这家2000亿级房企用5大测算策略经营智慧化

多年以来，V企以优质的产品品质和服务品质引领行业，品质优势深入人心，但同时成本费用率占比较高、开发周期较长。

从2019年开始，V企实行运营战略升级，优化组织架构和管理体系，在保证品质优势、品牌优势的前提下，实现精细化运营管理，提高其收益能力、周转能力。

企业背景：

V企运营战略转型，多个子系统亟待升级

1、战略转型：资金、团队、机制线上化，经营智慧化，管理智能化

V企战略转型的核心需求是提高其综合运营能力，大运营管理正是承接其综合管理需求的重要手段。

经过几年的大运营管理体系摸索，V企逐步形成了符合自身发展的大运营管理体系，其核心在于通过信息化手段实现资金、团队、机制的线上化，实现经营智慧化、管理智能化，辅助目标达成。

2、系统背景：基于现有的50多个系统，实现场景线上化

V企系统建设比较早，现已有全面预算系统、计划系统、成本系统等多达50多个系统，但系统偏向于业务操作、业务记录，在管理分析层面尚未完全达到V企标准。

V企大运营管理理念核心在于通过信息化手段辅助目标达成，其中目标达成的核心及难点在于管理分析、对策建议，即如何实现各种分析/管理场景，V企大运营系统升级的重点是基于现有系统状况，实现场景线上化。

现存痛点：

数据不准、系统分散、分析功能缺乏

1、数据不准：销售数据铺排、利润数据铺排无评判基准

V企每季度开集团运营会议、月度开公司运营会议、年初开预算会，每次会议需要基于历史数据，对未来数据进行重新铺排，以指导次月以及本年的经营动作的开展。

由于未来数据铺排耗费的工作量大、专业性要求高、市场变化复杂，且复核相对困难。

最终对未来数据的铺排主要依靠业务人员对市场以及公司目标做出个人的经验判断，因此销售数据未来铺排、回款数据未来铺排、支付数据未来铺排等准确性受到一定限制。

导致其铺排结果不能完全基于下一步的业务操作，因此也一定程度影响集团经营决策。

2、系统分散：50多个子系统，业务人员手工填报量大，口径不统一

V企信息化建设相对早，经过多年发展，V企现已建设包括预算系统、计划系统、销售系统等在内的50多个子系统。

每个子系统承接部分功能规划内容，造成项目经营数据或者公司经营数据分散，且系统集成度相对较低。

导致不能从一个系统找到经营管理所需的核心数据，也即管理层提出的没有一个系统能看到经营动态全貌。

同时由于系统相对分散，业务操作人员通常需要根据不同系统不同的管理需求填写同种指标的不同维度数据。

导致业务人员手工填报量大，不可避免影响了数据质量，造成同一指标口径不一致。

加大了运营管理人员收集、处理及核对数据的痛苦，如签约收入指标可能对于销售、财务、成本存在不同的数据。

3、经营分析功能缺乏：没有线上场景分析应用，线下分析工作量大

现有的BI看板只是指标的现状层面，不能从现有BI看板直接指导管理及基层员工下一步工作，不能释放现有的线下大量的分析工作。

同时现有的计划系统主要在于输出整套季度跟踪测算表，尚未在线上对测算表输出的项目核心指标做场景分析应用。

如通过系统实现风险预警、预警寻源、敏感性分析等，解放现有大量的线下分析工作，赋能提高人均效能。经营分析功能缺乏是业务部门的核心需求与痛点，也是模型核心价值输出点。

4、跨部门协作难：数据可得性低，导致数据收集整理耗时长

经营分析工作涉及工程、成本、销售、财务等多部门协作，但跨部门协作意味着需要调动大量的资源。

借用跨部门的人力、物力解决某一事项，且由于专业性较高。在不借助系统的情况下，部门之间依赖度较高，同时受限于部门之间数据壁垒。

导致跨部门收集数据、校验数据以及分析数据，出具对应的解决方案方面耗时较长。

比如月度动态净利润下降，首先需要财务人员从财务视角分析，然后穿透到业务层面，定位相关原因；

销售人员需要对销售定价、推售计划做分析解释，并对未来做相应预测。

运营部门需要从整体角度分析其原因，并判断是否可以抢供货、抢流速等手段解决问题，但所有的问题分析、问题对策需要跨部门的合作，这也导致了数据可得性与及时性受限。

管理需求：

提供看板数据

支撑管理场景，承接管理体系

1、监控指标看板：数据模型是看板价值输出的数据基础

看板即数字化展示集团、公司各层级和项目的经营动态指标驱动决策，以保障企业完成战略及经营目标，这是管理场景的重要表现方式之一。

看板价值输出的核心在于围绕经营价值主线、集团经营分析路径展示。

而价值不仅在于对历史数据的呈现，如签约、回款、利润达成率展示、偏差展示，更在于对未来数据预测、预判以指导管理人员及业务人员如何进行下一步规划。

V企原有的运营门户主要在于描述现状，属于静态看板，数据的及时性与价值性都大打折扣，因此运营门户并未在V企得到很好的应用与推广。

V企大运营系统看板基于价值输出——预实分析的核心需求重新进行了整理，其中签约、回款、利润、现金流的月度滚动预实数据通过模型预测输出，多层级预测汇总数据通过模型测算输出。

