专业的分析一般解决三类需求：是什么、为什么、会怎样。
问题为什么会出现、寻找深层次问题，是分析中最重要的工作，既可以作为解决问题的参考，也是预测未来的基础。
好的开始是成功的一半。
在分析这件事情上，如果能在一开始发现关键问题、提出好问题，分析就成功了一半。
普通人工作生活中，无论是升职加薪，或是投资理财，如果能够敏锐地捕捉问题，就能在决策中把握重点、取得先机。
但找问题，并不简单。
先看一下这张图，能发现问题么？
加载中...
我们走在大街上，看到一辆车的窗子破了，所有人都知道出了问题。
如果不是什么特殊目的、或者是刚被打碎的，窗子都应该是完好无损的。
日常生活中，我们很多时候都能快速找到问题所在——也就是那个现状和期待的落差部分。
我们很清楚生活里的事情或者物品应该是怎样的，也很容易观察到这个事情和物品现状如何。
很多文章会用这类简单的例子，告诉你如何分析问题，但在专业领域，给你一家公司的利润表，能发现问题么？
加载中...
类似的还有：
某个上市公司出月度经营数据了，能看出那些问题？
一个消费电子的大厂，又出新手机了，会市场有什么影响？
一个行业突然出现了一个新政策，怎么分析？
行业分析或者公司分析里，问题本质上还是现状与期待的落差部分，但是我们还需要更多的工具，才能解决复杂问题。
1. 分解议题
领导走过来问：xx 公司财报怎么看？客户打电话：xx 政策对我们有什么影响？同事发信息：xx 产品你怎么评价？
这看似是个问题，但其实是一个议题。
所谓问题，是必须要解决掉的议题。
很多时候，我们面对提问，一开始的时候只是个议题。
分析过程中，如果最后结论是这个议题中没发现什么问题，那么清晰地展示过程，让读者了解为什么没出现问题即可；而如果在分析过程中发现这个议题里有若干问题，那么除了分析过程以外，还要给出原因，乃至给出解决方案。
回到上面的例子，假如一家公司的财报既符合投资人的预期、又符合公司的预期，那其实是没问题的，不需要解决；而如果发现财报低于投资人预期，那就要找原因、做解决方案了。
一个政策如果分析完毕以后，如果发现对客户没有影响，那也不需要解决；如果发现有影响，就需要做出应对——政策影响就从议题变成问题了。
显然，上面的这些议题还是太宏观了，在很多初学者看来，让你说两句吧，无从下嘴；让你写个东西，无从下手。
这个时候必须要把一个大议题分解成小议题，才能更好地找到答案，而且也更有说服力。
xx 公司财报怎么看？我们有必要知道公司的财报都需要看哪些方面；
xx 政策有什么影响？我们有必要知道政策一般都会对谁有影响；
xx 产品你怎么评价？我们有必要知道产品都需要从哪几个角度评价。
加载中...
