行業研究報告的內容

行業研究報告的內容

〓Ⅰ、行業研究報告的內容提供者與內容消費者

在思考「行業研究報告應該包含哪些內容」時，我們先不談行業研報的內容，而是首先從為什麼要寫行業研究報告，從行業研究報告的產生來討論。否則行業的內容會無限的多。

●內容生產者與內容消費者

內容生產者：都是誰在提供行業研究報告呢？

①相關產業的公司。有的公司往往會有產業研究部，裡面會設有產業調研專員，提供產業、政策等方面的信息，從而為自己公司的發展提供決策。是否做行研得看具體的公司，比較權威的公司會做，普通的公司有的會做，有的則不會。

②國家的某個部門。例如體育部會調研今年體育事業的相關情況，不但他們出具的不是行業研究報告，而是行業藍皮書系列。從內容上來說，行業藍皮書提供的內容往往是比較大的，是立足於整個國家範圍的，所以內容多比較空，不是每個人都需要閱讀行業藍皮書系列的。另外，國家統計局的數據，無論我們多想吐糟，仍然是國內最權威的數據。

③券商。券商提供行業分析與下面要提到的諮詢公司的行業研究報告不同，券商在對象是金融市場的投資者，券商不但要分析行業，而且要分析到公司的層面，從行業到公司這個逐步縮小的範圍來為普通投資者提供服務。

④諮詢公司，諮詢公司所提供服務的行業比較多，需要短期對其它行業有所了解，也有的諮詢公司直接做行業研報。

⑤投行、四大，其實，一些比較大的公司，只要涉及到行業或公司分析，就不得不去了解一些數據，而這些數據往往是別人發布的，對於這些大的公司來說，它需要自己了解到不同行業的情況，需要自己來做數據。當然，這些投行可能不需要做行業研究報告，但是它們的數據或者說獲得數據的能力卻是很多正規做行業研究報告的公司所達不到的。

其實，凡是需要數據的地方，要麼自己做，要麼看別人的報告，當別人的報告無法滿意時，自己做數據就成了數據提供中心。

⑥智庫，一些智庫提供行業研究報告來盈利，像艾瑞、易觀、中商情報等。其實，行研不用擔心失業問題，總會有人買的，畢竟不是每個人都有時間和能力來做研究。

另外，行業研究可以分為商業、學術、政府等報告，其內容＆展示的方式也不相同。商業報告更關注有哪些商業機會，其它企業的盈利模式，如何賺錢，以上述問題為中心，這個也是購買行業研究報告的公司所關心的問題。學術圈中對於一個行業的定義可能會與商業報告不同，基本上是分為行業現狀、問題及建議。學術圈中定義的行業與商業群體定義的可能不同，不僅僅是行業的內涵與外延不同，而且在看待行業的角度時也會有所不同，若您是商人看學術圈報告看完之後沒有一點兒自己想要的東西。

當然，如果一個行業只有一個「隱含的讀者」，而沒有一個明晰的讀者，這對於寫作者來說簡直是種災難。因為你要把所有的東西都給講了。由其對於跨行業的e.g.電商+鞋，你是定義為鞋還是定義為電商？這些都是報告人員需要權衡的東西，既要寫行業內的，又不過於泛化，這就又回到讀者需要知道什麼了，你得有對象，否則電商也不願意看，鞋業也不願意看。在行業研究中這種情況是最基礎的，因為大家都想換個法子賺錢，也意味著要不斷的突破行業的限制，這對於行業研究者提供了新的挑戰。

內容消費者：都是誰在閱讀行業研究報告呢？

群體比較多，幾乎所有的人都可以閱讀，但對每個人對行業研報的需求不同。

①本行業的人。對於本行業的公司來說，需要及時了解這半年或一年中這個行業發生的變化，（至於報告本身是否合理那是另外一個問題，也有公司不相信這個，就不去購買，畢竟報告動輒就是上萬的價格，不太富裕的公司一般是不會買的）需要對市場形勢做出判斷，進而規劃公司的生產經營，當然，也可能習行業研究報告僅僅是一種參考作用。如果本公司中沒有相關的產研部門，沒有一年中對政策、行業趨勢變化的了解，沒有時間，也沒有精力來了解這些。買研報的主體還是企業。

當然，對另外一些比較牛的公司來說，因為信息比較全面，則不會去閱讀這個行業研報，因為自己對行業中發生的東西實在是太熟了。行業研報基本上提供不出什麼有價值的信息，行業研報提供的信息他都知道，行業研報對於未來的預測，他又不同意，基本上不怎麼看重研報。可以看出，行業研報還是吃的信息不對稱的活。

②想進入這個行業的人，這個就不多說了。

③普通人，也有可能是純屬好奇起見，不過這類人一般不會花上上萬元的價錢來做這個。他們一般去相關的網站來了解信息，或者去讀行業研報的簡版，只需要對該行業有個大體的了解即可，不需要深究。

[總結]

行業研報的生產者與消費者之間有很多環節，並非是提供研報的原因是多樣的，而需求同樣是多樣的。所以，並非只有為了給那些想要研報的人提供內容那麼簡單。最好是歸歸類，寫的人有哪些，寫作的原因有哪些，然後寫出了報告，看的人有哪些，需求怎樣，我們自己屬於哪一類，這樣問題就比較清楚了。

這裡面既有提供數據的，也有寫數據分析的，還是專門整合網上資料的，之間的數據也相互引用。

*17/07/31補充：在實際的行業研究報告中，會更加複雜，比方說：甲方要求的可能不是客觀的，而是符合自己的行業研報。這意味著我們可能要造假。另外，雙方之間會有很多博弈。比如今日頭條、艾瑞諮詢年關交惡的幾個回合分析_科技_騰訊網。至於八卦誰對誰錯不是本文的目的，這裡只是點出行業研報會涉及到各種各樣的問題，這裡面更不是提供一份簡單的行業研報這麼簡單。

