如何突破数据分析

作者：增长研究社

发布时间：2022-08-23 14:21

快照：

我是一个数据从业者，很早以前就想把自己在工作和学习中的心得做个总结。一方面是对自己过往经历的一个总结和回顾；一方面最近几年大数据是越来越火了，也希望自己的经验能帮到那些对数据有热情、希望从事数据行业的新人们；还有一方面，也非常重要，是希望借助知乎这个平台跟广大同行们做一个交流，互相帮助，共同成长。

在开写之前，先做下自我介绍。我在企业里从事数据相关的工作已经有11年了，在这些年里，我做过咨询顾问、数据分析师、售前工程师、开发工程师、数据分析经理直至总监。在管理岗上，我带过数据分析、数据挖掘、数据产品、数据仓库等各种团队，其中带数据分析团队时间是最长的。先后就职于国企、传统制造业和互联网企业。总的来说，比较杂。现在想来其实有得有失。缺失的是，在任何一个细分领域上都没有做得特别深入，不算是一个合格的专家；得到更多的是，我对整个数据的产生、处理、分析直至为企业提供价值的过程都有过体会和思考，从而也使我能够站在一个更高的角度上看问题。

到底是成为一个专才好还是通才好，我觉得这没有一个确定的答案。个人觉得T型人才是比较受欢迎的，也就是自己的技能和业务面同时要有宽度和深度。当然，到底多宽或多深才合适，取决于个人的职业发展意向。基于我的经验，我分享的更多是对这个行业的理解、做事情的思想和方法论，而不会侧重于具体的实现技术。想学技术的同学请绕行。

后面我预计要分享的内容包括数据分析、产品、仓库、数据团队建设等等。个人经验最多的是数据分析，就从这里开始吧。可能包括以下话题：

什么是数据分析？数据分析有哪些分类？如何设定分析目标？怎样才算是一个合格的数据分析师？什么样的企业需要数据分析师？怎样建立一个数据分析师团队？数据分析师团队的价值是什么？如何实现？数据分析师团队的岗位设置及分工合作一篇好的分析报告有什么样的标准？数据分析三元论（势、道、术）

什么是数据分析

一句话定义，数据分析是一个从数据中通过分析手段发现业务价值的过程。这个过程的起点是获取一份数据，这个过程的终点是发现业务价值。过程可以大致为分数据获取——数据清洗——数据处理——数据建模——分析结果呈现——业务价值发现——业务价值实现这几个阶段。

在具体说明每个阶段之前，首先要谈下我对数据和业务价值这两个概念的理解。

数据：我认为数据不是简单的数字，换句话说，如果你只告诉我一串数字 170、172、180而没有其他信息，那么这几个数字就仅仅是数字而已，而不是数据。数据除了数字本身之外，还必须包含数字的来源、度量方式、单位、代表的业务场景（即数据产生的上下文环境）等等。其中，我认为场景是最重要的。仍旧拿上面的例子来说，如果你告诉这是三个地区的平均身高，那可以说这是一组有意义的数据了，至于单位，我会猜到是厘米；而来源和度量方式决定了这个数据的可信程度。业务价值：不能服务于业务的数据分析是没有生命力的，不能产生业务价值的数据分析是徒劳无功的。因此，能否实现业务价值决定了这是否是一次成功的数据分析。而分析工作只是实现了这个过程的第一步，它通过分析师的视角将价值呈现于业务人员面前，分析的结果只有被业务人员理解，并最终通过业务人员的努力转化为业务实施（在大多数公司数据分析和业务运营这两种不同的角色会分属不同的部门，增长黑客则是一种新的形式），才可能最终实现价值。

过程的详细说明：

数据获取：这个阶段的输入需要一个分析目标，哪怕不是那么的明确和清晰。为什么需要一个目标？在一个大型企业中，可以获取的数据往往是海量，如果没有一个目标限制，那数据分析往往是无从着手的。这个阶段的输出是一个数据子集，它可以是物理上的货逻辑上的。所谓物理上的，就是把分析中用到的数据单独拷贝到一个地方；而逻辑上就只是定义出可用的数据范围，比如时间周期、维度、指标等。这个阶段的困难之处在于理解相关的数据源，因为数据源文档不完整或者变更的情况经常在业务中发生。数据清洗：通常包括异常数据的处理、缺失数据的处理、数据的一致性变换、编码的替换等数据处理：对数据进行汇总，或者形式上的变换，以便可以适用于后期的建模数据建模：用统计分析或机器学习算法对数据建模，以便描述数据或对未来进行预测。其实大多数分析师在这个阶段只观测数据的同比、环比的趋势上的变化，亦或对指标在不同维度上进行拆分，以观察维度对指标变化的影响。以上三个阶段在很多书籍中都有具体的技术描述，不再赘述。分析结果呈现：通常认为，这个阶段的主要任务是把建模的结果以图、表或者更加复杂的可视化方式呈现出来。但我认为不止于此。首先，呈现结果不是这个阶段的目的，目的应该是让业务人员对分析结果有充分的理解。其次，呈现的手段除了可视化，最重要的应该是沟通。而沟通是双向的，可以保证结果最大程度上被他人理解。业务价值发现：通常数据分析师会在分析结果中提出对业务的价值，但是这个价值只有被业务人员认可才有可能实现。所以，此处的“发现”应该是分析师和业务人员的“共同认知”。业务价值实现：业务价值发现和实现经常不被包含在数据分析过程中。但是，就如同我对数据分析的定义，业务价值才是数据分析的终极目的。因此，我认为价值的实现才是整个过程的最后一个阶段，这个阶段虽然是有业务人员控制的，但是仍然需要分析师的深度参与。因为双方对于分析结果的理解和价值的发现经常出现偏差，需要在实践中逐步达到统一。最后，关于数据分析过程，我认为有几点需要给予非常的重视：

在开始做分析之前，首先要有分析目标！分析目标！分析目标！重要的事情说三遍。

过程不是单向的，在后一个阶段中发现问题时可以跳回到前一阶段过程不是一次性，而是不断循环往复的。上一次分析过程的终点，可能是下一次分析过程的起点。我们经常会在业务价值发现和实现阶段发现新的分析主题，并把它作为下一次分析的起点。对于任何一次分析来讲，不是每个阶段都是必需的整个过程中的大多数时间都需要分析师和业务人员的密切合作

数据分析有哪些分类

面对的问题不同：战略、运营

战略分析：是为了解决公司战略方向问题，回答要向哪里去的问题。

此类分析通常比较宏观，需要分析者有大局观、有战略思维；所用的数据除了公司内部的数据，还需要竞品数据、行业数据。战略分析的方法：需要从竞品及行业数据中发现行业发展趋势及竞品的战略定位，同时结合公司内部数据，可以发现相对于行业和竞品发展，内部在哪些地方存在不足，以此制定进攻和防守策略

运营分析：不同于战略分析，运营分析以解决实际运营问题为目标，比较微观。

需要分析者对公司业务模式、运营细节有深入的了解；使用的数据以公司内部数据为主。此类分析最重要的是，分析结果要能够与运营结合，并能有效落地

服务的部门不同：业务、数据

业务分析：此类分析由业务部门发起，提交给分析师执行，最终结果交付给业务部门。此类分析一般在最终的价值发现环节效率较高，问题的针对性较强。数据分析：此类分析由数据部门发起，最终结果视具体情况可能提高给业务部门或者管理层。由于此类分析的视角不同于业务分析，在最终的价值发现和实现环节需要与业务部门的深入沟通。同时，也正是由于视角不同，会经常发现业务部门没有发现或者忽视的问题。

分析的范围不同：行业、公司、部门、业务环节

行业分析：目的是总结和预测整个行业的过去和未来的发展趋势，时间窗口一般在1年以上。使用场景较多的是在投资公司中或者很多公司的市场宣传稿中会出现。行业分析的对象是商业模式或者业务形态，关注的是资金、市场格局、用户需求的变化和各企业的应对。最有价值和最难的是要提前预测行业的增长爆发点和衰退的转折点。公司分析：目的是结合行业分析对公司业务发展做出诊断，给公司发展提供决策建议。时间窗口一般在一年以内，在公司战略决策会发挥较大的作用。SWOT等方法适合在公司分析中使用。分析者首先要认清企业的商业模式，要与公司的管理者同步公司的短期和长期目标，了解企业的盈利来源和运作方式，通过公司内外部数据的对比发现运营中的问题和商机。在这个过程中，了解市场和竞品的动态是非常重要的。部门分析：目的是对部门职能范围内的业务发展做出正确的诊断并给出适当的建议。前提是能充分理解部门在整个公司中的角色和地位、该部门与其他部门的协作关系、在工作流程中的上下游关系。基于以上理解，以配合公司业务发展为目的，以提升部门KPI或某个关键任务为分析目标，利用公司和部门运营数据去做分析。此类分析中，理解公司业务、有产品和业务思维很重要，指标的分解、对比，数据变化的归因往往是常用的分析方法。业务环节分析：这是数据分析在业务最细粒度的应用。分析者只需要关注非常具体的某个业务环节，让大家感兴趣的是这个业务环节数据的变化原因和改善方式。此时分析的指标经常是确定的，目标也很直接。但所谓牵一发动全身，这个环节的变化通常是由其他环节的变化引起的。所以万万不能走入一叶障目不见泰山的误区。

项目的阶段不同：咨询、实施

咨询分析：以前有过跟咨询公司合作的经历。在项目开始阶段，乙方通常需要花很多时间讨论项目立项的必要性、收益等，以此来说服甲方老板，你懂的。但是，我要说的是，即使是公司自行研发的项目，在立项阶段，数据分析需要做的是树立目标。通过数据分析，可以对业务有一个全面的诊断，发现问题，提出项目需要改善的主要指标，并预测出项目上线后的收益。立项是需要管理层批准的，因此这个阶段的分析需要简明扼要、一针见血，分析结果的呈现起着至关重要的作用。实施分析：项目开始后，数据分析需要做的是过程控制。除了项目目标涉及的主要指标需要持续关注之外，还需要关注过程类指标。所谓过程类指标，是指能够反映出项目执行内容的数据。因为主要指标的表现通常是滞后的，而且是若干因素影响的结果，过程指标是为了明确各影响因素的作用效果。比如项目目标是提升使用时长，项目内容可能包括提升新用户和老用户的使用时长，那么则应该把新老用户的时长作为指标单独监控和分析。

综上，根据数据分析的使用场景、业务阶段、服务人群、范围及层次不同，可以分为很多种。以上只是列举出一部分。在每种场景下，数据分析的目标、关注的重点和难点都有所不同，分析师要在分析过程中时刻关注自己有没有偏离目标，并对重点和难点有充分的准备。

如何设定分析目标

从我的经历看，数据分析的目标主要来自两方：一方是业务，一方是数据部门自身。

对于一个具体的数据分析项目来说，可能以上两方的因素都会存在，只是占比多少而已。以下详细说明这两种方式的场景、前提及“坑”。

分析目标主要来自业务方：这种场景通常存在于业务方对业务发展有疑问，希望通过数据分析提升业务。业务设定的目标要么是对过去的业务发展做总结和诊断，希望从中发现问题；要么是基于业务的历史预测未来的发展趋势。这里经常存在的问题是，业务方提出目标往往是模糊不清的，并且通常用业务术语而非数据口径来定义。因此，这种情况下，分析师要花较多的精力做需求分析。而要做好需求分析，分析师需要具备一定的产品和业务思维，要从业务视角出发，充分理解业务的处境，才能从最根本上理解业务的需求。同时，需要对数据产生的流程和指标计算的口径对业务人员进行充分的说明。如此不断地迭代沟通，往往分析到最后，却发现已经不是原来的需求了。还有一种情况，业务对数据了解较多，会在需求中说明需要的数据口径，这种需求会被单纯地看做一个数据提取需求。即使是这样，如果希望让这部分数据更有价值，分析师也需要就其业务背景有深入的讨论，然后可以修正该需求。分析目标主要来自数据部门自身：这种场景下，数据部门在组织上是独立于业务部门的。但是独立不意味着可以不考虑数据分析对业务的价值（参见第一章）。如果说实现业务价值是分析的根本原因，那么重要数据指标的变化则是数据分析的直接原因。也就是说，如果数据部门要能够独立提出分析目标，首先要有相对完善的指标监控体系。而指标体系可以分层，并且建立起各指标之间的关联关系。因此，数据部门提出分析目标可以更全面、更客观，而不局限于一隅。但是，这个分析目标的设定对数据部门要求更高：不仅要具备完善的指标监控体系，更要了解业务。经常出现的情况是，数据部门自己费了挺大的劲做出的分析报告，业务部门却无动于衷，其中没有涉及到业务痛点可能是一个重要原因。

