作为一个在注会行业摸爬滚打多年的“老会计”,每天和数字打交道,就像厨师和食材、医生和病历一样,是一种宿命般的纠缠,在这些数字中,最简单、最基础,却也是最容易被误用、最具有欺骗性的,莫过于“算术平均数”。
我想抛开教科书上那些冷冰冰的定义,和大家像老朋友一样,聊聊这个我们在财务报表里、在审计底稿中、甚至在生活琐碎里都会遇到的“老朋友”,为什么说它既是我们的工具,又是我们的陷阱?为什么我们常常觉得自己“被平均”了?
审计师的“第一直觉”:为什么我们离不开算术平均数?
在注会考试《审计》或者《财务成本管理》的教材里,算术平均数往往作为描述数据集中趋势的首要指标出现,但在实际工作中,我们对它的感情很复杂。
想象一下,你正在审计一家大型连锁零售企业的存货管理,这家公司在全国有一千家门店,如果你要评估每家门店的平均库存周转率,你会怎么做?你不可能把一千家门店的明细账一笔笔翻完,你需要一个基准。
这时候,算术平均数就出场了,我们会把所有门店的周转率加起来,除以一千,得出的这个数字,就是我们的“锚”。
具体的生活实例:
记得我刚开始做项目经理那会儿,去一家制造企业盘点,当时我们要核对原材料的耗用率,车间主任信誓旦旦地说:“我们的生产非常稳定,平均每生产一个产品,消耗钢材1.5公斤。”
我作为一个初出茅庐的审计师,看着这完美的“1.5公斤”,心里直犯嘀咕,真的这么稳定吗?于是我抽了最近五十批次的生产记录,一算算术平均数,确实是1.5001公斤,看起来没问题。
当我把这五十个数据画在图上时,我发现了问题:有的批次用了1.2公斤,有的用了1.8公斤,虽然平均下来是1.5,但波动极大,这说明什么?说明工艺控制极其不稳定,只是高损耗和低损耗刚好抵消了。
这就是算术平均数在审计中的第一个“坑”:它掩盖了波动性,在财务报表分析中,如果一个公司的各项费用比率、毛利率长期维持在行业“算术平均数”水平,这有时候不是好事,反而可能意味着管理层在进行“盈余管理”,故意把报表做得平平无奇,以此来隐藏某些巨大的异常波动。
个人观点:
在我看来,算术平均数就像是审计师的一杯“温吞水”,它能解渴,能提供最基础的信息,但如果你只喝它,是尝不出生活的酸甜苦辣的,在审计工作中,如果只看平均数,我们就会变成“盲人摸象”,摸到了象尾巴,就以为大象是一条绳子,过分依赖平均数,是专业判断力匮乏的表现。
“我和马云平均一下”的痛:被忽视的极端值
说到算术平均数,最经典的段子莫过于:“我和马云的资产加起来,平均一下能吓死人。”这虽然是个笑话,但在财务分析中,这种由极端值导致的“失真”,每天都在上演。
在统计学里,这叫“偏态”,在会计里,这叫“被少数大户绑架”。
具体的生活实例:
举个我审计过的某互联网公司的例子,那一年,该公司宣称其“人均单客贡献值”(ARPU)大幅增长,从去年的50元涨到了今年的80元,增长了60%,管理层在财报里洋洋洒洒写了三页纸,吹嘘用户粘性增强、付费意愿提升。
作为审计师,我们不能只看这个漂亮的“80元”,我们要穿透到底层数据,当我们把所有用户的付费金额拉出来,算出算术平均数确实是80元,当我们看中位数(把所有人按金额排序,取中间那个人)时,发现只有15元。
为什么差距这么大?因为那年他们推出了一个至尊VIP服务,有几个超级富豪(或者说是为了冲榜的公会)每人充值了几百万,这几个极端的极大值,硬生生把算术平均数拉高了。
对于那99.9%的普通用户来说,他们的体验并没有提升,甚至因为资源倾斜给了大客户而感到被冷落,但“算术平均数”这个冷酷的数字,却帮管理层编织了一个美丽的谎言。
个人观点:
这就是我为什么经常对初入行的助手说:“当你看到算术平均数时,第一反应必须是去求中位数。”
如果算术平均数远大于中位数,说明数据存在右偏(被大户拉高);如果算术平均数远小于中位数,说明数据存在左偏(可能存在大量小额亏损或坏账),在分析企业财务状况时,剔除极端值后的“修正算术平均数”,往往比原始的平均数更有参考价值,生活也是一样,不要被朋友圈里那些“平均年薪百万”的文章焦虑到,那是被极端值拉高的幻觉,看看你身边大多数人的收入(中位数),那才是真实的世界。
投资中的“回撤陷阱”:算术平均数骗了你多少钱?
作为注会,我们不仅帮别人看报表,自己也得投资理财,这时候,算术平均数又变成了一个极其危险的指标,尤其是在计算收益率的时候。
很多人在计算自己的年化回报率时,会简单地使用算术平均数,比如第一年赚50%,第二年亏50%,他会觉得:(50% + (-50%)) / 2 = 0%,哎呀,不赚不赔,白忙活两年。
大错特错!
具体的生活实例:
假设你有100万元本金。 第一年赚50%,资产变成150万元。 第二年亏50%,资产变成75万元。
两年下来,你其实亏了25%!
