10月27日下午，“2016易观A10大数据应用峰会”主论坛，德勤中国数据分析业务领导合伙人朱磊受邀出席，并发表了“第四张报表—企业数字用户资产”的主题演讲，并正式对外宣布易观联手德勤发布企业第四张报表，易观大数据专家以及德勤的财务专家们成立了工作组，初步完成了企业第四张报表的框架研究，并提出“用户资产将占据更加重要的位置，成为企业第四张报表”的看法。
德勤的业务条线除了审计以外，还有业务咨询，管理咨询，覆盖专业领域的方方面面，并在全球成立了数据分析工作组，且专做大型B端企业和超大型B端企业，这些企业的最高决策机构往往最重视的就是三张报表，资产负债表、损益表和现金流量表。
随着互联网化转型，企业内部积累了大量数字用户数据。且这些数据是有渠道可以从外部获取的，但如何让管理层统一思想重视这件事情，这是朱磊思考的一个初衷。
朱磊讲到，他希望设计第四张报表，帮助这些大型B端企业和超大型B端企业从管理层角度更方便衡量数字资产的价值。从管理层角度，以管理层能够接受的语言、展现方式，让越来越多的企业认可数据是一个资产。
朱磊提到希望大家在三个方面可以做一些尝试。第一个是对标，帮助越来越多想做互联网转型、数字化转型的企业去看到在这条道路上哪些企业是做的比自己好的，首要是解决解决对标的问题。
第二个是评估，如果刚刚开始做，起步从哪里是比较好的。
第三个是借鉴，其他企业做的比较好的营销方式，哪些方式是能够借鉴的。
这是第四张报表希望能够帮到企业的目标。帮助企业从D（data）看到V（value），就是它的价值。就D而言，从企业内部来说，它的三张报表当中有类似于存货、资产、收入、利润、现金流等数据，如果他是一家纯互联网公司，前者往往不多，但是他的后面这些数据：用户、活跃度、行为这些数据是非常丰富的，这是他的内部数据。
而外部获取数据的渠道，易观就提供了一个比较好的范例，比如月活、存留量等等，单日启动次数，人均单日使用时长，进而通过这些标签能够知道用户行为特征，比如消费取向，对媒体的取向，甚至喜欢玩什么样的游戏，基础的标签信息，易观可以提供非常完整的数据生态，协助获取外部数据。
有了数据以后，通过数据建模，然后洞察。在这个过程中，通过评估每个个体的差异，并识别这些企业一些共性的特征来构建这样一个报表，并对以后所有企业都可以用。
朱磊通过演讲PPT提到， EBITDA市值模型，自由现金流市值模型，净资产市值模型，销售收入市值模型，平滑现金流市值模型，都是从传统财务数据来看的。这五个模型往往会用到一个或多个财务指标，仍然有一定的主观性。通过易观非常丰富的业务数据，则能用已有的业务数据建模。于是尝试再做了三个模型：多元现金流模型，多元现金流对数模型，面板多元现金流对数模型，全部用互联网指标，用户活跃度，年均单日启动次数，人均单日使用时长，看一下结果发现建模团队拿数据做出来的平均拟合率，最高的是平滑现金流市值模型，拟合度达到99.2%，算出来的市值和它实际市值是非常贴近的，课题组已经准备拿这个选互联网公司股票。平滑现金流市值模型则用到了自由现金流和用户活跃度这两个数据，所以后面三个模型想用互联网数据取代自由现金流，整个思路是先看传统的财务指标加一个互联网指标跟市值关系是怎么样的，拟合度怎么样，挑一个最高的自由现金流看能不能全部用互联网数据取代自由现金流，从而形成互联网数据对现金流的估算。
朱磊认为，企业数字用户的相关数据和企业的财务表现呈现非常强的正相关，财务表现也要改一改，可以和企业的股东价值呈现非常强的正相关。但是由于数字用户的数据往往来自企业的互联网业务，所以将数字用户报表化我们简称第四张报表应该引起管理层重视，不再像以前一样把数字用户数据很零散放在各个系统当中，并且应该用结构化的方式把数据的价值体现出来，并给到管理层。
