疑经典《尼罗河上的惨案》搬上大银幕，肯尼思·布拉纳有望回归担任导演及扮演“波洛”探长。作为看过无数遍1978年英法德合拍版的《尼罗河上的惨案》的阿加莎迷（这一版本自身改编与演绎非常经典，更兼“上译群侠”毕克、童自荣、于鼎、乔臻、丁建华云集献艺），我实在难以接受别的版本。

《尼罗河上的惨案》最精华的部分是比利时神探波洛最后对案件真相的推演——主谋杰奎琳在“卡纳克号”游艇的酒吧里佯装醉酒，向表面上被她的巨富闺蜜林内特抢走的前男友、正在度蜜月的新郎官西蒙开了一枪，虽然子弹射入了西蒙面前的地板，但西蒙马上捂着大腿倒在地上，“鲜血”（实际上是指甲油）直流，惨叫不已。在场的目击者除了护送被惊吓到的杰奎琳回房间的，其余人都跑去找船上的医生。此时酒吧里只剩西蒙一人，他飞速起身，捡起杰奎琳故意丢落在地板上的手枪，冲到新娘林内特的房间，再次扣动扳机完成谋杀，然后飞奔回酒吧，对准自己的大腿第三次扣动扳机，完成真伤以消灭作案时间。

全案中最令波洛伤神的就是“消失的第一枪”。现场多个目击者看到杰奎琳开枪，也听到了枪响，也看到西蒙大叫着栽倒在地以及大腿上涌出的红色液体，头脑中自动就产生了“西蒙的大腿中枪了”这个结论。然而，在没有立即进行检验的情况下，这个结论显然只能是一个推论，毕竟只有西蒙知道自己中没中枪。所有目击者看到的都只是一场精心设计的完美演出。

好了，我们现在回来接着聊内控。在内控标准作业程序中，内控风险点的排查是非常关键的一步，但往往囿于企业经营的个性化差疑经典《尼罗河上的惨案》搬上大银幕，肯尼思·布拉纳有望回归担任导演及扮演“波洛”探长。作为看过无数遍1978年英法德合拍版的《尼罗河上的惨案》的阿加莎迷（这一版本自身改编与演绎非常经典，更兼“上译群侠”毕克、童自荣、于鼎、乔臻、丁建华云集献艺），我实在难以接受别的版本。

《尼罗河上的惨案》最精华的部分是比利时神探波洛最后对案件真相的推演——主谋杰奎琳在“卡纳克号”游艇的酒吧里佯装醉酒，向表面上被她的巨富闺蜜林内特抢走的前男友、正在度蜜月的新郎官西蒙开了一枪，虽然子弹射入了西蒙面前的地板，但西蒙马上捂着大腿倒在地上，“鲜血”（实际上是指甲油）直流，惨叫不已。在场的目击者除了护送被惊吓到的杰奎琳回房间的，其余人都跑去找船上的医生。此时酒吧里只剩西蒙一人，他飞速起身，捡起杰奎琳故意丢落在地板上的手枪，冲到新娘林内特的房间，再次扣动扳机完成谋杀，然后飞奔回酒吧，对准自己的大腿第三次扣动扳机，完成真伤以消灭作案时间。

全案中最令波洛伤神的就是“消失的第一枪”。现场多个目击者看到杰奎琳开枪，也听到了枪响，也看到西蒙大叫着栽倒在地以及大腿上涌出的红色液体，头脑中自动就产生了“西蒙的大腿中枪了”这个结论。然而，在没有立即进行检验的情况下，这个结论显然只能是一个推论，毕竟只有西蒙知道自己中没中枪。所有目击者看到的都只是一场精心设计的完美演出。

好了，我们现在回来接着聊内控。在内控标准作业程序中，内控风险点的排查是非常关键的一步，但往往囿于企业经营的个性化差异，很难形成统一的方法论。其实，《尼罗河上的惨案》中寻找“消失的第一枪”是一个很不错的通用方法，即“寻找流程的断点”，这个断点是指所有可能被“枪声、惨叫声以及红色液体”所误导得出“中枪”结论的地方，就是用想当然的判断代替事实的地方，以及想象多过抽查和校验的地方。比如，在存货盘点中，所有看似封装完好的纸箱都被当作真正的存货，就有那么几分用推论代替结论的意思。当然，如今RFID等智能仓储技术的广泛引用，很可能使运营流程的诸多节点上以推论代替结论的普遍现象得到前所未有的强力纠正，使信息流的真实性、即时性得到空前提升，这是过去30年来企业信息化浪潮一直心心念念但无法做到的事情。

