#肖璟
除了阅读大量的内部资料，我还有一个习惯——我会先约一个行业专家，让其帮我罗列一下“了解这个行业需要了解的20个专业术语”，然后再一个个词搜索学习。这么学习下来，至少可以跟业内专家聊得到一块儿去，不怕有术语听不懂。而现在，我把这个工作交给了生成式AI，甚至让它把专业术语都梳理成知识图谱。
文 | 罗益明
1.很多时候，我们普通人不管是出于何种目的去聊起当下商业社会某个行业情况时，往往是大词一堆且模糊不清，也就是说，联起大概宏观情况，好像都能说上个几句，但具体到再微观层面，比如行业里的龙头企业发展周期、估值、市盈率、护城河等等，可能就说不上来了。
这问题并不是说，因为我们是普通人，所以接触不到这些信息数据，事实上是我们并没有找到一种确定思维框架，结合一些专业的数据研报去分析和纵深思考这些问题。
2.这本书的作者肖璟先生就是从一个前麦肯锡分析师的角度给我们读者提供了一套思维框架以及实操方法来帮我们去快速了解和纵深探究一个行业。
熟悉麦肯锡这家企业咨询公司的就不多介绍了，不熟悉的简单介绍一下，这企业堪称企业咨询行业里边的神级企业，号称世界“三大战略咨询公司”（波士顿、贝恩）之首。据MBA经管百科介绍：
世界排名前100家公司中70%左右是麦肯锡的客户，其中包括AT&T公司、花旗银行、柯达公司、壳牌公司、西门子公司、雀巢公司、奔驰汽车公司，在中国有广东今日集团、中国平安保险集团。
它这家公司建构了一系列的模型和方法，比如金字塔原理、逻辑树、三层面业务理论等等，已经成了这企业咨询领域的基本分析工具。
所以，在这本书中，可以看到作者极为鲜明的麦肯锡工具方法分析行业的特色方法以及实操路径。
但更有趣的是，作者并没有止步于此，也就是说，它并不是照本宣科的在讲麦肯锡方法是怎样的，而而是以此为基础，海纳百川，兼收并蓄，熔铸成极具个人鲜明咨询特色的理论分析模型框架，以及转换成自己的话术，譬如，它在界定这书商业模式定义的时候，就运用马克思主义政治经济学的概念术语来定义。
这也在提醒我们在读这本书时，同样可以按照这样的方式，选择一个切入点，转换成自己能理解的分析工具以及话术。
3.这本书实际上主要还是写给想搞投资的人看的，但我们不搞投资，想基于自身职业工作的角度去了解自己所处行业的基本情况，那也是非常有帮助的。那了解自身行业的第一步是什么呢？其实在我看来，最快的方法就是在网上找专业的行研数据报告。
比如在微信公众号检索：纸质图书市场分析报告，就会出现类似：中金易云2025年纸质图书市场分析报告、中国出版传媒商报里边的2025图书零售市场数据等等。
或者去这本书边研究工具篇，列举的各种国家政府层面的数据资料网站以及一些调研机构：艾瑞、艾媒集团、克而瑞、七麦数据去找相关的数据资料报告。
如果想进一步对自身行业的上下游产业链进行了解，那就先看看这书开篇提到的行业分类，比如《国民经济行业分类》、《申万行业分类标准》等等。
4.光有数据资料，这只是完成了第一步，而至关重要，也是这本书最核心的要点就在于运用怎样的一套思维框架以及工具对行业进行分析？
那这本书的作者肖璟先生就在所谓产业生命周期的理论模型基础上建构了一个思维框架图，全书的内容就是紧紧围绕着这张图展开进行的分析，图具体如何？请自行看书。
个人将这个模型图简要用文字类比成鸡蛋的蛋黄——蛋白——蛋壳三层结构。在蛋黄层面，就是以行业（产业）生命周期为基础架构：
导入期——成长期——成熟期——衰退期，但作者比较好的地方在于，他在这个周期基础上对其进行了量化处理，也就是用渗透率来界定这个行业到了什么阶段。
作者提供的公式是：渗透率=存量用户÷潜在客户群，行业渗透率达到15%~20%为高速发展期，渗透率达到35%~40%以后为成熟期。