这本质上还是运用分类的方法（本系列中将反复强调分类的重要性）。
那么，议题怎么分类呢？
在知乎上回答一些问题，很多人都特别喜欢看角度奇特的。
——「啊，原来这个提问还能这么拆解？」
但是专业分析中，除非你是行业非常知名的分析师，否则另辟蹊径搞一个全新的议题分拆方法，很可能得到的结果就是，没人看。
在这里建议多找一些专业金融机构、专业咨询机构的报告，把其中的小标题拿出来，这些都是经典的议题分类方法。
比如你想分析房价，那可以找专门的地产研究机构，Word 版本或者 PPT 版本，看看他们一般把房价这个大议题拆解成几个小议题；
比如你想分析某个行业的股票，你可以找券商的研究报告，看看他们都是怎么分析行业里的公司。
目前获取这类报告的方式一般是从专业财经网站上下载，尽量下载报告的 pdf 原文。
一些网站转载这类报告的时候，要么因为没有获得授权、要么因为版面限制、或者是为了突出重点，一般会对原文进行节选，在构建分析框架的时候，容易产生信息缺失。
很多人刚开始学的时候，特别容易变成「选择困难症」。
比如分析股市整体走势，有人分成「政策/经济基本面/市场流动性」，有人分成「基本面/技术面/消息面」，还有人分成「基本面/估值/周期」。
看多了以后，觉得这个也好、那个也好，最后往一起整合模板的时候不知所措。
一旦遇到这种情况，最好的办法就是找一个市场上最有名的机构，用他们的报告直接当模板。
这就和教材一样，同样是数学课本，不同出版社的目录多少都有点差别，如果在选择教材上纠结半天有点不划算了。
而且分析，是实践性很强的工作，先掌握一种模式，随着水平提高在借鉴其他人的思路也来得及。
2. 在小议题里找问题
上高中的时候，我有个数学老师特别有意思，每次遇到难题的时候总会说一句话：这题想不出来？想不出来使劲想！
当时我们都蒙圈，数学题哪里是使劲就能解决的，没听说过数学家为了解题都要练肌肉的。
后来也在机场的书店翻看过一些畅销的财经书籍。
说寻找公司的问题要发散思维、深度思考、仔细研究，等等。
为了分析问题，他们还会给你各种字母组合的模型、思维方法、框架。
乍看之下还挺有道理，看得时候感觉自己能看穿这个宇宙，但是把书合上，遇到自己的问题，还是毫无头绪。
加载中...
其实，专业分析师，是不会每次拿到一个需求都从零开始分析的。
而是脑海里已经储备了相关知识，可以快速定位一些可能出现问题的地方，然后看具体的行业、公司和产品是不是在这些地方出了问题。
与其说他们是找问题，不如说是他们确认是否在一些既定的位置出现了问题。
拿我最经常写的互联网财报分析说，一般就是要看业务数据和财务数据。
公司财报出来了，我就会把一个大议题拆成 2 个小议题，业务数据和财务数据。
业务也有很多，我们可以继续分成小议题，在小议题里寻找问题。
比如公司的 3 个主营业务分别有什么问题？
比如 4~5 个关键的业务指标（比如 DAU、使用时长、货币化率、营销费用比）有没有什么问题？
出现的具体问题，一般就是那几类，可以进一步看看这个公司是否出现了。
像日活用户数 DAU，无非就是同比环比不及预期，不如竞争对手，没达到公司的计划等等。
加载中...
这其实很像看病，先要做体检，分什么外科、血液、免疫等等（对应为分解成小议题），然后再检查结果里找问题。
问题的种类，则是指标的高低、形态的异常、功能的缺失等等。
刚开始接触分析，可能需要整理一份比较全的清单，实际工作中使用熟练的就会发现，真正会出现问题的地方，为数并不多。
就像医生看病一样，有经验的医生一般上来会看最容易出问题的指标，只有非常特殊的情况，才需要把检查结果翻过来调过去看。
最后我们说回之前的例子，普通人看到的报表，和专业人士看到的报表是不一样的：
加载中...
3. 确认问题的常见套路
3.1 有些问题，无需理会
回顾一下什么叫问题：问题就是现状和预期之间的差。
行业分析里，现状好于预期和现状差于预期都算是问题。
比如说分析一支股票，净利润达不到预期当然是问题，净利润超越预期也是问题，这说明之前的分析或者判断过于保守，如果你是投资者，就要考虑一下修改投资目标了。
从这个角度说，市场是复杂的，显然完美贴合预期的事情很难发生，所以一般来说分析者需要给自己设定一个标准。
当现状和预期相差在什么范围内，就不用理会了。
在不同类型的分析中，都有市场通用的标准，多看几份报告，也就能了解标准了。当然熟练了以后，可以设计一套自己的标准。
比如说我写财报分析。
如果是特别知名的公司，会有很多分析师跟踪，分析师们对公司的研究也更为透彻，所以公司实际的业绩和市场预期在+/-5% 以内的，我基本认为就不成为问题；如果是一家小公司，覆盖的分析师不多，那 10% 以内的误差也是合理范围。
加载中...
