《如何快速了解一个行业》是肖璟写的一本行业研究方法论工具书。作者曾在麦肯锡从事管理咨询，离开后创业并运营财经自媒体，他把咨询公司"新项目第一周摸透一个陌生行业"的做法，连同自己做内容研究的经验，整理成一套可复用的流程。全书分四个部分：行研框架篇、行研实战篇、研究方法篇和研究工具篇。
作者把"如何快速了解一个行业"当作方法论问题来处理，而不是天赋或运气问题。他在前言中说明，分析师的工作是把纷繁事实整理成数据和结论，提出假设再验证假设，这与科研过程同构，只是分析对象换成了宏观经济、行业或企业。掌握了系统方法，大多数人能得出准确率很高的结论；麦肯锡分析师在新项目上第一周的大量研究，就是在快速搭建对一个行业的基本认知。
全书以产业生命周期为主线组织行业研究的分析维度。框架篇先定义研究对象和主框架，再依次展开可行性、规模性、防守性、盈利性、估值、外部因素和景气度七个维度；实战篇用新能源汽车行业演示整套框架；方法篇解释研究的本质与麦肯锡的问题分析方法；工具篇介绍常用资讯源和生成式AI的使用。作者把本书定位为工具书，给出了四种用法：当模板、当地图、当培训材料、当案例集。
行研框架篇：以产业生命周期为主框架
研究对象与行业分类
行业研究先要回答"研究什么"。《国民经济行业分类》把行业定义为"从事相同性质的经济活动的所有单位的集合"，但"相同性质"并不好界定。《南方周末》和今日头条都可归入传媒行业，前者的经济活动是纸媒采编发行，后者是算法推荐的内容分发平台。行业边界需要从横向和纵向两个维度理解：横向是同一大类下平行的细分行业，纵向是产业链上下游关系。
由于行业边界不固定，研究时要先确定"颗粒度"。同一套底层假设和思路，如果对行业涵盖哪些环节的理解不同，结论可能大相径庭。作者建议直接套用现成的分类标准：国家标准的《国民经济行业分类》、证监会《上市公司行业分类指引》、市场常用的《申万行业分类标准》，投资美股时常用标准普尔和MSCI联合制定的全球行业分类系统（GICS）。分类标准本身会随经济变化调整，例如申万标准在2021年经历一轮大调整，新增了医疗美容等新兴行业。
产业生命周期与渗透率
传统的产业生命周期理论把产业按营收划分为导入期、成长期、成熟期、衰退期四个阶段，背后对应罗杰斯创新扩散理论中的创新者、早期采用者、早期大众、后期大众和落后者五类用户。作者认为这个理论有洞见但缺实操性：用时间划分阶段没有靠谱答案，用曲线斜率划分也行不通，因为现实中营收增速起伏大，高增长后转年的低增速未必意味着进入衰退期。
作者给出的替代方案是用渗透率划分阶段。渗透率等于存量用户除以潜在客户群，反映用户接受程度，与创新扩散的底层逻辑一致。经验数据是：渗透率达到15%~20%时行业进入快速提升期（成长期），提升至35%~40%以后发展放缓（成熟期）。智能手机是典型例证，2007年iPhone发布后渗透率逐步提升，2010年突破20%，2014年超过65%后进入成熟期，此时连iPhone也常被吐槽创新乏力。
作者同时强调真实产业生命周期与教科书曲线的差异：导入期的行业可能因商业模式跑不通直接消亡（上门洗车、共享篮球等）；成长期的高速增长能持续多久不确定；成熟期行业可能长期稳定（银行业有六百多年历史），也可能通过新品类、新技术、新市场走出第二增长曲线。不同阶段的研究重点因此有别：导入期看商业模式可行性，成长期看市场规模，成熟期看护城河和竞争格局，衰退期关注替代品。这些只是权重上的侧重，其他维度仍需兼顾。
可行性：商业模式能否成立
商业模式没有统一共识定义。作者把它抽象为生产力三要素（劳动者、劳动资料、劳动对象）和生产关系三要素（生产资料所有制、生产中人的地位与相互关系、产品分配方式）的排列组合，实操中可以用现成的商业模式画布来填充维度。商业模式的种类很多，同一行业甚至同一公司可能有多种可行模式：微信做大众社交、Soul专注Z世代；阿里巴巴赚商户的佣金和广告费，京东早期自己做商家挣差价。