再根据这个周期成长阶段，针对不同发展阶段运用关键指标进行分析，这就是蛋白部分，在导入期阶段，运用可行性这个关键指标进行分析；
在成长期阶段，运用规模性（市场规模）这个关键指标进行分析；在成熟阶段，运用防守性（护城河）这个关键指标进行分析；在衰退期，运用盈利性（竞争格局）这个关键指标进行分析。
进而分析蛋壳部分，就是政治、经济、文化、技术发展以及市场估值、行业景气度。
这个分析需要注意是动态分析，且不同阶段并不是只考虑单子要素，需要用动态系统里边眼光纵深分析判断。
5.按照上图的理论模型，本书作者开始对以上关键指标逐一进行纵深分析。在可行性这一块，其实就是看这行业咋赚钱的？透过提供怎样的产品和服务来赚钱？
我把作者书中提供的那个商业模式新生代图，用一段话概述就是：它在这个经济体的上下游产业链之中，居于什么的核心节点，投入何种成本，有什么核心资源，能关联哪些上下游产业，开展什么样的业务，为哪一类具体群体，通过什么渠道，解决什么具体问题，并如何进行市场扩张，获得持续性收入？
那怎么验证这所谓商业模式行不行呢？本书作者从定性和定量两个维度给出了自己的方法，从定性的角度而言，就是时空对标法，看既往的需求，比如吃、喝的需求，空间对标法，看别的国家人们的需求已经得到了验证。
而所谓定量分析法，则就是运用单位经济模型来分析，也就是类似你自己摆个摊进行成本以及收入分析，由此类推整体，如下图。
在规模性这一块，就是看市场规模，可分为三类，潜在市场规模，可服务市场规模以及获得的市场规模，那具体怎么测算呢？本书作者从需求端提供的方法是，先把无法精确的宏观给它拆解为微观可大体衡量的数据指标。
比如 市场规模≈目标客户数×渗透率×客均订单量×客单价。
从供求端提供的方法也跟前文提到的单店模型一样，大体量化测算一下一个店大体能超出多少，再根据其价格表进行测算。
也可以从供需之间存在一定比例的角度评估，总而言之，就是颗粒度精细化拆解，再做出合理预设评估。
在防守性这一块，本书作者从资源垄断（如：劳动力、土地、技术、资本、数据）以及网络效应两个维度分析，前者就是括号里的五大生产要素，后者指的是跟政府、上下游供应商、客户以及同行缔结的关系网络。
在盈利性方面，主要是从企业的上下游产业链所处位置以及竞品分析的角度判断，譬如看看行业集中度，就看龙头企业产能情况，根据他们的财务报表看资本性支出。
譬如，把这两项相减，购建固定资产、无形资产和其他长期资产支付的现金”和“处置固定资产、无形资产和其他长期资产收回的现金净额”。
又或者将净经营长期资产增加与折旧和摊销的总和相加等等。
至于纵向看上下游产业链所处利润情况，本书作者认为可以从这条产业链当中的毛利率以及占用上下游资金的能力综合判断。
在蛋壳层面，估值，使用的主要衡量指标是“市盈率”。市盈率就是股价相对于公司赚钱能力的一个倍数。
可以把它想象成回本需要的年数：如果一家公司市值100亿，每年能赚10亿（市盈率=10倍），相当于你花100亿买下这家公司，需要10年才能把投入的钱赚回来。
因此，较高市盈率（比如30倍以上）：说明大家看好它未来会赚大钱，愿意现在用高价买入。它在一定程度上回受央行的影响，央行放水，就水大鱼大。
也受资产的概率和赔率影响，赔率越高、概率越大，资产估值越高。但这里边也可能存在交易拥挤度的问题，就是大家一窝蜂在某个阶段冲进某个行业，使得这行业估值可能成了泡沫。
其它外部因素，如政治、经济、技术、文化等，就不展开细致评述了。以上是本书作者研究框架提到的基本内容。
6.再说一下本书作者提到的研究方法。这个比较总要的是他思考问题时的操作步骤：第一步针对研究的问题下定义，比方说研究消费降级，首先定义它，而且定义的这个标准要非常清晰具体，可衡量。
譬如对消费降级的定义，就是消费者在对某一同质产品上更趋向价格低的。