简单地说，互联网数据和企业的价值有很强的相关性，希望通过第四张报表引起企业大B和超大B端企业管理层的重视。这样的课题的洞察就在于：第一，是管理位置前移，让整个企业管理层重视。第二，可以更客观的帮助企业管理层做评估。第三，风险识别，这样的管理可以使企业自身，比如审计部、风险部、合规部用这样的工具。
用朱磊的话来讲，接下来希望把第四张报表进一步结构化，运用到更多的互联网指标，这是德勤思考的一个方向。第二个方向是主题化，报表内容跟一些管理主题结合。第三个方向是行业化，把第四张报表做更多的行业挖掘和应用，这是后面工作的一些方向。
以下是朱磊演讲实录：
朱磊：首先要谢谢易观的于总给我这个机会，让我来参加这个盛会。我是德勤中国负责数据分析业务条线的合伙人，我叫朱磊。大家对德勤的了解更多的是做财务审计的，其实德勤的业务条线除了审计以外，还有业务咨询，管理咨询，覆盖专业领域的方方面面。德勤全球在八年前就制定了一个战略，在全球成立了数据分析工作组，因为我们觉得以后我们咨询行业的方方面面都会受到数据的影响和被颠覆，我负责中国区的工作。另外，德勤不做C端，我们做B端，更准确的说，德勤做大型B端企业和超大型B端企业，这些企业的特点是什么？第一，他已经上市了，他是全国运作的，甚至是全球运作的。这样的企业有一个特点，他的决策层结构非常复杂，他通常不是像创业企业有几个主要的创始人大家决策一件事情，他有非常复杂的决策结构，有董事会，董事会下面还有各类专业委员会，旁边还有监事会，这样一个结构决定了他们在做一件事情决策的时候需要思想统一。今天在座的我相信也有在大数据领域创业的企业，早上投资者说，怎么把你们的产品卖给大型的B端企业，包括政府，首先我们需要了解他的决策机制。刚刚主持人提到了，这些企业往往在他最高决策机构的桌面上摆的是什么呢？就是大家看到的三张报表，资产负债表、损益表、现金流量表。由于这些人员来自不同专业背景，但大家对这三张报表的认识是统一的。
随着互联网化转型，企业内部积累了大量数字用户数据，这些数据包括用户特征，用户交易记录，客户爱好，对你产品使用行为和所处地理位置，当然这些数据有可能在不同系统当中。另外，越来越多企业开始注意到，除了企业内部数据，我是有渠道可以从外部获取这些数据的，但如何让这些管理层统一思想重视这件事情，这是我们思考的一个初衷。
所以我们希望设计第四张报表，帮助这些大型B端企业和超大型B端企业从管理层角度更方便衡量数字资产的价值。第一，我们从管理层角度，我们不一定从技术角度，所以我们里面一定要有很多管理层能够接受的语言、展现方式，越来越多的企业认可数据是一个资产，不是说固定资产才是资产，数据也是一个资产。但是有没有一个量化的方式去看他的价值，我们希望研究这样一个方向。所以我们第四张报表希望在这三个方面去做一些尝试。
第一个是对标，我们帮助越来越多想做互联网转型、数字化转型的企业去看到他在这条道路上哪些企业是做的比他好的，比如我要做APP，比如金融行业，很多小银行都在做APP，因为他们知道以后他的业务大量的是来自于线上的，他的线下网点可能都会关掉，可能极端一点，但这是一个很大的趋势。到底在所有银行这个范畴之内，哪些银行的APP做的是比较好的，首先我们想解决对标的问题。
第二个是评估，如果我刚刚开始做起步从哪里是比较好的。
第三个是借鉴，其他企业做的比较好的营销方式，哪些方式是能够借鉴的。