判断商业模式是否可行，作者把它拆成两步：销售可行性（产品卖不卖得出去）和利润可行性（能不能赚到钱）。验证需求存在可以用时间对标法和空间对标法。时间对标法假设需求永恒而产品在变，例如"在家快速搞定一顿饭"的需求从干粮、方便面演变为外卖和预制菜；满足此前从未出现过的需求往往站不住脚，共享篮球即是反例。空间对标法对标成熟市场，背后的逻辑近似孙正义的"时光机理论"——新生事物先在美国出现，再复制到日本、印度等地，国内创投圈长期流行的C2C（Copy to China）模式即此逻辑。
利润可行性分定性和定量两步。定性看收入和成本：收入端看需求的频次和弹性，频次高、弹性小二者至少取其一才可能有稳定收入，吃饭是高频且弹性小的需求，婚庆是低频但弹性小，景点骑马是低频且弹性大；成本端看标准化程度，标准化越高综合成本越低，海底捞选火锅正因为切配和汤底标准化程度高，而标准化高的产品（如SaaS软件）难卖高价，定制化强的咨询服务反而能卖出高溢价。定量用单位经济模型（UE模型），找到最小运作单位——餐饮看单店、网约车看单车、美妆看单品、外卖看订单——测算其收入与成本。UE模型要动态看：当前亏损若随规模扩张改善仍有意义，创投机构通常建立当前、盈亏平衡、终局三个模型对照。
还有一类难以向用户收费的商业模式，微信是典型例子。它的通信服务频次高、弹性小，却免费提供——腾讯早期曾尝试每注册一个QQ账号收1元，引发用户反弹、竞品出现，随后恢复免费。这类模式本质与媒体类似，收入来自广告主和商家，衡量指标是ARPU（每用户平均收入），在导入期甚至成长期都难准确量化，容易在市场不缺钱的阶段推高估值。
规模性：市场规模测算
市场规模大多用销售额衡量。只有行业有足够大的市场规模，才能孕育出上得了市的公司，不少创投机构明确不投稳态规模不到百亿元的行业。虽然生猪、汽车等行业可以找到官方或行业协会的统计数据，但有三类情况找不到现成数据：行业太新（共享单车起步阶段变化太快）、行业太小（地方小吃、照片修复这类低频小市场没人统计）、行业不透明（数据不可得），这时需要自己测算。
测算前要先明确口径。斯坦福兼职教授史蒂夫·布兰克在《创业者手册》中梳理了三种口径：潜在市场TAM（潜在需求有多大）、可服务市场SAM（已有多少需求被满足）、可获得市场SOM（某家公司拿下多少市场）。SAM除以TAM相当于渗透率，SOM除以SAM是市场份额。不同阶段关注的口径不同：导入期关注TAM以判断能否达到上市门槛，成长期关注TAM和SAM判断是否接近瓶颈，成熟期关注SAM和SOM判断集中度提升空间。
具体测算有三类方法。需求导向法用"目标客户数×渗透率×客均订单量×客单价"的公式，适合估算TAM，猪肉市场规模、北京家用地毯、2030年现制茶饮都是书中的案例。供给导向法先找供给瓶颈再算最大产出，适合估算单店单公司的SOM，作者以蜜雪冰城门店为例，把点单、收银、制作三个环节中耗时最长的制作环节当作瓶颈，推算一天的销售杯数。供需匹配法基于供需存在稳定比例关系的假设，分"以小见大"（从香港中文大学约1万名师生配5台ATM推算出全港约3500台）和"以大见小"（用全国金融从业者与人口的比例推算县级市从业人数）两种方式，适用于成熟饱和的行业或中间品、互补品行业（咖啡豆与咖啡、用产业政策车桩比目标反推充电桩需求）。
测算精度取决于颗粒度和假设质量。可以把区域、年龄层、城市层级拆开分别测算再加总；可以让专家代替自己设定假设，或用成熟市场数据对标（用日本、韩国人均生活用纸量推测中国2050年的用量）。作者提醒，测算要记住目的，例如若想证明某县级市金融发展落后于全国平均，就不能用全国平均比例反推。