总结一下，分析目标的设定是数据分析最初也是最重要的一步。一个合理的分析目标应该具备以下特征：

要有业务视角，能折射出业务痛点要有数据支持要量化：“为什么产量下降了”和“为什么产量从1万下降到5千”，显然后者的目标更清晰要能体现在某个或某几个指标上：还是上面的例子，产量只是一个概念而非指标，一个可能的产量指标是：全厂2018年第一季度中产品型号X的生产数量。总之，要做到明确而没有歧义。

怎样才算是一个合格的数据分析师

可以从分析师的工作目标、工作内容和能力要求三个方面回答这个问题。其中工作目标和工作内容是息息相关的。要说清楚这个问题，我认为除了一些公认的标准之外，还有一些标准是因公司和行业而异的。也就是说，必须把它放在一个具体的公司业务框架之中考虑。

工作目标主要由公司的业务发展阶段决定

一般来说，无论是哪个公司，都希望分析师能有效地利用数据引导和驱动业务发展，实现数据的价值。但是，公司发展的情况不同，对数据分析师的价值定义也会不同。

公司整体处于初创阶段，此时分析师的价值在于能通过对行业和竞争对手的分析，为公司的发展方向提出适当的建议；公司如果处于快速发展期，此时分析师的价值在于一方面监控业务取得的成绩，关注增长速度，一方面要健全指标体系，发现被业绩增长所可能掩盖的问题；如果公司处于稳定期，分析师则需要从效率和成本角度，从业务细节入手，为精细化运营提供支持；如果公司发展遇到瓶颈，分析师需要分析市场中供给和需求的变化，关注竞争对手的应对策略，为公司业务发展发现新的增长点。

工作内容主要由公司的数据建设程度决定

参照第一章，分析师的主要工作内容数据获取、数据处理、数据清洗、数据建模、分析结果呈现、数据价值发现及实现。无论分析的目标是什么，大体总要经过这几个阶段。由于数据建设的阶段不同，分析师在这几项工作内容上所花费的时间也不同。在公司数据建设早期，分析师可能在数据获取、数据处理和清洗、指标建设上花费更多的时间；数据建设到达一定阶段之后，分析师的工作更多会在数据建模、呈现和数据价值实现上。

分析师的能力要求

对分析师的能力要求可分为通用能力和技术两部分，同时也可以分为业务和数据两部分。

业务能力：业务要求又可以分为微观和宏观两方面：

业务的微观要求：了解业务运营；了解公司发展方向和发展过程中面临的问题业务的宏观要求：把握行业的发展方向，预测未来行业模式的变化；能明确指出公司在行业中的定位和战略方向

数据通用能力：

熟悉公司的所有基础数据、来源、数据之间的关系；熟悉公司运营所涉及数据、能建立运营指标和数据之间的相关或因果关系；能根据数据分析结果给出业务改进建议数据价值实现能力。价值实现的过程是指数据分析结果->业务->业务执行->反馈结果->数据分析这样一个不断迭代的过程。在此过程中，演讲（Presentation）能力、沟通能力、影响力、团队协作能力、学习能力、逻辑思维能力、归纳和总结能力、抽象思维能力等都非常重要

数据技术：

数据库和数据仓库技术（SQL、Hive等）数据分析算法（统计分析和机器学习）和工具（Excel、Python、R等）数据可视化工具的使用（Excel、R、PPT等）

好的分析师在实际的业务操作中至少会做好三点：

大局观：大处着眼，小处着手，全局和细节并重。因为从数据角度看，小数据往往可以反映出大问题。而没有大局观，就不知道该看哪些小数据思维：数据思维与业务思维并重。业务思维容易理解，什么是数据思维？比如：对指标由粗到细的拆解、考虑时间维度上的趋势、注意寻求指标之间的相关关系、直接影响关系、因果关系等。很多人都注重分析师要懂业务，有业务思维，这当然没错，但不能走向极端。因为在实际中，业务是需要不一样的思维的，可以发现他们发现不了的问题，从而为他们在困境中提供解决方案。分析师需要了解业务的思维方式，但不能模仿他们。沟通：要想让分析师的观点被业务方所接受，沟通的作用是举足轻重的。首先，分析师要为沟通找到合适的对象和时机。事先要根据沟通对象的不同设计适合的表达方式、内容和过程。沟通的时机要选在业务最需要的时候。很多时候，事后诸葛亮固然不好，但太超前了也不会有好结果。其次，要有同理心。需要真正站在对方的角度上想问题。再次，需要在沟通中建立互信、发挥影响力。一个好的分析师，能在沟通中恰到好处地展现自己的专业能力和经验，适时的让业务方对人产生信任，从而对分析结果信服。

什么企业需要数据分析师

企业需要数据并不等于需要数据分析师。

如果仅是想看数据，其实有很多企业可以提供这样的服务和工具。比如流量统计工具GA，比如报表工具Tableau。这些工具都可以在不需要分析师的情况下，对业务人员做简单的培训就可以用起来。

分析师承担的是相对复杂的、个性化的、以分析为目的（而不是查询）的任务。

如果企业有如下情况之一，那么可能是需要建立一支分析师队伍了。

决策需要数据支持：决策层通常不是只看到数据就可以做出决策的，他们需要知道的是数据变化的原因、预测某个决策可能造成哪些指标及如何变化的结果，这是一个相对复杂的分析任务，不是工具或者非专业人士可以回答。业务规模大、复杂度高：在此情况下，即使只是构造单个指标，也需要经过严密的口径定义、复杂的计算才能得到，且需要经过校验才能保证数据是准确无误的，这样的工作通常由分析师完成。业务发展变化快：在业务稳定的情况下，数据的计算及业务含义不需要经常变化。反之，数据的定义、计算和业务理解则需要不断地适应业务的发展，需要分析师不断地维护这些数据。精细化运营：业务在经历开始阶段的快速增长，达到稳定阶段之后。运营风格会由粗放型转换为精细化。此时，需要对业务指标进行拆分，并分析相关性及数据之间的因果关系。数据统计口径混乱、可信度低：有的企业存在数据孤岛的情况，每个部门掌控着一部分数据，会造成同一个指标，由不同部门出结果不同。此时需要重新梳理指标口径定义、数据采集、计算，找出数据之间的差异。当然，最后要彻底解决问题，则需要解决数据孤岛的问题数据建设的初始阶段：这时候需要分析师梳理业务流程、确认需求、建立指标体系、定义计算口径、整合数据源等业务需求不清晰：业务有需求，但很模糊：比如，我想知道最近某某业务的运营效果如何？但是该看哪些指标则不清楚。此时需要分析师深入了解业务需求的背景和目的，将业务需求指标化。

怎样建立一支分析师团队

从企业层面看，如果要建立分析师团队，要弄清楚几个问题：

建立分析师的目的是什么？分析师属支持角色，那么他们支持的对象是谁？分析师的主要工作内容什么？分析师的规模多大较为合适？如何评估分析师的绩效？

弄清楚这五个问题之后，就会知道应该招聘具备什么经验的人，招聘多少人，以及对水平的要求有多高，如何考核他们等等。

那么如何思考这五个问题？

建立分析师团队的目的：虽然成立分析师团队的决定通常是由高层做出的，但是主要目的不一定只是为了做决策支持，也许是自底向上产生的需求推动。有很多情况下，管理层觉得他们需要看数据，因此招聘了有决策支持经验、具备宏观思维的分析师，但实际上又安排了分析师去支持具体业务；或者反过来，管理层希望分析师能支持具体的业务，但是他们又安排分析师评价整个公司的运营情况，甚至提出战略方向。这两种情况都会造成人才的浪费。要知道业务分析和决策支持对分析师的要求是不同的。至少，前者需要分析师能关注到细节，而后者要求分析师不拘小节，视野要足够高。分析师支持的对象：如果目的明确了，通常支持的对象就清晰了。分析师的主要工作内容：这同样主要取决于团队定位。分析师团队的规模：规模取决于多种因素，比如工作内容的复杂程度、业务需求的多少和缓急、能招聘到的人员的技能水平等。分析师的绩效评估：最直接的评估方法是看分析师产出的数量和质量。如果只看产出的数量是比较容易的，比如可以看完成需求的多少、分析报告的数量等。但由于分析负责的业务线不同，这会忽略工作的难度。需要注意的是，分析师很多工作的投入和产出是不成比例的。比如沟通、业务梳理等基础性的工作占据他们大部分的时间，而这些工作可能只有很少的可见交付物的输出。除了产出量，还需要看产出的质量。最理想的质量评估就是看对业务的贡献，即提升了多少业务价值。但这同样是比较困难的，因为有时候业务价值也很难量化。除了对外的产出，还有一个维度是看对数据团队内部的支持，因为分析师通常是作为联系数据团队和业务团队的桥梁存在。比如，对数据指标体系的建设和数据仓库、数据产品的建设中做出的贡献。但是同样，这些贡献也很难量化。

如何实现数据分析的价值

在之前的章节中已经提到分析的价值在于业务价值，而业务价值实现的最后一步是把分析结论应用于业务中，并反复迭代。

我想从一个例子来说明分析师在整个价值实现链条中的位置和作用。假设我们在考虑如何实现一件工具的价值，这件工具可以是一把钳子，或者更复杂点，比如一部电脑。在这个例子中：

数据分析是工具分析师是工具的制造者业务方是工具的使用者工具价值的实现不仅与工具的制造质量及精巧程度有关，还与使用者有关：有人使用电脑设计航天器，有人只是用它玩游戏。

也就是说，数据分析的价值除了分析师这个因素之外，还受到其他因素的影响。比如：

数据分析结果的交付质量、可视化及可理解性（类比：工具本身的质量、设计及易用性）数据分析结果使用者的素质（类比：工具使用者的素质，对工具的了解程度，工具使用的相关知识背景）数据分析结果使用的场景（类比：工具使用的场景是否符合工具设计者的初衷） 环境因素，比如不可抗力、趋势（类比：台式机的价值在移动化办公的趋势下会变小）

呃。。。是不是漏了点什么？分析师哪里去了？其实分析师的作用正在于对上述因素形成过程中的影响：

提高数据的质量、展示水平，让数据结果变得更容易理解教育和培训数据使用者，往往会达到事倍功半的效果从根本上理解数据需求，打破砂锅问到底最后，对于不可抗拒的因素，分析师能做的就是调整心态。反抗不了的话，就学会接受吧。

数据分析师团队的分工与合作

个人感觉分析师团队很不好带，数据分析师团队最大的三个痛点是：

散：在公司级别的团队中表现尤其显著。由于支持的业务多，而各业务的发展目标不同，导致无法设立一个统一的业务目标，只能按人去设定目标，管理效率很低。乱：正是由于业务目标散乱，造成分析师之间的工作无法统一和协同。很多时候都是各自为战，没有配合，甚至出现目标冲突的情况。弱：不能影响业务，不能建立话语权。这个在上文中已经说过，此处不再赘述。

这里面的关键是解决“散”的问题。很显然，如果把眼光放在部门级的业务上，是无法解决这个问题的。因此，需要把视野扩展到全公司。基于公司统一的发展目标，建立一个统一的分析框架。正如数据分析是服务业务的，分析框架也要基于业务模型来建立。业务模型的标准是：

业务模型要高度抽象化，它是从业务模式中抽取出来的，而不是反应部门职能。业务模型要能反应实际业务的运营规律、要素和目标。甚至，这个业务模型可以放之行业而皆准。

有了业务模型，现在需要建立分析模型。我的经验是对着业务模型提问题。首先是公司级的：公司的发展目标是什么？需要哪些要素来完成这个目标？各要素之间如何互相促进？然后将上述问题分解到部门级。最后可以将问题归类，可以分为：目标分析、运营分析、要素分析等。这些分类好的问题就是分析师分工的基础。