〓Ⅱ、行業研究報告應該提供什麼內容？

●定義

首先要定義一個行業的範圍，比如互聯網業這麼一個蛋疼的行業，有些會採取一種定義方法，而另外研究機構則會採取另外一種定義方法，行業雖然有國標，但是卻時時刻刻在產生新興的行業，定義行業也是一個非常麻煩的事情。它反映出不同的人對於行業理解的不同，所以，很難成為「客觀」的東西。這一點是需要注意的。

////////////////////////////////////////////////////////////

行業研究報告（指針對企業的行業研報）應該以提供信息數據為主，但是其核心是為企業服務，而企業要的就是如何通過行業研報來知道讓企業盈利的那些信息。這些信息包括政策＆市場概況等。

●政策

炒股要看政策嘛，其實進入某一行何嘗不是？中國是宏觀調控式的經濟嘛，政府的作用有很多，幾乎遍布這個行業的各個角落，例如行業准入，行業補貼等，如果咱不小心從事了一個污染環境的企業，甚至有直接被擊斃的風險。政府對待新興產業與對待夕陽產業的態度也是截然不同的，後者從事的風險就會比較大，現在的大型煤礦、重工業，要不是因為裡面員工太多，如果強制關閉會出很多麻煩事，一些可能早就被關停了。

文章：關於政策解讀：如何解讀一篇政策：接著昨天寫的東西講，應該是要了解群體受眾，知道別人想要什麼，這個行業想要什麼等，將這個文章寫完。

我要解讀一個政策就得知道我要給誰解讀，政策是針對誰的等，然後根據這個來寫文章，我要把裡面的博弈對象都給糾出來。這樣才算是一個合格的文章解讀。

如何解讀政策？①解讀政策的起源，為什麼會提這個政策，不可能莫名其妙出台一項政策，把前提給解釋清楚。②政策所針對的對象。③行業研究報告要知道我的對象的具體要求是什麼，有哪些細分的群體，他們需要從報告中知道些什麼。

●市場概況

市場概況包括有多少家企業、產量多少，今年的市場規模增長了多少等。

一般給出的是總和，其實我覺得給出每家企業的數據，然後再進行匯總會更好，當然，實際上這樣的難度是非常大的。

統計總量跟個量是否合理得看我們的需要，這就跟說A學校所有學生的錢加起來有1億一樣，具體到每個學生身上，我們就不知道了。當然如果B學校加起來有100億，是否說明B比A富呢？其實，得出這種結論也是比較危險的，因為可能B學校有個大土豪，所以，這種情況下總量就沒有意義，如果數據比較平均就更有價值一些，我們也才可以得出B學校的學生普遍家庭比較富裕這種觀點。

我們只有將數據嵌入具體的環境中才不會被套路，例如今年豬肉產量為3億頭，這個統計是否有意義？我們是否可以直接使用這個數據來得出結論？不可以，得根據要分析的問題來細分這3億頭豬。其實，如果沒有統計個量，直接告訴我們總量的數值是多少，這一點是很值得懷疑的。

生產量與市場規模的增長並沒有提供實質意義。如果我說，今年鋼鐵的量生產了3億噸，是否提供了意義？這個得細看，得看具體的產業鏈，鋼鐵用到了哪個行業，該行業是否是穩定的，假設有N個行業使用鋼鐵，而且每年保持穩定增長，那麼該數據就是有用的，否則如果某個行業今年突變，大幅用了鋼鐵，導致鋼鐵陡增，而明年該行業是否還存在還是個問題，那麼今年的鋼鐵產量增長就不具備分析意義。分析時要盡量排除偶然性

其實，可以將行業的生產量與消費量簡單地等同於股市中的成交量這一概念，前提是企業生產出來的都賣出去了，還有一個前提不一樣，就是股票的量不會發生變化，而生產的量會發生變化，這將導致行業這個大盤的供求不相等。

行業研究其實假定了一些東西，假定今年穩定增長，明年就穩定增長。從數據上來看，這個是不正確的，因為今天長不代表明天漲，由其是今年規模增長的原因與明年規模增長的原因又不相同，可能去年增長的原因與今年也不相同，以為豬肉價格從去年8塊漲到今年20，就推論2020年豬肉價格會按一定比例上漲是沒有道理的。當然，有些情況下又是有道理的，例如某些新產品的產生需要別人了解，需要一定的時間，此時規模就是會不斷增長的，這裡還是要具體問題具體分析，在分析每一個具體的問題時這裡都不是固定的，都是需要仔細捉摸的。

行業也好，股市也好，都是由生產者、消費者構成的群體博弈，它不但要取決於我們怎麼做，而且要取決於別人怎麼做，而別人將會做什麼，連他自己都不知道，我們更是不知道了，此時光根據圖表來做分析，就跟股市裡面的數據分析派是一回事了。技術分析認為價格包含了一切，其實價格什麼都沒包含，價格只包含了博弈行為本身。技術分析跟行業研究中的數據派認為所有的東西都包含在了數據里，所以只對數據做分析就足夠了，實際上走得相當偏了，數據說重要也重要，說不重要也不怎麼重要，關於數據，另外一篇文章有專門討論。當然，如果在預測數據時有可靠的論據，而且其它的變數不會發生變化，那就另當別論，如果沒有，就是瞎掰乎了。

市場總量研究最重要的一點就是給出這個行業是牛市還是熊市，至於這一點，下一個小節講。

●具體的、細分的市場

例如我是北方某省賣豬的，我的消費者就在本地，甚至消費者沒有出我的村，此時我讀行業研究報告就沒有太大意義，此時我需要一個本地的行研，而不是一個關於全中國甚至全世界豬肉情況的行研。我的競爭對手的範圍其實是有限的，有時候我只需要研究我們本村養豬的就夠了，可能在本村是供大於求，但到了全國則成了供遠小於求，這是需要注意的。很多行業研究報告無法做成這種細分的模式，因為這根本沒法做。好多養豬的自己都沒搗鼓明白自己養了多少頭，研究報告就出來了全國總量，就有點兒搞了。