IT应用领域有一个历久弥新的常识——“Garbage i,Garbage out”，即信息的输出质量是由输入质量决定的。因此，日常内控关注的焦点应该是容易出现垃圾信息输入的重点场景。只有运营数据在没有断点的业务流程上完成财务大循环，CFO看到的数据才是值得信任的，也是值得进一步加工、分析和应用的“硬通货”。异，很难形成统一的方法论。其实，《尼罗河上的惨案》中寻找“消失的第一枪”是一个很不错的通用方法，即“寻找流程的断点”，这个断点是指所有可能被“枪声、惨叫声以及红色液体”所误导得出“中枪”结论的地方，就是用想当然的判断代替事实的地方，以及想象多过抽查和校验的地方。比如，在存货盘点中，所有看似封装完好的纸箱都被当作真正的存货，就有那么几分用推论代替结论的意思。当然，如今RFID等智能仓储技术的广泛引用，很可能使运营流程的诸多节点上以推论代替结论的普遍现象得到前所未有的强力纠正，使信息流的真实性、即时性得到空前提升，这是过去30年来企业信息化浪潮一直心心念念但无法做到的事情。

IT应用领域有一个历久弥新的常识——“Garbage i,Garbage out”，即信息的输出质量是由输入质量决定的。因此，日常内控关注的焦点应该是容易出现垃圾信息输入的重点场景。只有运营数据在没有断点的业务流程上完成财务大循环，CFO看到的数据才是值得信任的，也是值得进一步加工、分析和应用的“硬通货”。真相28　“打碎蛋壳”看清运营数据里的断点

在上一个财务真相中，我们谈到了“消失的第一枪”，相信一定引发了不少财务同人的共鸣，同时也带来了进一步的思考——如何找到运营数据的断点，又如何解决这些断点呢？

我们还是先把目光暂时放到财务之外，来寻找一点儿他山之石的灵感。

下面给大家讲一个关于“打碎蛋壳”的故事。一位德高望重的老首长下连队视察，亲切地询问一个年轻的小士兵：“平时伙食怎么样啊？”被挑选出来迎接首长的小士兵当然都很机灵，挺直腰杆答道：“报告首长，有肉、有鱼、有蔬菜，每天还有一个定量的鸡蛋。”老首长听了微微一笑，接着问道：“那个鸡蛋是怎么个吃法呀，是炒蛋、煎蛋还是煮蛋？”小士兵回答道：“主要吃炒蛋，基本不吃煮蛋。”孰料话音刚落，一直和颜悦色同士兵交谈的老首长马上回头大声吼来连队负责人：“炒鸡蛋是怎么做到确保每个士兵每天一个鸡蛋定量的？这里面有没有克扣的问题？明天开始马上恢复成煮蛋，要还给每个士兵打碎蛋壳的权力。”

在本土企业当前的日常业务运营中，“炒蛋派”数据往往占很高的比例，不仅来源混乱，而且基本没有进行数据清洗和数据细分，数据分析的噪声太高，颗粒度也太粗。比如，同样是零售领域，传统零售业态最多只能做到按品类和区域进行运营数据分析，反观天生的“煮蛋派”，电商巨头们可以为一笔订单加上多个数据标签，从而能够真相28　“打碎蛋壳”看清运营数据里的断点

在上一个财务真相中，我们谈到了“消失的第一枪”，相信一定引发了不少财务同人的共鸣，同时也带来了进一步的思考——如何找到运营数据的断点，又如何解决这些断点呢？

我们还是先把目光暂时放到财务之外，来寻找一点儿他山之石的灵感。

下面给大家讲一个关于“打碎蛋壳”的故事。一位德高望重的老首长下连队视察，亲切地询问一个年轻的小士兵：“平时伙食怎么样啊？”被挑选出来迎接首长的小士兵当然都很机灵，挺直腰杆答道：“报告首长，有肉、有鱼、有蔬菜，每天还有一个定量的鸡蛋。”老首长听了微微一笑，接着问道：“那个鸡蛋是怎么个吃法呀，是炒蛋、煎蛋还是煮蛋？”小士兵回答道：“主要吃炒蛋，基本不吃煮蛋。”孰料话音刚落，一直和颜悦色同士兵交谈的老首长马上回头大声吼来连队负责人：“炒鸡蛋是怎么做到确保每个士兵每天一个鸡蛋定量的？这里面有没有克扣的问题？明天开始马上恢复成煮蛋，要还给每个士兵打碎蛋壳的权力。”