传统的分工方式是分析师按支持业务部门分工，或者按支持的业务模块分工。

这种分工方式的结果是：

第一、分析师对业务的了解如同盲人摸象，每个人都只能了解到部分业务，不能也不会从整体考虑业务问题，对问题的定位缺乏深度；

第二、分析师的工作是割裂的，自己的分析结果不容易被其他分析师采用。

以电商平台模式举例，运用上面的方法：

建立业务分析模型：用户、商品两个主要要素。链接这两个要素的是用户购物体验。用户自身会有用户生命周期，商品自身会有商品生命周期。还可以进一步细化：用户购物体验包括查找商品信息、下单、配送、付费、售后等体验。商品生命周期可以包括采购、仓储、上下架等。商品要素包括定价、分类、功能、用户评价等。提问：公司的发展目标？假设公司的发展目标就是追求销售利润最大化（实际上很多电商平台不是通过这个模式来盈利的）。要素？利润的大部分通常是由高净值人群和高毛利商品贡献的。要不断发展壮大高净值人群和提升高毛利商品的销量。各要素之间如何促进？高净值人群不会只买高毛利商品，平台也不可能只卖高毛利商品。链接这两者的是用户体验。分析师可以根据分析主题分成两个大组：一组的分析任务包括识别高净值人群、分析高净值人群的购物体验、分析高净值人群的生命周期；二组的分析任务包括识别高毛利商品、分析用户对高毛利商品的购物体验、分析高毛利商品的生命周期。当然，还可以把购物体验单独作为一组或者在上述基础上进一步细分。比如高净值人群分为A、B、C等几个不同特征的人群，如果其特征差异很显著，可以基于人群分组做进一步划分。

这样分工的好处是：

第一、分析师是基于分析模型的分组，组内目标一致，组内分析结果是可以共享和互相借鉴的；

第二、组内大目标的设定可以较为宏观，促使分析师从整体考虑问题

第三、组内对大目标的分解最终会落实到具体业务上，不会太虚

第四、不同分组间的分析师虽然目标不同，但是使用的数据维度基本一样，很多的基础性工作是可以共建的，且分析结果也可以互相借鉴。

一篇好的分析报告有什么样的标准

写分析报告应该是每个分析师的必做功课之一，不管是简单的或者复杂的，正式的或者非正式的。

什么是分析报告？我定义为有特定的主题、分析过程和结论的都可以算作分析报告，而不拘泥于表现形式。

那么怎么才算是一篇好的分析报告？相信每一个分析师都会有自己的标准。比如：对业务有意义、数据准确、逻辑严密等。这些都没有错，但是报告是给人看的，而每个人的背景和需求不同，那么从报告读者的角度出发去衡量报告的好坏会更加客观。

既然要从读者出发，那么首先就要对读者分类。从我的经验出发，我们可以把报告的读者按职级不同简单分为决策层、执行层；按对业务的了解程度不同分为了解和不了解两类。那么读者可以细分为四类：

我将从选题、数据选择、分析过程、结论、报告结构、可视化这几个方面去说明对不同类别的读者，一篇好的分析报告的标准是什么。

对于A类读者：由于他们对业务了解，视野又有一定的高度，所以选题应该以相对宏观且能反应业务痛点的主题。比如对公司或一级部门KPI目标完成度的剖析、相对于竞品主要业务指标的表现分析。数据应该选择较大的、粒度较粗的指标数据，不能用那种多个维度交叉且口径定义很复杂的指标。分析过程应简单明了，逻辑推理尽可能把数据变化和业务解读结合起来，同时一定需要关注时间维度上的变化。结论应清晰明了，包括对业务方向性的诊断和预判。在发布报告时，结论前置较为合适，对业务背景的描述不需要太多。可视化方面，以趋势性的图表为主。对于B类读者：一般是经理及以下的运营人员。选题方面应侧重具体的运营问题，范围限定在二级或三级部门的职责范围内。选择某个业务线环节及上下游的微观数据，分析过程中要将统计方法或机器学习方法与业务规则结合，发现各指标之间的因果关系。报告结构的重心在于分析过程和结论，可视化方面要注重细节数据的呈现。对于C类读者：选题偏重业务诊断和监控，选择宏观的、KPI或目标相关的重点指标，可以包含行业的、竞争对手的相关数据。分析方法以对比和预测为主。结论以对业务方向的定性总结为好。报告结构应在业务背景介绍、选题的依据、结论建议等多花些笔墨，过程可以简略。报告呈现以精简为好。对于D类读者：通常是新人或者新业务。选题偏重业务发展细节中的痛点或瓶颈。数据选择微观的但较为简单的指标，分析过程中着重在于指标的历史趋势、相关指标之间的对比和变化，结论侧重于发现和定义业务问题。报告结构侧重于业务背景的描述、数据选择和指标定义。可视化需要在业务逻辑的展示上多花些功夫。

总结下，我认为报告选题、数据选择、分析过程、结论、报告结构、可视化是影响一篇报告质量的主要因素。但是分析报告如同一件艺术品，没有放之四海而皆准的标准，只有是否迎合和满足的受众的需求。因此，分析师必须清楚谁会看你的报告、你的读者希望从你的报告中得到什么、读者的背景（包括业务和数据方面的知识）是怎样的、读者对你和数据的信任度如何。如果分析师要写出一篇好的分析报告，需要了解的不只是数据和业务。

数据分析三元论：势、道、术

势

有个成语叫“大势所趋”，顺应趋势、迎合潮流的事情做起来总是事半功倍的。

在做数据分析之前，我们要问一问：在这个时代、行业、公司做数据分析是大势所趋吗？

要回答这个问题，首先要搞清楚哪些因素构成了数据分析的“势”。我列举如下几个：

行业：我以为只有那些能够产生大量数据、且市场需求和业务模式变化较快、竞争较为充分的行业更适合做数据分析。大量数据是基础和原材料；市场需求和竞争压力是内在的驱动力。比如To C的电商行业，数据量已经到了一定量级，而人的需求往往是变化较快的，且这个行业没有形成事实上的垄断。虽然阿里、京东的电商平台已经占据了很大的市场份额，但是他们之间仍然存在竞争，而且像严选、考拉、网红电商等垂直电商也还有生存空间。再比如电信和金融行业，也能满足以上几个条件。但是有些行业，看起来业务规模大，但实际上不适合去做数据分析。比如家装、餐饮，这两个行业虽然古老，但除了某些巨头之外，信息化做的相对较差，数据采集都是问题，更谈不上做数据分析了。再比如能源行业，也能够产生大量的数据，但是因为市场需求相对稳定，且基本形成了国家垄断，没有做数据分析的内在需求。公司的数据环境：数据环境包括信息化水平、数据文化、老板对数据的重视程度等。这几个因素是很好理解的。信息化水平决定了数据的量和质量，消除数据不一致、清洗脏数据要花多少时间和精力，做过的人都知道。。。数据文化包括数据相关的流程、规章、制度，公司内部对数据认知和利用的程度等。最后，我向来认为数据是一把手工程，由于数据从采集到价值产出，都是涉及多个部门的利益，没有老板的支持，做好数据是天方夜谭。

道

所谓“道”，主要指分析体系和框架、目的和价值。

而这些主要受公司的业务模式和业务需求的影响。说白了，业务模式越简单、越清晰，数据分析越容易出成果。因为简单的业务模式能显著减少数据分析师学习业务的成本。分析体系和框架也会简单明了，在分析时需要考虑的影响因素就越少。而价值链短业务模式更容易让分析主题直接与业务收益挂钩，更容易让数据分析成果变现。而分析需求越稳定，就可以给分析师更多的时间深入研究下去，不断迭代，最终产出更大的价值。分析需求越清晰，花在需求讨论中的时间就越少，最终分析成果被转化的可能性就越大。

术

所谓“术”，是指数据分析的方法和过程，其中分析思维和分析技术对分析结果的影响。

正如我在开篇所述，数据分析所涉及技术体系非常庞大，而且学习资料也很多，不在本专栏范围之内。我重点想说说我经验中的一些分析技巧（包括思维和方法）：

分析主题的定性与定量：设计分析主题中的重要一步，是要确定分析的目的是定性或是定量。如果是定性，通常只要考虑有关或无关，正面影响或负面影响。定量分析是很受业务方欢迎的，分析也更加复杂和困难，通常要通过机器学习模型解决。发现分析主题的两个切入点：指标监控与业务问题。在《如何设定分析目标》一节讲过，数据部门更适合从指标监控中发现问题，业务部门更适合从业务中发现问题。但对于一个成熟的数据部门，把指标监控和业务监控深度结合，对于发现分析主题更有利。数学建模：我对数学建模技术了解并不深。但是如果能把业务问题转化为一个数学模型，对于确定分析思路会很有帮助。指标创新：指标其实是数据分析师分析业务问题的武器。因为无论你用什么分析方法，总要用到一些数据，而这些数据的计算方法、范围会很大程度上影响分析结果。且不说任何一个建模过程中的特征选择都非常重要，即使只是对业务的简单监控，一个好的指标往往能准确无误地反映出问题。对于互联网，PV、UV、时长、留存、点击率、退出率这些是大家很常用的。用来监控整体业务是没有问题的，但是对于某个小的业务板块就不太够了。比如，作为内容平台，我想衡量一次曝光的用户体验如何，应该用什么指标？有人会建议用点击率，但是点击率会受到标题党的影响，此时高的点击率并不代表好的用户体验。比较好的选择是把点击率、阅读时长、阅读进度等合成一个指标。整体与个体：大处着眼，小处着手。无论是数据还是业务，都不是孤立存在的，系统性思维对于分析师非常重要。所以在看到一个小问题的时候，要知道它绝对不会影响这一小块业务；而看到大的目标出现问题的时候，要能意识到可能是一些小的业务环节出了岔子。在动手层面，对于数据分析来说，微观分析更容易获取实验数据，也更容易找到因果关系。所以要不断地对问题分解和细化。分析维度的引入：在低维空间上解决不了，在高维空间上就不是个事（想到三体了吗）。比如SVM，低维空间上无法做到线性可分的数据样本，在高维空间上就可以。所以如果你在某个分析问题中费了牛劲也找不到答案，也许正是因为你忽略了某个重要的因素。当然也不是维度越多越好，因为维度越多，解释起来就越困难，不要忘了，结果是给人看的。大胆假设，小心求证：试想求解一个方程式，我把某个解代入方程验证是否正确，要比我从空间中求解容易得多。同理，由于在现实世界中可能影响业务的因素太多，选择其中最有可能的因素去验证无疑是一条捷径。这个假设怎么去做？首先要对业务有足够的敏感度。是的，业务老鸟就是比新手能更快地“嗅”出问题的根源；其次要对数据有足够的敏感度，数据之间都是有关系的，某个相关的指标变化也许就能告诉我们答案。究竟这个假设是不是问题的答案，最终取决于数据验证。“小心”的意思是，一定要保证在验证过程中不受其他因素的干扰，AB测试无疑是个很好的方法。还有，在求证过程中要保持逻辑的严密。

作者 | 贺志 网易数据分析高级总监

举报/反馈

早安！特别干净的走心文案，值得收藏！

作者：妍妍Diane文案

发布时间：2022-08-23 13:47

快照：

特别干净的走心文案：我越来越相信 创造美好的代价是努力失望以及毅力 首先是疼痛 然后是快乐

我越来越相信 创造美好的代价是努力失望以及毅力 首先是疼痛 然后是快乐

如果命运是世界上最烂的编剧你就要争取 做你自己人生最好的演员

所有的坚强都是柔软生的茧这么多年你教过我最对的事就是善良

能够让你后悔的 从来不是你做过的事而是你想做却没有去做的事

春天永远不会缺席 春风永远都能吹到你身上天气在好起来 往后的日子都充满希望

不要走在我后面 因为我可能不会引路不要走在我前面 因为我可能不会跟随请走在我的身边 做我的朋友

真正有光的人 是压的时间越久深度越深绽放的光芒才可以越灿烂

你所清楚预见的 热切渴望的 真诚追求的全心争取的 都会自然而然地实现

举报/反馈

投中e签宝、特赞，靖亚资本何沛：聚焦企业 SaaS，坚持非共识投资

作者：IPO早知道C叔

发布时间：2022-08-23 11:09

快照：

"企业数字化转型是确定的大趋势，疫情是其加速的 “催化剂”。"