防守性：护城河
成熟期行业面临三种结局：被替代品"革命"进入衰退、找到第二增长曲线从头再来、成功阻挡替代品进入稳定市场周期化。后两者都依赖护城河。巴菲特反复强调伟大公司要有坚固持久的护城河，但他没有完整定义过这个概念；晨星公司前研究部主管帕特·多尔西在《巴菲特的护城河》中总结了四个要素，作者认为这一定义漏掉了一些护城河，且各要素间存在因果（成本优势是网络效应带来的结果之一）。
作者把护城河的构建方式归为两类：通过独占生产要素形成资源垄断，通过独占生产关系形成网络效应。生产要素分为劳动力、土地、资本、技术、数据五类。劳动力上多数岗位可替代，但明星、KOL、名师等自带流量的劳动力稀缺，经纪公司用长期合同和违约金绑定，这种护城河脆弱，合同到期或违约金给够就失效。土地的价值在于资源禀赋和位置：戴比尔斯靠控制南非钻石矿产量来维持价格，茅台依赖贵州当地的气候和微生物环境，新加坡在马六甲海峡的位置让当地船舶修理业受益。资本有马太效应，重资产行业资金门槛高，2018年52家造车新势力群雄逐鹿，两年后只剩9家。技术护城河包括专利、版权、秘方和know-how，但技术更新换代快的行业里专利可能贬值，5G时代4G专利价值大打折扣；版权期限可以因法律修改而延长，迪士尼的米老鼠版权从56年一路延长到95年。数据是数字经济的基础，机器学习依赖标注数据训练，作者创业做留学申请工具GradChef时收集了几万条数据仍不够，收购方的教育集团多年积累的海量数据构成了护城河，作者因此退出该领域。
生产关系上，企业与政府机构、同行、供应商、客户四方打交道。政府机构方面，金融、通信等关乎国计民生的行业需要牌照，资本金门槛和具备经验的高管是常见条件。同行方面，OPEC+联合控制石油产量、香槟酒受地理标志保护、元宇宙标准论坛在导入期就忙着立标准。供应商方面，中环股份凭与全球最大高纯石英砂供应商尤尼明的合作获得优势。客户关系是最常见的护城河，可以在决策、购买、使用三个环节经营：打造品牌降低决策成本（爱马仕2019年毛利率69%、净利率22%），稳固渠道降低购买成本（瑞幸用5年多开出上万家店，2021年累计关店600余家、关店率超10%），提高转换成本让用户难以离开（换数据库要迁移数据、培训员工；微信推广初期引导用户导入通信录以降低转化成本）。
盈利性：竞争格局
成熟期市场饱和后，蛋糕不再变大，投资者要在赛道里精挑细选，找出最赚钱的产业链环节和最赚钱的龙头企业，这由竞争格局决定。竞争格局分横向和纵向：横向看同行间怎么分蛋糕，纵向看上下游怎么分蛋糕。
横向格局的关键指标是行业集中度CRn，即前n名企业市占率之和。按CR8高低可以把市场结构分为分散竞争型（0%~20%）、低集中竞争型（20%~40%）、低集中寡占型（40%~70%）、极高寡占型（70%~100%）。行业集中度与盈利能力正相关，但数据终端统计的CR4、CR8只含上市公司公开数据，餐饮住宿行业2023年CR8高达90.85%，正是因为大量未上市餐饮公司未计入统计，这样的数据不具备参考价值，更合理的做法是把上市公司销售额除以全行业测算值。
集中度的走向受外部因素和行业自身属性影响。宏观下行期龙头企业抗风险能力强、中小企业倒闭，集中度上升；产业政策中刺激需求会降低集中度，限制供给会加速落后产能出清、提高集中度。集中度随产业生命周期先降后升：导入期只有少数厂商、集中度高，成长期大量厂商涌入、集中度下降，成熟期弱者被淘汰或兼并、集中度提升。不同行业集中度天花板不同，空调和智能手机的CR3高达70%，白酒的CR3只有10%~20%，可以参照欧美日韩成熟市场的经验判断天花板。
