制定年度经营计划与预算，往往是一场跨部门的拉锯战。销售目标、现金预算、利润表与资产负债表层层相扣，既是企业战略的起点，也是管理者最头疼的难题。
经营分析里最重要，也最让人头大的部分，莫过于制定经营计划。制定经营计划→为业务设定目标→制定财务预算，经常是一体化工作，需要前前后后忙活一两个月，期间充满了瞎拍脑袋、相互扯皮、改来改去，让人充满挫败感。
到底合理的经营计划该怎么定？又该如何破解难题呢？今天系统跟大家分享一下。
工作逻辑
经营计划制定，有标准流程：
1、制定年度销售目标与销售预算
2、基于销售目标，推算采购、供应、研发任务
3、基于销售目标 支持部门的任务，制定现金预算
4、综合销售预算与现金预算，制定预计利润表&预计资产负债表
整个流程如下图所示，不同行业略有差异，商贸类/服务类行业，在销售部分会花更多精力，制造业在生产预算会花更多精力。
工作看起来很多，哪一块是最关键的部分呢？
关键工作
最关键的当然是销售目标。因为各个部门工作都和销售部门有关系，且很多指标，可以用销售目标*固定参数推算出来：
1、销售目标*商品结构 → 商品需求计划 → 采购/生产预算
3、销售目标中新品比例 → 新品研发计划 → 研发/设计预算
4、销售目标中新老渠道比例 → 渠道开发计划 → 推广预算
5、销售目标中活动部分比例 → 促销/品牌计划 → 营销预算
所以，进一步把预算流程拆解，可以得到下图：
拆到这一步以后，会有一个明显的分水岭：业务稳定的公司，经营计划与预算非常好做。比如有的企业承担“保供应”任务，销售目标是上级制定好的，只管做成就行了；有的公司业务发展非常稳定，每年增长不大，这些情况下，公司毛利、供应费用比例、营销费用比例都是固定的，每年差异不大，直接乘目标就出结果。当然，这种稳定型公司不是大国企就是公共事业，能享受这种“预算福利”的并不多。
在大部分公司，制定合理的销售目标都很困难。
核心难点
难点一：历史数据难参考。
特别是变化剧烈的企业，比如：
1、创新型企业：每年一大堆新项目，没有历史数据参考
2、高速增长的企业：每年一个新台阶，之前的数据意义很小
3、停滞&衰退中企业：尚能维持但份额被蚕食，之前数据意义很小
4、宏观环境巨变企业：产业升级，人口结构变化影响大，被迫调整
那就真的是难上加难了！
难点二：影响因素众多。
外部环境，社会舆论，竞争对手，上游供应商，下游消费者，内部团队表现、内部新品成功概率、内部努力程度&稳定性……都会影响结果，却又很难全部预测清楚。未卜先知的本事大家都喜欢，问题是丫不存在。
难点三：拆分逻辑多样。
提起销售数据，大家都知道看人、货、场，可非要让经营分析人员提前一年就预测清楚每一个渠道能下/每一个客户/每一种商品会卖多少，无疑是不可能的。来回更换拆分维度，经常造成大量额外工作，也让预测更不准确。
难点四：领导意志影响。
即使有历史数据支持，领导们也不一定会遵守历史规律。或因信心强烈，或因商业嗅觉，或想逢迎上意，或者纯粹在闭着眼睛拍，很有可能领导给出一个高的惊掉人下巴的目标……至于怎么合理拆解下去，当然又让经营分析人员抓破头。
难点五：部门利益争夺。
业务部门，永远都想多拿预算，少背KPI。扯皮是在所难免的。并且数据对他们有利，就拿数据说事。数据对他们不利，就说：数据无法精准预测大环境的走势……经常把水越搅越混。
综合以上五点，制定销售目标，经常是漫长、扯皮、改来改去、充满挫败感的。那么该怎么破局呢？
解决方案
第一：心态要好，别气死自己。
这不是个玩笑！如果经营计划的冲突来自部门利益矛盾/领导期望值太高，那作为经营分析人员是无法避免的，改来改去也是必然的。所以自己不要生气是第一位的。我们尽可能提供数据证据，佐证靠谱想法/否定不靠谱想法即可。
第二：重视证据，而非纠结数字。
做经营分析，最怕的就是，领导拍脑袋拍出来一个巨高的目标，你做完拆解，领导转头反问你“你这么拆分有啥科学依据呀！”你要是答不上来，你还被领导怼。所以数字不重要，逻辑 证据很重要。
比如量化宏观环境的影响，建议大家把表格做成如下格式。在每一个参数后边，注上相应的证据与领导们的判断。比如预计上游行业经营不善，导致原材料成本上升，那么分别把证据、参数变化方向、参数大小写下来。只要领导们能认可你的证据 参数变化方向即可，具体参数大小，完全可以看情况凑合（如下图）。
比如预计内部业务表现，也建议大家把表格做成如下格式。并且在每一个参数后边注上相应的证据与领导们的判断。比如预计销售部门表现稳定增长，有进一步增长空间，那么分别把证据、参数变化方向、参数大小写下来。只要领导们能认可你的证据 参数变化方向即可，具体参数大小，完全可以根据扯皮结果填一个数（如下图）。
第三：表现稳定老业务多看历史数据，新业务留足想象空间。
经营分析，一定是数据说话，老业务积累的数据多，更容易找到证据支持，因此老业务多看历史数据，找稳定参数，比如：
1、老店铺的留存率
2、老渠道转化率，投产比
3、老商品的生命周期变化
4、在不同力度促销影响下，销售弹性
这些都有历史数据积累，尽量用历史参数。其实领导们也并非完全不通情理，看到详细的参数以后，一般都会接受事实。
但是新业务上放飞自我，这个就真没办法了。如果是新产品你可以用历史上同价位，同款式的新品成功率来凑合一下（但依然架不住业务认为“我这个肯定爆”）；如果是全新的渠道，这个真没办法了，即使做了测试，业务也可以说“放量推广肯定比测试数据好看！”我们也没法反驳。所以建议 Let it go……新业务就让这帮人吵完，我们填个参数即可。
第四：从一个参数相对稳定的主逻辑切入。
前文说过，非要细到每一渠道/每一客户/每一产品销量都预测准是不可能的。那么尽量找一个有稳定参数的主逻辑切入。比如我司店铺经营相对稳定，但是新品经常失败，那就以渠道逻辑为主逻辑搭架构。比如我司老客户消费很稳定，但新客户受渠道影响有波动，那就以客户为主逻辑。总之稳定参数多，用算法做预测也相对准，受拍脑袋影响也小。
以上就是基本搞法。
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。