判断一个产业走到哪一步，难的不是没有数据，而是数据太多。订单、用电、货运、价格、产能利用率，各自都在动，方向还不一致。真正有用的做法不是把所有指标加总，而是先判断阶段，再决定哪一层数据权重更高。

阶段一变，数据的权重也变

复苏初期，最先动的是订单和询价，这时候看开工率反而会滞后，因为企业先接单再排产。扩张中期，产线满负荷，看设备交付、用电和招工更准。到了收缩期，价格和库存先反应，产能利用率往往最后才掉下来，因为它有惯性。

把阶段判断错了，指标读出来就是反的。用扩张期的权重去看收缩期，会把降价去库存读成需求回暖；反过来，用收缩期的谨慎去看复苏初期，会把正常的补库当成短期波动。

阶段判断本身也不能靠单一信号。比较稳的做法是找两到三个不同来源的指标同时转向，再确认阶段切换。只凭一个指标改口，多半是被月度波动带着走。

日德的硬数据偏好

海外一些制造业比重较高的经济体，产业监测更依赖"硬数据"：用电量、货运量、机床订单、设备开工小时。原因不复杂，这些数据来自生产环节，不容易被预期和情绪修饰。与之相对的是问卷类的软指标，反映的是采购经理的判断，转向快但容易反复。

值得借鉴的是两者的配合方式：软指标用来提示方向，硬数据用来确认。当软指标连续转向而硬数据不动，多半是情绪；当硬数据开始动而软指标还在低位，往往是拐点。这个配合顺序，比单独迷信任何一类指标都稳。

也要看到边界。硬数据的覆盖面依赖基础设施的数字化程度，中小企业密集、计量不完善的行业，硬数据反而失真。照搬国外的指标结构，可能得到一堆看着精确、实际无意义的数字。

国内的情况还有一个特殊之处：产业园区和集群内部的配套关系紧密，一家龙头的排产变化会迅速传导到几十家配套厂，但这类传导在行业总量数据里几乎看不出来。判断阶段时，最好补一条本地的微观观察线。

判断依据要能自我否定

一套好的判断依据，应该事先写明什么情况下自己是错的。比如把"用电增速连续两个月低于产能增速"设为扩张判断失效的条件，一旦触发就重新看阶段，而不是继续找理由解释。

产业运行的阶段性变化，从来不是一条平滑的线。数据的作用不是给出确定答案，而是让你在判断错的时候，早一点知道。能自我否定的框架，才配用来指导产能和投资。