出现稳定市场周期化后，集中度主要受产能周期驱动。产能周期有四个阶段：供不应求、产能激增、产能出清、格局改善。作者用一家牛肉面馆的扩张故事说明全过程：需求旺盛时先添置锅具（龙头被动扩产能），生意好了开分店（龙头主动扩产能），最终连网吧老板都跟风开面馆（外来者无序扩产能），供给过剩引发价格战，弱者出清后格局改善。判断周期位置可以用定性方法（外来者涌入扩产能通常接近波峰，龙头主动减产接近底部）和定量方法：跟踪新增产能、做供需平衡表、用资本性支出除以折旧摊销的比率（跌到1.5以下甚至跌破1时供给收缩、格局有望改善）、跟踪库存周期。汽车行业的经销商库存系数是关键指标，等于或大于2.5意味着库存过高。行业底部通常出现在龙头减产、玩家退出、卖方分析师不推荐的时候，顶部则相反。作者提醒两点例外：要结合产业生命周期考虑（衰退期行业缩减产能是常态，但供给收缩快于需求下降时价格反而上涨，煤炭行业即如此），龙头企业也可能不按常理出牌（逆势扩张或主动打价格战）。
纵向格局看产业链内部的利润分配。美妆行业经销模式下，终端渠道分走终端收入的一半，品牌商只拿四分之一，但品牌商环节的集中度高于渠道，单个企业分到的蛋糕反而更多。因此不要只看各环节分到收入的绝对值，而要看比例变化。分配机制取决于议价意愿和议价能力：议价意愿受产品在下游价值占比和行业周期阶段影响，议价能力看环节集中度和供需情况。光伏产业链的毛利率变化是例子，2021年硅料从供需紧平衡变为极度稀缺状态，毛利率飙升至接近80%，而电池片环节几乎无利可图。判断环节地位的指标主要是毛利率和占用上下游资金的能力。
估值
股票收益分股利所得和资本利得，资本利得又可拆为盈利增长和估值变化。约翰·博格的研究显示，整个20世纪美国股市10.4%的平均年化收益率中，分红贡献5%、盈利增长贡献4.8%、市盈率变化只贡献0.6%，这来自100年时间尺度下估值的均值回归；单看1981~2000年这20年，17%的平均年化收益率中市盈率变化贡献了7%。在通常的投资期限内，估值变化对收益的影响不容忽视。
估值由投资者和资产共同决定。投资者端看能力和意愿：能力是钱多不多，受货币政策影响，无风险利率低时投资者对估值的容忍度高；意愿是风险偏好，市场围绕"预期差"交易，重点是边际变化。资产端看赔率和概率：赔率对应规模性和盈利性，概率对应可行性和防守性，赔率高、概率高则估值高，但两者往往难以兼得。交易拥挤度是风险预警指标，当某板块成交额占比等指标到达历史高位时，多方基本入局，一有利空容易引发大幅回调。
行业相对估值等于行业市盈率除以全部A股市盈率，可以排除大部分宏观因素干扰。各阶段的估值特征不同：导入期营业利润低甚至亏损，市盈率无意义，估值围绕潜在市场空间展开（主题投资时期甚至被戏称为"市梦率"）；成长前期业绩持续超预期、估值冲高，但要警惕交易拥挤；成长后期增速放缓，高估值难以为继，相对估值顶部常出现在这个阶段；成熟期渗透率增速放缓、估值收缩，但护城河强的行业龙头可能因竞争格局改善获得"龙头进阶"；衰退期三种情况对应三种估值处理——第二增长曲线用分部估值法、稳定市场周期化参考成熟市场市盈率、被替代则利润率下降估值不断走低，供给收缩快于需求时可能出现"回光返照"式估值提升（煤炭行业）。
书中用两个案例验证上述特征。空调行业在1990年代处于导入期（每百户保有量不足1台），成长期渗透率提升、相对估值从0.4倍翻到0.8倍，20012004年价格战期间估值回落，价格战完成产能出清、格力美的海尔三足鼎立后估值回升。智能手机零部件行业在导入期享受高估值（歌尔股份2010年底市盈率90倍左右），成长期后半段估值消化至4080倍，成熟期估值中枢进一步回落到20~40倍。
外部因素：PEST
