有些管理者只要一谈到ROI分析这个话题，就会又恨又怕。如果你打算投资某个项目或采购某种设备，在做决定之前，好好地做一下ROI分析是很有必要的。但是，很少有人真正懂得如何使用这个工具，或者是到哪儿去找“正确”的数据。ROI分析能给我们带来许多好处，可惜其中有不少是无法用钱来衡量的。而且，要达到公司定下的回报率通常很难。
话说回来，有谁真正相信ROI分析呢?如果这个分析是其他公司拿出来的，人们总会觉得他们肯定在其中做了手脚，把数据调得让人满意，这样才好卖他们的产品或服务。而如果这个分析是公司内部做的，那它也只不过是用来证明分析者事先已经得出的结论而已。每个人都有一套方法来保证自己不喜欢的项目通不过回报测试，而他们喜欢的项目似乎都能给企业带来巨大的生产力回报。所以，没人真正相信ROI分析也就不足为奇了。
并没有你想象的那么难
但是，在这种种问题的背后，隐藏的却是一个极为有用的管理工具。如果使用得当，ROI分析的确能够发挥其本来的作用把公司的投资引向回报价值最高的地方。要想做出一个既有用又可靠的ROI分析，首先必须有开阔的思路、精确的数据和合理的假设。ROI分析的目的就是要把分析出来的投资回报结果作为投资决策过程中的一个主要考虑因素，而不是在已经做出决策后，才用它来为这个“既成事实”做辩护。
如果用心去学，ROI分析并不像开始时看起来那么难，那么让人充满挫败感。重要的是在选定解决方案之前，先把ROI分析结果看成是确定投资机会的流程的一部分。为此，你需要寻找那些一旦企业能抓住或解决，就可以获得巨额利润的机会和问题;把解决方案放到它们能够在其中获得最佳效益的领域去做评估;找到正确的解决方案之后，尽量简化需要做的调整。事先了解投资机会的价值有助于企业设定相关参数，这些参数决定了企业愿意在该解决方案上投入多少，此外，还会让企业优先考虑这一投资机会。
你必须把真实的成本输入到ROI分析中，并且只考虑那些有可能获得的收益。不要妄想通过降低成本或修改收益数据来让方案变得可行。不过，如果你如实去做，有些项目或投资计划会通不过ROI测试，而且也不应该通过。
有了这些打基础，你就能够做出既有用又可靠的ROI分析了。以下五项原则可以帮你减少不必要的工作，避开最常见的错误和那些会毁了ROI分析结果的陷阱。
输入数据：确保精确可信
ROI分析的范围相当广泛，它可以是最简单的“填空”表，也可以是相互之间有着复杂联系、需要计算数百次的`电子表格。ROI分析模型的详细程度取决于ROI结果的受众、投资的规模和方案的复杂性。
无论如何，在任何情况下都不能抱着走捷径的侥幸心理，也不能把模型过度简化，尤其是在建模的初期阶段。如果你的数据和计算结果受到质疑，前面偷懒所省下的时间连同你的信誉就都没了，因为你必须在事后花时间改进和强化你的分析。通常，你要确保ROI模型的详细程度足以应付某些问题，比如有关成本的数据是怎么拿到的，还有收益是怎么计算的。显而易见，为投资10,000美元买电脑硬件的决定做ROI分析和为一项耗资数十亿美元、历时10年的外包协议做ROI分析，其详细程度当然不可同日而语。同样，ROI分析的精确度完全取决于用于分析的数据。可疑的数据自然会产生可疑的结果。因此，最重要的就是准确计算企业的收益(这一点在第二个原则中会有详细阐述)。这些收益就是方案真正的价值所在，而它们的精确度决定了ROI分析结果的可信度。在估算成本的时候，尽量从各个方面来考虑可能发生的成本：实施和运作该方案所需要耗费的成本，以及由可能产生的“副作用”所造成的成本例如，对于新方案，员工需要有一个过渡适应阶段，而这期间的企业生产力可能因此有所下降。要令ROI分析的结果实现最大的可信度，就不能低估成本，相反，甚至需要适度高估成本。如果实际成本低于你的估算，只会让投资的最终回报变得更好。如果因为额外的成本负担导致项目失败，那么无论如何这个方案都是一文不值的。
只要有可能，尽量使用实际数据，避免那些估算或假设的数据。例如，在计算一个测试解决方案的价值时，你应该使用本公司的有关软件缺陷率的历史数据，而不要用行业平均缺陷率。不过，如果研究资料的来源可靠、数据可信度高，而且确实能当即用来解决手头的项目问题，那么来自分析师的行业研究报告和数据将会有很大的用武之地。
当有需要为ROI分析做一些假设时，不同的假设基础将会使结果的可信度大不相同。不要“代表”别人做假设。让那些实际负责的人来提供数据。如果某人负责使用某一解决方案来培训100名销售人员，就让这个人亲自估算这个方案的实施成本。同样，如果新方案是要改进装配线的生产率，那就不要使用方案提供商所谓的10%的“行业”估计值，而应让装配线的主管或工人来估计改进后可能提高的生产率百分比。从实际负责人那里收集数据作为假设的基础，有利于提高方案使用者对方案的支持度和投入度，当方案真正落实实施的时候，就更容易达到预期的效果。
