季度檢討會上，營收 KPI 亮紅燈。把計畫值做成指數是 100，實際只有 92。接下來最容易發生的事，是大家立刻開始填空：需求變弱、價格不對、產品 mix 變差、匯率拖累。

這些解釋未必錯，但 92 本身只證明一件事：實際結果和某個參考值有差距。它還沒告訴你差距從哪裡來，更沒有替任何 root cause 背書。

要把 variance 從 reporting 推進到 diagnosis，分析工作其實很務實：先確認這個差真的存在，再把 -8 拆到可以 reconcile，接著縮小它發生的位置，最後才提出會被證據淘汰的解釋。

八階段診斷流程，由 Variance signal 逐步走向 Evidence handoff，並在 Candidate driver 與 Testable hypothesis 之間標示 Driver ≠ proven cause。

先把比較基準釘死

「Actual 比 Plan 差 8%」裡，最需要先處理的不是 8%，而是 Plan。

Budget、最新 Forecast、管理 Target、去年同期都能當 comparator，但它們問的不是同一件事。Actual vs Budget 比較接近原先承諾與資源配置是否偏離；Actual vs Forecast 看的是最近一次預期準不準；Actual vs Prior Period 關心的是相對過去的變化；Actual vs Target 則是在看有沒有跨過管理門檻。若報告只寫 Plan，後面的原因分析很可能回答錯題。

Metric 也要一起檢查。Revenue 是 reported revenue 還是 organic revenue？Conversion 的 funnel 起點有沒有改？幣別、會計日曆、組織重分類、資料回補或排除條件有沒有變？這些變動都可能先製造出一個「營運差異」，即使 business 本身沒有照那個幅度變化。

有些預算還需要隨實際活動量調整。Association for Financial Professionals 的 budgeting guidance 會把 variance analysis 放在 planned 與 actual 的差異辨識與分析中，也討論 flexible budget。假設原本預計出貨 100,000 件，實際只有 80,000 件，部分變動成本本來就應該跟著量下降。若仍拿 static budget 直接比較，活動量下降會被混進執行績效裡。

所以真正開始拆 variance 前，至少要把 metric、comparator、scope、period、currency、definition 與 data integrity 固定下來。這些條件若還在漂，後面的 bridge 再漂亮也只是精密地處理一個不穩定的輸入。

-8 要能被算回來

比較基準確定後，先做 reconciliation。

在這個例子裡，plan index 100 到 actual 92，中間的 component 必須真的能加總回 -8。Price-Volume-Mix（PVM）可以是其中一種拆法，AFP 的材料也把 price、volume、mix 當成解釋 sales 或 earnings movement 的實務工具。不過 PVM 沒有一個放諸四海皆準的 interaction 分配方式。Price 和 volume 同時變動時，interaction 可以分給其中一邊、平均分、或獨立保留成 residual，重點是 convention 要說清楚，而且 bridge 必須 close。

Coca-Cola FY2025 的 disclosure 很適合看這一層。公司公布全年 reported net revenues 成長 2%，organic revenues 成長 5%；其中約 4% 來自 price/mix、1% 來自 concentrate sales，currency 約是 2% 的負面影響，acquisitions/divestitures 約是 1% 的負面影響。這些項目讓「營收成長 2%」不再只是單一 headline，而能看出 operating、currency 與 structural effects 分別佔了什麼位置。

這時還不能把 component 直接翻成機制。Coca-Cola 在 Q4 討論裡也提醒，concentrate sales 的變化可能因 shipment timing 而和 unit case volume 不完全同步。也就是說，bridge 可以把 movement 對起來，但 concentrate sales 這個欄位本身並不足以證明終端需求怎麼變。

把「volume 不夠」縮成可以查的範圍

假設同一個 100 → 92 的 bridge 顯示，主要缺口落在 transaction volume。分析不能停在「volume down」，因為那仍然太大。