本文为IPO早知道原创

作者｜MD，Yini Lin

上世纪70年代，以SAP、Oracle为首的传统ERP软件厂商在全球范围内服务企业客户。时至世纪之交，SaaS先驱Salesforce的创立与后续的蓬勃发展意味着本地部署模式的软件开始全面向云转型。Deloitte数据显示，2020年，美国SaaS支出占IT支出超过5.4%，这一数字在中国市场仅为1.3%，低渗透率暗示着中国SaaS产业仍有极大的发展空间。随着阿里云、腾讯云等云基础设施的发展，“上云”市场教育的普及，SaaS厂商技术的创新与商业模式的突破，中国SaaS初创企业将迎来巨大的时代机遇。

2019年底中国新冠疫情的爆发扩大了远程办公场景和在线服务场景在各行业的渗透，SaaS企业由此受到资本更多的青睐。疫情加速企业业务向云端迁移，以e签宝为代表的电子签名行业快速增长；同时，新冠疫情也催化中国跨境电商成长，海运集卡运输出现巨大增量，面向陆路集卡运输市场的平台型企业鸭嘴兽成长迅速。从中国最大的电子签名及智能合同平台e签宝，到中国最大的集装箱卡车货运数字化平台鸭嘴兽，诸多企业云领域细分赛道的头部企业的投资人中不乏靖亚资本的身影。

6月27日，靖亚资本第二期人民币基金宣布完成首次关闭，首关金额2.5亿人民币，较靖亚第一期人民币基金的规模增长近三倍。

此次首关二期人民币基金是靖亚资本成立5年多来的第四支基金，凭借匹配投资节奏、稳定且高效的募资工作，靖亚资本得以穿越外部波动的市场环境，持续寻找和支持伟大的初创企业，并为基金投资人创造价值。

靖亚二期人民币基金背后LP阵容强大、背景多元，除了数家国内最顶级的投资机构及战略投资方外，也吸引了中金启元国家新兴产业创业投资引导基金、市场化的一线母基金、知名家族办公室、以及顶级互联网及传统行业公司的高管和创始人。

自2017年成立开始，靖亚资本一直聚焦在中国SaaS及Cloud领域的早期投资，通过深度的行业研究、持续的企服赛道版图扫描和有纪律的投资，4年多来已投出了包括e签宝、特赞、Zilliz、鸭嘴兽、循环智能、Glue Up、即时设计等27家企业服务领域的早期创业公司，投资轮次集中在天使轮到B轮，其中80%以上的被投项目后续成功地获得各大知名投资机构的下一轮投资。

近期IPO早知道与靖亚资本的创始合伙人何沛（Simon）围绕SaaS领域的投资机遇和现实挑战进行了对谈，以下为此访内容：

Q：IPO早知道

A：何沛Simon 靖亚资本创始合伙人

通用型SaaS客户规模大，垂直型SaaS客户粘度高

IPO早知道：SaaS产业在西方市场尤其是美国市场发展较为成熟。美国SaaS产业发展路径似乎从“通用型SaaS主导市场”到“垂直型SaaS主导”转变。从二者占比来看，转变的时间点大致在2017年。中国多数产业虽然“起步晚”但是“发展快”，SaaS也不例外。中国SaaS产业于美国市场发展路径类似吗？中国目前大概处于哪个发展阶段？

何沛Simon：我觉得可以先从软件的角度来看这个问题。上市软件公司一般分为四个类别：通用型、垂直型、基础设施、安全。观察中美两国在此领域的上市公司的数据（来源于 JP Morgan 的报告）：在上述四种类型的软件企业中，美国的上市通用型软件公司在数量上占41%，市值上占57%；垂直型软件公司数量上占23%，市值上占16%；中国的上市通用型软件公司在数量上占17%，市值上占26%，垂直型软件公司数量上占56%，市值上占43%。

从以上数据可以看出，美国的上市软件公司无论是数量占比还是市值占比，通用型都比垂直型要大；中国正好反过来，通用型无论是数量占比还是市值占比都要比垂直型小。

从软件SaaS 化的角度看，中国的 SaaS市场还在早期。客户（尤其是大型企业）对于订阅制的接受度还不是很高，个性化的需求也较多，软件私有部署的比例还比较高。从数据看，中国的上市软件公司收入中，SaaS收入的占比尽管增长迅速，但整体比例还不是很高，未上市的公司也有类似的情况。

但中国的软件产业有两大重要的底层推动力：一是全行业的数字化转型（企业亟需通过数字化提效来应对劳动力成本上升和人口增量放缓带来的增长压力）；第二是国产替代。这两股大浪潮的合流，会推动中国软件企业的长远发展达到前所未有的新高度。在软件企业发展的过程中，如何逐步提高 SaaS收入的占比是上市公司和未上市公司的共同课题。一般认为中国的SaaS发展要滞后于美国8到10年、甚至更长时间。中国软件产业前景非常广阔，但需要较长时间来真正 SaaS 化。

SaaS 有两个核心的组成部分：一是收费模式从买断式变成订阅制；二是部署方式从本地部署改为云端部署。在软件 SaaS 化大发展的早期，客户对 SaaS 化软件的接受需要一个适应的过程，通用型SaaS因为在各行各业都可以使用，不局限于某一个行业，可选择的客群范围比较大，比较容易在早期跑得更快一些。

相比而言，垂直型SaaS潜在客户数量没有通用型SaaS那么多，而且比较容易受到行业周期性的影响，在早期的发展过程中，分不同的行业可能有的跑得快，有的跑得慢。垂直型 SaaS的优势在于高客户粘性，容易做出亮眼的续约率和续费率。因为垂直型 SaaS受益于行业Know-How的持续累积，在一个行业深耕，容易跟客户绑定得更紧密，容易做出可被客户感受到的可清晰衡量的商业价值；同时，客户的口碑传播和示范效应也更有针对性和可参考性，产品推向市场的效率也会更高。

另外，我们也看到，中美市场有共性也有差异。比如中国市场其实不容易产生类似美国CRM巨头Salesforce这样的机会，也许更有可能产生属于中国独特形态的产品。这是因为在中国不能忽略互联网巨头的影响力。例如钉钉、企业微信、飞书的快速发展，可能意味着中国很难出现Salesforce这样从 0 到 1 发展起来的底座型SaaS+PaaS独立平台，取而代之的是构建于钉钉、企微或飞书这种基础平台上的新应用软件的机会。

IPO早知道：垂直型SaaS通常在某一个行业先提供特定场景的解决方案，比如广联达一开始解决的是工程造价，后面延伸到建筑工地管理等业务。美国市场SaaS的成长是否也涉及从单场景拓展至多场景？

何沛Simon：美国市场也类似。只有足够聚焦才比较容易“扎进去”，扎进去以后再扩展业务，这是越来越多的企业服务公司普遍采用的推广策略——先进门再扩展（Land and Expand）。比如美国专注于建筑行业的上市企业 Procore，从建筑项目管理切入市场，培育稳定的客群，保持高续费率，后续再逐步扩展到提供财务管理、BI 等新软件服务，最终目标是连接所有与建筑有关联的干系人，让所有与建筑相关的人都在这个一站式平台上协作。中国的上市公司明源云一开始做房地产行业的 ERP软件，后来相继推出云客、云链、云采购等产品，也是典型的先进门再扩展（Land and Expand）。

我们认为SaaS软件是有生命力的，只要你足够理解客户需求，并通过创新的技术和产品来持续满足客户的需求，让客户体会到软件能够带来商业价值或运营效率的显著提升，就比较容易Land and Expand。

IPO早知道：面向具体场景、甚至具体行业的SaaS会受限于行业规模和行业整体增速吗？比如房地产领域的SaaS。

何沛Simon：有相关性。一个行业处于一个高速发展期时，服务于这个行业的 SaaS企业自然水涨船高，增速也会很快，比如电商领域的聚水潭、店小秘等。房地产行业现在受到宏观调控等大环境影响，客户自身面临转型压力，这种影响也会传导到服务他们的 SaaS企业。但房地产行业规模是巨大的，且数字化的渗透率相对较低，越是客户碰到增长压力，越是对通过数字化实现精细化运营有需求，对数字化转型的追求也会更迫切，更强烈。因此，服务于房地产行业的 SaaS 企业还是有机会“转危为机”，把碰到的问题转变为自身发展的机遇，我认为这本身就是创业的魅力所在。

中美SaaS市值差距悬殊：确认收入和估值倍数决定估值

IPO早知道：中美SaaS企业市值差距确实非常悬殊。2021年，美国头部公司Salesforce一度是中国SaaS头部公司之一微盟市值的近70倍。哪些因素是未来缩小这种差距的关键？

何沛Simon：市值差距大是正常的。我们首先要理解，市值或估值是由确认收入和估值倍数来决定的。要想提高估值，首先要做大确认收入的规模，其次要优化估值倍数。中国软件企业的收入规模跟对应的美国软件企业的收入规模还是比较大的差距的，这是中美上市公司市值差距大的最主要原因。

所以要想缩小中美软件企业的市值差距，首先要提高确认收入，这个比较直白，无需过多解释。另外一个就是优化估值倍数，影响估值倍数的主要是以下几个核心的指标。

第一，要考虑潜在的市场规模，也就是俗称的“天花板”。造成中美SaaS企业市值差距的第一个原因就是覆盖的潜在客户群不太一样——中国企业主要面向中国市场，美国企业已经面向全球市场。

可喜的是，我们今天已经看到中国SaaS企业开始出海，虽然整体才刚刚起步。在全球化的过程中，中国的 SaaS公司在语言文化方面也存在挑战。要考虑到不同地区的企业管理模式、当地的语言和文化、企业所处的地区政府的合规和管理需求不同等诸多因素的影响。

第二，要看SaaS 收入的占比。中国目前云渗透率还比较低，很多企业，包括上市企业的软件收入一部分来自于传统的软件授权收费模式，一部分来自SaaS 的订阅制收入。美国市场对云的适应程度和接受程度已经很高，企业软件公司的收入主要来自于 SaaS订阅，这对资本市场的吸引力是不一样的，也会影响估值倍数。

第三个是增速。软件云化以后市场沟通效率很高，开个测试账号就可以用，从使用到购买的转化率高，这就造成美国SaaS 企业收入的年增速很快，会推高市值。中国SaaS 企业的收入增速还存在不少的制约因素，比如企业客户大多需要一个教育过程，很多行业的收入依赖销售驱动，客户成功还需要花很多的时间和精力才能让客户使用起来，这些都是影响增速的原因。

第四个续约和续费率。SaaS 模式的精髓就是客户续费。续费率高就能获得相对高很多的估值倍数。中国的 SaaS 企业因为还处于行业的早期，为了做大规模，很多时候没有精心挑选客户，也开发了一些不合适的客户，这些客户在订阅到期后常常不续费，或者客户企业因为自身业务发生巨大问题而转型或倒闭，都是影响续约率续费率的主要因素。

第五是毛利率。服务中大型客户的 SaaS企业面临的一个巨大挑战是客户的个性化需求，为了满足这些个性化的需求，有时不得不投入不少的人力去做定制化开发，这会显著降低毛利率。好在现在低代码/无代码平台的应用越来越广泛，可以很大程度上做到满足客户的个性化需求和自身产品化发展之间的平衡，从而帮助 SaaS 企业提高毛利率。另外一个影响毛利率的因素是客户成功团队的效率，客户成功团队的所有成本应计入 SaaS 企业的直接成本，如果这个成本过高，也会显著影响毛利率。从数据上看，美国上市软件企业的平均毛利率在 75%左右，中国上市软件企业的平均毛利率在 50%左右。我们还有不少的提升空间。