行業研究報告提供的內容其實應該更多，因為不同的人報著不同的目的來讀，而那種統一的市場概況顯然不適合，最好的情況是每個人把自己的每頭豬都彙報。基本上這一點做不到，而且中國可能會發生其它情況，豬又生了小豬，這個怎麼算？算幾月的？到最後這個統計會變得相當複雜，失去重心。

●主要公司＆重點企業

其實我個人認為，歷史應該講成個人的歷史，而不是數據的歷史，講數據講不出東西來，而講公司則可以站在企業的角度重新走一遍，看看他面臨的是什麼環境，做了怎麼樣的戰略選擇，遇到了什麼問題，從而獲得其中的經驗教訓。

但個體研究也容易出問題，不同的人經營公司，有的賺，有的賠，樣本不具備參考性，所以需要前面對市場總量的分析，這樣如果在行業走牛時，如果我們踏到了紅利期，那麼，根據牛市中傻子都能賺錢的大概率事件，我們也可以分一杯羹。

從另外一個角度上來說，行業研究同樣是研究重點企業的過程，行業的二八定律決定著。沒有必要去研究所有的企業，所有的模式，因為某些，跟學習方法一樣，並沒有借鑒的價值。

●產品

產品、設備等要從其生產→出售的整個環節，其產品的優勢（技術；創意；生產流程等方面）。

●相關產業鏈

產業鏈需要講的東西比較多，它提供的是這個行業的走勢，這個行業在向著什麼地方靠近，是好的方向還是不好的方向。

●供求分析與運營

＊行業供求、局部具體環境供求＆盈利的關係

我們在撰寫行業研報時，首先寫的便是行業的供求情況，提出一個市場規模的分析。在做局部具體環境供求的情況分析時，

小環境的供求分析是來看市場是否飽和，也是看概率。飽和的話比較難做，不飽和的話好做一點，但未必一定賺錢，比如做的菜確實難吃，產品不過關，也是很危險的。因為本來人家就是奔著產品而來。如果產品做得確實好，即使市場嚴重飽和，也可能會吸引來大量客戶，這樣收益減掉成本就等於盈利了。可以分為「產品好，市場不好；產品不好，市場好；產品不好，市場不好；產品好，市場好。」等情況。供求只是說明這個市場做的人做得都很難，競爭比較激烈。假定市場規模不變，即客戶的數量不變。如果你的產品做得好，那麼就能拉來更多的客戶；如果你的產品做得不好，那麼就能拉來客戶的量就相對較少。

與盈利的關係：如果總體市場偏小，但生產過多，產能過剩是肯定的了，此時如果收入抵不過成本，就是虧損的，企業就要倒閉了。

＊供求分析的內容：

①數量→概率。

②消費者與企業＆產品之間的關係。→對此進行分類，並將前提進行分類。這是我想到的最好的解釋方法。思路也應該從這裡來拓展。

具體分類就比較多了：

包括：

A：產品是否是第一次

B：產品的核心競爭力在哪裡。

C：企業的宣傳

D：消費者的消費心理。生產者與消費者之間的博弈。

＊切忌理論分析，而要將這些因素放在現實中來考量。

生產端與市場端的博弈應該按照現實的行為來預測，而不是理論推演，這中間沒有理論推演的可能性。也就是，將現實的情況（包含地域，消費者的習慣）包含在內，另外，每個行業都不同，這些都應該包含在

●行業的實際運行：從研究框架走向實際

這個一般行業研究談論的並不是很多。一般來說，行業研究的框架是研究者自己擬定的，比方說產業鏈這一環節，但實際上對於身在其實的人來說，它可能會佔有多個環節，而且未必是以研究者的姿態來的，有些行業則是沒有一個完整的、固定的產業鏈，像現在的互聯網業，幾乎都與互聯網進行了嫁接，所以說互聯網產業鏈就幾乎很難以區分清楚。

我們在做行業研究時要把實際發生過的故事講一遍，將產業與產業之間、產業內部之間所發生過的故事套進去，看看其實際的運行現狀。有可能是行業的問題，也有可能是行業的痛點。還原行業的事實，記得要把這些東西都添到行業研究的框架中，這樣才能讓行業研究更有活力、有現實性，因為我們本來就是從這些現實中進行的抽離，只不過是將其補回去罷了。另外，像行業中每年發生的重大信息，新的行業熱點、轉型企業、大型標杆企業等，這些都可以包含在內。

做行業研究講究兩個詞：①全面②深度。第一點要做到盡量不露點，把所有面上的都給覆蓋了。第二點就比較講究技術，要對所研究的對象進行深刻的分析，對其進行聚焦。

●170731補充：………………行業研究框架與行業的現實………………

從行業現實→→→→→→行業研究框架

[行業研究是對行業現實的一種過濾]其實，行業研究如果真的要細分下去，那要細化到無限細的地步。相當於每一個企業、每個產品等。同時，由於角度的不同，不同群體對於行業想要了解的內容也會有所不同。這樣導致對於一個行業的言說會無限大。拋開行業研究，其實就是要做一個行業歷史的描述，行業歷史的描述則包含了行業的產生以及形成的各個過程，同時是一個有人物、有故事的歷史。

[但這種過濾是有代價的]行業研究框架從真實的行業中抽離了太多的東西，將不能量化的很多東西都給排除掉了。這個是很值得注意的，如何從複雜的行業現實中來制定出一個研究框架？要保留哪些，去掉哪些？當前的研究框架是否系統、全面？這些選擇出來的框架相當於指標，這些指標與指標的關係又如何？相當於我們用這幾個指標來描述一個行業，這些指標的可行性就是非常值得討論的。

這是一種非常矛盾的關係，當我們建立模型時，我們需要抽離，而當我們需要讓模型面對現實時，我們又需要讓模型符合現實。

〓Ⅲ：總結，事前準備。

對於一個企業來說，這也僅僅是事前預測，並不能說明後來一定會如此走，即使對上面各個環節都做得非常好，未來的事情也不確定。未來的市場是由生產者、競爭者、產品、消費者、政策共同構成的現實博弈場，我們無法預測別人會做什麼，因為他本人自己也不知道。

