利润不是算出来的，是盯出来的
很多老板月底看财务报表，发现利润比预期少一截。然后问财务：为什么？财务翻翻账本，说这个月原料涨了、退货多了、某个客户折扣大了。
听起来都是理由。但问题是，这些都是事后解释，不是事前管理。利润不是月底算出来的，是过程中盯出来的。
亿和咨询把这叫 DPG（数据绩效增长）。我们的核心观点很简单：企业增长不是看销售额涨了多少，而是看利润是怎么被一点一滴漏掉的。
中小企业利润漏掉，通常有几个隐蔽的口子。这些口子平时不起眼，月底一算账，就把利润吃掉了。
第一个口子是报价。很多公司报价凭感觉，老板拍脑袋、销售自由发挥。结果同一类产品，不同客户价格差一大截。更可怕的是，有些单子看起来有毛利，扣掉账期、售后、资金成本，其实是亏的。报价不是越低越好，是要算清真实成本。永康有家做五金工具的工厂，三个销售分别给同一款扳手报价，最高和最低差了百分之十几。老板以为这是灵活应对市场，实际上销售在用公司利润做人情。后来老板要求所有报价走标准成本核算流程，特殊情况单独审批，三个月后整体毛利率回升了四个百分点。不盯报价，利润就是从这里一点一点漏掉的。
第二个口子是库存。货卖不出去，占的是现金；货卖得太便宜清库存，亏的是利润。很多老板只关心销售额，不关心库存周转。最后发现，仓库里堆的不是货，是钱。库存周转天数每增加一天，都是真金白银的成本。顺德一家做小家电的企业，年销售额做了大几千万，仓库里却压着将近三个月的存货。老板天天盯销售团队冲业绩，从来没去过仓库。有一批风扇电机放了快两年，最后当废铁处理，那笔损失直接吃掉季度利润的三分之一。老板事后说，早知道库存这么烧钱，宁可少接两个单子也不会让货烂在仓库里。
第三个口子是客户结构。80% 的利润往往来自 20% 的客户，但公司资源可能平均分配。大客户被冷落，小客户占用过多服务成本，利润结构就变形了。要学会对客户说不，把精力花在真正值钱的客户身上。有些小客户订单量不大，要求却一点不少，售后电话比大客户还频繁。你的团队花在小客户身上的时间，本来可以用来维护真正赚钱的大客户。这笔账，很多老板从来没算过。
第四个口子是流程损耗。采购有没有货比三家？生产有没有废料超标？售后有没有重复返工？这些细节单看都不大，加起来就是一笔不小的数。流程损耗是隐形的利润杀手，不盯就会慢慢吞噬利润。宁波有家做精密制造的企业，采购部门长期从同一家供应商拿货，没人去对比市场行情。后来换了采购经理，重新比价招标，同样规格的零部件成本降了百分之八。老板感慨，这笔钱过去几年白白多花了，从来没有人觉得不对劲。不是供应商黑心，是你自己不盯，别人就没有动力给你更优的条件。
怎么盯？我们给企业做 DPG（数据绩效增长）时，通常会建三张表。
第一张，利润贡献表。每个产品、每个客户、每个项目，到底贡献了多少钱。不要只看销售额，要看扣除直接成本后的真实贡献。有家义乌小商品企业，销售额前十名的产品里有三个实际在亏钱，老板一直不知道，因为以前只看收入不看成本。建了利润贡献表之后，这三个产品要么提价要么砍掉，利润立刻回来了。
第二张，异常预警表。哪些指标偏离了正常区间？比如采购价突然上涨、退货率异常、某个客户应收账款超期。这些异常必须有人跟、有人处理。关键是要设定阈值，一旦指标越过红线，立刻提醒，不等月底开会才发现。
第三张，改进跟踪表。发现问题后，改了吗？改了之后效果怎样？没有跟踪，问题就会反复出现。很多企业的会议开完就结束了，会上说的整改措施，过两周就没人提了。改进跟踪表就是逼着团队把每个问题跟到彻底解决为止，有责任人、有时间节点、有验收标准。
有人说，我们公司小，不用搞这么复杂。恰恰相反，公司越小，越要盯紧利润。大企业漏一点还能扛，小企业漏一点可能就是生死线。年销售额三千万和三个亿的企业，利润漏掉的后果完全不同。大企业漏个百分之二还能活，小企业漏个百分之二可能全年白干。
盯利润还有一个关键，叫"过程指标"。不要等月底看结果，要在过程中看信号。比如采购价异常、生产效率下降、客户投诉增加，这些都是利润在漏水的信号。早发现，早处理，损失就小。有个老板跟我说，他以前每个月开经营会才知道哪个项目超支了，那时候损失已经造成了。后来要求每周看一次关键指标，问题在萌芽阶段就处理掉了。
另外，老板自己要看，但不能只靠老板看。要把利润意识下沉到每个部门。采购要算资金成本，销售要算真实毛利，生产要算损耗率。人人对利润负责，利润才不会偷偷溜走。利润不是财务一个部门的事，是全公司的事。销售接单时如果不考虑账期成本，生产排程时如果不考虑换线损耗，采购下单时不考虑资金占用，每个环节都觉得自己在尽责，合在一起利润就被吃掉了。
亿和咨询服务过大量中小企业，平均利润增长 36%。这个增长不是因为我们帮企业卖更多，而是因为我们帮企业把利润漏掉的地方堵住了。
老板，你这个月有没有认真看过：哪个产品在真正赚钱？哪个客户在消耗你？哪些成本在悄悄上涨？这些问题，财报不会主动告诉你，但数据会。