10月27日下午，「2016易觀A10大數據應用峰會」主論壇，德勤中國數據分析業務領導合伙人朱磊受邀出席，並發表了「第四張報表—企業數字用戶資產」的主題演講，並正式對外宣布易觀聯手德勤發佈企業第四張報表，易觀大數據專家以及德勤的財務專家們成立了工作組，初步完成了企業第四張報表的框架研究，並提出「用戶資產將佔據更加重要的位置，成為企業第四張報表」的看法。
德勤的業務條線除了審計以外，還有業務諮詢，管理諮詢，覆蓋專業領域的方方面面，並在全球成立了數據分析工作組，且專做大型B端企業和超大型B端企業，這些企業的最高決策機構往往最重視的就是三張報表，資產負債表、損益表和現金流量表。
隨着互聯網化轉型，企業內部積累了大量數字用戶數據。且這些數據是有渠道可以從外部獲取的，但如何讓管理層統一思想重視這件事情，這是朱磊思考的一個初衷。
朱磊講到，他希望設計第四張報表，幫助這些大型B端企業和超大型B端企業從管理層角度更方便衡量數字資產的價值。從管理層角度，以管理層能夠接受的語言、展現方式，讓越來越多的企業認可數據是一個資產。
朱磊提到希望大家在三個方面可以做一些嘗試。第一個是對標，幫助越來越多想做互聯網轉型、數字化轉型的企業去看到在這條道路上哪些企業是做的比自己好的，首要是解決解決對標的問題。
第二個是評估，如果剛剛開始做，起步從哪裡是比較好的。
第三個是借鑒，其他企業做的比較好的營銷方式，哪些方式是能夠借鑒的。
這是第四張報表希望能夠幫到企業的目標。幫助企業從D（data）看到V（value），就是它的價值。就D而言，從企業內部來說，它的三張報表當中有類似於存貨、資產、收入、利潤、現金流等數據，如果他是一家純互聯網公司，前者往往不多，但是他的後面這些數據：用戶、活躍度、行為這些數據是非常豐富的，這是他的內部數據。
而外部獲取數據的渠道，易觀就提供了一個比較好的範例，比如月活、存留量等等，單日啟動次數，人均單日使用時長，進而通過這些標籤能夠知道用戶行為特徵，比如消費取向，對媒體的取向，甚至喜歡玩什麼樣的遊戲，基礎的標籤信息，易觀可以提供非常完整的數據生態，協助獲取外部數據。
有了數據以後，通過數據建模，然後洞察。在這個過程中，通過評估每個個體的差異，並識別這些企業一些共性的特徵來構建這樣一個報表，並對以後所有企業都可以用。
朱磊通過演講PPT提到， EBITDA市值模型，自由現金流市值模型，凈資產市值模型，銷售收入市值模型，平滑現金流市值模型，都是從傳統財務數據來看的。這五個模型往往會用到一個或多個財務指標，仍然有一定的主觀性。通過易觀非常豐富的業務數據，則能用已有的業務數據建模。於是嘗試再做了三個模型：多元現金流模型，多元現金流對數模型，面板多元現金流對數模型，全部用互聯網指標，用戶活躍度，年均單日啟動次數，人均單日使用時長，看一下結果發現建模團隊拿數據做出來的平均擬合率，最高的是平滑現金流市值模型，擬合度達到99.2%，算出來的市值和它實際市值是非常貼近的，課題組已經準備拿這個選互聯網公司股票。平滑現金流市值模型則用到了自由現金流和用戶活躍度這兩個數據，所以後面三個模型想用互聯網數據取代自由現金流，整個思路是先看傳統的財務指標加一個互聯網指標跟市值關係是怎麼樣的，擬合度怎麼樣，挑一個最高的自由現金流看能不能全部用互聯網數據取代自由現金流，從而形成互聯網數據對現金流的估算。
朱磊認為，企業數字用戶的相關數據和企業的財務表現呈現非常強的正相關，財務表現也要改一改，可以和企業的股東價值呈現非常強的正相關。但是由於數字用戶的數據往往來自企業的互聯網業務，所以將數字用戶報表化我們簡稱第四張報表應該引起管理層重視，不再像以前一樣把數字用戶數據很零散放在各個系統當中，並且應該用結構化的方式把數據的價值體現出來，並給到管理層。