另一个真实数据的优质来源是试点项目，它同时也是测试假设准确性的一种很好的方法。先确定最重要的衡量标准，然后再启动试点项目，而在项目实施过程中所搜集的数据则是它的“副产品”。通过试点项目所搜集到的数据的可信度特别高，因为它们都是由公司的员工亲自实施提议的方案所得到的。
分析收益：从全局出发
对于ROI分析的应用，最大的不满是寻找和量化收益的难度。有些收益，比如提升士气和提高顾客满意度，听起来很不错，但是在绝大多数情况下都很难用财务术语对其进行量化。到目前为止，最容易量化的收益就是降低的成本，很多ROI分析都落入这一窠臼，完全依赖这一部分的收益来计算它们的投资回报。尽管降低成本是一种非常有效和有价值的收益，但是过度依赖于这种单一的收益会使企业错失一些更大的、可能更有价值的收益，还可能使企业混淆了重点，把精力浪费在解决其他非关键的问题上。举例来说，假设某家企业有10名销售代表，平均每人的薪水、佣金和费用是每年10万美元，那么总共每年在这些人身上就需要花去100万美元。每位销售代表都能带来100万美元的营业收入，那么年总收入就是1,000万美元(企业总收益)。或者说，减去付给销售人员的费用之后，企业的经营收入有900万美元(净利润)。如果我们需要一种“神奇的”销售工具来帮助提高10%的收益，有两条路可以选：通过改进来降低成本(少投入多收益)或在原有的基础上通过提升销售能力来增加销售收入。如果我们把销售代表减少到9个人，那就能每年节省10万美元，而销售收入保持1,000万美元不变，这样，净利润就增加到910万美元。
相反，我们也可以仍旧保留10名销售代表，运用增加的销售能力来有效地创造出一个新的“虚拟的”销售代表。如果选择这种做法，薪水支出保持100万美元不变，但是我们能够把销售收入提升到每年1,100万美元，这样我们企业的净利润就达到了1,000万美元。很明显，对企业来说，第二种做法要比第一种更好。
这个例子说明了从总体去分析收益而不是单纯追求降低成本对企业的重要性。归根结底，所有的财务收益都来自两个方面，或者是降低成本，或者是增加收入。但是，有六大领域可供企业从中找出可量化的收益，它们是：增加销售额(增加收入)、提高生产力(增加收入，降低成本)、降低运营成本(降低成本)、提高顾客满意度(增加收入，有可能降低成本)、提高安全性(降低成本)和增强竞争力(增加收入)。许多潜在的投资都包含这些收益，只不过不同类型的收益所占比例不同而已。为了评估哪些收益对你的ROI分析有帮助，你需要考虑它们的下列特点。
实质：这种收益是不是有形的，能否量化?例如，收入增加10%就是一种有形的收益。相反，提高员工的满意度虽然可能从长期来讲对企业有利，但它是无形的，因为它难以衡量，更难以和金钱挂钩。
潜力：如果能够完全实现这一收益，它能有多大呢?在前面的例子当中，企业有可能节省下来的成本是10万美元，而有可能增加的收入则是100万美元。
确定性：企业得到这一收益的可能性有多大呢?如果原有的电话服务的成本是每年20万美元，而另一种同样的服务不但成本只是前者的一半，还保证极有可能赚到10万美元的收入，那当然是选择后者取代前者。通过提高10%的销售能力，应该能使总收入增加10%，但是这个结果是没有任何保障的，因此这类收益的确定性也就被降低了。
受益人：谁真正受惠于这些收益?是项目的发起人?还是公司的顾客?不同的受益人对于收益的看法都非常不一样。一个好的ROI分析会把重点集中在那些对项目发起人进行财务分析非常重要的收益上面，但也会考虑捎带“照顾”项目中其他相关人员的收益。比如，在前面的例子当中，项目的发起人是销售副总监，他会要求把销售收入提高10%。而销售人员也会积极支持配合，因为这个“神奇的”方案不但能帮助他们减少烦人的文书工作，还能帮他们赚到更多的佣金。确保项目中所有相关人员都能明确知道自己能从该项目中获得什么收益，是保证项目得到充分支持的一个重要方法。在ROI的财务计算中应该使用有形的、最能够量化的收益，但是那些无形的、涉及到除发起人之外的其他项目相关人员的收益也要考虑进去。
运用表格：直观显示信息
如果你有充足、可信的数据，战斗就已经赢了一半了。不要因为想在分析中偷工减料而浪费了这些数据。一份好的分析资料能够把数据转化为简洁清晰的信息，而它们正是那些必须在全面掌握情况的基础上做决策的高管们所需要的。遗憾的是，因为数学恐惧症或是缺乏统计学知识，又或者是因为不懂使用电子表格，使得人们都倾向于避免做重要的分析，或者依赖于软件供应商提供的过于简单的分析模板。
要做ROI分析，接触数学是不可避免的。但是使用电子表格，比如微软的Excel，就可以免去大量冗长、沉闷的工作，该工具还能处理高度复杂的运算。如果你的公司里还没有ROI模板(先到财务部去查查看)，教科书和互联网上的很多例子都可以为你创建自己的模板提供参考。不要幻