行业分析的先决条件随外部环境变化，作者用PEST分析法从政治、经济、社会文化、技术四个维度考察。外部因素的变化可能让跑不通的商业模式跑通（共享篮球在特定假设下可能成立）、让潜在市场规模扩大（潮汕饮食文化被推广、政府补贴可能让糖葱薄饼的规模远超预期）、改变护城河（米老鼠版权因法律修改得以维持）和竞争格局（供给侧改革提高集中度）。
政治因素对A股影响明显。作者在香港读金融时，课本只讲基本面分析和技术面分析；回内地工作后，看到不少A股书籍使用"三碗面"框架，在基本面和技术面之外多了"政策面"。产业政策分扶持性和限制性：扶持性政策按力度分为口头鼓励、补贴减税、直接投资、强制使用，风电、光伏、新能源汽车早期都靠补贴；限制性政策分为限制准入（金融、通信、免税店要牌照）、限制供给（高污染高耗能行业）、限制价格（居民电价、猪肉抛储、医药集采）、限制受众（烟酒、电子游戏、校外培训）。国际政治因素中，美联储货币政策和外交政策冲击较大：加息会压低美元计价资产价格，外资抛售A股、港股和中国债券以平衡仓位，可能引发"股债汇三杀"；美国经济下行时贸易保护主义政策抬头。
经济因素分量和价。量是经济增速、居民收支增速、负债率等发展指标，绝大部分行业盈利受经济周期影响，与周期关联度强弱大致是金融大于周期、周期大于消费、消费大于成长；人均GDP突破1万美元后，主要发达国家的经验显示农业集约化、制造业升级与转移、服务业崛起是三条主线。价是货币的三种价格：货币购买力（通胀，约2%的通胀刺激消费和投资）、利率（央行政策最敏感的传导渠道）、汇率（影响进出口和国际定价的大宗商品）。
社会文化因素分人口统计学和文化变迁。人口老龄化推动医疗需求和自动化需求，劳动力减少使制造业工资上涨、工业机器人使用密度提升；文化变迁方面，健康意识改变食品饮料行业，国潮兴起带动李宁、毛戈平等国产消费品牌增长。技术因素的作用有三条：让新兴行业商业模式变得可行（没有移动互联网和智能手机就没有网约车）、降本增效让新品类替代旧品类（新能源汽车替代燃油车）、创造新渠道（电商崛起带动小家电行业）。作者提醒关注技术成熟度，Gartner的技术成熟度曲线展示了一项技术从萌芽到期望膨胀、泡沫破裂、恢复爬升、稳定成熟的过程。
景气度：预判业绩增速
财报按季度更新，滞后性太强，等报表出来再研究可能错过决策时机，所以需要景气度指标——一篮子高频更新的经营数据，用来提前验证对中长期趋势的判断。景气度指标要满足两个条件：能反映行业基本面，更新频次足够高（按周、月甚至日更新）。确认景气度有两种方法：从产业链上下游找核心驱动环节，或直接看本行业的关键指标。
产业链方法以新能源汽车产业链为例：整车销量是核心驱动环节，2021年新能源汽车销量从市场普遍预期的200万辆冲到300万辆以上，直接带动锂电需求并催生锂电板块普涨。房地产产业链被认为最重要，其核心驱动环节在中游房地产，房子好卖会带动上游工程机械、建材和下游家具、家电的需求。行业关键指标按大类区分：上游原材料看价格和库存（2021年单晶致密料价格从每吨不到9万元涨到26万元以上，成本没大变，涨价部分基本成为行业利润）；中游制造业看产销量；大消费中必选消费看通胀（CPI），可选消费看房地产业（家电、汽车、建材、家具属于房地产后周期行业）；服务业看宏观经济；TMT等新兴行业看自身产业周期。
白酒案例最细致：判断白酒行业景气度的核心指标是核心大单品的批发价（批价），数据可从百荣酒价、今日酒价公众号获得。批价决定出厂价上限、反映供需和品牌力，还直接决定次高端白酒的天花板——山东人口和人均GDP高于河南，但高端白酒市场规模和次高端价格带都不如河南，因为河南对高价位白酒的认可度更高。根据兴业证券的统计，2017~2021年茅台股价与批价相关系数达0.95。批价只是核心指标之一，还需结合经销商库存、经销商打款情况、开瓶率等指标，这些数据靠草根调研或专家访谈获得。几个指标可能互相"打架"，要理解指标背后的逻辑，不能刻舟求剑。