IPO早知道：所以从市值的角度来讲，大家底层的估值逻辑没有差别，这两个因子又取决于之前提到的几个因素——毛利率、增速和续约/续费率等。会否存在一个中间状态的市场，比如说日本或韩国更接近中国市场或者是更接近欧美市场。

何沛Simon：中间状态是有的。日韩等国家对我国SaaS公司来讲一个潜在的机会市场，大家想要出海去服务他们。这些经济比较发达的地区的企业的管理比较成熟，对 SaaS软件的接受程度更高，付费意愿更强。

新冠疫情是企业数字化转型的催化剂，信息化仅仅实现无纸化，数字化才能再造行业

IPO早知道：疫情加速企业业务向线上迁移，电子签名行业爆发。不过，靖亚资本在2018 年初就投资了 e 签宝的 B 轮，在2019年正值新冠疫情前夕，又在C轮继续加码。实际上电子签名市场经历了相当长的市场教育阶段——e签宝从成立到获得你们投资，坚持了16年，当时 你们如何判断投资时机是否成熟？

何沛Simon：我们2017年就开始看这个项目，年底确定要做，交割完成是2018年初。我们是研究型基金，投资之前先研究赛道，确定赛道后再找最合适的公司。2017年我们基金刚刚成立，成立之初先确定了几个我们比较很有信心的赛道。

第一个是MarTech（营销科技），因为我和另一位创始合伙人Peter以前都是做广告技术创业出身，广告技术成熟以后，营销技术发展更加广阔。基于过去的经验和认知，我们当时很看好营销科技赛道。

第二个关注的赛道就是电子签名，因为签约是刚需，是企业所有生意的起点。企业与企业之间是这样，企业与个人也一样，都是先缔结契约再开始合作。电子签名是缔结契约必备的无法绕开的环节，所以应用场景非常广泛，天花板非常高。

同时，靖亚资本在成立之初就定位于聚焦投资企业软件，实际上就是看中数字化的这个大趋势。个人互联网本质上可以理解为数字化对个人生活的再造，取得了巨大的成就，这是有目共睹的。企业端的数字化要慢一些。过去企业端主要讲信息化，信息化跟数字化最大的区别在于，信息化实现了无纸化办公，但业务流程和商业模式跟过去是如出一辙的；数字化则从根本上用全新的逻辑思考用户经营模式、市场沟通方式，商业模式也发生巨大变化。我们在2017年已经明显感觉到技术进步以及企业数字化趋势到来的迹象，这个大趋势必然会跟企业业务场景产生交互，孕育新的创业公司。无非是哪个场景下的数字化转型更快，哪个影响更深而已。

我们认为电子签名赛道完全符合我们的筛选标准，它又快又轻又潜力巨大，还有网络效应。对赛道有了信心以后，我们就开始筛选公司。我们看了二三十家基于云的与电子签约相关的公司，最终选择了e 签宝。

我可以分享一下我们最终选择投资e签宝的思路。

首先，我们认为电子签名赛道的竞争门槛不在于技术，而在于快速获取客户并留住客户的意识和能力。企业的成长最初需要销售驱动，然后逐渐转成营销驱动，再慢慢转成产品驱动和服务驱动。公司需要先把业务跑起来，有了业务的规模，有了品牌，你才能够让潜在的企业客户更加信任和接受。e签宝的团队最有销售基因，它的创始团队从阿里的“中供铁军”出来，一开始就有成熟的团队和销售打法。

第二，在中国做企业服务创业，也要考虑政策法规等因素。e签宝2002年就成立了，一般会认为公司太老，是个劣势。但实际上在过去多年的发展过程中，e 签宝积累了行业最全的资质和证照，这反而成了优势，因为拥有这些资质和证照，e 签宝可以服务政府、国企等客户，大大扩展了优质客户的范围。

第三，在我们尽调 e 签宝的时候，我们发现 e 签宝的客户客户类型比较多样，既有政府和国企，也有互联网行业客户，也有其它传统行业客户，并不过于依赖某一类的客户，业务比较稳健。

IPO早知道：e签宝为什么在2019年底这个时间点的融资节奏发生了调整？为什么选择靖亚？

何沛Simon：我觉得e 签宝融资节奏发生变化的关键还是技术进步。e签宝从 2002 年成立到大约2014年，主要还是按照传统的方式发展，给政府和企业提供本地化的电子签章系统。从 2014 年开始，e 签宝开始依据互联网技术转型，推出基于云的电子签名服务。

选择我们的原因，我也跟 CEO 交流过，他说主要是看重的点是：靖亚资本聚焦看企业软件，合伙人有创业经验，行业资源非常丰富。我们两家的牵手就顺理成章了。

IPO早知道：电子签名在疫情期间需求急速增加。

何沛Simon：其实不光是电子签名，疫情对企业所有的数字化都是催化剂。

IPO早知道：大概能提高多少？

何沛Simon：拿e 签宝钉钉版举例，疫情初期，每日注册量即飙升到疫情前的10倍左右。

IPO早知道：疫情对MarTech是否有类似的催化作用？

何沛Simon：疫情对营销科技的应用也有类似的催化作用。但营销科技相对而言没有电子签名发展得快，因为营销科技涉及到不同行业、不同客户时，需求和应用场景还是多有不同，电子签名则更容易标准化。

正如我们刚才提及的Land and Expand策略，e签宝从最初基于云的电子签名服务也扩展到智能合同管理等相关服务，业务随着公司发展不断扩展、做深，推动公司逐步做强。

此外，e签宝作为基础服务，还可以“被集成”。它能被政府集成，也可以集成到其他生态伙伴里面，比如说被集成到用友、SAP、福昕软件的体系里面。e签宝除了独立的销售体系，也很注重跟生态伙伴的合作。借助生态伙伴的力量，大家共同推动中国企业数字化的发展。

IPO早知道：实际上它把自己做成了基础设施的一个具有通用性的模块，可以被不同机构、包括私有机构来集成。在美国，公有机构在整个社会治理和经营当中的角色可能相对没有中国这么强势，所以大部分是由企业来“破圈”实现。

何沛Simon：是的。

IPO早知道：电子签名的渗透率目前大概的区间是多少？

何沛Simon：暂时还看不到一个大家都信服的权威第三方的统计数字，我们目前看到不同的机构给出的渗透率都还只是个位数。

IPO早知道：说到高频场景，投资机构发现或者理解场景的能力是否和找到合适的公司和团队的能力同等重要甚至更重要？二者缺一不可。

何沛Simon：非常对。创业者对场景的理解跟投资人对赛道的理解有异曲同工之妙。判断标准中有几个重要指标：第一，天花板是否足够高；第二，是否容易通过产品技术的方式驱动行业集中，如果不能，则尽管市场大，但也很难诞生大公司；第三，Go to market效率是否足够高；第四，是否可以在业务发展的过程中建立比较强的壁垒。

找到合适的团队特别重要，事情都是人做出来的。我们首先考量 FMF（创始人和市场的匹配度），再考虑 CEO 的心力、眼界、执行力、学习力、凝聚人才的能力。

IPO早知道：靖亚从2018年投资特赞起追加多轮，特赞的成长是基于中国市场当时出现的哪些变化？

何沛Simon：特赞最初定位为设计师的匹配平台，后来深入设计师供应链，发展成为交付平台，现在又进一步发展成企业的数字资产管理平台。特赞的收入细分中，SaaS的比例越来越高，推动公司的整体毛利率持续上升，完全符合我们的预期，所以我们在特赞的多轮融资中持续加码。特赞在每个阶段的定位变化也暗合了当时中国市场的实际情况，匹配了客户需求不断深化的过程。

IPO早知道：之前提到一个“流量路由器”的逻辑，所有分散的流量在这聚合，然后再分发出去解决问题，这个路由器会变得很强大。只是一般理解设计是很个性化的，标准化程度是否比较低？

何沛Simon：实际上想要提高平台的标准化，需要注意自己的服务边界。对于个性化需求很高的从零到一的创意设计，这不是特赞的主攻方向。特赞主要服务的是可拆解的创意设计，这部分的创意设计是比较容易标准化，而且还能通过数据的积累和 AI 的加持，逐步形成智能化的设计。现在特赞也把创意设计 SKU 化了，帮助企业建立创意商城，让企业采购方像买商品一样在创意商城上购买设计服务，这些都是对标准化的深入尝试和坚持。

寻找产品技术敏感的“行业老炮”，FMF=行业沉淀+产品技术理解力

IPO早知道：新冠疫情催化中国跨境电商成长，海运集卡出现巨大增量。靖亚资本在疫情之前投资了鸭嘴兽，作出该决策的评判标准是什么？

何沛Simon：关键还是看行业的数字化。物流是非常重要的行业，市场容量巨大无比。数字化能够为此带来什么机遇呢？我们做了大量的研究和分析以后，发现了陆路的集卡运输市场比较容易标准化，然而数字化程度极低，行业的痛点极痛，亟需更高效的数字化的方案。

IPO早知道：核心痛点具体的体现什么？

何沛Simon：中国外贸企业需要负责将出口商品从工厂运输到码头。这个需求很刚性，但是服务的承接方大部分还是个体司机，服务的稳定性、标准化、实时性不能满足企业的需求。客户需要一个专业的平台来承接运输服务，为运输的整体质量和效率负责。

IPO早知道：您也会看鸭嘴兽早期获取客户的市场沟通能力吗？

何沛Simon：鸭嘴兽是一个平台，一边连接客户，另一边连接高质量的运力资源。平台的发展首先要处理“鸡生蛋还是蛋生鸡”的冷启动问题。没有足够多的客户，就很难维持高质量的运力资源；没有高质量的运力资源，就获取不到足够的优质客户，这是平台型企业的“死亡之谷”。如何跨越这个“死亡之谷”，是鸭嘴兽早期最大的挑战，也是对创始团队最大的考验。

IPO早知道：相当于它是一个双边市场。

何沛Simon：对。如何在客户还不多的情况下去构建一个非常棒的运力资源池？就像特赞如何在早期没有很多客户的情况下，如何吸引足够多的优质设计师？这需要创始团队本身极度了解市场，并且在这个领域里面要耕耘多年，累积了大量行业资源，有足够的行业号召力。

IPO早知道：相当于好的团队本身是有冷启动能力的。

何沛Simon：对，我们有一个很重要的评判考量因素叫创始人市场匹配度（FMF，Founder Market Fit），如果创始人过去的经验、背景、专业技能、资源跟要做的市场匹配度高，创业成功概率要高很多。

IPO早知道：这就回到老生常谈的话题，实际上要投技术新锐还是投“产业老炮”。

何沛Simon：光投一个“行业老炮”也不够，对技术不敏感的行业老炮也很难做出好的产品来。FMF 之后还有个 PMF（Product market fit），创业的挑战是接踵而至的。所以我们想要投的是非常懂产品技术的“行业老炮”。

物流其实是一个非标行业，市场巨大但是集中度低。鸭嘴兽选赛道选得非常巧妙。集装箱运输在全球都是标准化，一个单证可以走全球，这个精妙切入口的选择，就需要创始人有足够的行业经验和深厚洞察。中国很多SaaS在走向市场过程中的大挑战在于，客户自己本身的业务很不标准化。如果客户自身的业务很难标准化，靠叠加一个数字化的解决方案不能从根本上解决数字化转型问题。

IPO早知道：所以平台天然有排他性，行业最终会变成高集中度或者出现寡头这样一种状态。

何沛Simon：集中度越是提升，平台边际成本是越低，边际效益越大，确实是有这样的特点。

IPO早知道：我们怎么理解“频次”和用户的平台“停留时长”这两个指标？比如对于toC产品，现在整个互联网增速趋缓，用户时长会变得尤其重要；对于企业级的SaaS，企业用户在平台花的时间越久，是否也意味着更大的价值？

何沛Simon：B端对于用户时长的定义跟C端还是有一些差异。客户的主营业务稳定，且跑在乙方的平台之上，乙方的平台才能稳固。比如，对鸭嘴兽服务的外贸型企业客户来说，物流不是可有可无的边缘业务，而是他主营业务中的核心环节，这个需求是非常刚性的。乙方平台粘性容易变得非常高，最终这个粘性体现在客户运费的持续增长。