2、线上管理场景：数据模型是3大核心模块的重要支撑

基于V企大运营理论的核心思想，V企大运营系统的重要内容在于场景线上化，即实现决策分析线上化。

决策分析重要内容包括预测预警、风险对策（即敏感性分析）、会议报告等，整体构成了发现问题、分析问题、解决问题的完整闭环。

在预测预警方面，如何能真正实现前置风险预警？核心在于构建模型预测指标的走势，并基于集团的风险管理标尺预警。

在敏感性分析方面，如何能真正预测不同方案实施之后的效果？

核心在于通过建模预演供货、签约、回款、费用、税金、利润、现金流的趋势，以及通过建模构建供货、签约、回款、税金等与敏感性因子的联动，这也是敏感性分析的重难点。

在会议报告方面，核心在于通过建模自动输出利润、现金流等指标全周期或者全年各月的分布。

3、承接管理体系：数据模型整合多系统数据，保证口径统一，完善配套流程

V企大运营系统定位于终端服务系统，在于承接V企整套大运营管理体系。

整套大运营测算模型涉及面积、计划、供货、签约、回款、税金、利润等业务及财务数据，因此整套线上测算模型对接了主数据、计划运营、销售系统等10几个业务系统。

通过模型测算输出统一的利润指标、现金流指标等项目核心指标，并基于输出的核心指标作为业务系统填报的标尺。

倒逼业务系统按照最终管理需求填报数据，提高业务人员、管理人员全局观。

通过大运营系统、业务系统的交付，发现不同项目类型（如操盘项目、非操盘项目）的管理标准，并根据要求完善不同项目的管理流程（如图1）。

图1  模型价值示例图

解决方案：

还原项目真实情况

实现风险预警、自动分析、高度集成、维度预算

1、整套测算模型：多层级多版本多项目类型，真实还原项目情况

基于V企看板预实分析需求、多层级看板分析需求，大运营系统项目整体设计并上线了整套测算模型。

从版本而言，项目定位会后即进入系统，纳入运营管控范畴，项目测算模型包括项目定位会、启动会、月度运维会等不同版本测算。

所有版本逻辑统一，确保输出指标可对比、原因可追溯、业务可查询。项目定位会、启动会、月度运维会目前通过系统编制测算，输出结果支持会上审核及日常跟踪分析。

从不同测算项目而言，大运营系统项目设计了一套完整的全周期测算模型，并考虑了不同业态、不同项目类型的逻辑特殊性，一定程度确保现有的测算模型能相对真实反映项目情况。

我们要考虑不同项目类型、不同层级的测算需求，如合作项目、代建项目和留存物业等多类型项目的测算，以及项目到公司层级的测算。

例如考虑不同的资金流转方式、同股不同权等不同交易方式，对利润测算的影响。

2、多场景测算工具：敏感性分析模型、风险预警模型、风险寻源模型

V企相关管理场景的核心理念在于预测、预演、预控，而预测、预演、预控实现的主要方式是通过建模方式实现。

目前，V企针对相关场景分别设置了对应的模型，场景模型基于其核心模型进行修订。

主要通过三大步骤来实现包括从现有的业务流程与业务事件抽象总结业务场景、根据业务场景对核心模型的规则进行修订、对最终的输出应用进行设计及规则修改（如图2）。

目前大运营系统项目设置了敏感性分析模型、风险预警模型、风险寻源模型。

图2 多场景测算模型参考示例图

其中，敏感性分析模型设置了动态敏感性分析、静态敏感性分析，动态敏感性分析包括开发节奏、去化周期、回款类别、回款周期等调整因子，静态敏感性分析包括均价、成本、费用调整因子。

可适用于定价会、启动会、月度运营会议上预演方案实施后的效果或者个人年初多计划铺排进行多方案试算等（如图3）。

图3 敏感性分析模型参考示例图

关于风险预警模型、风险寻源模型的建立，目前大运营系统项目根据V企管控重点选取了全盘利润类预警指标、现金流类预警指标、均价类预警指标、节点类预警指标等多类指标，通过底层测算模型月度刷新实现预警跟踪。