这是我们第四张报表希望能够帮到企业的目标，简单说，我们希望帮助企业从D（data）看到V（value），就是它的价值。首先我们看看D，从企业内部来说，企业往往有些什么样的数据呢？传统的企业它的三张报表当中有类似于存货、资产、收入、利润、现金流等数据，如果他是一家纯互联网公司，前者往往不多，比如存货，初创互联网公司没有什么存货，收入也比较少，更重要的是拉流量，但是他的后面这些数据：用户、活跃度、行为这些数据是非常丰富的，这是他的内部数据。我们再来看外部可以获取怎样的数据，大家看一下这张图，我要特别感谢一下朱江老师，过去两个月我们成立了一个课题组，易观专家给我们介绍了这些数据，我们才发现易观有这么丰富的生态数据。有月活、存留量等等，单日启动次数，人均单日使用时长，进而通过这些标签能够知道用户行为特征，比如消费取向，对媒体的取向，甚至喜欢玩什么样的游戏，基础的标签信息，易观可以提供非常完整的数据生态，帮助我们来进行。
接下来我们用数据建模，然后洞察。在这个过程中，我们一共选了29家企业，这29家都是上市公司，除了互联网数据我还要拿到他们的财务数据，上市公司财务数据是披露的。我们分析了他连续六个区间，我们一共使用了九个数据，用了八个模型。我们先看一下选的企业覆盖面，包括金融、旅游、社交服务、综合电商等等。我们用的数据从2015年第一季度覆盖到2016年第二季度，连续六个季度。行业跨度大，有做旅游的，有做电商的，业务模式也非常多，每家企业都是集团性的公司，发展非常快，客户类型也非常多样。如何评估每个个体的差异，如何识别这些企业一些共性的特征，因为我们希望做成一张报表，这张报表我们希望以后所有企业都可以用。在建模过程中我们做了一些安排，对于第一个问题我们用了固定效应模型，第二个问题我们用了面板截面模型，我们用了一套统一的指标体系，当然，每个企业的指标权重不统一，但指标体系是统一的，有利于我们后面落到一个看得见、摸得着的报表身上。这张图我稍微花点时间讲一下，稍微复杂一点。
左边模型我们用了八个模型，EBITDA市值模型，自由现金流市值模型，净资产市值模型，销售收入市值模型，平滑现金流市值模型，都是从传统财务数据来看。上面五个模型我们往往用到一个或多个财务指标，但是我去跟一个互联网指标结合，传统做估值看市值往往就是用一些财务指标加上一些假设，比如增长率怎么样，但是这个假设有一定的主观性，有一些机构的假设是做过分析的，但仍然有一定的主观性。我们就在想，易观有非常丰富的业务数据，我能不能尽量不要用这个假设，我用一些已有的业务数据建模。于是我们又做下面这三个模型，多元现金流模型，多元现金流对数模型，面板多元现金流对数模型，全部用互联网指标，用户活跃度，年均单日启动次数，人均单日使用时长，看一下结果。这是我们建模团队拿数据做出来的平均拟合率，最高的是平滑现金流市值模型，拟合度达到99.2%，我们算出来的市值和它实际市值是非常贴近的，我们课题组准备拿这个选互联网公司股票。平滑现金流市值模型用到了自由现金流和用户活跃度这两个数据，所以后面三个模型我们想用互联网数据取代自由现金流，整个思路是我们先看传统的财务指标加一个互联网指标跟市值关系是怎么样的，拟合度怎么样，我们挑一个最高的自由现金流看我能不能全部用互联网数据取代自由现金流，从而形成互联网数据对现金流的估算。一个大型的B端企业他的利益相关方可能是他的股东，或者银行的债权方，或者是监管机构，比如银行银监会这样的监管机构，当这些人去看一个企业的时候，他认为市值是他非常能接受的价值定位。
我们看一下结果，如果我们用一个财务指标，用自由现金流它的拟合度，我们选了29家企业，我们看了不同指标的偏离情况，这家是百度的数据，这家是京东的。我们可以看到平滑现金流市值模型偏离非常小，如果全部用互联网数据做多元模型，六个季度偏离情况也是非常小的。所以我们通过两个多月时间做的测算，我们有信心得到这样的结论，企业数字用户的相关数据和企业的财务表现呈现非常强的正相关，我觉得财务表现要改一改，可以和企业的股东价值呈现非常强的正相关。但是由于数字用户的数据往往来自企业的互联网业务，所以将数字用户报表化我们简称第四张报表应该引起管理层重视，不再像以前一样把数字用户数据很零散放在各个系统当中，领导说要了你调张报表给他看，我们应该用结构化的方式把数据的价值体现出来，并给到管理层，报到董事会面前。