接下來可以換 cut。按 product 看，缺口是否集中在 Product B；按 geography 看，是否主要在 APAC；按 channel 看，self-serve 和 sales-assisted 是否分岔；再往 cohort、customer type 或 funnel 切，看看 movement 到底卡在 traffic、conversion 還是 checkout completion。

如果幾個不同 cut 最後都指向 APAC self-serve，search space 已經縮很多。這個結果會告訴你該找哪個 owner、哪一段 funnel、哪批資料，而不是再對整家公司講一個宏觀故事。

Driver tree 排的是調查順序

此時若觀察到 APAC self-serve conversion 下滑，可以再用 driver structure 整理候選變數。例如一個簡化交易型 business 可寫成：

Revenue ≈ Active Customers × Transactions per Customer × Revenue per Transaction

而 channel 內的 transactions 又可能往下看：

Transactions ≈ Qualified Traffic × Conversion Rate

Driver tree 在這裡比較像調查順序表。Conversion 下滑能在數學上解釋 transactions 為什麼少，但 conversion 自己為什麼掉，仍然可能是流量品質、產品 friction、payment failure、價格與促銷，甚至 tracking definition 變動。把它先叫 candidate driver，可以避免分析在還沒拿到證據前就把箭頭看成因果。

讓兩個解釋互相競爭

假設現在已經定位到 APAC self-serve 的 checkout conversion 明顯下降。這時候「可能是市場不好」沒有太大用處，因為它沒有明確告訴你接下來查什麼。

可以先放兩個會輸的工作假設。

假設如果成立，應該看到什麼會讓它變弱
新的 paid acquisition 帶來較低意圖流量decline 主要集中在新的 paid cohorts；direct / returning traffic 相對穩定；checkout 技術成功率沒有明顯 breakpointdirect、organic、paid、returning users 幾乎同一時間一起掉
某次 product release 或 payment-path 變更增加 checkout frictionrelease 後出現 breakpoint；drop-off 集中在受影響的 device、版本或 payment step；未受影響 path 相對穩定release 前後沒有 breakpoint，而且版本、裝置、payment path 都同步下降

這裡的 hypothesis 是 managerial working hypothesis，不是 formal statistics 裡的 H0/H1。它的用途很簡單：把「我現在相信什麼」改寫成「如果它是真的，我應該看到什麼；看到什麼時，我要降低或放棄這個解釋」。McKinsey 的 hypothesis-driven operations 分析也採相同方向，要求 assumptions 被證據 validate 或 disprove，而不是先決定答案再找支持材料。

能吸收所有結果的說法不算好假設。「可能是市場，只是市場很複雜」無論資料長什麼樣都不會輸，也就無法縮小調查。

交付的是目前的診斷狀態

到了這裡，管理層需要的不是一句漂亮的「root cause 是 conversion」。比較有用的是把已經確認的部分、仍在競爭的解釋，以及下一個驗證動作放在一起。

以開頭的例子來說，目前可以交付的診斷狀態是：Revenue index 從 plan 100 到 actual 92；comparator 與 metric definition 已確認穩定；reconciled bridge 把主要 gap 放在 transaction volume；不同 cut 又把 movement 集中到 APAC self-serve，因此 checkout conversion 成為優先調查的 candidate driver。現在仍保留 traffic mix 變差與 checkout path 新增 friction 兩個 hypothesis，下一步分別去看 source-cohort conversion 與 release/payment-path breakpoints。結果出來以前，兩者都不叫 root cause。

這份 handoff 已經足以支持下一步工作：有些情況可以先行動，有些需要補證據，有些則要升級到更深的 causal / RCA 分析。它也保留了一個重要訊息：哪些事情現在還不知道。

Variance review 的品質，最後可以用一個很實際的問題檢查：目前最重要的解釋，什麼觀察會讓我們改變主意？

如果答不出來，手上多半還是一個故事；如果答得出來，才真正有下一步可驗證的 diagnosis。

References