烂业绩数据也能讲出亮点｜六步法

内容要点

一支 2 分半的职场汇报课：面对糟糕透顶的业绩数据，怎么从嘴里讲出让团队觉得「有亮点」的内容？视频给出六步渐进法——环比→同比→拆业务线→换财务角度→创造指标→定义异向客户，每一步都在累进增加「找到亮点」的概率。

知识结构

[00:00→00:30]

为什么要从烂数据里找亮点

如果你是老板给全公司开会，面对糟糕的业绩数据，总不能说「业绩很糟糕，我们要完蛋了」。鼓舞人心、打鸡血，就要从一堆烂数据里找出亮点。

[00:31→01:15]

第一步环比、第二步同比

先看环比（本月比上月是否上涨）；环比没涨就换同比（今年这个月比去年同月），目的是剔除季节因素，比如春节月工业品销售本来就差。

[01:16→02:00]

第三步拆业务线、第四步换财务角度

把总体销售拆成多条业务线，拆得越细越可能找出环比/同比上升的亮点；还不行就从财务角度拆——毛利率、库存周转率上升也算亮点（效率提高）。

[02:01→02:35]

第五步创造指标、第六步定义异向客户

再没亮点就创造一个指标（物流费占比、人均产能）；实在不行就定义「异向客户数量」——自己定义的口径，谁也管不着。老板总能从虚空中召唤出亮点。

总结

汇报烂数据的核心不是粉饰，而是「拆角度」：环比→同比→拆业务→拆财务→造指标→定义口径，六步层层加码，概率上总能找到可讲的亮点。

00:00-00:30为什么必须从烂数据里找亮点

开场抛出场景：「怎么让一堆本质上很糟糕的业绩数据，从你的嘴巴里这么一讲，让团队成员觉得——诶，真的有几个亮点？」讲者说明动机：「要鼓舞人心啊，要打鸡血啊。如果你是老板，给公司全体人员开大会，面对一个糟糕透顶的业绩数据，你总不能说业绩很糟糕，我们要完蛋了吧。」

他自称这套是「从一堆烂数据里面找出亮点、从一堆如花里面找出秋香的本事」，一共六步，且强调「每一步都是在累进的增加概率」。

[00:10]问题：如何把糟糕的业绩数据讲出亮点、鼓舞人心

The problem: how to spin terrible performance numbers into highlights that lift morale

00:31-01:15前两步：环比与同比

第一步看环比数据——这个月跟上个月比，看数据有没有上涨。第二步，如果环比没上涨，「那就不看环比看同比」——今年这个月份跟去年这个月份比，目的是剔除季节因素的影响。

讲者举例：「春节一般在二月，工业产品销售额一般在二月数据不会很好，因为春节要放假，那就今年的二月跟去年的二月比。」

[00:45]第一步看环比（本月比上月）、第二步看同比（今年比去年）

Step one, compare month over month; step two, compare year over year

01:16-02:00第三步拆业务、第四步换财务角度

第三步把总体的销售业务拆成多条业务线：「拆成产品备件服务，拆成软件系统硬件系统，拆成 ABCDE 五种不同的产品。」他明确回答「拆得越细越好」——因为拆得越细，概率上更有可能找出上升的业务亮点。

第四步，业务拆完还没亮点就换个角度继续拆：「从财务角度拆，有没有毛利率上升，有没有库存周转率上升，有的话也是亮点，叫效率提高。」

[01:20]第三步拆业务线（产品/备件/服务），拆得越细越容易找出上升点

Step three, split business lines; the finer the split, the easier to find an uptrend

[01:50]第四步从财务角度拆：毛利率、库存周转率上升也是亮点

Step four, split from a financial angle: rising gross margin or inventory turnover also counts

02:01-02:35第五步造指标、第六步定义口径

第五步：毛利率、净利率、库存周转率都没亮点时，「就创造一个指标」——比如物流费占总成本比例叫物流效率，销售额除以团队人数叫人均产能。讲者还点破：「如果团队裁掉一个人，不用做任何事情，人均产能就能大幅上升。」

第六步是终极兜底：「有本事的老板总能从虚空中召唤出一个亮点」，方法是定义「异向客户数量」——「你可以自己定义，比如那个数据真心化是真心化，我对柳岩姐姐是很有异向的……我自己定义的，别人管得着吗？」

[02:25]第五步创造指标、第六步异向客户数量：老板总能召唤出亮点

Step five, invent a metric; step six, define intent customers: a boss can always conjure a highlight

完整转录（90段）

以下文本由 Whisper medium 模型自动转录，可能存在少量识别误差，已尽可能修正。