IPO早知道：鸭嘴兽为货代公司提供的一些附加价值在于更好的服务，这包括云单的可视化追踪，运输流程的透明度明显提升。此前提到平台为供需双方都提升了效率，这种效率的提升是不是最终带来甚至比更好的服务还多的附加价值——为客户节约运输成本？

何沛Simon：企业并非看谁便宜就用谁，它会综合考量。对于工厂和货代公司，只有服务质量跟体验有了保障以后，它们才能放心大胆地扩张业务，业务扩张比找一个省钱的服务更有价值，所以它们首先看重的是服务质量和服务体验。

另外，这个行业一个重要特点在于账期，这个是无法回避的事实。鸭嘴兽未来会以平台的方式去跟金融机构合作提供供应链金融方面的服务，来解决回款周期长这一行业普遍存在的现象。

用创业的方式做投资，全心全意服务创业公司

IPO早知道：投资机构和标的企业对业务流程的理解不完全相同，投资机构如何保证自己的判断或理解是正确的？

何沛Simon：我们作为投资机构在考察一个公司的时候，除了自己做行业研究以及听创始人陈述他的理解以外，我们还花很多时间去理解客户的真实需求。对客户需求的理解和把握至关重要，只有充分理解了这一点才能先于其他投资机构找到更好的投资标的。

IPO早知道：投资机构如何保证自己的理解比一线创业公司理解得更到位？

何沛Simon：投资人可能在信息深度上是不如创业者的，但是在信息广度上是非常好的，关键是做好广度跟深度的平衡。这也是为什么靖亚资本从成立第一天就明确定位聚焦型基金，只看企业软件。这个过程当中我们建立了一个客户网络、创业者网络、专家网络等各种各样的资源网络，通过汇集信息和深度交流，我们可以产生出比较独特的行业深度洞察。

IPO早知道：相当于从不同的视角观察，信息来源多样化，做交叉比对？

何沛Simon：对。数字化的本质是业务产生数据，再用数据来驱动业务成长。我们投资也要用数据来驱动业务增长。关键在于建立中国市场的Benchmark。我们其实花很多精力和资源来建立这样一个基线，以便更好地判断项目。另外，我们投资的项目比较早期，在早期项目还没有收入的时候，如何判断公司未来是否能产生大量的收入、能否快速发展呢？我们建立一个创业公司还没有收入时的前瞻性的研究框架来对公司作出判断，再跟事实交叉验证，不断修正我们之前的逻辑，持续迭代。我们是用创业的方式在做投资。

IPO早知道：验证周期通常需要多长时间呢？二级市场的基金基本上每个礼拜都可以验证一次，一市场基金没有这种节奏。

何沛Simon：我们内部每个季度都对前一季度的工作进行Review，看年初制定的OKR和我们的目标之间的差异在哪里，如何调整。在这个过程当中会积极反思和复盘，看我们对标的公司以前的判断跟现在的事实有多大的差异。

IPO早知道：据说靖亚在投后服务上投入大量精力，甚至有能够量化的指标，被投企业能够迅速进入下一轮融资除了靖亚对市场的敏锐度以及对标的企业的判断力，可能还在很大程度上受益于投后提供的“帮助”。这些帮助除了资源对接还涉及什么？

何沛Simon：我们确实非常重视投后服务。这有几个原因：

第一，我们很聚焦，是精品型的基金。我们投的数量少而精，过去几年每年大概6个左右的新项目，这样合伙人和投资团队才有足够精力去服务企业。

第二，我们企业文化里有一条就是要“创造无与伦比的价值”。对创业者来讲我们创造价值的第一步就是花时间，时间对所有人来说都是越来越重要的资产，时间对投资人来讲更加是稀缺的资源。投资人只有花时间才能取得创业者的信任，要让创业者愿意把苦恼跟我们分享，只有这样我们才能够提供帮助。这种帮助包括帮他们构建一个很优秀的团队，这是我们的优势——我们以前创过业，资源非常丰富。另外比较直接的是帮他们打客户，不是我们亲自上阵做销售，而是我们介绍客户，提供如何满足客户需求的指导，帮助创业公司更有能力获取客户等。

第三，我们希望我们投资的公司是产品技术来驱动业务增长的。企业发展前期少不了销售驱动，但是产品驱动的比例需要越来越高。我们花很多时间跟他们去交流和探讨如何实现这一点。

事实上，甚至于创业者个人生活方面的困难，我们都会尽力去帮助他们。我们认为，只有全心全意为他们服务，才能够取得创业者的信任，也才能够为他们创造无与伦比的价值。

软件的生命力，用心感知用户需求才能实现快速迭代

IPO早知道：在消费互联网中，产品经理是一个特别重要的角色。在SaaS公司里，创始人是否仍然是一个超级产品经理？

何沛Simon：我觉得创始人就应该是公司最主要的产品经理。他们需要看到客户“需求背后的需求”。我很喜欢这样的产品经理：他能抓住一个不起眼的点，但这个点恰恰是被忽视的关键环节，这意味着他对客户未说出来的需求有极致精准的把握。C端如此，B端也一样。

第二个关键在于设计产品过程中解决问题的方式。在理想状况下，我们希望针对痛点的解决方案能实现10倍的效率提升——要么创造10倍的价值，要么降低10倍的成本。在执行过程中，可能做不到 10 倍的效率提升，但这个提升的倍数直接决定了相对于竞争对手的优势。

第三个关键在于，ToC企业有短期爆发的机会，ToB企业这种机会很少。ToC靠烧钱可以在两三年内做得很大，toB基本上没有这种可能性，所以需要更多耐心。10倍的效率提升需要一个相对比较长的周期去打造，因此要有长期主义的意识，不要追求短平快。

ToB需要靠复利效应成长。Salesforce在 2004上市的时候市值在10亿美元，到2021年已经有两千多亿美元的市值，上市 17 年估值涨了 200 多倍，这是典型的长期主义，也是典型的复利效应的体现。我们的媒体或者整个环境一直鼓励速度，其实toB企业很多时候快不起来，从创立到上市，平均也得10年左右吧。

IPO早知道：关于宏观经济与SaaS企业增长的关系，这种假设是否成立——反而越是经济比较不景气的时候，企业越是需要降本增效？因为中国经济常年增长，过去“钱太好赚了”导致企业管理比较粗旷，适用SaaS工具降本增效的需求较弱。

何沛Simon：我觉得不完全如此。其实经济好的时候企业也要降本增效，做企业的核心就是不断发展新业务和降本增效，也就是俗称的“开源节流”。提供软件给企业类似于租一辆车给用户，如果用户自己会开，而且开车水平水平很高，那么他比较能享受驾驶的乐趣。但是如果他自己不太会开，你只给他提供汽车，最终他没有顺利高效到达目的地，他可能反而认为是车不够好。

过去我们中国好多企业，因为管理上没有特别规范，所以只给它们提供一个软件很难达到他们想要的结果。中国SaaS的定价不贵，但是客户很多时候不觉得购买了软件后达到了自己的原先希望的商业目的，有的是政绩工程，有的交了学费。所以创业者要充分认识到，如何让客户体会到软件的巨大价值是非常关键的。

在中国做SaaS，尤其对于垂直型SaaS，只提供一个软件是不够的，还要“陪跑”——帮企业用起来。SaaS企业需要提供的是商业价值给客户，而不仅仅是工具，这可能需要时间。

IPO早知道：如果学习成本高，客户就觉得自己还不如按照原来的方式做。

何沛Simon：对，所以我认为早期的SaaS公司，必须花很多的时间和精力在Customer Success（注：客户成功，访谈结束后，何沛也向我们推荐了《客户成功经济》这本新书）。为实现客户成功需要让客户感受到产品价值，同时还要有好的产品体验。中国SaaS企业在客户成功的投入还是不够的，很多企业把售后客服当成客户成功了。对于SaaS和更泛化的做用户经营的企业，客户留存至关重要。

IPO早知道：就像在消费品里面，复购是成功的的关键。

何沛Simon：ToB企业也特别强调复购和增购。客户使用产品后，SaaS企业是比较容易通过埋点的方式感知客户的使用情况的。如果客户都几天都不登录了，SaaS企业应马上作出反应，去搞清楚客户为什么不登录、不使用。C端的企业越来越擅长做数据分析，通过数据分析来判断是否有用户流失风险，B端也一样。SaaS企业需要提前预判到客户接下来的行为，并适时对此作出反馈和应对。

IPO早知道：C端产品的数据规模巨大，这是否意味着它们收集数据的难度更低，而B端很难有这种数据的体量，是否就不足以让SaaS企业作出更精准的判断？

何沛Simon：B端设计的感知点跟c端不同。设计B端软件时也要考虑对用户行为的感知。只要用心就能感知，核心是要有感知力，然后把用心获取的用户需求内化在软件里面，把软件变成活的软件，而不是死的软件——SaaS的精髓就在于快速迭代。做到这一点，用户粘性就大了。所以SaaS天然就具备“网络效应”——使用的用户越多，这个软件越好用、越有价值。

穿越风暴：资金充足恰逢扩展良机，注重商业指标易于生存

IPO早知道：靖亚资本常提及一个投资标准——SaaS标的公司人效需要达到50万人民币。

何沛Simon：我们很注重数据，还为此建立了Benchmark。现在资本市场遇冷，融资不像过去那么顺利，这个时候更加需要看指标——企业无法快速融资，加上疫情等影响，经济发展放缓，所以企业生存难度变大。因而企业必须把这指标做得非常高效，才能够立于不败之地。在经济遇冷或者资本市场不好的时候，资金充足的企业弹药很多，所以恰恰是扩张的时机，因为它可以以更低成本招到更好的人、更快速抢占市场、甩开竞争者。

发生危机的时候，从宏观的角度去考虑问题，比较容易受悲观情绪的影响，很容易发现处处灰犀牛、时时黑天鹅，会觉得前路暗淡，实际上并不是这样。从微观来看，就容易看到很多机会。我了解到，日本企业管理有一种解决问题的思路，叫“下钻”——看到一个问题你不能止步不前，这样问题永远解决不了。我们需要钻到下面一层，看看问题的成因是什么；如果到了下一层解决不了，就再下钻下一层，最多钻个六七层，什么问题都能解决了。

IPO早知道：您最近在看SaaS赛道怎样的方向？因为今年上半年市场对赛道还是有一些不同的声音。

何沛Simon：我觉得现在的市场遇冷恰恰是我们投资的良机。我现在更关心的企业有这么几个特点：

第一是对客户需求的理解和把握，我很关注这样的创业者——他们能把客户的商业需求理解得很透，以及把自己的产品和服务是如何解决客户问题的讲得清晰明白。

第二是对公司经营的注重。我喜欢的创业者很注重指标，比如：单位经济学模型、毛利率、续费率、人效等。这样的创业者比较能够穿越风暴，当经济状况转好的时候他们会更有优势。

第三是尽量不烧钱，回归商业的本质，做企业是要挣钱的。不能一直仅仅依赖投资人的输血才能活下去，这在资本市场遇冷的时候很容易死在半路上。

IPO早知道：靖亚是否也在关注跨境电商领域的SaaS？

何沛Simon：过去的10-15年，中国的电商发展如火如荼，也孕育了诸如聚水潭、旺店通、店小秘等服务电商场景的企业云公司。我们看到的一个趋势是，中国电商开始迈向全球，我们花了很多时间和精力在看标的，只是目前还没有下手。

此外，我们还关注电商新形式孕育出的机会，比如说国内外的直播和网红经济等。其实我们一直都认为整个电商领域都是孕育云企业最合适的温床之一。

IPO早知道：最近看到自己觉得好用的C端或B端产品吗？

何沛Simon：太多了，我几乎每天都能发现新东西。最近让我印象很深刻的是一个Chrome插件，是海外小团队做的。他们以前做了一个类似于Notion的软件，但失败了。尽管创业失败了，但这个团队在过程中发现用户在做网页剪藏的时候，需要点击插件按钮才能完成。每次收藏都需要点击，摩擦很大，体验不够好。所以他们就做了一个很棒的插件，安装后用户不用点击，所有访问记录都被记录下来了，然后对浏览记录分门别类地进行预览、分析和归类，并自动给用户推荐类似的内容。我认为这是对浏览器“历史”功能的颠覆式创新，让我眼前一亮。

