这是一个很前卫的问题，也是企业数字化转型面对的最现实的问题， 我经常看到一些分析师是这样回答客户问题的： 问：上周黑色系商品市场怎样评价？ 答：总体震荡偏强，铁矿、焦炭涨幅较大，钢材期现价格均有拉升，盘面钢材利润小幅下滑，卷强螺弱格局延续，但梅雨过后走势或将反转。 问：宏观经济环境恶化和风险集聚，金融市场动荡，疫情冲击仍在持续，股市下跌向商品市场传导，大宗商品价格动荡，有色、能源开启回调，市场避险情绪有所提升；本周钢材基本面如何？ 答：随着国内宏观经济数据利好，市场预期维持向好，但近期钢价涨幅较大，钢材供大于求的现实制约着价格上升空间，且螺纹期现价差较小，铁矿供需情况好转，黑色商品盘面价格或高位回落，不排除会有进一步深度调整的可能。 仅仅这样定性回答是解决不了企业经营问题的，只有把市场数据与企业的决策模型相结合才能解决实际问题。例如某造船厂某年某月按照4250元/吨的价格采购了5000吨造船板，事后审计部门按照社会第三方咨询机构提供的数据，显示那个时间段市场主流价格是4270元/吨，如果按照企业绩效管理进行评价，应该说采购部门是称职的。但是，如果我们把咨询机构提供的5组标注数据分解来看，最低价格是月初的3910元/吨，在其后的一个月时间里有5次价格变动，最后到月底变成4270元/吨，按照加权平均计算的价格是4170元/吨。采购部做对了，但没有做好！ 尽管企业不可能做到像我们事后分析的那样进行采购决策，但是至少可以在当月分几个时间段分批量进行采购决策的。比如我们要做出2020年8月份的采购决策就需要对未来的不确定性做几种场景假设，也就是在这些不同场景发生不同概率的前提假设下，建立数学模型做风险评估和收益分析。 既然说到资金收益分析就要匹配好采购与销售、生产、财务各方面的关系，要动态地处理好这些关系，就需要企业建立一个数据化经营决策系统，让各类信息数据资源实现实时共享。 未来的数据一方面可以参照历史数据进行拟合，另一方面还需要借助数学模型进行模拟。还是以造船厂用的钢材为例，我的钢铁网统计的1~6月份钢价平均降幅为7.79%，与造船板有关系的中厚板6月环比5月上涨1.98%，结合开篇市场分析，大致可以模拟出8月份造船用钢材价格变化幅度和节奏，利用这些数据，再结合数学模型就可以做好企业收益预警分析了。 三峡大坝在汛期之所以把水位调控在158米，而不是最高水位175米，就是预防上游 洪涝灾害的！