我們所做的其實也是預測，無論是政策也好、市場供求以及市場真實博弈現狀，在未來每天都在發生變化。行業研報所能做的也就如此，做好一個事前的準備，多做一些方案。

行業研究總體看來，有些地方有固定的套路，可以借用。有些地方需要現造框架，需要現成的去創造研究思路。

Ⅳ 幾個行業諮詢公司比較（170731補充：不是很全面，只是挑了幾個公司）

一、做行業研究的幾類企業

行業研究逐步變成越來越專業的諮詢，從事行業研究的公司包括：①像麥肯錫一類老牌外資或內資諮詢公司，無論是從事啥諮詢業務，行業的研究永遠是第一步。另外，像四大律所也在做這方面的工作。②金融業行業分析師，像證券公司的證券分析師、私募、VC、基金行業的行業研究員等。只要需要研究行業的，都少不了這個職位。③新興的第三方專門研究行業的諮詢公司，像艾瑞諮詢、易觀國際、中商情報網、中國產業信息網、前瞻網。本文主要是比較這幾個公司。④業內的龍頭或者次龍頭公司。

業內公司的競爭力

由於行業諮詢的公司除了這些第三方諮詢公司之外，業內的標杆公司往往也會做行業研究，像保利往往會出一些房地產方面的相關研究報告，而且更加具備權威性，行業諮詢被這些公司所壟斷，第三方諮詢公司在這方面是沒有太多競爭力的。這些行業像金融、互聯網、汽車、電商等，業內大佬發布的數據更具權威性，其它公司很難染指，即使染指了其它的消費者也很難以認同。可以看出，留給第三方諮詢公司的空間既很大也很小。

業內公司是最有資格做的，因為是內行，內行對自身＆競爭對手的業務研究得比較准，不會像外行一樣說瞎話。由其是對於一些業務不是很能讓人懂的行業。業內擁有的術語

可以判斷出市場的規模，而且知道這種規模的實際內涵。真實的接觸過渠道，對渠道的強弱有所了解。從研究思路上來說能夠Get到點，知道哪些東西最重要，哪些是熱點、痛點，哪些對於這個行業是重要的，當然，內行如果沒做過專業的行業研究，可能寫得不會好，沒有明晰的行研概念，但這不代表他們不懂。

對比，外行往往套框架，套用，但對業內發生的事實卻不甚了解。

內行也存在著一些缺點：不去梳理，不專心做這件事，專心賺錢。

當然，第三方諮詢公司也都在自己研究的基礎上盡量拓展產業研究內容。放棄幾大領域，尋求更適合自己的領域，是其存活的重要原因。但同時，也存在著重合的現象，因為賺錢的原因都相同。

二、比較的幾個要素

行業研究逐步變成越來越專業的研究領域，由於研究對象的不同，不同的行業研究公司逐步匹配不同的研究方法、數據渠道的來源也不同，另外對相應的人員的要求也不同，本文從提供的內容、研究方法、數據渠道、招聘需求等角度來比較幾類行業諮詢公司的不同。

需要指出的是，隨著互聯網的發展、人才的流動等，成為競爭優勢的企業所使用的方法（如大數據、數據挖掘技術）逐步被其它的行業諮詢公司所學習，也就是招幾個的事，導致各個行業諮詢公司之間的區別越來越不明顯，畢竟，諮詢公司以人才、人脈為其生存的根本，而前者在當下社會中確實並不罕見，而這種也因為如此，本文所提出的區別只是一種模糊的區別，並不是指其它的就一定沒有此種方法。

三、提供的內容比較

行業諮詢公司提供的內容與其業務與服務的對象有關，要研究哪些產業。像艾瑞諮詢、易觀國際以新興產業的研究為主，例如無人機的研究。研究得領域較新，這些也是這些企業賺錢的方式，找很少有人做，但又新興的，這樣的容易賺到錢。像中商情報網、中國產業信息網以成熟產業的研究為主，由其是後者，也有部分新興產業，但是互聯網產業的研究相對較少。

四、數據渠道

像艾瑞諮詢、易觀國際使用到很多數據挖掘的技術，中國產業信息網的數據有很多是以官方的渠道為主，中商的數據也是走人脈圈。

Ⅴ、————————————但是，這還遠遠沒有完成——————————

如果加上預測，這個問題幾乎沒法兒玩了。例如產品的周期理論以及其它各種花式吊打的理論，使得分析變得極為複雜＆矛盾。當然，如果我們規避掉這種複雜性時其複雜性並沒有降低，例如行業自身的交叉性、消費者研究的複雜度等。彷彿回到了學生時代的各種各樣的讓人頭炸的東西，那些東西沒有伴隨著學業快樂的結束而是以另外一種形式報復在了工作中。

2017年8月12日更新

————————————————————————————————————————

行業研究，不僅僅是提供行業研報這麼簡單，它需要對行業進行全產業鏈的展示，每個產業鏈的主題以及一系列的話題，比如大眾的關注度，最賺錢的未必是最具備八卦性質的。

以明星為例，在這個娛樂業中，整個娛樂業中，可能大眾並不關注這個產業的發展情況以及投資 情況，僅僅是對明星的個人生活比較感興趣，這個基本上就不屬於行業研究的問題了。

在研究時，首先要做加法，要把整個產業與非產業的話題匯總，然後排除非產業的研究。

_____________________________________2017年9月1日更新———————————

●興趣＆問題意識＆技術

在做了很多行業的研究之後，我發現興趣是引領思維、推動研究最好的方法，否則做出來的研究會是冷冰冰的東西。做出來報告的質量也不會太高。切記。當然，要抱著問題的視角來研究，不斷將自己的思路拓寬。