从上述的一个小插件的例子也可以看出，美国创业者有几个特点：第一，再小的需求，他们都不嫌小，都愿意花时间去做产品的创新；第二，有了点子以后，就用心把这一小点做得完美，让用户非常喜欢。用户喜欢了才会口口相传，逐步扩大用户规模，这能养活一个小团队并推动公司往前走。美国很多现在很成功的SaaS刚开始的时候都从很小的点切入，但也有机会长成大公司。比如Grammarly 现在130 亿美元估值，Calendly现在 30 亿美元估值。

IPO早知道：在国内看到有一些比较独立、比较个人的SaaS创业者。之前没有这样的现象，现在越来越多了。

何沛Simon：这些人有极客精神。创业者要专注他们关心的领域。

我很欣喜地看到这样的团队越来越多，他们也不求大，只求尽可能好地解决客户或用户的问题。当这样的开发者多了，中国的企业云生态也就更加繁荣了。他们从最开始就是全球原生、云原生，商业眼界高、技术起点高。这样的新一代的创业者格局是完全不同的。

IPO早知道：他们有一个更好的全球化视野，这又是一个新的时代。

何沛Simon：是的，我们特别希望在这个时代背景下投中新一代的伟大企业家。

举报/反馈

北京律师瀛和律师吴春风：青年律师的基本功——如何建设逻辑思维？

作者：北京瀛和律师事务所

发布时间：2022-08-23 10:18

快照：

编者按：不懂法律的小说家不是好律师。入行多年的吴春风，可以说是法律行业观察者。他将行业观察用生动有趣的语言写成小说，写成散文分享出来。今天他就通过一个具体案例，来讲讲青年律师应该如何建立逻辑思维。全文一共4560字，阅读约需要10分钟。相信这10分钟，会让你对律师的逻辑思维有新的认识。

吴春风

法律小说家

北京瀛和律师事务所律师

律师的作须臾离不开逻辑思维。

久久之，逻辑思维就会成为律师的意识能。

在办案中，律师追求的并不是客观的事实，是由证据推理形成的合理的逻辑。

对律师来说，逻辑事实更真实，或者说，是逻辑决定事实。

01 .

律师的语表达与常有所不同，其主要原因是律师的思维方式较独特。

从根本上讲，是思维决定语言的内容。那么，律师是什么样的思维式呢？

逻辑思维，本能的逻辑思维。也就是说，逻辑思维应该成为名合格律师的意识能。

逻辑思维的概念我们并不陌生，然如果问，逻辑思维如何在具体办案中体现出来，我想能够回答清楚的律师恐怕不会太多。

因为思维是种绵延，是意识的流动。分析、判断、推理、综合，逻辑思维的这个过程，在办案中常常融为体难以区分。

不过，如果仔细推敲你会发现这四个思维式还是泾渭分明的，且每种思维都需要不同的能力发挥着不同的作。

如：不具有分析能，你就很难在堆积如的材料中，找出对我有利的东，并发现将对致于死地的线索；

不具有判断能，你就很难给案件进准确的定性，制订出合适的策略和案，并根据形势的变化灵活调整的主张。

不具有推理能，你就很难在复杂的法律关系中，归纳出我令信服的逻辑。你的故事就讲不好。

不具有综合能，你就很难把的事实（证据）和法律依据有机地融合起来，形成个完整的难以攻破的堡垒，容易出现离破碎的现象。

02 .

大概年前，有个青年律师曾经问我：我应该如何提高这些不同的能？是应该分别学习和锻炼吗？有没有一种训练办法，可以同时提这些能力？

这是个常好的问题，其实我也直在思考和摸索。

后来，我根据多年的办案经验，总结出可以将这四项能（还包括办案能）同时提的训练法，这就是“基本功综合训练法”。

这种训练法通过还原律师办案时的思维法和工作法，使未经实战的律师，通过复盘案件和绘制思维导图，在的书斋练成办案的基本功。

律师般都喜欢看案例，这无疑是良好的学习习惯。但我发现，虽然不少青年律师学了许多案例，可一旦遇到真实的案件还是不知道如何办理。

为什么呢？因为他只是学案例，并没有把当作该案的代理律师，从头到尾做遍，也就是没有真正复盘案件。

学案例，往往涉及的只是有关的知识和案件某个阶段的分析，无法系统地学习办

案中的思维法和工作方法。

下，我们通过复盘宗案件，仔细探讨办理案件时律师的思维法和作法。

这之前请你调整好态，告诉：我就是该案的代理律师。

从现在起，你看每份材料、遇到每个情况，都要代理律师的度思考问题，分析材料不能像瞎掰苞。

每次的思考都要“瞻前顾后”，把内容在心里都贯穿起来。

03 .

张某被起诉，他请我们代理。

原告起诉时的材料只有三份：1. 事起诉状；2. 股东会决议；3. 债权转让通知书。

案件分析过程中，第步就是：写阅卷笔录。

律师应该执业之初就养成写阅卷笔录（或摘要）的习惯。

材料少要看两遍，重点内容还要反复看，并写出发现的问题和需要进步调查的事项。

我的实践证明，这是梳理案件找出关键问题的有效办法。

从本案的材料中我们能了解：

1. 原告为自然人某。A 公司注销前的股东、法定代表。

2. 诉讼请求：解除《股东合作协议》，返还股权对价款 100 万元，付违约 50 万元。

3. 原告在起诉状中陈述的事实：（1）A 公司与被告于 2019 年128签订《股东合作协议》，原告按协议约定付了 100 万元股权对价款，但被告没有给他办理股权转让登记续，原告没有取得相应的股权。

（2）A 公司于 2020 年 9 注销，注销前该公司将《股东合作协议》中的权利转让给原告某。

4. 股东会决议作出时间：2020 年 3 20 。内容：A 公司解散注销后，切未清洁之债权均由股东某承继并对外使权利。由股东某和郑某签字。

5. 债权转让通知书由 A 公司给被告张某，作出期也是 2020 年320。主要内容：我公司将依据《股东合作协议》取得的全部债权转让给公司实际控制股东某，因你未完全履合同，构成根本性违约，因此将起诉的权利也并转让给某。

从这些材料中你发现了什么？

04 .

第二步：对阅卷内容进分析， 发现问题。

能够在许多案件材料中迅速发现问题，是律师必须练就的基本功。

那么，从上述材料中我们应该发现什么呢？

1. 原告的主体资格似乎有问题。与被告签订协议的是A公司，而不是原告黄某。但是，我们发现该事实没有证据证明。原告没有提交协议书，只在起诉状里提及此事。

原告为什么这么做？难道他手里没有这个协议书吗？还是协议书对他不利？这些疑问怎么解决？调查。向谁调查？我们的当事人，向当事人了解股东合作协议签订和履行情况，索要协议书等材料。

2. A公司已经被注销。原告黄某为什么注销A公司？他是大股东、法定代表人，留着它不是更便于向被告主张权利吗？这里到底有什么目的？这需要调查。在天眼查了解注销的详细情况。

3. A公司注销前给被告写了《债权转让通知书》，被告有没有收到？什么时候收到的？向当事人了解有关债权转让通知书的情况。

4. 从《债权转让通知书》的内容看，A公司转让的只有债权没有债务，而且转让之后被受让人（大股东）立即注销了。那么，这个债权转让有法律效力吗？原告黄某有没有合法地受让债权？

5. A公司已经被注销，黄某有合同解除权吗？

根据以上的发现和疑问，整理出需要进一步调查了解的事项，以及需要查阅的有关法律规定。

05 .

第三步，调查了解案件事实，并查阅相关法律规定。

通过调查，我们了解到以下事实：

1. 被告与A公司是长期合作关系，双方签订了两份合同：一份是A公司与被告担任法定代表人的B公司签订《战略合作协议》，约定共同开发北京的某个项目；另一份合同是《股东合作协议》。

2. 《股东合作协议》约定：A公司购买的股权价格是250万元，分三期支付：第一期50万元，第二期50万元，第三期余款150万元。南京某公司只支付了前两笔共100万元，余款150万元没有支付是因为战略合作进行得不好，A公司不想继续履行该协议。

3. 签订《股东合作协议》时，原告黄某只是一名主管，不是公司的经理、法定代表人。

4. 被告张某与A公司当时的经理谈过与100万元股权转让款相关的股权登记事宜，但因为A公司没有按新三板交易市场的规定办理账户，所以未能办理过户手续。

5. 原告黄某曾在2019年12月来北京，找被告张某索要100万元股权转让款，张某没给。

6. 从网上查到A公司注销材料：《全体投资人承诺书》《简易注销公告》，注销时间是2020年8月5日。《全体投资人承诺书》中，原告黄某和另一个股东书面向工商登记机关承诺，A公司没有债权债务。

7. 被告收到了《债权转让通知书》，时间是2021年3月。要注意这些时间：作出决议的时间、注销时间、通知时间等。

我们查阅相关法律规定并进行初步分析的结果：

1. 《公司法》第二十条规定，股东会决议侵害债权人利益的应认定无效；

2. 本案应该适用《民法典》。

3. 根据《民法典》规定，转让合同债权向债务人发出有效通知即可，但在本案中，A公司是在转让债权后由受让人（本案原告）提交虚假材料注销企业的，明显带有逃避债务的非法目的，因此这个转让行为应认定无效。原告黄某没有合法受让债权，不具有原告的主体资格。

4. 根据《民法典》的有关规定，原告不享有合同的法定解除权。本案不存在合同的法定解除情形，如果原告合法受让债权，则该《股东合作协议》应继续履行。

5. 根据《民法典》有关规定，A公司的合同义务应该先履行，它没有履行，违约在先，所以，被告有后履行抗辩权。

6. 原告提交虚假文件《全体投资人承诺书》欺骗登记机关，非法注销A公司，按照《公司登记管理条例》应受处罚。

06 .

第四步，综合分析。

什么是综合分析？综合分析就是，把事实和法律结合起来，制定诉讼策略和方案，提出自己的完整逻辑。

一、诉讼策略和方案

1. 制定诉讼策略的前提是判断案件的性质

原告起诉时的案由是股权转让合同纠纷。这个案由是否正确？根据已有的证据，原、被告之间到底是什么法律关系？股权转让纠纷还是债权债务纠纷？法律关系不同，需要准备的证据和法律依据也不同。这是关系到案件方向的大事。

本案的审理中，法官也曾询问原、被告的律师，你们认为本案属于什么纠纷？可见法官也重视这个问题，而且对本案的性质也感觉难以确定。

我的答复是股权转让合同纠纷。为什么呢？因为只有这样，我手里的证据才能用得上。你的主张如果没有证据支持，那等于你的枪膛里没有子弹。诉讼是真刀真枪的搏斗，不是虚张声势的游戏。

本案中对我方最有利的证据是什么？《股东合作协议》。根据《股东合作协议》，A公司只支付了部分款项即100万元，没有按约定支付150万元余款。我们可以主张对方违约在先，所以没给它过户。我方有后履行抗辩权。

另外，只有案件性质是股权转让合同纠纷，原告黄某的诉讼主体资格才能成为问题。假如此案变成简单的债权债务纠纷，那么，前面这些复杂的法律关系就不复存在，原告只需根据后来沟通中的某种约定就可以主张权利。

因此，开了两次庭之后，原告想撤掉诉讼请求中的第一项——解除股东合作协议。

法官通知我的时候，我表示坚决不同意。我说，如果他要撤第一项就得撤诉，因为没有这一请求其他请求就没有依据。法官和我争论了一会儿，最后告诉我，我只是通知你，不是和你商量。我说，你既然通知我，我就有权利提出我的意见。后来发现，判决书里那一项诉讼请求没有撤回。

不过，我们根据自己拥有的证据和策略认定的案件性质，必须在法律上是能够成立的，否则无法形成有效的证明逻辑。

07 .

