学会分析毛利对财务BP来说到底有多重要？ _学会

文章插图
据调查统计， 2022年财务BP成为了众多财务人跳槽的首选岗位！
作为财务BP每天都要跟业务打交道，当财务对不同的产品（产品线）完成收入和成本核算后，就可以对相应的产品毛利进行分析了。
这几天受国际局势的影响，大宗商品原材料价格波动较大，增加了制造业的原料采购成本，成本上涨进而影响了产品的毛利。
毛利是企业净利润的基础，毛利率在一定程度上可以反映企业的竞争优势， 如果企业具有持续性的竞争优势，它的毛利率会处在较高的水平，企业可以对其产品或服务自由定价，让售价远高于其产品或服务本身的成本；如果企业缺乏持续竞争的优势，它的毛利率就处在较低水平，企业就只能根据产品或服务的成本来定价，赚取微薄的利润。
我在群里看到有很多制造业的财务BP都在为分析毛利变动的原因而苦恼，今天我们的案例将结合Python教大家如何使用基期和当期的营业数据，快速分析毛利和毛利率变动的原因。
1
数据准备
获取实验数据，分为基期毛利数据和本期毛利数据：

import pandas as pdimport warningswarnings.filterwarnings("ignore")pd.options.display.float_format ='{:,.2f}'.formatfile = '财会实验数据.xlsx'df0 = pd.read_excel(file, sheet_name='毛利基期数')df1 = pd.read_excel(file, sheet_name='毛利本期数')#df.fillna(0,inplace=True)df0

2
计算指标
为基期数和本期数分别计算毛利、占比、单价、单位成本、成本率、毛利率等指标：

# a.创建计算函数def margin(df):# 计算产品线汇总数 ， 如果是字符串 ， 填入文字‘合计’ ， 数字的进行加总df.loc['T'] = df.apply(lambda x: '合计' if isinstance(x.sum(),str) else x.sum())df['毛利'] = df['收入']-df['成本']df['占比'] = df['收入']/df.loc['T','收入']df['单价'] = df['收入']/df['销量']df['单位成本'] = df['成本']/df['销量']df['成本率'] = df['成本']/df['收入']df['毛利率'] = df['毛利']/df['收入']*100# b.对基期数和本期数分别应用函数margin(df0)margin(df1)df0

3
数据处理
将两期数据进行拼接，注意suffixes参数填加同名字段不同表的后缀：
df2=df0.merge(df1,on=['产品线' ， ‘分类’] ， how=‘outer’,suffixes=('2018','2019'))df2
4
进行两期数据的分析比较
a.降价率 = 本期单价/基期单价-1
b.降本率 = 本期单位成本/基期单位成本-1
c.毛利差 = 本期毛利-基期毛利

df2['降价率']=df2['单价2019']/df2['单价2018']-1df2['降本率']=df2['单位成本2019']/df2['单位成本2018']-1df2['毛利差']=df2['毛利2019']/df2['毛利2018']df2['毛利率差']=df2['毛利率2019']-df2['毛利率2018']#方便查看结果 ， 缩短展示列pd.concat([df2[产品线] ， df2.loc[:,'降价率']] ， axis=1)

将毛利差拆分为价格影响、成本影响、销量影响:
d.价格对毛利的影响额 = (本期单价-基期单价)*本期销量
e.成本对毛利的影响额 = -(本期单位成本-基期单位成本)*本期销量
f.销量对毛利的影响额 = (本期销量-基期销量)*基期单位毛利

df2['价格影响'] = (df2['单价2019']-df2['单价2018'])*df2['销量2019']df2['成本影响'] = -(df2['单位成本2019']-df2['单位成本2018'])*df2['销量2019']df2['销量影响'] = (df2['销量2019']-df2['销量2018'])*(df2['单价2018']-df2['单位成本2018'])# 验证三个影响因素的合计等于毛利差print(df2.iloc[:,-3:].sum(axis=1)-df2['毛利差'])#方便查看结果pd.concat([df2['产品线'],df2.loc[:,'降价率':]],axis=1)