这时候,算术平均数告诉你回报率是0%,而几何平均数(考虑复利后的真实增长率)告诉你,你的年化回报率大约是 -13.4%,这中间的差距,足以让你从“及格线”掉到“淘汰区”。
我在给一些高净值客户做理财咨询时,经常遇到这个问题,客户拿着一张历史业绩表,指着过去五年的平均收益率说:“你们这个产品平均每年赚20%,很不错啊。”
我会耐心地解释:“亲,这是算术平均数,如果第一年跌了50%,后面四年哪怕每年都涨30%,算术平均数可能很高,但您的本金可能还没回本呢。”在波动巨大的金融市场上,算术平均数往往虚高了风险调整后的收益,它掩盖了“复利”的力量,也掩盖了“亏损”的不可逆性。
个人观点:
在涉及资金增长和积累的领域,算术平均数简直就是“甜蜜的毒药”,它利用了人们对线性增长的直觉误解,构建了一个不存在的乌托邦,作为一个专业的财务人士,我认为有义务在这个问题上“死磕”,永远不要用算术平均数来衡量跨周期的投资表现,几何平均数才是唯一的真理,这就好比人生,一步踏空(比如健康出大问题),后面再怎么努力(高增长),也很难回到原本的“平均”水平了。
财务报表里的“完美平均”:是平庸还是造假?
在审计实务中,我们还会遇到一种奇怪的现象:数据太“平均”了。
如果一家公司的存货周转天数、应收账款回收天数,每个月都极其稳定,甚至全年的算术平均数和每个月的数据几乎一模一样,你会怎么想?
具体的生活实例:
我曾经审计过一家做出口贸易的企业,在抽取凭证测试时,我发现了一个令人毛骨悚然的现象:该公司过去12个月的毛利率,分别是12.1%、12.0%、12.1%、12.0%……几乎就在12%上下波动0.1%。
从算术平均数的角度看,这家公司经营太稳定了,简直是模范企业,常识告诉我们,原材料价格在波动,汇率在波动,运费在波动,怎么可能每个月的毛利率如此“平均”?
经过深入盘点和函证,我们最终发现,这家公司为了完成银行的融资指标,在人为调节收入确认的时点,并且通过预提费用、暂估成本等方式,强行把每个月的利润“熨平”了,他们制造了一个完美的“算术平均数”,以此来掩盖业绩大幅下滑的事实。
这就是著名的“盈余平滑”手段,而算术平均数,往往被用来作为这种平滑操作的遮羞布。
个人观点:
在这个世界上,过度的完美就是最大的缺陷,在财务数据中,如果一个指标的算术平均数代表性极强(即标准差极小),这往往不是自然的恩赐,而是人工的雕琢,作为审计师,我们要警惕那些“看起来很美”的平均数,因为在那平滑的曲线下面,可能藏着巨大的窟窿,真实的生活和真实的商业一样,都是充满噪音和杂质的,太干净的平均数,反而显得肮脏。
跳出数字的牢笼:不要做那个“平均”的人
写到这里,我想从技术层面跳出来,谈谈作为一名注会行业从业者,对“平均”这个词的哲学感悟。
在职业生涯的早期,我们总是追求“达标”,CPA六门课,60分万岁,工作中,只要能达到平均工时,达到平均考核分,就觉得安全了,算术平均数给了我们一种心理上的舒适区——只要我不掉队,只要我在平均水平之上,我就安全。
随着年资的增长,我发现这个逻辑是致命的。
具体的生活实例:
看看我们现在的行业环境,随着AI技术的发展,基础的记账、核算、甚至一部分审计程序,都在被自动化,如果你是一个技能点处于“算术平均数”水平的会计——你会做分录,会出报告,懂一点税法——那么你正处在最危险的位置。
为什么?因为AI就是那个“超级算术平均数”的集合体,它掌握了人类所有知识的平均值,而且算得比你快、比你准。
如果你只是追求“平均”,你随时可以被替代,真正能在这个行业立足的,是那些能处理“异常值”的人,是那些在复杂的并购重组中能发现法律漏洞的人,是那些在税务筹划中能想出奇招的人,是那些在舞弊审计中能敏锐嗅到人性贪婪气味的人,这些都不是“平均”技能,这是“极端”的专长。
个人观点:
算术平均数在数学上是完美的,但在人生战略上是平庸的。
在职业规划上,我建议大家“远离算术平均数”,不要试图什么都懂一点(平均),而要在某个细分领域做到极致(偏态),在这个赢家通吃的时代,被平均意味着被忽略,要么做到顶尖,要么做到无可替代,中间的那个“平均数”地带,是内卷最严重、生存最艰难的“红海”。
看透平均,拥抱真实
算术平均数,这个我们在小学三年级就学会的概念,其实蕴含着深刻的商业逻辑和人生哲理。
在财务报表中,它是分析性程序的起点,但也可能是管理层粉饰太平的工具;在投资理财中,它可能是虚幻的繁荣,掩盖了真实的亏损;在生活中,它是焦虑的来源,让我们误以为自己落后于时代。
作为一个专业的注会写作者,我希望大家在下次看到“平均工资”、“平均回报率”、“平均增长率”时,能多停留一秒,多问几个问题:
- 这个平均数背后,有没有极端的富豪或亏损大户?
- 这个平均数是波动的,还是被人为熨平的?
- 我要的是算术平均数的幻觉,还是几何平均数的真实?
生活不是一道简单的算术题,不能简单地除以二取中间值。 我们要做的,是看清那个被平均数掩盖的、参差多态的真实世界,并在其中找到那个不平均、但独一无二的自己。




还没有评论,来说两句吧...