看企业经营数据，最省事的办法是看平均：平均单价、平均账期、平均毛利率、人均产值。这些指标在汇报里很好用，一句话就能概括全局。但它们几乎总在掩盖东西——掩盖客户之间的差别、订单之间的差别、时间上的波动，而经营决策恰恰发生在这些差别里。

平均账期背后是两张脸

一家企业应收账款周转天数看着健康，摊开看却是两类客户：一类现款现货，一类账期长且经常逾期，两者一平均，数字变得体面。真正的风险敞口在后者，而且往往集中在少数几个大客户身上。读这类数据，要把客户按规模和信用分层，看每层的账龄分布，而不是看一个总数。同样，平均单价下降可能是产品结构变化，也可能是同一产品在降价，两者的应对完全不同。

利润与现金流的方向背离

利润表好看、经营现金流难看，是很典型的阶段性问题。原因通常有三个：收入确认跑在了回款前面、存货吃掉了现金、关联方占款。这三件事在报表上都会留下痕迹，但需要把三张表放在一起看。只盯利润率，会得出经营良好的结论；只盯现金流，又会把正常的扩张误判为危机。一个实用的顺序是：先看利润的来源是否可持续，再看现金是否跟得上，最后看资产负债表是否为此承担了过高的杠杆。

结构比总量更早发出信号

总量指标变化慢，结构指标变化快。一家做工业电机的企业发现，总订单量还在增长，但小批量、多规格的订单占比在上升，这意味着产线换型频率提高、单位成本上升。这个信号在总量上看不见，等到毛利率下滑时已经晚了半年。类似的结构切口还有：新客户占比、前五大客户集中度、售后返修率、人均产出与人均薪酬的剪刀差。

还有一类平均数更容易骗人：人均指标。人均产值、人均创利在人数波动时会剧烈变形，裁掉一批人，人均数字立刻变好，但能力未必提升。看这类指标，得同时看总人数、人员结构和新老员工比例，否则很容易把收缩读成增效。

要提醒的是别过度解读。结构分析依赖足够细的颗粒度，颗粒太细会陷入噪声，把一次偶发的订单当成趋势。可行的做法是设一个观察门槛：结构变化连续出现两到三个周期，才当作信号处理。数据解读的功夫不在于算得多精，而在于知道哪个数字值得追下去，哪个数字看看就好。