实战：新能源汽车行业
第9章用整个框架分析新能源汽车行业。作者在分析前先限定行业边界：按政策文件，新能源汽车包括纯电动汽车、插电式混合动力汽车和燃料电池汽车三种（"三纵"），燃料电池汽车2023年全国销量仅5805辆，且产业链与其他两种差异较大，本章主要分析前两种。
判断所处阶段时，如果看存量汽车保有量，新能源汽车2024年6月底只占7.18%，会得出仍在导入期的结论，这与实际情况不符。作者改用新车渗透率：2022年新能源汽车新车渗透率多数时间保持在20%以上，2023年2月后稳定在30%以上，11月突破40%。结合销量同比增速保持两位数、远超GDP增速，作者判断行业正处于从导入期向成长期过渡的阶段。这个例子说明分析要结合行业特点，汽车替换周期约10年，存量渗透率会滞后于新车渗透率。
商业模式上，新能源汽车满足的仍是安全出行的旧需求，是对燃油车的替代，需求真实存在；盈利可行性从定性（出行是高频需求、汽车是标准品）和定量（参考已上市公司的财报）两方面看都成立。作者特别介绍了换电模式：车主不买电池、按需在换电站换电，对换电站（坪效好、慢充延长电池寿命）、电网（冲击小）、车主（解决电池贬值问题、降低购车成本）各有好处，若能推广将是商业模式创新推动行业发展的案例。
市场规模测算采用"乘用车总销量×新能源汽车渗透率"的思路。用人口和千人保有量预测2030年乘用车总保有量约4.4亿辆（乘用车千人保有量与人均GDP的相关系数接近0.99），用约10年的报废期算年均存量替换率10%，得到2030年乘用车销量约4400万辆；渗透率参考美国2030年50%的目标，推算新能源乘用车2030年销量2200万辆，是2023年730.5万辆的两倍多。
护城河分析换了个角度：成长期要看"进攻者"如何突破燃油车现有的护城河。生产要素上，燃油车的内燃机技术门槛被电动车绕开，劳动力、土地、技术、数据四方面都没有牢固护城河，只剩资本优势；生产关系上，政府政策导向支持新能源、供应商优先给新能源车企供芯片、消费者对燃油车品牌忠诚度不高。作者由此判断燃油车被替代是必然结果，同时提示新能源车未来可能被小型航空器（如亿航的产品）威胁。
竞争格局上，横向看比亚迪独领风骚、CR4超过50%，但行业还在成长期早期，不必过度关注抢份额；纵向看整车制造毛利率不高，真正赚钱的是采矿及回收（销售毛利率31.83%）和隔膜及电解液（销售毛利率27.59%），最具投资价值的环节在中上游。估值方面，成长期估值偏高是常态，核心关注景气度，同时警惕两个问题：交易拥挤度（2021年末、2022年初新能源板块大幅回调与此有关）和龙头企业主动打价格战（2022年10月特斯拉全车型降价、最高降幅3.7万元，掀起全行业价格战）。
外部因素用PEST分析：经济上油价上升让电动车受益；社会文化上实用主义兴起（麦肯锡《2020年中国消费者调查报告》显示60%受访者重视性价比）和环保意识提高（超过80%受访者有购置电动汽车计划）；技术上电池能量密度和快充技术不断进步。景气度指标的核心是每月公布的新能源汽车销量，以及动力电池销量、装车量、充电桩保有量（量）和上游锂、钴化合物价格、中游四大电池材料价格（价）等。
研究方法：麦肯锡分析师的"资讯料理法"
研究的本质与信息差