簡單地說，互聯網數據和企業的價值有很強的相關性，希望通過第四張報表引起企業大B和超大B端企業管理層的重視。這樣的課題的洞察就在於：第一，是管理位置前移，讓整個企業管理層重視。第二，可以更客觀的幫助企業管理層做評估。第三，風險識別，這樣的管理可以使企業自身，比如審計部、風險部、合規部用這樣的工具。
用朱磊的話來講，接下來希望把第四張報表進一步結構化，運用到更多的互聯網指標，這是德勤思考的一個方向。第二個方向是主題化，報表內容跟一些管理主題結合。第三個方向是行業化，把第四張報表做更多的行業挖掘和應用，這是後面工作的一些方向。
以下是朱磊演講實錄：
朱磊：首先要謝謝易觀的於總給我這個機會，讓我來參加這個盛會。我是德勤中國負責數據分析業務條線的合伙人，我叫朱磊。大家對德勤的了解更多的是做財務審計的，其實德勤的業務條線除了審計以外，還有業務諮詢，管理諮詢，覆蓋專業領域的方方面面。德勤全球在八年前就制定了一個戰略，在全球成立了數據分析工作組，因為我們覺得以後我們諮詢行業的方方面面都會受到數據的影響和被顛覆，我負責中國區的工作。另外，德勤不做C端，我們做B端，更準確的說，德勤做大型B端企業和超大型B端企業，這些企業的特點是什麼？第一，他已經上市了，他是全國運作的，甚至是全球運作的。這樣的企業有一個特點，他的決策層結構非常複雜，他通常不是像創業企業有幾個主要的創始人大家決策一件事情，他有非常複雜的決策結構，有董事會，董事會下面還有各類專業委員會，旁邊還有監事會，這樣一個結構決定了他們在做一件事情決策的時候需要思想統一。今天在座的我相信也有在大數據領域創業的企業，早上投資者說，怎麼把你們的產品賣給大型的B端企業，包括政府，首先我們需要了解他的決策機制。剛剛主持人提到了，這些企業往往在他最高決策機構的桌面上擺的是什麼呢？就是大家看到的三張報表，資產負債表、損益表、現金流量表。由於這些人員來自不同專業背景，但大家對這三張報表的認識是統一的。
隨着互聯網化轉型，企業內部積累了大量數字用戶數據，這些數據包括用戶特徵，用戶交易記錄，客戶愛好，對你產品使用行為和所處地理位置，當然這些數據有可能在不同系統當中。另外，越來越多企業開始注意到，除了企業內部數據，我是有渠道可以從外部獲取這些數據的，但如何讓這些管理層統一思想重視這件事情，這是我們思考的一個初衷。
所以我們希望設計第四張報表，幫助這些大型B端企業和超大型B端企業從管理層角度更方便衡量數字資產的價值。第一，我們從管理層角度，我們不一定從技術角度，所以我們裏面一定要有很多管理層能夠接受的語言、展現方式，越來越多的企業認可數據是一個資產，不是說固定資產才是資產，數據也是一個資產。但是有沒有一個量化的方式去看他的價值，我們希望研究這樣一個方向。所以我們第四張報表希望在這三個方面去做一些嘗試。
第一個是對標，我們幫助越來越多想做互聯網轉型、數字化轉型的企業去看到他在這條道路上哪些企業是做的比他好的，比如我要做APP，比如金融行業，很多小銀行都在做APP，因為他們知道以後他的業務大量的是來自於線上的，他的線下網點可能都會關掉，可能極端一點，但這是一個很大的趨勢。到底在所有銀行這個範疇之內，哪些銀行的APP做的是比較好的，首先我們想解決對標的問題。
第二個是評估，如果我剛剛開始做起步從哪裡是比較好的。
第三個是借鑒，其他企業做的比較好的營銷方式，哪些方式是能夠借鑒的。
