1703616090
1703616091
服务业
1703616092
1703616093
从宏观逻辑上看，在商品消费普及基本结束的背景下，体验消费与服务消费的占比将持续提升，这也符合宏观经济意义上人均GDP达到一定水平后的居民消费倾向的特征。同时，商品与服务的融合也越来越普遍，对于消费者的认知来说，“服务即产品，产品即广告”。在当前的宏观经济背景与中产阶层占比快速提升的条件下，服务业的发展空间仍非常大。
1703616094
1703616095
从产业逻辑上看，马斯洛需求层次理论认为，在生理需求、安全需求等生存需求满足后，社交、尊重、爱等归属需求以及自我实现的心灵需求就会大幅增加。所以，服务业最重要的是站在用户的角度，建立更好的体验、口碑，以及由此递进的用户黏性，提升消费者在功能需求、体验满足、情感共鸣与文化认同上的总效用。
1703616096
1703616097
顺着上述两个逻辑，研究服务业企业的业务与财务，有一些重要的维度：
1703616098
1703616099
◎ 用户数量及其变化。这是一切的基础，尤其要研究可以产生交易或付费的用户数量。 ◎ 用户的续单率（对应的流失率）与ARPU（每用户平均收入）值。这是对口碑与体验最好的数据验证。 ◎ 获得新客户的边际成本与边际利润。一家企业通过品牌、传播、广告获取新客户的能力非常重要，获取新客户是否有边际利润。比如，客户推荐率指标就是非常好的数据，净推荐值（Net Promoter Score, NPS）＝（推荐者数／总样本数）×100%-（贬损者数／总样本数）×100%。消费品也适合这个思路，对于优秀的产品或服务，老客户是最好的传播者。 ◎ 客户的学习成本是否够低，转换成本是否较高。客户更容易进来，而且不容易离开。 当然，服务业是一个非常宽泛的概念，既包含传统的服务业，也包含基于互联网基础设施的各种信息服务业，但背后的核心逻辑原理是相似的，理解与研究的框架完全可以打通。但传统服务业与有互联网属性的新兴服务业在用户、流量或销售额、现金流、净利润等业务与财务数据的发展路径上有显著差别。传统服务业更接近于时间与空间上的线性增长，而有互联网属性的新兴服务业更表现出某种指数级增长的特征，以及由此导致的赢者通吃的行业格局，即极少数公司占据大部分市场份额。
1703616100
1703616101
制造业
1703616102
1703616103
从宏观逻辑看，制造业（包括广义的硬件）有以下几个要点：
1703616104
1703616105
◎ 中国制造业的总体能力仍较难被其他经济体所替代。经过过去20多年的积累，中国制造业全产业综合配套能力在全球仍有较强的竞争力，甚至这种竞争力还会进一步提高。 ◎ 尽管中国的整体人口红利在逐渐消失，但工程师、高素质劳动者的人力资源红利仍可能维持较长时间。 ◎ 中国有着非常庞大的本土市场作为很好的试验场，对于很多企业来说，其试错的成本就远比其他经济体低得多。 ◎ 由于发达国家总体经济较为低迷，一些制造业企业的财务状况较差，这给中国的领导型企业带来了难得的全球化机会。 这几个因素给我国的制造业升级提供了较为有利的条件，但可能只有少数非常优秀的企业在这些方面能把握住机会。
1703616106
1703616107
从产业逻辑看，传统制造业的核心逻辑是产品与流程的标准化与规模化，从而达成在时间与空间上的自我复制能力。20世纪后期，以日本企业为代表的精益生产充分体现了这个逻辑，这个逻辑在现在的中国还会适用一段时间，我国的白电行业也充分说明了这个逻辑。
1703616108
1703616109
另外，在计算技术、大数据与云计算飞速发展的现在与未来，过去难以规模化的非标准产品也可以在相当程度上实现全流程的数字化改造，并可能实现个性化量产。这在一些细分行业，如定制家具、制衣等原先非常难以实现行业集中度的行业，已经开始出现，以突破非标品“规模是敌人”的可能。当然这个过程的摸索过程会较长，研发的前期沉没成本会较高，难度也远远高于标准品的产能复制规模化，但成功以后的壁垒也会更高。因此，这方面的研究在长期战略上要重视，在投资时间上要严谨、有耐心。
1703616110
1703616111
从业务逻辑与财务逻辑看，无论是产能复制式还是个性化量产式，制造业有两个因素非常重要：
1703616112
1703616113
◎ 广义产能规模（财务逻辑上包含固定资产、无形资产、商誉等因素，业务逻辑上包含制造、研发、营销等一线人员的数量）的扩张是否带来正的边际利润。好的扩张还会带来边际利润率不断上升，从而有能力提升公司总体的资本回报率水平。 ◎ 规模扩张是否能带来长期竞争力的显著提升。比如，对有壁垒的核心技术的掌握，终端的规模在品牌上的持续积累，并因为品牌导致的产品溢价与份额提升。总结起来就是，在空间上形成规模与成本优势，在时间上积累品牌溢价。 TMT行业
1703616114
1703616115