那么，确定案件性质之后我们需要做什么呢？

1. 研究程序问题

本案中的程序问题是，原告黄某有没有诉讼主体资格。这就要看他是否合法受让A公司的债权。怎么看？看两份证据：一份是《债权转让通知书》，另一份是《股东会决议》。研究这两份证据有没有对被告发生法律效力。然后，研究原告黄某为什么欺骗登记机关注销自己的公司。

2. 研究实体问题

主要是看合同签订和履行情况，确定到底谁违约，尤其是确定谁违约在先。此案第一次开庭后，原告也提交了一份《股东合作协议》，日期和内容都与被告提交的合同不一样。按照原告提交的合同，A公司没有违约。这就涉及应该适用哪一份合同的问题。这个问题立即成为此案的争议焦点之一。

另外，还有一个问题是，原告有没有合同解除权，这决定股东合作协议应不应该继续履行。

通过以上分析，我确定如下的诉讼策略和方案：首先，从程序上否定原告黄某的诉讼主体资格。

其次，从实体上证明A公司违约在先。

最后，提出一个主张：如果原告合法取得债权，则该股东合作协议应继续履行。这是防备出现最不利的情况而安排的退路。

二、我方的逻辑

从前面的诉讼策略和方案里，我方的逻辑框架已经隐约可见。不过，案件的逻辑是更加仔细更加严密的证明体系。它由案件的事实、适用的法律以及它们之间的有机联系加上必要的归纳推理构成。

可以说，案件逻辑就是关于案件的故事。律师实际上是用自己的方式给法庭讲故事，让法庭相信该故事的真实性。这个真实性是相对的，即相对于对方讲的故事看起来更为真实。

那么，案件的逻辑我们用什么来表现呢？代理词。代理词在案件中的主要作用就在于此。下面就是我为本案写的代理词。

代 理 词

尊敬的审判：

北京圣伟律师事务所接受被告张某的委托，指派我担任被告与某股权转让纠纷案件的审代理。接受委托后，我对本案的相关材料和法律规定进了认真仔细的研究，现根据庭审情况，就争议焦点发表如下代理意，请予参考：

、 原告没有合法受让 A 公司对被告的合同权利，没有资格根据该公司与被告的股东合作协议起诉被告，应依法驳回其起诉。

1.《债权转让通知书》不具有债权转让的法律效，A 公司对被告的债权未能合法有效地转让给原告。

按照《法典》的规定，债权单独转让只需通知债务即可，但本案的情形较特殊，不能如此简单地认定。本案中，原告在注销 A 公司之前，特意制作了这份所谓《债权转让通知书》，受让是原告，债务是与该公司有债权债务关系的被告。被告与该公司的股东合作协议不是单务合同，并只存在权利不存在义务。事实上，该公司由于没有履合同义务，给被告造成了巨经济损失。这种特殊的关系决定，该公司在注销前转让债权的时候其债务也必须并转让，否则必然损害合同相对的利益。合同的概括转让不仅需要通知合同相对还要取得合同相对的同意，但在本案中，没有任何证据证明该公司取得了合

同相对即被告张某的同意。因此，该《债权转让通知书》不具有债权转让的法律效，该公司对被告的债权未能合法有效地转让给原告。

2.《股东会决议》侵害了债权的利益，应依法认定效，原告不能以《股东会决议》承继南京某公司的债权。《股东会决议》说“A 公司解散注销后，切未清洁之债权均由股东某承继并对外使权。”可，原告某只承继了公司的债权，并没有承继公司的债务。在公司未经法定的清算或破产程序解散时，这样的股东会决议必然会侵害债权的利益，属于股东滥权利。因此，根据《公司法》第条、第条之规定应认定效，原告不能以该《股东会决议》承继 A 公司的债权。

另外，该《股东会决议》的前提条件也不成。《股东会决议》说，“鉴于A 公司已经将对张某的债权转让给公司股东某”，因此公司解散并注销，公司债权由某承继。上已经分析过，A 公司没有合法有效地将它对被告的合同权利转让给原告，原告没有取得相应的债权，因此这个“鉴于”的条件是不成

的。

3.《债权转让通知书》对被告没有法律约束

《债权转让通知书》的形成时间是 2020年320， A 公司的注销时间是 2020年85。我们知道，即使是可以单独转让债权的通知，也应该在公司存续时以公司的名义发给债务才有法律效。但在本案中，原告到了 2021年324才把《债权转让通知书》寄给被告。此时，发出债权转让通知的主体已经不是 A 公司（该公司已经死亡）是原告，原告作为债权的受让是权发出这样的通知的。因此，这份债权转让的通知即使不考虑债权债务概括转让的问题，也对被告没有法律约束。

4. 原告与 A 公司（由原告控制）恶意串通损害被告合法权益，依照《法典》规定应认定效。原告注销公司的主要的是，逃避债务，同时承继债权。为此，原告先后做了三件事:

(1)准备法律书即《债权转让通知书》和《股东会决议》。在这两份法律书，A 公司将公司债权主要是对被告的合同权利转让给了原告，但是没有转让公司的债务和合同义务。

（2）欺骗登记机关注销公司。原告和另股东郑某向商管理机关申请注销 A 公司时，写下“公司未发债权债务”的承诺书，

骗取了登记机关的注销登记。

（3）原告向被告寄去《债权转让通知书》，告知 A公司将股东合作协议中的全部债权转让给原告。如前所述，《债权转让通知书》的形成时间是 2020 年 3 20 ， A 公司的注销时间是 2020 年 8 5 ，可原告到了 2021 年 3 24 才把《债权转让通知书》寄给被告。原告为什么如此安排呢？因为如果 A 公司注销前发出这份通知，

那么，被告就会提出该公司对被告应承担的债务问题，原告试图逃避债务的的就不能实现。

可，原告制作《债权转让通知书》《股东会决议》的的是通过注销企业逃避债务承继债权，因此，原告与 A 公司（由原告控制）的所谓债权转让为，属于“恶意串通损害他合法权益的事法律为”，根据《法典》第 154 条规定应认定效。原告注销公司还有个重要的，那就是：试图创造出股东合作协议不能继续履的客观状态，然后起诉被告要求返还资。因为原告分清楚，如果南京某公司继续存在，根据股东合作协议以及被告和 A 公司原板刘某的约定，股东合作协议必须继续履。原告已经决不再履该协议，因为履该协议需要承担很多合同义务。总之，原告为了不继续履股东合作协议，要回 A 公司已经付的股份购买款，可谓处积虑不折段。法律变成了他中的具，我认为这是虚假诉讼的另种表现形式。原告的这系列为，严重违反了《公司法》等法律法规，应依法受到严惩。

5. 原、被告之间有关 100 万元返还问题的交流，不能改变原告未能合法有效地受让 A 公司债权的事实。

第、这次交流没有涉及 A 公司向原告转让对被告的合同权利义务问题。

第、这只是朋友间的交流，是被告对来访的原告礼节性的接待。双就 A公司和被告的股东合作协议如何处理没有达成任何具有法律效的协议。

第三、被告对原告最后的答复是继续履合同，不是返还 100 万元。谈话快结束时，原告试图让被告明确承诺年内给钱，但被告委婉地拒绝了他的要求。

被告说，刘某告诉他，“你把实名制给他们就了”，说明 A 公司和被告已经达成继续履合同的协议。因此，如果原告合法有效地受让了 A 公司的合同权利义务，那么，该股东合作协议应该继续履。

、 A 公司的违约是导致该股东合作协议未能继续履的根本原因，A 公司没有合同解除权，权要求被告返还已付款项、付违约。

1. A 公司和被告实际履的协议是“2019 年130协议”，不是“2019 年

128协议”。原告在《某书股权合作协议签约过程》中确认，A公司打款时间就是协议签订的时间，打款时间是 2019 年130。其实从协议的内容看，实际履的也是“2019 年 1 30 协议”，因为它包含了“2019 年128协议”，后者是前者的第阶段。

2. 该协议第 4 条规定：甲（A 公司）在签约后三内向（被告）指定账户付期付款币 50 万元，在签约后三内第次付款 50 万元，在签约后六内付尾款 150 万元。如未按时付款，将不承诺履股操作，已付款项不予返还。这条款的实际履情况是，A 公司只付了 100万元，仅占应付款项的 40%。因此，按照协议约定，被告可以不履股操作，且已收款项不予返还。可，该协议未能继续履是因为 A 公司违约，即没有按协议约定付款项。所以，根据该协议第 7 条规定，A 公司还要向守约被告付违约并赔偿给被告造成的损失。根据该条款约定，合同解除权不在 A 公司，在守约的被告。因此，在被告没有要求解除合同的情况下，A 公司应继续履合同。

3. 本案中原告不享有《法典》第 563 条规定的法定的合同解除权。

A 公司原板刘某曾与被告达成协议，该公司已付的 100 万元被告可以为其办理过户续，为此，该公司的代表李某找过被告公司的董事会秘书吕某，吕某明确告知李某，购买新三板公司的股份必须先在新三板开账户，但后来该公司没有开户，因此该协议未能继续履。可，对 A 公司来说不存在“合同的不能实现”的情形。如果现在不能过户，致使“合同的不能实现”，那是因为原告恶意地注销了 A 公司，故意创造出合同不能履的状态，所以切责任在于原告，这种情况下原告不可能享有法定的合同解除权。

三、A 公司违约，给被告造成重损失。

被告与 A 公司签订股东合作协议后，积极安排该公司与北京某公司开展项合作，为此北京某公司投量资，但由于 A 公司的原因，项合作被迫中断，给北京某公司造成 250 多万元的经济损失。被告是北京某公司的股东、实际控制，因此也遭受了重损失。综上所述，从程序，原告未能合法受让 A 公司的合同权利，没有资格基于 A 公司和被告的股东合作协议起诉被告，应依法驳回其起诉。从实体，即使原告合法受让了 A 公司的合同权利，原告的诉讼请求也没有事实和法律依据，应予驳回，因为导致该股东合作协议未能继续履的原

因在于 A 公司违约，原告没有合同解除权。

故，恳请法院查明事实，依法做出公正的裁决。

此致

北京市××区法院

北京圣伟律师事务所律师 吴春

2021 年 8 16

这份代理词，法律分析显得较复杂，但讲述的故事却常简单：原告某没有合法受让 A 公司的合同债权，不具有诉讼主体资格。

退步讲，原告即使合法受让了债权，也没有合同解除权，因为违约的是 A 公司。按照 A 公司与被告的约定，股东合作协议应该继续履，现在客观上不能履是因为原告恶意注销了 A 公司。

这就是我的逻辑。这份代理词不是个观点的罗列，是层层递进的完整的逻辑。代理词的意义往往不在于讲述的内容，在于讲述的逻辑。

逻辑才是代理词的核。

有的代理词内容看起来好像没问题，但从逻辑的度看就存在明显的不合理之处，给感觉不真实。记得有次某个案件的主审法官曾对我说：“吴律师，我看了你的

代理词，明你的逻辑了。”

完整的逻辑，就是法官希望看到的东，因为通过完整的逻辑，才能明你到底想说什么。

另外，我们要知道，逻辑不等于证据，完整的逻辑也不等于完整的证据链。

证据是靠身的内容来证明某些事实的，究竟证明的是什么事实，还需要分析和解释，因此证据本身不是结论。

逻辑是通过对证据进综合分析并归纳推理形成的结论。不过，这个逻辑不是事实的逻辑是思想的逻辑。即，我们向法庭讲述的故事不定是真相，它只是我们对案件的系统论述（思想）。

事实的真相不应该成为律师办案追求的标，因为真相往往是不可知的。

其实，对律师来说，逻辑事实更真实，或者说，逻辑决定事实。

此，我们完成了张某案的整个复盘过程。此案把律师办案时的思维法和作过程展现得淋漓尽致，从中我们可以清晰地看到逻辑思维能在办案中发挥的作。

现在，我建议你上回过头去，边重新复盘，边画出思维导图。思维导图的形状可以不拘格，只要把思维的法和办案逻辑体现出来即可。

思维导图必须亲绘制，绘制的过程中你会获得意想不到的收获。

如果你把复盘案件加上绘制思维导图的动作重复 N 次，那么，不但你的逻辑思维能会得到迅速提升，你的办案能也同样会得到相应的提升，因为意识能是通过不断重复正确的动作产的。

举报/反馈