关于风险寻源，比如针对集团ROE指标下跌预警，大运营系统项目通过建立层级寻源、业务寻源模型，通过模型寻源到具体原因，直接指导业务操作。

3、策略包：多指标策略，实现自动预测，自动分析

目前，针对项目投委会指标、启动会、月度运维跟踪指标。

V企内部在思考其数据的准确性、数据的及时性，其数据内部存疑的根源在于两点：

销售/回款/成本全周期数据真实性待商讨，主要由于其铺排缺乏评判基准；

另外由于测算编制工作量大，数据质量受到一定限制。

针对以上痛点，V企大运营系统项目的测算模型设计了销售去化策略包、销售回款策略包、费用预算及支付策略包、成本支付策略等多类策略包，用于计划预测，为计划铺排提供评判标准，并滚动刷新全周期数据输出核心指标。

策略包的铺排和沉淀，既可以用于计划编制，也可反向指导投前拿地及方案设计。总之通过多指标的不同策略预测方式实现自动预测、自动分析。

4、多系统数据高度集成：从数据时效性、准确性、多元化角度实现数据自动更新

V企大运营系统项目集成了全面预算系统、计划系统、成本系统、销售系统等十几套系统，构成了测算模型需求的销售收入、销售成本、支付数据等业务基础数据来源。

在与各系统集成过程中，基于测算数据的最终要求，V企大运营系统对前端业务提出了不同要求，并进行了不同的改造。

如针对供销回历史数据，V企大运营系统通过系统对接实现T+1日实时更新，针对结转收入、结转利润等数据通过系统对接实现月度刷新。

在与各数据系统打通的过程中，同时对业务系统的数据做了特殊接口处理，包括：

（1）修补和完善各系统的设计缺陷，如基础数据的缺失、管理维度的缺失等；

（2）根据V企大运营管理系统需求处理接口数据，如将计划系统季度数据在大运营系统分摊到月，并做差异平滑，以满足大运营系统项目月度测算需求。

5、战略测算模型：从规模和利润出发，落地测算工具，实现维度预算

从最终集团经营管理角度出发，V企大运营系统项目特别设计了战略测算模型，承接了集团战略铺排、分解与3-5年滚动战略跟踪。战略测算模型从规模和利润两大维度出发，进行战略测算设计。

比如规模测算从自有资金、前期融资、合作杠杠等关联关系设计规模测算模型，铺排每一笔自有资金可能在本年带来多大收入，为实现本年规模目标，基于现有项目汇总情况还需要投资多少，在此战略缺口基础上新建虚拟项目。

总之系统主要基于现有项目与虚拟项目，通过资源盘点、资源缺口、资源匹配实现公司维度预算，落地战略（如图4）。

图4  V企战略测算模型

方案价值：

辅助业务决策，实现投前可知、投后可控

1、辅助决策分析：基于多种测算模型，输出核心指标

V企大运营项目测算模型适用经营管理流程的大部分会议场景，包括定位会、启动会、月度全景会等，保证不同版本模型统一，确保了指标可跟踪、可对比，覆盖了经营管理流程的大部分会议场景。

在测算层面，特别考虑了不同项目类型的不同模型特色，基本还原了项目真实情况，包括考虑不同拿地类型的项目、不同业态项目、历史项目等。

同时V企大运营项目针对敏感性分析、预警跟踪、风险寻源等场景分别设置了不同场景模型，通过模型测算保证了前置风险预警、风险寻源查找以及风险对策出具。

总的来说，基于V企多层级版本多场景测算模型，输出核心指标对比跟踪，用于决策分析。

2、助力目标达成：策略包自动预测实现投前可知、投后可控

V企大运营项目测算模型通过策略包自动预测实现投前可知、投后可控，形成数据资产，助力目标达成，通过策略包给予业务部门铺排计划的标尺与参考，不断推动业务部门铺排的准确性，提高业务管理能力，缓解他们不同的痛点。

另外基于策略包沉淀，可以一定程度指导投前拿地，辅助投前分析是否可以在同样的地段拿类似的项目、拿地价格上限，提高投前分析的准确性，降低投资拿地风险。

目前，V企大运营项目主要设置销售去化策略、销售回款策略、成本支付策略、税金策略等，对经营的核心业务内容做了策略铺排。

结语

V企的数据智能研究，在数据模型上，通过利用多层级、多版本、多场景测算模型，输出核心指标，进行指标对比与跟踪,有效分析，辅助决策；

在业务策略上，运用策略包辅助全周期铺排，并通过历史数据沉淀，反哺投前拿地与投后计划铺排。

责编：谢斯斯