从宏观逻辑看，技术进步是经济长期增长潜力最为重要的因素之一。过去几十年，TMT行业集中了人类历史上最大规模的技术进步与商业模式创新，也是全球过去几十年最为重要的增长动力。科技革命，尤其是过去20多年的互联网革命，完全重构了全球经济格局、产业演进和人类生活方式。
1703616116
1703616117
但从另外的角度看，也许技术进步的速度已经超过了宏观总需求的增速，再加上创造性破坏的特征，在过去10年显示出经济总量低增长与低就业的效应。科技革命加上现代金融技术与资本的力量，又使得初次分配更容易集中到技术精英与资本（股东）身上，普通劳动者的所得报酬并没有显著提高，全球包括发达国家的贫富分化继续加剧，也许这也是2008年金融危机的深层原因之一。就像《人类简史》中论及的，普通民众，无论作为劳动者（更可能被机器与数据替代，机器生产率的提升空间可能大于人），还是作为消费者（报酬提升很少，消费弹性降低），其经济价值可能仍将持续贬损。
1703616118
1703616119
从产业逻辑看，TMT的技术演进路径、技术成果的商用普及，以及由此带来商业模式的创新路径尤为重要。技术与商业模式的领导者将由于“报酬递增原理”，其领先优势与市场份额在相当长的时间里持续扩大，行业集中度迅速提高。无论是硬件，还是软件、服务，都显示出这个特征，比如芯片、显示、存储、应用软件、流量平台、社交网络等各个细分行业都是如此。所以，在同一个细分行业，不同公司的命运可谓天壤之别，产业的中观研究尤为关键。
1703616120
1703616121
站在现在时点看，智能手机的普及与流量红利基本上结束，新的技术进步需要跨越到下一个S形曲线。大级别的技术创新可能需要较长时间的探索，大数据、云计算、下一代智能终端的形态（AI、AR/VR，难以形成几亿元量级的标准化大单品，更可能的是硬件、软件、内容、服务的融合）与前20年的发展逻辑相比，又将有新的变化。
1703616122
1703616123
从企业的业务逻辑看，TMT行业的技术路径选择错误的成本非常高，错误的选择会是灭顶之灾。经典商业畅销书《追求卓越》中所提案例的一些“伟大企业”，现在不是在惨淡经营就是已经不复存在。主流技术的领先性所主导形成的全产业链研究尤为重要。
1703616124
1703616125
从财务逻辑看，技术导向型的企业，其收入、利润、现金流的变化，不像传统制造业那样呈线性变化。对于技术研发型的企业来说，最先增加的可能是技术人员与研发费用，然后才是收入，净利润与现金流更为滞后。对于商业模式创新的服务型企业来说，最新体现的可能是流量与用户，然后是收入的增长，最后是净利润与正的现金流。
1703616126
1703616127
对上述四类行业的分析，区分并不严格，这些粗线条的大逻辑只是简单说明了一些重要的共性与规律。很多产业本身可能具备多个特征，当然这些特征会有显著的主次关系，对于具体的细分行业还要做更为深入的分析，并形成严谨的逻辑框架。另外，在目前的经济与产业背景下，跨学科、融会贯通的研究越来越重要。
1703616128
1703616129
研究的三个环节：归纳、演绎、实证
1703616130
1703616131
研究或认识一个问题包含三个环节，即归纳、演绎、实证。三者之间是互相促进、相互验证的过程。
1703616132
1703616133
第一，归纳。我们要把碎片化的信息进行格式化，先解构再重构。按照矛盾的主次关系，我们要知道哪个是最重要的，把次要的先放一边。归纳的过程中，我们不仅是信息的传递者，更是信息的整合者，要搞清楚问题的逻辑关系与主要矛盾。
1703616134
1703616135
第二，演绎。在归纳的基础上提出最有可能的几种假设，就像研究科学史，整个科学史就是一个假设演绎法的推演过程。我们对过去的信息、理论进行归纳后，提出几个最有可能的假设，再通过实证研究进行验证。演绎需要一种有逻辑的、突破线性框架的创造性思维，提出假设的过程中需要一定的理性想象力。没有想象力的话，过去的互联网公司都没法投资了。
1703616136
1703616137
第三，实证。科学家在研究自然科学时需要做实验去验证假设与推理。100年前爱因斯坦提出引力波猜想时他自己都怀疑，然后全球最著名的一批科学家花了100年最终证明了引力波的存在。实证研究的结果，有时候可能会彻底否定之前的几个假设，却获得了新的答案。在实证的过程中还可以启发更多新的思维，这是实证研究意外的收获。在找桃子的过程中可能找到了苹果，这也很好。在研究A问题的时候，有时候会获得研究B问题的思路。
1703616138
1703616139
当然对做博弈的投资人来说，他们可能只做了归纳与推理，或者在逻辑和推理上可能比别人稍早一步、更强一些，他也能赚到智力优势的钱，但很难持续获得成功，过程也会比较复杂。但对基本面研究来说，我们要努力把这三个环节都做好。我们要做的是把通常60%确定性的理解提升到90%以上，事实上60%确定性的判断几乎是没有决策价值的。
[
上一页 ]
[ :1.70361609e+09 ]
[
下一页 ]