在本土企业当前的日常业务运营中，“炒蛋派”数据往往占很高的比例，不仅来源混乱，而且基本没有进行数据清洗和数据细分，数据分析的噪声太高，颗粒度也太粗。比如，同样是零售领域，传统零售业态最多只能做到按品类和区域进行运营数据分析，反观天生的“煮蛋派”，电商巨头们可以为一笔订单加上多个数据标签，从而能够更清晰地掌握单个消费者的主要消费行为特征，进而可以做出很多有针对性的提前预测，并加以促销引导。所以传统零售业态面临的最大威胁，并不仅仅是电商价格更优惠，更本质的在于，拥有精准大数据优势的电商更懂消费者的各种现实需求以及潜在需求。

那么问题来了，既然问题在于数据标签不够丰富，那是不是传统零售业态只要在每笔订单上也增加这些标签就行了？我的一位故交十多年前是一家国内顶级服装公司的首席信息官（CIO），他的创新意识非常强，在他当时主导开发的门店销售系统中就增加了大量的商业智能（BI）标签，比如消费者的性别、年龄段、购买状态（一个人来还是多个人来等）、当时的天气情况、从进店到下单的时间，等等。按照他当时的设想，这是国内服装零售领域最大的BI系统，可以精确地分析出单一消费者的消费行为模式，进而可以为其量身定做促销方案，从而极大增强客户的黏性。由于他深受老板赏识（后来还接任了CEO），因此，这个门店销售系统非常强势，如果店员不把上述标签标示清楚的话，是无法完成收款出单的。然而，他忽略了一个问题，这些标签全部需要手工打上去，无法自动生成，因而这些标签就变成了典型的“炒鸡蛋”标签，也就无法确切地知道店员是否按照真实情况进行了精确录入。事实上，即便忽略掉店员主观道德风险的情况，在店内比较繁忙的时段，店员往往也只会在每个标签的第一个选项上点一下鼠标以便尽快完成订单。

不过，在当下的技术环境里，曾经困扰我这位老友的问题已经得到了相当大程度的纠正。比如，店里的智能监控设备可以通过人脸识别技术将消费者的购买过程数字化，进而匹配到门店销售系统中，确更清晰地掌握单个消费者的主要消费行为特征，进而可以做出很多有针对性的提前预测，并加以促销引导。所以传统零售业态面临的最大威胁，并不仅仅是电商价格更优惠，更本质的在于，拥有精准大数据优势的电商更懂消费者的各种现实需求以及潜在需求。

那么问题来了，既然问题在于数据标签不够丰富，那是不是传统零售业态只要在每笔订单上也增加这些标签就行了？我的一位故交十多年前是一家国内顶级服装公司的首席信息官（CIO），他的创新意识非常强，在他当时主导开发的门店销售系统中就增加了大量的商业智能（BI）标签，比如消费者的性别、年龄段、购买状态（一个人来还是多个人来等）、当时的天气情况、从进店到下单的时间，等等。按照他当时的设想，这是国内服装零售领域最大的BI系统，可以精确地分析出单一消费者的消费行为模式，进而可以为其量身定做促销方案，从而极大增强客户的黏性。由于他深受老板赏识（后来还接任了CEO），因此，这个门店销售系统非常强势，如果店员不把上述标签标示清楚的话，是无法完成收款出单的。然而，他忽略了一个问题，这些标签全部需要手工打上去，无法自动生成，因而这些标签就变成了典型的“炒鸡蛋”标签，也就无法确切地知道店员是否按照真实情况进行了精确录入。事实上，即便忽略掉店员主观道德风险的情况，在店内比较繁忙的时段，店员往往也只会在每个标签的第一个选项上点一下鼠标以便尽快完成订单。

不过，在当下的技术环境里，曾经困扰我这位老友的问题已经得到了相当大程度的纠正。比如，店里的智能监控设备可以通过人脸识别技术将消费者的购买过程数字化，进而匹配到门店销售系统中，确保了数据源的真实性。当然，鉴于门店之于销售的意义日渐式微，我们只能感叹这些技术“晚生了10年”。

任何手工录入的数据源在很大程度上都是一些看不清来路的“炒鸡蛋”。基于业务活动自动生成的运营数据终将占据财务镜像的主流，同时也顺带解决了国内走调内控一意孤行的“控内”问题。

说到底，有了强大的数字化技术加持，流程再造才是“打碎蛋壳”的最佳利器，许多数据断点也就随之消弭于无形了。保了数据源的真实性。当然，鉴于门店之于销售的意义日渐式微，我们只能感叹这些技术“晚生了10年”。

任何手工录入的数据源在很大程度上都是一些看不清来路的“炒鸡蛋”。基于业务活动自动生成的运营数据终将占据财务镜像的主流，同时也顺带解决了国内走调内控一意孤行的“控内”问题。

说到底，有了强大的数字化技术加持，流程再造才是“打碎蛋壳”的最佳利器，许多数据断点也就随之消弭于无形了。