将毛利率差拆分成价格和成本的影响（毛利与销量无关）：
g.成本影响毛利率 = 本期单位成本-基期单位成本/基期单价
h.价格影响毛利率 = -本期单位成本/本期单价+本期单位成本/基期单价
【学会分析毛利对财务BP来说到底有多重要？】i.除成本和价格单独对毛利的影响额外，即不同毛利的产品混合在一起所产生的影响
其中， g和h的分子分母同时乘本期销量，因为单个产品线的计算是否乘销量结果是一样的，但是产品线的合计如果用单位成本和单价计算就会失真，因此乘销量后的收入和成本总额进行计算。

df2['新收入'] = df2['单价2018']*df2['销量2019']# 重算合计数 ， 倒数4列的合计拿各产品线重新加总df2.iloc[-1:,-4:]= df2.iloc[0:-1,-4:].sum().valuesdf2['成本影响毛利率'] =df2['成本影响']/df2['新收入']*100df2['价格影响毛利率'] =df2['毛利率2019']-(df2['新收入']-df2['成本2019'])/df2['新收入']*100df2['混合影响毛利率'] = df2['毛利率差']-df2['成本影响毛利率']-df2['价格影响毛利率']#方便查看结果pd.concat([df2['产品线'],df2.loc[:,'降价率':]],axis=1)

设计以上毛利分析模型的意义在于，如果数据有多维度，比如销售区域、大类、渠道等，可以将子类数据传入模型，分析每个子类的毛利：

# 如果要对源数据进行分类统计 ， 可以将上述过程打包成一个大函数 ， 将基期df和本期df作为参数传入 ， 输出毛利影响分析表def ma(df0,df1):margin(df0)margin(df1)# 将两期数据进行拼接df2 = df0.merge(df1,on=['产品线','分类'],how='outer',suffixes=('2018', '2019'))# a.降价率 = 本期单价/基期单价-1df2['降价率'] = df2['单价2019']/df2['单价2018']-1# b.降本率 = 本期单位成本/基期单位成本-1df2['降本率'] = df2['单位成本2019']/df2['单位成本2018']-1# c.毛利差 = 本期毛利-基期毛利df2['毛利差'] = df2['毛利2019']-df2['毛利2018']df2['毛利率差'] = df2['毛利率2019']-df2['毛利率2018']# d.价格对毛利的影响额 = (本期单价-基期单价)*本期销量df2['价格影响'] = (df2['单价2019']-df2['单价2018'])*df2['销量2019']# e.成本对毛利的影响额 = -(本期单位成本-基期单位成本)*本期销量df2['成本影响'] = -(df2['单位成本2019']-df2['单位成本2018'])*df2['销量2019']# f.销量对毛利的影响额 = (本期销量-基期销量)*基期单位毛利df2['销量影响'] = (df2['销量2019']-df2['销量2018'])*(df2['单价2018']-df2['单位成本2018'])# 分析价格和成本对毛利率的影响（毛利与销量无关）df2['新收入'] = df2['单价2018']*df2['销量2019']# 重算合计数df2.iloc[-1:,-4:] =df2.iloc[0:-1,-4:].sum().values# 成本影响毛利率 = (本期单位成本-基期单位成本)/基期单价 ， 分子分母同时乘本期销量df2['成本影响毛利率'] = df2['成本影响']/df2['新收入']*100# 价格影响毛利率 = -本期单位成本/本期单价+本期单位成本/基期单价 ， 分子分母同时乘本期销量df2['价格影响毛利率'] = df2['毛利率2019']-(df2['新收入']-df2['成本2019'])/df2['新收入']*100# 除成本和价格单独对毛利的影响额外 ， 即不同毛利的产品混合在一起所产生的影响df2['混合影响毛利率'] = df2['毛利率差']-df2['成本影响毛利率']-df2['价格影响毛利率']return pd.concat([df2['产品线'],df2.loc[:,'降价率':]],axis=1)# 对A类产品进行分析 ， 将过滤后的df作为参数传入ma函数ma(df0.loc[df0['分类'] =='A',:],df1.loc[df1['分类'] =='A',:])

未来，兼备财务知识与数字技术的复合型人才，将成为企业不可或缺的瑰宝。当财务BP掌握了数字化工具后，可以高效的进行财务分析，届时财务通过数据描绘企业经营状况，通过对数据挖掘、收集、整理、分析发现背后隐藏的价值，用数据来支持决策。
?图片版权归财码数字化所有，如对版权有异议，请联系后台议定处理。
本文由财码数字化整理发布，如需转载请务必注明以上信息。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：