這是我們第四張報表希望能夠幫到企業的目標，簡單說，我們希望幫助企業從D（data）看到V（value），就是它的價值。首先我們看看D，從企業內部來說，企業往往有些什麼樣的數據呢？傳統的企業它的三張報表當中有類似於存貨、資產、收入、利潤、現金流等數據，如果他是一家純互聯網公司，前者往往不多，比如存貨，初創互聯網公司沒有什麼存貨，收入也比較少，更重要的是拉流量，但是他的後面這些數據：用戶、活躍度、行為這些數據是非常豐富的，這是他的內部數據。我們再來看外部可以獲取怎樣的數據，大家看一下這張圖，我要特別感謝一下朱江老師，過去兩個月我們成立了一個課題組，易觀專家給我們介紹了這些數據，我們才發現易觀有這麼豐富的生態數據。有月活、存留量等等，單日啟動次數，人均單日使用時長，進而通過這些標籤能夠知道用戶行為特徵，比如消費取向，對媒體的取向，甚至喜歡玩什麼樣的遊戲，基礎的標籤信息，易觀可以提供非常完整的數據生態，幫助我們來進行。
接下來我們用數據建模，然後洞察。在這個過程中，我們一共選了29家企業，這29家都是上市公司，除了互聯網數據我還要拿到他們的財務數據，上市公司財務數據是披露的。我們分析了他連續六個區間，我們一共使用了九個數據，用了八個模型。我們先看一下選的企業覆蓋面，包括金融、旅遊、社交服務、綜合電商等等。我們用的數據從2015年第一季度覆蓋到2016年第二季度，連續六個季度。行業跨度大，有做旅遊的，有做電商的，業務模式也非常多，每家企業都是集團性的公司，發展非常快，客戶類型也非常多樣。如何評估每個個體的差異，如何識別這些企業一些共性的特徵，因為我們希望做成一張報表，這張報表我們希望以後所有企業都可以用。在建模過程中我們做了一些安排，對於第一個問題我們用了固定效應模型，第二個問題我們用了面板截面模型，我們用了一套統一的指標體系，當然，每個企業的指標權重不統一，但指標體系是統一的，有利於我們後面落到一個看得見、摸得着的報表身上。這張圖我稍微花點時間講一下，稍微複雜一點。
左邊模型我們用了八個模型，EBITDA市值模型，自由現金流市值模型，凈資產市值模型，銷售收入市值模型，平滑現金流市值模型，都是從傳統財務數據來看。上面五個模型我們往往用到一個或多個財務指標，但是我去跟一個互聯網指標結合，傳統做估值看市值往往就是用一些財務指標加上一些假設，比如增長率怎麼樣，但是這個假設有一定的主觀性，有一些機構的假設是做過分析的，但仍然有一定的主觀性。我們就在想，易觀有非常豐富的業務數據，我能不能盡量不要用這個假設，我用一些已有的業務數據建模。於是我們又做下面這三個模型，多元現金流模型，多元現金流對數模型，面板多元現金流對數模型，全部用互聯網指標，用戶活躍度，年均單日啟動次數，人均單日使用時長，看一下結果。這是我們建模團隊拿數據做出來的平均擬合率，最高的是平滑現金流市值模型，擬合度達到99.2%，我們算出來的市值和它實際市值是非常貼近的，我們課題組準備拿這個選互聯網公司股票。平滑現金流市值模型用到了自由現金流和用戶活躍度這兩個數據，所以後面三個模型我們想用互聯網數據取代自由現金流，整個思路是我們先看傳統的財務指標加一個互聯網指標跟市值關係是怎麼樣的，擬合度怎麼樣，我們挑一個最高的自由現金流看我能不能全部用互聯網數據取代自由現金流，從而形成互聯網數據對現金流的估算。一個大型的B端企業他的利益相關方可能是他的股東，或者銀行的債權方，或者是監管機構，比如銀行銀監會這樣的監管機構，當這些人去看一個企業的時候，他認為市值是他非常能接受的價值定位。
我們看一下結果，如果我們用一個財務指標，用自由現金流它的擬合度，我們選了29家企業，我們看了不同指標的偏離情況，這家是百度的數據，這家是京東的。我們可以看到平滑現金流市值模型偏離非常小，如果全部用互聯網數據做多元模型，六個季度偏離情況也是非常小的。所以我們通過兩個多月時間做的測算，我們有信心得到這樣的結論，企業數字用戶的相關數據和企業的財務表現呈現非常強的正相關，我覺得財務表現要改一改，可以和企業的股東價值呈現非常強的正相關。但是由於數字用戶的數據往往來自企業的互聯網業務，所以將數字用戶報表化我們簡稱第四張報表應該引起管理層重視，不再像以前一樣把數字用戶數據很零散放在各個系統當中，領導說要了你調張報表給他看，我們應該用結構化的方式把數據的價值體現出來，並給到管理層，報到董事會面前。