興趣＆問題意識＆技術，是我在做行業研究時發現的最需要的東西。興趣是研究的最大動力，而這一點，很多人並不具備，也有很多研究員是被迫研究某個課題，可能在技術環節有優勢，但是很難以深入地研究某個行業，興趣同時催生了問題意識，讓我們更深入地去做研究。而技術則是最後的環節，純從技術的角度出發，做出來的東西往往是冷冰冰的行業研報。

在「興趣＆問題意識＆技術」的前提下，我們才可以做出有內容、有含量的行業研究。

●難度

很多時候，行業研究的難度難到難以想像，由其是外行人研究出來的東西簡直讓人笑掉大牙。很多時候當我們在做行業研究時，最好將自己的研究定位為研究筆記，將自己定位為一個學習者。

**********************2017年9月25日**************補充*****************************

●研究些什麼？

做行業研究做久了，就容易犯暈乎乎，我們往往是從硬體的一端來觀察行業，而這一點往往走上邪路。正如我們從生產總值的角度來看待經濟的發展一樣。例如，中國

那麼我們應該如何來研究行業？

盈利，我們應該講述一個關於盈利的故事，很多時候與量無關，而是一種原始的動力。比如說，有5個競爭對象，賣5種產品，我仍然能夠盈利，而此時量就是帶有誤導性的。由其是增長率更帶有誤導性，還不如研究倒閉率。那些東西才叫研究。

當然，為什麼要從盈利的角度？為什麼不能從概念（貶義）or理想（褒義）的角度？也可以，我們可以從任何方面來做行業研究。

———————————————補充————————————————

●幾個角度：

A：總經理的角度：行業研究必須帶有總經理的角度。這樣我們才能讓行業研究變成戰略研究，提高行業研究的角度，否則行業研究僅僅是做一些基礎的分析與統計工作，檔次不會太高。

B：互聯網（技術）的角度：互聯網給行業研究，也給諮詢業以及其它行業帶來了顛覆性的改變。一些互聯網的研究方法非常值得去借鑒，這樣也是提高行業研究的另外一個深度。

●資料來源

A：外部來源：網上的材料，外部人員

B：內部來源：如果自己佔有內部資源的話，那更好，基本上內部人員就可以把大部分的問題給解決掉了。

（2017年11月12日）

*************************************2018年2月3日補充****************************

有一些新的想法，補充一下。

[分類與指標]我們在做行業研究時，有些是有現成的分類＆指標，例如汽車行業，可以按照我們不同的研究思路進行分類，像低端＆高端、MPV與小轎車等，但有時，我們在做研究時則沒有現成的分類，此時就需要自己去新增一些分類，例如我們如何來描述質量好的車子，我們可以選擇發動機、變速箱、油耗等具體的數據來進行描述。這些就是我們的分類指標，這些分類指標之間有些是正相關，有些是負相關，有些則沒有明顯的相關關係，但是沒問題，我們要把這些數據都把握到，做好第一步分類（描述），第二步分析。在上面的例子中，如果我們

[調研目的]

這樣，我們就回到了調研目的，網上有太多行業研究的東西，以至於很多時候我們可能忘了行業研究最初的目的，我們是基於要了解這個行業來對行業進行調研，我們需要了解行業的某個企業，我們需要了解企業的某個點，具體是哪個點，得看我們具體的調研目標，根據這個調研目標，有哪些數據是有關聯度的，這個作為分類的依據。

根據調研目的，我們是要總量，還是要算增量？

[盡量數據化]

一些信息可能無法數據化，例如這個人的幸福度我們是無法量化的。當然，我們要盡量找到一些相關的可以數據化的量，數據化最重要的東西是可以比較，否則整個報告就會變成無法比較的文字信息，無法讓人從大小上做出比較，沒有概念。

[找出關聯對象]

在整個行業中，某些數據之間是有關聯性的，發現這種關聯性，可以更好地了解到行業中量的變動。比如電影的數量與演員的數量大致是呈正相關的，當然，也可以看清楚一些錯誤的數據。

[總結]

提出問題←調研目的←調研對象←信息（可以量化的數據、不可量化的信息）

首先我們要提出問題，我們現在做行業研究往往會做成套路，拿著一個模板直接上手，如果要突破別人的研究套路，首先我們先要提出問題，畢竟對行業不了解首先第一步便是提出問題，這個便成了我們的調研目的。比如我們想了解中國哪個大學比較好，這個便是提出問題，下面我們再來解決問題，我們要選出一些指標，比如說院士數量、學生數量、論文數量等，但這裡我們還需要篩選一下，比方說論文數量是否足以說明一個學校的實力？可能不太合適，但論文的引用數量呢？唉，這個可能靠譜一點，這樣我們便有了很多評價的分類以及對應的數據體系，來支撐我們做判斷。前提是我們對學校相對了解，否則光有數據是沒有意義的。

————————————2018年2月11日補充————————————

[如何賦予數據意義？]

行業研究報告僅僅是一些靜態的數據，包括產業鏈各環節的一些靜態現狀的描述。我們如何來讓這些數據更有意義？如何讓這些數據說話？

①資金鏈的視角：

我們拿資金的流動方向來監測各鏈條之間的發展，例如對於智能手機行業，供應商與品牌手機廠商之間是不對等的，我們必須建立一個整體的資金流動框架來對各個產業鏈條進行整體的監測，至於這個資金鏈要做成什麼樣的還依賴於我們的研究目的。

②企業的視角：

春江水暖鴨先知，面對迅速變化的市場，企業家總會在第一時間做出判斷，進而尋求企業新的發展戰略，而這些企業經營戰略往往就體現在數據上。繼續以上面的智能手機為例，如果我們僅僅是做一個統計工作，那麼我們得出的無非僅僅是各個環節的數據，這些數據沒有太大意義。我們僅僅是知道一些靜態的量，而這些量是無數個企業經營戰略的結果。例如，我作為一家智能手機廠商CEO，今年公司在低端手機方面量很大，但是投入/成本並不划算，屬於營收增加了很多，但是成本也很多，利潤根本就沒有賺到多少。那麼，與其這樣，我還不如去做高端手機，做強做大高端手機，加大方面的研發費用，那麼，明年的行業研究報告中低端手機的量減少了，而高端手機的量卻增大了。而當我們在解釋行業研究報告時，這些數據才會有意義，到底是低端市場不好做了，還是因為廠家不主動生產了，我們得掌握這些最基礎的信息。行業研究報告才能反映出行業的信息，否則讀報告的人哪裡知道發生了什麼，也根本解讀不出什麼東西來。