那进一步分析，那为什么会这个这样呢，要么就是钱不够花了？要么就是不愿意为这个产品的附加值溢价付钱了？
然后再进一步针对钱不够花，做出几个子假设：
· 子假设1：主动收入（打工或创业）变少了。
· 子假设2：被动收入（投资收益）变少了。
· 子假设3：应付本金和利息变多了。
· 子假设4：投资（包括理财和储蓄）变多了。
这个子假设，要遵循一个原则，MECE原则，即相互独立，完全穷尽。
这其实就是类似于知识分类的方式。假如按照我的类比的方式，我会把它类比到对图书的分类，将问题进行二级分类，乃至三级或者四级分类。
在本书之中，作者更倾向将其的翻译为“不重不漏”：同一层级的分项之间不互相重叠，且分项总和是上一个层级的全部，没有任何遗漏。
从这里也可以进一步证明，这个作者确实是非常善于把不同的知识转化成自己的知识体系当中的一部分，并用自己的话术进行阐述。
对于假设，把这个假设进行调查研究，借助数据厘清这个假设背后的事实结构包含哪些方面？从哪些要素出发？如何交叉检证等等……
如果我们本身对所研究的话题缺乏基本了解，那么在拆解问题时，做假设时可能不会那么顺畅，那么，我们也可以先与业内人士交流，没有这个人脉，也可以找他的相关的网上账号看内容，或通过搜索引擎查找高质量的综述性材料进行重点研读。
针对这个从搜索引擎，找高质量的综述性材料，建议权重为公众号&谷歌&百度。
又或者先把自己的这个话题变成一个学术语言，借用工具AI，让它变成一个学术论文的类似的题目，进而再放到知网里面去检索相关的文章。
再根据知网里面去找到相关的专著，因为他要引用专著或者说参考材料。然后对那本书感兴趣，再找到相关的书，去学习。
其次，他提供的这个思维方法，也让我进一步思考一个问题：即，为什么我们多数人可能在面对一个商业问题时无法纵深思考，由此，造成很大的争端？
第一，就是对问题关键概念的定义不清晰，也就是大家理解同一个事情的定义不一样，进而造成鸡同鸭讲。
其次，就是在分析原因，做出假设的时候，不穷尽，不独立，那这要么就会有破绽漏洞，进而，争论的焦点就是破绽漏洞。
要么就是在同义语重复，循环论证，聊半天最后又聊回去了。
再次，我们再进行到这一步时，没有一些数据的支撑，虽说不一定每一件事情都得要有数据的支撑，但是我们一旦要去判断一个更宏观，超出个体经验判断范围之外的事情假设时，那就需要相关专业数据支撑，构成自己论证的基础。
其次，北大人口学教授乔晓春教授曾说在这个社会科学领域，尤其在统计学上，有一个所谓必然性和偶然性的临界点。
就是说，在统计上会计算一个叫P值的指标。可以把它理解为“巧合的概率”。
如果P值很小（比如小于0.05），意味着纯属巧合的概率低于5%。统计学家认为这足够说明，更可能是真的发现了规律（在统计学上称为“拒绝原假设”），即结果显著。
如果P值较大（比如大于0.05），意味着这很可能只是偶然波动，无法证明规律存在（统计学上称为“不拒绝原假设”），即结果不显著。
简单来说，只有先通过了显著性检验（证明这不是偶然），结论才有可能具备普遍性。
也就是说，在数据上你要误差在一定范围内，那这个数据支撑的结论就具有普适性的含义了，这也是搜集数据，证明结论的合理性动因所在。
但也不是所有的数据以及资讯具有同等价值，需要从自己的假设出发，对搜集来的资讯和数据设置权重。
7.最后，我们不一定需要按照本书提到的点，面面俱到分析，但可以建立起这样系统深入的思维模式以及实际分析路径纵深思考，而我们练招的起手式，就是可以从自己所处行业开始。
此外，本书我也不是全部都翻看了，就挑自己感兴趣的部分重点进行了研读，大家也可以根据自己的兴趣重点研读。
参考资料
【1】肖璟，《如何快速了解一个行业》
图片来源豆包AI，若侵权请在后台留言删除
热门跟贴