3.2 和公司、行业自己的目标比较
大到国家规划，中到行业规划，具体到一家公司，一般都会制定行业的目标。
● 定量目标
比如公司预期明年收入增长 20%，到某某年产量达到 1000 万，5 年内行业渗透率实现 50% 等等。只需要从官方渠道获得这些目标，与随后的实际情况进行对比就可以识别问题。
● 节点目标
比如公司预计明年某产品进入量产阶段，行业预计某年完成行业试点等。通过时间对比和完成情况，就可以识别问题。
● 相对目标
跑赢平均、跑赢对手，是很多公司和产品的目标。市场对类似的公司会经常放在一起比较，只要比较不同公司相同的类型的数据即可。
● 定性目标
有些目标在一手材料中表述会比较虚，比如「成为行业头部公司」、「完成海外产品替代」、「对比目前实现重大突破」等等。
一方面通过多个信息源确认定性目标背后的数据标准，另一方面要不断跟踪这一数据标准。
（事实上很多定性目标之所以不给出定量的标准，就是为了在过程中有很大空间调整标准）
加载中...
3.3 和市场预期比
很多领域都有市场预期，比如投资圈会有投资者对上市公司业绩的预期，产业圈会有出货量预期，宏观经济研究会有对经济指标的预期。
公司自己的目标和第三方给出的目标视角是不同的，作为公司制定目标，除了基于市场的判断考虑，也有基于对公司员工激励的考虑。
就像 KPI 一样，很多企业会故意定出一个高标准，让员工有业务的压力，最终达不到 KPI，也能实现不错的业绩——取乎其上、得乎其中的策略。
行业分析师、咨询机构，预测企业、行业的发展目标要更客观一些，所以目前很多人在分析中更依赖于第三方的预期。
在分析过程中，通过预期和实际值发现问题是最基础的工作，对于重点跟踪的对象，还需要对市场预测进行深入观察，看一看不同分析师预测结果的结构。
对某些行业和公司来说，分析师们的预测高度一致，这说明这家公司的业绩稳定，且从信息到预测的过程比较简单。但是对另外一些行业和公司，分析师的分歧会非常大，这类对象就要在我们自己分析的时候多花时间，寻找预测结果差别加大的原因。
加载中...
对某家上市公司业绩的分析师预期统计
3.4 关注异常数据与事件
行业分析过程中，多数问题是需要自己发现的，要求分析者对数据要敏感。
比如一家成熟的消费品公司，销售毛利率应该是相对稳定的，如果在某一段时间毛利率突然下滑，就要特别关注；
比如某个智能手机新品，如果在发布后半年以内就出现销量下滑，那大概率就出了问题。
提升异常数据敏感度，最主要的方式就是学习经典模型，了解正常的数据应该「长」什么样子。
很多分析对数据特征都有模型描述，比如用户数量增长曲线、产品全生命周期价值曲线、商品价格波动区间，这就要靠多读多看了。
另一类问题是以事件形式体现的，例如重要人事变动、策略调整、重大事故等。
除了通过积累经验判断事件是否构成问题以外，还可以利用现在一些互联网平台来发现：上热搜、权威媒体披露等来判断。
4. 寻找深层次原因
日常我们身体不舒服，比如说发烧了，多数人还是能意识到，这可能不是简单的体温上升问题，有可能是身体出现了某种炎症或者其他疾病，如果是连续发烧，就要赶快去医院了。
我们必须要思考是不是有更深层次的问题导致了现象上的问题。
也就是寻找「因果关系」。
关于因果关系的定义和介绍，知乎上有很多文章都写得非常详细，在这里我就不复读了。
要说明的是掌握因果关系在专业分析中是非常重要的，它是预测未来、解决当下问题的一把钥匙，找错了会直接造成业务、财务和投资的损失。
专业分析不是写作业，讲究个必须独立完成，能借力就要借力。
4.1 寻找典型原因
行业分析做多了，你就会发现多数情况下，寻找问题背后的原因都是有套路的。