简单地说，互联网数据和企业的价值有很强的相关性，通过第四张报表我们希望引起企业大B和超大B端企业管理层的重视。早上有一位投资者谈到洞察，我们去研究这样一个课题到底有什么样的意义呢，它的洞察在哪里呢？我服务B端企业有二十年了，我们归了几类，一个是管理位置前移，让整个企业管理层重视往往是在董事会上讨论一些问题，我们排一个优先级，传统董事会讨论更多是基于财务数据，是业务运作的结果，往往有一段时间的滞后。如果我们能够放第四张报表，他们可以更早的关注在我业务运作数字化、互联网化过程当中有哪些问题，我能采取措施，不像以前很多事情损失已经造成了。第二，可以更好的帮助企业管理层做评估，这样的应用德勤在过去半年碰到了很多这样的诉求，很多是来自于VCP，当他们在收购一些目标企业的时候，他们会要求做数据的净值调查。比如前段时间有一个非常大的PE要收购做医药平台的公司，要求我们去看他刷单的情况，他们跟我们说，我们知道他肯定有刷单，但我们必须要知道他刷单的量有多少，我们最后算出来这个量蛮高的。后来和管理层说你要采取措施，把这些问题解决，他对这个项目还是有兴趣的。所以我们可以帮助利益相关方，通过这些互联网数据，我特别强调的是，易观可以提供锻炼的互联网数据，而不是企业自身提供，因为他自身提供的会有问题，帮我的利益相关方做价值评估。第三，风险识别，如果你的互联网数据表现特征和财务表现特征不一致，我有理由怀疑你的财务数据造假，这样的管理可以使企业自身，比如审计部、风险部、合规部用这样的工具。
所以这样一个模型，或者这样一套报表，在企业的日常管理中有很多的应用场景。
今天我也请了很多朋友过来，包括我请了监管的银监会的同事领导过来听一下，我也在想以后像这样的报表能不能用在银行行业，我觉得是比较乐观的。
所以我想通过这样一个课题初步向大家传达一个信息，在高质量D的背后可以让管理层非常清晰的看到这个价值的，帮助企业的成长。我们这个课题大概也就做了两个多月的时间，我们用到的互联网数据只是一小部分，可能只是易观海量数据的沧海一粟，我们还有很多路可以走，方向上有这些思考，和大家汇报一下。我们希望把第四张报表进一步结构化，运用到更多的互联网指标，我们能不能把一些互联网指标也跟财务报表资产类、损益类、现金流这些类别做匹配，这是我们思考的一个方向。第二个方向是主题化，从上午到现在大家都在讲，大B企业管理层听不大懂技术术语的，我是从计算机出身的，但我服务B端企业大概二十年了，有时候和董事会讲技术术语他们听不懂，他们希望听管理术语，风险怎么控制，怎么更精确拿到我要的客户。所以我想以后我们把报表内容跟一些管理主题结合。第三个方向是行业化，B端企业各个行业差异性非常大，同样的一个引流，各个行业对它的理解、期望是完全不一样的，我们希望在后期，比如在银行，在餐饮，在零售，把我们的第四张报表做更多的行业挖掘和应用，这是我们后面工作的一些方向。
也跟大家披露一下，今天早上于总说我们先设定一个小目标，先框10万个B端用户群来服务他们，我们德勤考虑也在我们三万个中国用户当中挑一些客户，我们可以在他们董事会开会的时候就摆一张第四张报表，摆在他们的桌面上，帮助他们认识这个报表的价值，因为模型已经有了，还可以做深化。我想我们也做一些贡献。以上是今天我跟大家做的一个分享，也非常欢迎大家之后一起做一些进一步的探讨，谢谢大家！