(how?)→這裡我們需要做一些調研，同時也多從網上搜一下相關的信息，來了解不同企業實際經營，遇到的問題以及在面對這些問題時所做的戰略調整，這些調整最終才變成了企業實際的經營規模，也就是我們統計的數的由來。否則，我們能夠講出來的也只有，今年這個賣了多少台、增長了多少，那個賣了多少台、增長了多少，數據並沒有被進一步挖掘，我們無法從某個產業鏈的數據量來判斷它與上下游、消費者的關係，站在一個企業家經營的角度來看待、理解這些數據那往往是門內人的視角。

再補充一個例子，中國的幾大手機品牌廠商，在高端用戶都日趨慚飽和的情況下，如何進一步發展？那就要走線下，進入農村市場了，而要進入農村市場，往往需要知道潛在的用戶量是多少，這些數據往往是企業家比較關心的，而不是一個手機的總量。我也可以通過這些數據來知道競爭對手的策略，以及他們這些策略的成效，這些對經營者來說都非常重要。

→如果我們做出來的數據是冷冰冰的，說明我們的數據是沒有太大意義的。行業研究並不是一個套模板的過程，它是一份完整的數據故事，隨著需求的深入這些數據框架、數據體系會越來越豐富、完善，我們會對行業做出更加正確的判斷，對行業的認識也更加清楚。

[行業研究報告的主觀性與客觀性]

行業研究報告既是客觀的，也是主觀的。行業研究報告是客觀的，它必須對行業的現狀做一些陳述，但如何來選擇這些數據，則與研究主體與其思路有著較大的關係，不同的人可能會給出不同的框架體系、分類體系、指標體系等等。在建構這些數據體系的同時已經滲透了研究者的研究思路，它是在借鑒前人研究思路的基礎上不斷開拓新的研究，並最終找到最適合本行業的研究理論、研究思路以及研究方法。

→用數據反推經營：

一般情況下，我們往往是拿到數據以後向外分析，比方說，把數據做成表格，來說量增加了多少，然後佔比提高or減少了多少。今年的分析是從數據來向內推測，這些數據是怎麼來的，企業經歷了怎樣的發展變化，通過這種方式來賦予數據以意義。

③核心問題視角：

這個視角是對上面視角的延伸，任何企業在發展過程中都會遇到各種各樣的問題，每個問題對數據的需求度不同，例如有些人可能更加會關注營業收入這一項，而有的企業則對這一點不是很關心，可能僅僅關注現金流這一項就可以了，有些企業可能更加關注推廣效果等等。以推廣效果為例，我作為一個競爭對手需要知道其它手機廠商今年的推廣策略如何，都做了哪些廣告，做了多少？內容是什麼？在哪裡投放的？效果如何？然後我要一個明細表，因此，對我來說，在一個智能手機的行業研究報告中，也應當包含各大手機廠商的廣告量的報告，這裡就涉及到我個人的需求問題，所有的這些問題往往都可以形成一些核心問題，而這些核心問題就是我們做行業研究報告的目的，而不是合著眼睛做。

————————————2018年2月15日————————

[原因分析]

原因分析是行業研究中相對較為主觀的部分，一個靜態的量往往不具備意義，無論是總量，還是總規模，此時我們需要對行業的現狀進行兩個動作，一個是評價，一個是找原因。對於一個企業來說，今年生產並全部賣出了100輛汽車是好呢還是不好呢？老闆是應該給自己點贊還是給自己倆大嘴巴子？這個就得進行多角度的分析，從其自身來說，首先要自己對自己進行比較。剩下的是與市場中的競爭對手做對比，以整個市場做參照。

在判斷整個市場時，量、細分的量、規模（量*價）這三個評價體系得出的結果是不同的，例如我們用量來比較與用規模比較差距就很大，出現的情況是：我比別人賣得多，但不如別人賺得多，我們需要使用「細分的量」，具體地來對哪個產品or同類產品進行比較。

同樣，我們常說的「市場規模」增大or減小也往往與「產品賣的量」增大or減小也往往不是同一意義，可能市場的規模增大了，但銷量卻減小了，也會發生這種情況。定位不同的客群實際上不能當成同一個市場來對待。

如果我們引入「收入－成本」這個公式，上面的分析會更加複雜，

所有者權益＝資產－負債+收入－成本

那麼，我們今年對行業的研究也應該從上面各個環節來看，比方說從供應商（成本），這樣我們對行業原因的分析就不僅僅是局限於數學上經常用的分析方法，而是把整個分析用到整個產業鏈，有可能盈利增加了，但成本又增加了，那麼對企業來說是好事還是壞事？所以引入這些變數後，我們就有可能不會太樂觀or悲觀了。

———————————————2018年2月19日補充——————————————

[市場的增長＆企業的營利]

在這裡，我們企圖將企業的營利加入行業研究中，在此，暫時不想做一個純粹的商業報告，研究行業中的市場體量的增長與企業及其產品之間的關係，這裡拋磚引玉，引出一些討論的話題，而B與C的關係，是行業研究中極為重要的一部分，在之前關於行業的研究中，我們討論的大多是「量」，而且是靜態的量，這種靜態的量很多時候缺乏深度，而且也不被很多業內人士認同，同時也做成了某種套路，做成了某種技術活。我身邊做行業研究的人普遍覺得套用這種研究框架有時候沒太大意思，行業研究最終變成了沒有什麼技術含量的事情，當然，老闆也不會為太技術化的東西為我們pay太多工資。

