随着政府数据公开的步伐加快，当我们要对一个企业进行风险分析和决策时，呈现在我们面前的数据不是不够多，而是太多。那么，最有用的数据是哪些？最基础有效的分析方法又是哪一种呢？

1、企业外部数据分析

       政府公开信息中蕴藏着海量的外部数据，对于企业分析非常有用。其中最常用的外部基础数据是各种工商和司法信息。别看只有两类，仅一个工商变更就名目繁多，蕴含许多信息。

        比如，一个注册资本变更可能与企业战略发展方向的改变有关、与股东变更有关、与企业的经营状况有关。若在此信息上叠加司法信息数据，可能帮助我们分析得出企业转型的原因或经营情况的现状。如劳动官司虽然反映企业对劳动法的遵守情况，但也见接反映了企业成本的上升是否能为企业所承受；债务纠纷官司反映企业经营情况和融资渠道问题。成本上升和融资问题是否成为战略方向转变的因素？

       工商变更有几十种情形，信息相当丰富。假如我们将每种变更情形与另一种类别的企业公开数据进行关联并分析，那么基于外部数据的企业画像和商业分析推断已经初步形成，下一步该是交叉验证我们的分析和推断的时候了。

2、企业内部数据采集

       接下去更重要的一步是采集到企业的内部数据，比如常见的企业财务报表，企业应收和应付账这类贸易流水数据等。那这些财务信息理论上能验证我们企业外部画像得出的结论。比如，企业债务纠纷和企业财报中的负债率、企业应收款等有紧密联系。企业利润和应收账款也与企业战略改变有关系。但是我们往往习惯质疑这些数据的真实可靠性，但又苦于无法获取更满意的企业内部数据。

       这种传统的两难困境如今可以被科技轻易打破。基于大数据的分析软件可以快速找出企业报表中的粉饰成分，或在数以千计的往来交易流水中找出异常流水，比如关联交易、虚假订单、转移支付等，以便我们了解真实情况。大数据可以让我们做到对数据的全样本分析，而人工分析一般以抽查凭经验为主，容易造成错误的判断。

                                                                 ◆ ◆ ◆  ◆ ◆ 

       我们上面提到的数据种类不超过五类，但是经过企业内外部数据交叉，企业的画像越来越丰满。这一切告诉我们，企业基础分析中对的数据采集的要求并不是那样高，关键是要找到最有效的数据，分析方法和模型。对于数据的第一要求是真实，或者能鉴别数据的真实性。

       验证一个数据分析模型需要花费大量的时间和财力，由于大部分企业没有这方面的积累，那么我们建议的一个简单的方法就是通过经验推断，再用数据交叉验证。这个方法大部分企业中都能找到很快熟练上手的分析人员。如果有条件我们可以在这些基础数据之上，再添加高级分析，比如利用舆情数据分析企业或行业现状，预测未来。最近百度推出了为企业服务的舆情数据，其数据质量毋庸质疑。

       未来，大企业可能会购买部分外部数据并积累大量内部数据，最后创立自己独特的数据分析方法和模型。中小企业则是通过借力，购买数据分析标准化服务，外加自有的经验结合，为企业经营决策、风险控制服务。无论哪种方式其基础是从外部获取一定的资源，通过企业自己的加工，形成自己一套数据使用方法，从中获益。企业利用数据的能力已经成为名不其实的企业核心竞争力之一。

                                                                ◆ ◆ ◆  ◆ ◆ 

       从去年开始市场上出现了一些落地的大数据产品，基本上能做到开箱即用，这让企业管理的数据化转型起步变得很容易。例如，某规模较大的融资租赁企业本来需要业务、风控、后台等人员填写各种表格。不但耗费大量人力，而且内部沟通成本也高。

       现在，通过购买数据化服务，只要花很小的成本代价，可以将基础表格填写和信息基本信息采集工作自动化，节省大量人员成本。未来，员工需要填写的是主观分析类信息，时间精力转移到深挖垂直行业、规避风险、建立项目和企业的核心竞争力。

       大数据分析的关键是找到数据之间的关联关系，越直接越有效。大数据利用真没有你想像的那么复杂，起步也比你想象的容易。

 ——————————————————END——————————————————