比如一家金融机构投资业绩不好，收入数据下滑、毛利率下降，可能的外部原因有资本市场低迷、投资的领域行业低迷；内部的原因可能有投资策略失误、单笔投资暴雷、客户拓展不利。
比如某个新手机产品不好，外部原因可能是整体消费市场不振、可能是消费电子领域自身出现了低迷或者供应链问题、还可能是竞争对手产品太优秀；内部原因则可能出现在营销、运营、研发等环节。
很多时候专业分析过程中，从问题到原因这一步，也仍然是在可能造成问题的原因里进行筛选。
有 3 个学习途径：
● 经典教材
很多经典教材都会讲解各类问题出现的原因，比如会计课本上会介绍不同指标异常对应的原因，比如市场营销教材会介绍不同的营销策略可能带来的好结果与坏结果。
● 经典案例
只要是知名公司、知名产品，现在都能找到特别多的案例资料，什么畅销书、深度采访之类，通过阅读这些经典案例，我们就能储备很多「因果关系」。
● 分析报告
多数分析报告与其说类似「学习资料」，不如说是高手解题集锦。他们会在经典的框架和思路以外，解决具体、多样化的问题，建议专门拿个小本子记录分析报告中是如何个问题找原因的。
4.2 通过外部资源掌握原因
一些比较专业的问题，分析师往往通过外部渠道了解原因。
这有点像专家会诊的过程，对分析师来说想要获得准确的回答，需要做好前期准备工作。
核心是选择合适的人选，要寻找能够解答问题的专家。
行业分析师的问题一般比较综合，为了提升工作效率，要对问题进行分类（又出现了，行业分析的核心是「分类」），寻找能够找出问题背后原因的专家。
比如说分析房地产上市公司，和房地产公司的专家聊聊土地储备、销售情况，都能获得一手资料和观点，但要是和他们聊房地产公司的股票价格，绝大多数人就不专业了。
我印象挺深刻的，2021 年最惨的时候，有些地产公司的客户给我打电话： 「我们没觉得自己这么惨啊，为啥股票跌成这样了？」
选择专家并不难，聊过 1~2 次基本就能确定对方能回答哪类问题了。
我自己会有一个外部的专家库，分为：政策、业务、资本市场，备注在通讯录里。
遇到问题，先分类、再找人。
通过外部的资源掌握问题的原因，难点在于同各类专家保持良好的关系，如果实现良好的职场人际关系，在这里就不赘述了。
4.3 自己找原因，也要有章法
还有一些问题，需要自己找背后的原因，我总结为：先罗列、再排序。
● 罗列可能的原因
根据自己的经验和知识，先把可能造成问题的原因列出来，逐一通过推理确认。
当然了，也不是漫无目的地找原因，还是要从分类做起。
比如分析一家公司，业绩突然出问题了，经典的套路和外部专家也说不清楚，这个时候要罗列原因就要首先分成：内部原因、外部原因。
外部原因有可以分成：政策原因、市场原因、竞争对手原因、上下游原因等等。
罗列过程中，保留有「因果关系」的分析结果。
● 根据解释能力进行排序
实际分析过程中，经常出现多个理由都能解释问题，当找到一些可能的原因后，就需要对解释能力进行排序。
俗话说就是：抓主要矛盾。
这就是一个比较高级的分析手法了，比较吃个人经验。初学者也许一开始抓不到问题的主要原因，但也要尝试去抓，通过复盘、看他人的分析来不断提升能力。
5. 日常练习
之前有一个学金融的网友问我如何写一篇行业报告，说自己已经看了几十分行业研究报告了，还是不会写。
原因和所有写作类工作一样，信息的输入和输出是两码事。
不要说写作了，看美食节目的，如果不自己做，有几个人说做出美食就能做出来的？
学习行业分析，只有输出才能把能力学到手，除了上面提到的制作各种模板和框架以外，这里还有几个注意事项。
5.1 不要做行业收集者
很多人喜欢今天分析个新能源，明天分析个消费品，后天分析个全球宏观。咱们说过，专业的分析是为了给工作、投资做支撑，不是在学校写作业。
蜻蜓点水式的练习，可能到最后，一说起来每个行业都懂点，但完全指导不了实际工作。
