4987）= 6422 （元）

2.实际F1=A1×B1

A1×B1=494  * 5000 = 2470000 （元）

3. F1 – F0 = A1×B1 - A0×B0 =378578 (元)

影响总额度量值：

零售收入影响(Total) = [销量参数值] *[平均零售价参数值]-[零售销量]*[平均零售价]

呈现结果如下：

通过因素分析法，你可以发现零售价、销量变动对零售收入的影响。在实际业务中，你可以根据市场供求情况，探寻合适的零售价及对应的销售数量，帮助自己达成销售目标。

在财务分析中比较被熟知的因素分析法应用是杜邦分析，通过杜邦分析可以清晰的看到企业的基本面，即企业的盈利能力、股东权益回报水平，企业管理层可清晰地看到权益资本收益率的决定因素，以及销售净利润率与总资产周转率、债务比率之间的相互关联关系。