這意味著我們要把行業研究做成對行業的戰略研究，要深入行業內部的發展，理解行業內部的規律，探討一些更加細緻的、深層的東西。

關於行業研究的分析要深入到每一個企業個體來做，而不是完全在行業的高度上來做。當我們探討行業變化的原因時，我們要從每一個企業出發，從企業生產的每一個產品出發，而不是去套用一些經常用到的商品原因，那樣得出的東西並不靠譜。這樣我們得出的總體結論才具有客觀性，我們必須在深入材料的基礎上才能下結論，否則便會得出一些大而空的結論。而且我們的研究要從消費者與企業關係的整個過程來討論，漏掉某些環節容易得出錯誤的結論。

下面，我們討論B與C之間的關係。

列一下要討論的話題，這個也是每個企業家在從頭思考這個行業時需要思考的，與消費者的關係相關方面的思考怎麼多都不多，這個是企業發展一直要做而且永遠不會停止的事情。以行業研究的角度來看。

●消費者今年都選擇了哪些企業的商品，其量是多少？這些商品＆消費者都有什麼相應的特點？

●市場發展的邏輯如何？是（企業）產品引導了市場，還是市場引導了產品。這裡需要做一個歷史考證，即以歷史的角度來重新看待某個產業，否則會得出一堆華而不實、而且充滿戰略錯誤的一堆圖表。以無人機為例，一些優秀的企業會創造出新的需求，這些產品出來時便會引領新的消費需求，像大疆的無人機，受到消費者的鐘愛，從無人機產業最初的狀況來看，因為價格原因，不能滿足另外的消費者，這些都是無人機行業「潛在消費者」客群。如果企業一直定位為高端消費，那麼其市場體量的增長範圍會是高端消費者客群的增長，而一些低端無人機企業也無法拿到這些高端的消費者。同樣，C對B的選擇是不同的，以從另外一個角度來看，對於新興產業來說，往往一個產業e.g.無人機就是奔著品牌去的，此時新進入的企業未必能拿到這些新增的客戶群。我們在做行業研究時，必須理清消費者對企業產品的這種選擇關係，弄清楚自己的消費客群是誰。

我在做智能手機的行業研究時，通常看到市面上出的報告往往只會呈現B端體量與C端體量的增長或減少情況，對於解釋「我們企業是誰，客戶群體是誰，每個企業的發展戰略是什麼，是怎麼面對一系列的潛在群體，客戶為什麼會選擇某些品牌，客戶是怎麼知道這些品牌的，這些客戶對行業的了解度如何，是否是品牌的忠實粉絲，品牌的傳播渠道如何」等一系列的核心問題。作為行業研究，要從更高的角度來回答這些問題。

B與C的關係是值得每個企業探討的。做成一個純粹的模型沒有意義。我們可以分析出誰是強勢方，誰是弱勢方。例如你的產品足夠好，那麼基本上就是強勢方，如果產品很一般，那麼基本上是弱勢方了。如果產品的技術含量沒有那麼高，容易被競爭對手抄襲，那麼其價格壟斷的優勢就不再存在，消費者的量可以增大了，而最大的企業賣的量卻不一定大了。

當然，例如蘋果＆小米，小米也確實可以增大市場的體量，但搶的卻不是蘋果的客群，這種就屬於將潛在客群給開發了，企業也應該思考，是否可以競爭過對手？是否能從對方嘴裡搶來肉？

還有一個值得研究的是，消費者的量是如何一步一步增大的？是看的廣告，還是口口相傳？像電子產品類的可以直接看到。也就是說，我們不僅僅要關注C端的量，更加重要的是關注這些消費者是怎樣產生的？

B與C的關係中還可以加入產品，這中間又會有各種各樣的問題。

[從行業報告走向事實報告]

行業研究其實並沒有一個完全客觀的研究方法（即便是經濟學現在也很難確定其客觀性），它提供的是一種參照，一種思考方法，可以讓我們更好的去描述這個行業所發生的事情，而那些固有的老套路＆研究思路往往會限制我們向更深層次的思考。行業研究的主體選材其實也存在著主觀性，對於原因的解釋由其如此，有些人用抽象的理論、有些人用事實、有些人用宏觀經濟來解釋行業的發展變化，而這裡主觀判斷的成分則較多，實際上，行業研究再進一步探討往往成為對某個事實的解釋與分析，如果我們從這個角度來理解行業研究，它無非是我們分析事情的一種方法，它需要有一定的分析框架＆數據支持，我們可以將其中的一些固定下來，並成為進一步研究的框架，但是切莫讓這些框架限定自己，思維必定無疆。

我們可以嘗試用行業研究的方法來對某個事實進行研究，這是一個比較好的鍛煉思路，也可以拓展我們的研究範圍，提升自身的研究能力。

————————————2018年2月23日補充————————

行業研究是一個基本技能，是研究者了解行業所具備的基礎能力，一個目的性較強的研究是用數據來支撐研究思路，所以說，數據是故事的一部分。對於商業報告來說，往往是採用哪些與賺錢有關，哪些與賺錢無關，很多商業報告往往做得較為框架化、模式化、熱點化，缺乏一貫的思路，採取的是大雜糅的方式，哪些與賺錢有關就放哪些，回答的問題是，「產業哪個地方有商機」，而不是「產業發展得怎麼樣？」這樣的問題。

[從大學排名來看指標體系的建立]——相關性論述

相關性論述與邏輯論述不同，邏輯論述是點對點的直接論述，而相關性論述則不是點對點的論述，是回答這個問題可能需要多方面的支持，而每一個支持都無法詳細回答這個問題，都只是一種參考。我們以大學的排名來說明這種相關性論述。

我們想要了解國內大學的發展質量，並對國內的大學做一個排名，那麼應該怎麼來做呢？如果我們上網搜索的話，網上會有各種各樣的排名，每個排名都反映了其不同的思路，有些是以院士的數量、有些是以博士、碩士點的數量、有些是以論文的數量、學生的招生成績排名，有些是以論文的引用量，當然，有些人可能會以畢業生的工資來定義大學，這個也是一種觀點，反正在看待大學的質量上會有各種各樣的觀點。這些，基本上就構成了評價大學質量、水平的各種指標。