在金融领域，专业分析师基本都只覆盖一个行业，每个人长期跟踪的企业也就 10 个左右；在公司内部跟踪竞争对手，一般也就是 4~5 家。
选定少数领域，把分析的能力掌握熟练更重要。
对于初学者，我甚至建议找一家公司、一个行业、一个产品，通过持续不断地跟踪分析，把技能磨炼好。
挑选的标准有 2 条：
一个是有足够多的人在分析，这样在学习过程中有足够的多的资料可以供参考学习。
另一个是挑选自己熟悉的、或者感兴趣的领域，这可以保证在学习分析的过程中没有太高的知识门槛，或者说有门槛也更有动力学习相关知识。
5.2 不要做资料堆砌
有朋友问过我，多看一些报告，然后把不同报告的结论整合起来怎么样？
实际经验证明，很多人到最后就变成内容堆砌了。
专业分析师有时候也做观点汇编，但这种汇编是有逻辑的汇编。
对初学者来说，我是不建议做资料整合的。
在学校里写作业，大家的思路都差不多，这个时候多拿几篇过来一综合就完事儿了；专业分析属于没有正确答案、没有固定思路的工作，每个人的思路和角度不同。
没有一定功力的话，整合出来的报告就变成「要你命 3000」了。同时，这种堆砌资料也不利于练习分析过程中的逻辑性。
为了形成自己的逻辑，我建议这么使用别人的材料。
● 对单一报告进行改写、补充
可以选择一份报告，在阅读过程中对他们的分析过程进行思考，对自己不同意的观点进行改进和补充。反驳、修改、补充的过程，可以很好地锻炼分析技巧。
● 照猫画虎
如果我们觉得有些报告写得非常精彩，可以用类似的方法、思路去分析类似的行业或者公司。比如你看到有分析茅台的报告很不错，可以去尝试用类似的结构分析五粮液；比如你看到有分析小米手机的文章很透彻，可以拿来分析华为手机。
● 查缺补漏
形成独立完成分析的能力以后，可以把他人的报告当成答案参考。这个时候我们自己的文章是核心，别人的内容只看相关部分，思路不会被带跑偏。
5.3 持续跟踪
持续跟踪是所有行业分析师都要做的，所以一开始练习的时候就要做到对分析目标的定期跟踪。
这里有一个练习的要点：复盘分析过程。
行业分析是一个动态的过程，这和医生看病也一样，一次检查不一定就能准确找到问题。每次分析找到的问题原因、做出的未来预测，到了下一次都需要回过头看看。
专业分析师在对外的时候，很少诚恳地承认之前看错了，有些人无论之前的分析和事实多离谱，都会说上一句：正如我们预料的那样。但是在内部，复盘过往分析，都是非常认真诚恳的。
建议在复盘的时候问自己这么几个问题：
之前为问题找原因，是否正确、有没有遗漏？
之前的分析过程逻辑否存在问题？
之前的论据和搜集到的资料是否有偏差？
说到底，专业分析是一个熟练工种。
很多人经常希望有一个从天而降、惊世骇俗的理论，让自己瞬间掌握分析的「金钥匙」，从此面对各类问题都能够直击本源。
可是，我们没听说过一个半天医学都没学过的人，突然拿到一本书就变成济世名医了；也没听说过哪个运动员是从零开始看了几个视频就变成 NBA 球星的。
如果有，那也是骗子。
实际上，分析师也遵循专业工种成长的一般规律：掌握基本功，然后反复练习。
也许本文看下来，有朋友觉得不如一些「认知文」、「本质文」那么爽，但 10 多年工作下来，大家都是这么做的。
这是市场检验过后，最快的方式。
Check list
行业分析中，发现问题是关键，要将一个大的议题拆解为小议题，并在小议题中发现问题；
发现问题的常用套路：与目标比较、与外部预期比较、对异常数据与事件敏感；
寻找深层次问题，专业分析师的原则是能借力则借力，需要自己分析时也要有章法；
学习专业的分析，要在掌握基本功基础上勤加练习：不要贪多覆盖大量行业或公司、不要做资料堆砌、要持续跟踪分析对象。
备案号:YXX1mOb884ecvGAoYQfRlAE