財務分析的探討與運用(二)
財務分析應用層面其實很廣，實務上財務分析不會只是歷史數字分析，而是將非量化資訊轉變成量化資訊，成為預測分析，正因為將非量化資訊轉換成量化資訊一定會有偏差或誤判，所以任何預測應該架構在敏感性分析，即所謂最樂觀、最悲觀及中間值的預測，讓使用者可以較客觀預期未來性。
就企業而言，財務分析除了會計報表數字分析、現金流量分析、及財務比率分析外，尚可應用在很多方面：
產業分析：企業在分析數字時，一定要先分析目前產業發展情況。產業分析其實包含歷史與未來分析。從財報數字了解現在及過去公司在產業的地位及產業發展情況，而產業未來預期則架構在現在基礎上，據以作為未來預期的需求預測，例如半導體業最著名的B/B值，即出貨金額與接單金額比，若大於1，預期景氣樂觀，反之則悲觀。依據總體經經濟及全世界各國狀況先行分析，包含政治、國家風險、產品需求與供給、競爭因素等，量化成數據，並預估成長率，形成基本產業預測，其本質是財務分析的展延。
策略分析及財務預測：依據歷史性財務分析數字及未來產業狀況，形成財務預測，有了預期數字，跟著形成企業策略，該經營策略同時決定公司未來產品政策、存貨管理、營運資金、決定剩餘現金及投資、融資、增資等資本策略等，這些預期策略將透過財務分析比率轉換成整體預期財務報表數字。因為預測是架構在主觀預期下，追求最客觀之數字，所以有些公司為追求較精準數字，選擇滾動式預算及預測，即每月或每周隨時調整財務預測數字。
投資評估分析與公司理財：投資評估是架構在公司可運用之自由現金，並決定是否利用舉債、增資增加現金之資本策略，公司可在策略上決定希望的報酬率及因生產決定需要的固定資產投資、有價證券或子公司投資等，規劃所需的最適資產及資本組合。投資評估所用之NPV、IRR、未來現金流量預期，也是建立於預期未來現金流量，該基礎除銷售量、價格及預期報酬率自行評估外，包含成本、費用等數字多為透過過去財務分析比率數字反推並調整，亦是財務分析的應用。
客戶徵信分析:客戶應收帳款之徵信對企業而言是非常重要的，但企業礙於成本只能以非常簡易方式評估客戶信用。其實企業可學習銀行對客戶做簡單的評分原則，將客戶依據產業發展情形、財報經會計師查核或自編、透過銀行徵信照會及財務分析數字列出評分高低，決定客戶付款條件、天期、提供擔保品或透過保險等方式減低客戶倒帳風險，大幅降低呆帳損失，這是財務分析的進階應用。
部門或子公司績效分析：根據財務報表數字，公司將分攤之部門別或子公司之成本及收入，分別計算可評估績效之財務比率，例如銷售成長率、營業利潤率貢獻度等，決定該部門、子公司乃至個別員工之績效，據以決定應得之獎勵及檢討改進之事項；行銷部門可藉由產品屬性，分析銷售產品價差、量差的利潤貢獻度，決定最佳產品策略；工廠可藉由產品屬性，分析生產產品與標準成本之價差、量差，決定最適生產策略；作業部門可藉由作業程序及成本，透過成本分攤方式，決定最低成本、最高效率之作業方式；這些皆是財務分析更深入的應用及展延。
產品別與客戶貢獻分析：與上述相同，收入可依客戶或產品的實際訂單及發票真實呈現並歸類給個別產品或客戶，再加上成本及費用合理的分攤方式，分別計算出 產品別與客戶貢獻分析，讓公司制定最佳經營策略；甚至也可應用在研發產品上。至於成本及費用合理的分攤方式，必須使用到財務分析之數字及概念。
併購策略分析與企業評價模式：併購之決策，考量因素之一為企業之價值，企業價值之計算依據評價準則公報第四號，有收益法、市場法、資產法。收益法係以未來利益流量為評估基礎，透過資本化或折現過程，將未來利益流量轉換為標的價值，未來利益流量係依據歷史財務資訊調整而成，包含財務比率的應用。
上述資料之分析，需有ERP作業系統及資料庫系統幫忙擷取相關資料再加以整理歸納分析，過去考量成本效益原則，很多企業，尤其中小企業考量成本，無法完成深入而專業之分析策略。然而隨著高度電腦化、軟體應用及工業4.0時代來臨，企業在努力轉型結構之餘，可以善用深入的財務分析決定策略，藉此大幅提升企業競爭力。至於整合內容深入探討，稍後再論。
所以就企業而言，績效分析、投資分析、預算趨勢分析、客戶貢獻度分析、產品貢獻度或研發績效等，將決定公司經營策略及未來的發展，財務分析運用越廣，對公司的貢獻度越大。
另外順帶一提，財務分析亦可運用在國家管理策略上，除產業發展之研究外，其實行政院主計處之統計資料挺令人驚豔的，很多分析者經常要應用該處資料，因為資料相當豐富，而這豐富資料是能讓分析結果非常深入的。例如近來的民生物價通貨膨脹，政府總是拿 CPI 指數來說服人民沒有物價通貨膨脹，卻刻意忽略吃的東西明明上漲很多，從其統計資料應可探討究竟是短期原物料上漲因素？還是薪資成長?或是不合理租金上漲等其他因素?從任一因素背後形成原因再去深入探討，將可讓政府依此造成之原因制定改善策略，這就是財務分析最後宗旨，可惜一般民眾不瞭解財務分析深入的用處，督促政府使用，也可惜了那些辛苦得來的資料。