簡單地說，互聯網數據和企業的價值有很強的相關性，通過第四張報表我們希望引起企業大B和超大B端企業管理層的重視。早上有一位投資者談到洞察，我們去研究這樣一個課題到底有什麼樣的意義呢，它的洞察在哪裡呢？我服務B端企業有二十年了，我們歸了幾類，一個是管理位置前移，讓整個企業管理層重視往往是在董事會上討論一些問題，我們排一個優先級，傳統董事會討論更多是基於財務數據，是業務運作的結果，往往有一段時間的滯後。如果我們能夠放第四張報表，他們可以更早的關注在我業務運作數字化、互聯網化過程當中有哪些問題，我能採取措施，不像以前很多事情損失已經造成了。第二，可以更好的幫助企業管理層做評估，這樣的應用德勤在過去半年碰到了很多這樣的訴求，很多是來自於VCP，當他們在收購一些目標企業的時候，他們會要求做數據的凈值調查。比如前段時間有一個非常大的PE要收購做醫藥平台的公司，要求我們去看他刷單的情況，他們跟我們說，我們知道他肯定有刷單，但我們必須要知道他刷單的量有多少，我們最後算出來這個量蠻高的。後來和管理層說你要採取措施，把這些問題解決，他對這個項目還是有興趣的。所以我們可以幫助利益相關方，通過這些互聯網數據，我特彆強調的是，易觀可以提供鍛煉的互聯網數據，而不是企業自身提供，因為他自身提供的會有問題，幫我的利益相關方做價值評估。第三，風險識別，如果你的互聯網數據表現特徵和財務表現特徵不一致，我有理由懷疑你的財務數據造假，這樣的管理可以使企業自身，比如審計部、風險部、合規部用這樣的工具。
所以這樣一個模型，或者這樣一套報表，在企業的日常管理中有很多的應用場景。
今天我也請了很多朋友過來，包括我請了監管的銀監會的同事領導過來聽一下，我也在想以後像這樣的報表能不能用在銀行行業，我覺得是比較樂觀的。
所以我想通過這樣一個課題初步向大家傳達一個信息，在高質量D的背後可以讓管理層非常清晰的看到這個價值的，幫助企業的成長。我們這個課題大概也就做了兩個多月的時間，我們用到的互聯網數據只是一小部分，可能只是易觀海量數據的滄海一粟，我們還有很多路可以走，方向上有這些思考，和大家彙報一下。我們希望把第四張報表進一步結構化，運用到更多的互聯網指標，我們能不能把一些互聯網指標也跟財務報表資產類、損益類、現金流這些類別做匹配，這是我們思考的一個方向。第二個方向是主題化，從上午到現在大家都在講，大B企業管理層聽不大懂技術術語的，我是從計算機出身的，但我服務B端企業大概二十年了，有時候和董事會講技術術語他們聽不懂，他們希望聽管理術語，風險怎麼控制，怎麼更精確拿到我要的客戶。所以我想以後我們把報表內容跟一些管理主題結合。第三個方向是行業化，B端企業各個行業差異性非常大，同樣的一個引流，各個行業對它的理解、期望是完全不一樣的，我們希望在後期，比如在銀行，在餐飲，在零售，把我們的第四張報表做更多的行業挖掘和應用，這是我們後面工作的一些方向。
也跟大家披露一下，今天早上於總說我們先設定一個小目標，先框10萬個B端用戶群來服務他們，我們德勤考慮也在我們三萬個中國用戶當中挑一些客戶，我們可以在他們董事會開會的時候就擺一張第四張報表，擺在他們的桌面上，幫助他們認識這個報表的價值，因為模型已經有了，還可以做深化。我想我們也做一些貢獻。以上是今天我跟大家做的一個分享，也非常歡迎大家之後一起做一些進一步的探討，謝謝大家！
來源：易觀智庫