從上面來看，如果讓我們做大學的排名，如果邏輯推導型的，那麼我們只需要相應的論述點即可，即，如果大學排名有一個核心的指標（它可以直接反映出大學的質量水平），我們只需要找出這個核心指標，然後將這個核心進行排序即可，這個跟邏輯論述相似，拋去其中不重要的環節，只找一些最核心的直接反映問題的數據，而這個就是我們想要的。

在這些相關的指標中，肯定還有更能反映問題的指標，到時候再進一步來尋找。同時，也有一些指標可以反映一些側面，展示了某個產業的某種維度，這樣都需要詳細地整理。其實，這也反映出想要得出一個確定的答案的難度，畢竟回答好與不好這樣的問題，都不是一個簡單的一個字來完成的，每個被評判的個體都有其存在的豐富性，有些這一點不好，而那一點做得不錯，單單來回答好與不好容易將這些特色全部抹殺掉。

舉個例子，一個司機開了10年沒駕照，另外一個司機有駕照，那要給司機排個名怎麼排呢？這個就是比較難以回答的問題，由於無法直接回答誰的技術高這個一個難題，我們引入了駕齡、駕照等因素，但在此我們沒有引入學歷，因為好像這兩者之間沒有太直接的關係（也有一種可能是兩者有關係但是我們並不知道，如果我們的數據體系足夠廣，那麼我們可能會通過數據之間的聯繫來發展不同維度數據之間的相關關係，從而發現產業內部更深層次的規律）。像老司機這種問題在生活中＆在產業研究中是經常存在的，也就是說沒有直接的標準，但是有一系列的相關的標準，這些相關的標準並不能直接反映，但是如果不選擇這些標準又往往無法回答這個問題。這個例子就跟兩個拳擊手對磊，我們列出了體重、出拳速度等一系列的指標，但是我們能根據這個指標來說誰更加厲害嗎？可能有人會說，我不想用你們使用的這些指標，我想用勝率來看兩個人的水平，這個就直接繞開了被考察主體，從概率上來思考問題了，行，也可以是個路子，只要這些指標沒把人弄亂就行。

從上面這兩個例子中，我們可以看出這些指標的優點與缺點，這不是源於指標的問題，而是源於問題本身就難以回答。像當我們問「汽車產業發展得好不好？」「小明的身體是否健康？」等之類的問題時，都無法通過單一的一句話來展示，需要一個立體的、複合的角度。像這類問題可能永遠不會有一個正確的答案，它反映出的恰恰是每個客體的不同，以汽車產業為例，少數汽車企業大賺、多數小賺甚至賠錢是好還是不好，反過來呢？

我們需要考慮每一個被考察客體的感受，從而確立這個指標到底是否相關，其相關性如何？是否有更好的、更切合的指標？考察的指標有何缺陷？像回答「產業發展得好與不好？」這類問題，每個產業鏈其實都不相同，在某個產業鏈條中是好的，但是到了下一個鏈條中恰恰是壞的，這種複雜的關係需要釐清楚。

[交叉分析法]——深入建立產業研究的框架、相關性

首先，我們要引入相關性這個話題。

[「相關性」的意義]

相關性不是必然性，必然性是邏輯推理，在上一小節中，我們遇到的疑問就是「相關性」，我覺得這也是一大發明了，相關性是介於必然與一定不必然之間，實際上是可能相關，可能這個詞很有意味，有時候意味著這樣，可以導致某種結果。有時候意味著那樣，同樣的前提導致不同的結果。儘管如此，即使百分之百相關也不能叫必然性，因為兩者是不同的意思。相關性從測試結果上來看的，即使測試結果都是，那隻能證明兩者有關係，但是其內在聯繫的機制是什麼？無從知道，只是從結果上認為兩者有關係？（相關性是說，從結果上看，兩者好像是因果關係），相關性實際上是因果「度數」，100%，就是說完全相關。在我們學習的知識中，好像涉及到人的都沒有一個有完整的因果關係，那麼相關性就是最重要的、也是最可靠的東西了。又有啥辦法呢。

諮詢業、投行以及基金行業，每個所出的研究報告都不相同，但作為行業研究，我覺得最基礎的是對於行業規律的探討，如何來探討？引入相關性＆交叉分析，展示行業發展的規律，這樣才能進一步地去做預測，否則網上的預測簡直是太LOW了，無非是結果預測，今年增長了多少，明天乘以個百分之多少，完全不是站在行業自身發展的基礎上來推理。

[多元變數]

那麼，推動結果的是什麼？多元變數。如果變數只有一個的話，那往往會形成邏輯推導關係，變數會形成結果。而多元變數則是A→B的原因，問題比較麻煩的是，如何確定這些多元變數？誰占的成分多，每個變數在不同環境下產生的結果不同；每個變數的份量不同產生的結果不同；即使是相同的變數，在相同的環境下，產生兩次產生的結果是否相同？因為無法搞清楚這些內部複雜的機制，因此我們才使用相關性來進行替代。

[交叉分析法]

建立產業中的幾個點，然後逐步拓展點與點的關係，從而迅速地去了解這個產業，了解產業內在的關聯。

如何來進行交叉分析？找點，找環節。但有些是我們發現不了的，也是可以通過數據分析來發現的，比方說「尿布與啤酒」的關係，很多時候是我們的經驗也難以解決的問題。這個也是數據分析的意義，數據分析有時候是用數據來印證觀點，有時候數據分析是用數據來發現新的東西。

交叉分析法實際上是一個探索產業內部運行相關性的一種方法，當我們初入產業時，並不知道產業內部的相關關係如何，哪些數據與哪些數據在量、價等方面存在著同步性，讓我們知道哪個變化時另外一個也會發生變化。