作者引OECD《弗拉斯卡蒂手册（2015）》的定义，把研究界定为"为了增加知识储备而进行的创造性和系统性的工作"，这一定义让研究不再是实验室专属，读书和丛林探险都算研究。研究本质上是"输入–处理–输出"资讯的过程。从投资角度看，研究创造三类信息差：时间差（比他人更快获取关键信息，如今越来越难，机构靠另类数据制造时间差）、广度差（覆盖知识面更广，但刻意追求容易患上错失恐惧症）、深度差（比其他人更懂供给侧或需求侧）。作者认为深度差是资本市场中唯一能确保持久盈利的前提，应该作为研究目标。
资讯按深度可用DIKW模型划分：数据、信息、知识、智慧四个层级。按广度分为宏观、中观、微观三类。作者还引入哲学家大卫·休谟的区分：事实判断回答"是什么"、存在唯一解，价值判断回答"应该怎样"、因人而异，高质量的价值判断需要有事实判断支撑。
备菜：资讯输入
资讯输入有两个难点：数量上信息过载，质量上观点极化。麦肯锡前辈强调"不要尝试把大海煮沸"，作者给出的解法是假设驱动，分三步：做出假设、拆解假设、验证子假设。以"消费降级"为例，先假设原因是"钱不够花了"，再按收入（主动收入、被动收入）和支出（消费、还本付息、投资）拆解成四个子假设，拆解时遵循MECE原则（相互独立、完全穷尽），最后找指标逐一验证。
观点极化的成因分三个层面：宏观上经济下行激化矛盾，中观上算法推送造成信息茧房，微观上极端内容更容易收割流量。应对也分三步：拓宽输入渠道（关闭算法推荐服务、主动关注观点不同的媒体并尝试证伪）、做好资讯拣选（区分事实判断和价值判断，事实判断也要验证，投资圈每天都有大量未经证实的"小作文"）、理性赋权资讯（用系统2理性思考替代系统1直觉，避免确认偏误）。
烹饪：资讯处理
麦肯锡分析师用金字塔原理提炼观点。金字塔顶端是核心观点，由关键论述支撑，每个关键论述又有支持内容。构建分四步：罗列资讯（写成完整语句）、寻找规律（分组）、提炼要点（每组提炼一句）、归纳核心（提炼最高层级观点）。金字塔原理有两项要求：有深度——区分"总结"与"提炼"，多问"So what?"，从"宏观经济不太景气"推到"或许应当出台稳增长政策了"才算有深度的提炼；有逻辑——会用归纳推理和演绎推理，注意内容排序。
作者用给前同事H的邮件演示全过程：研究ABC房企的票据时，他把六条资讯按融资、投资、营运三类现金流分组，提炼出"融资不好融、资产不够卖、房子不好卖"三个要点，归纳出"你需要及时催款"的核心结论，重组后的邮件比罗列事实的版本逻辑清晰得多。
摆盘：资讯输出
摆盘环节处理的是如何把核心观点传达给听众。作者分享在谷歌做核心客户画像项目的经历：他按研究过程讲（先介绍研究方式，再说明中间做的工作，最后呈现结论和方案），演示到一半时台下的人开始干别的事。导师陈楸帆（科幻作家）点拨他说，这是站在厨师的角度讲做菜过程，顾客在意的是菜好不好吃，应该先上菜再讲做法。研究顺序和沟通顺序是相反的。
麦肯锡的SCQR框架把故事线分为情景（Situation）、冲突（Complication）、问题（Question）、解答（Resolution），中文世界对应"空雨湿伞"模型。框架要按受众调整：对路人（短视频场景）用CQSR，把冲突和问题放最前面；对有一定了解的观众用经典SCQR，好莱坞"英雄之旅"就是这种模式；对大老板用RSCQ，直接给结论（麦肯锡咨询顾问常直接面对CEO）；对直属领导直接给解答即可。
研究工具：资讯源与生成式AI
常用资讯源
第12章列出常用资讯源。统计机构分官方和非官方：官方机构包括国家发改委、统计局、央行、证监会等，以及世界银行、IMF、国际能源署等国际机构；非官方调研机构包括艾瑞、欧睿、埃信华迈、益普索等。使用统计数据要注意两点：先搞清楚数据的定义（例如社会融资规模口径下的人民币贷款增加量与央行单独公布的数据不一致，因为前者不含对非银金融机构的贷款），再搞清楚数据提供方的立场——地方官方机构可能出于政绩考虑虚报数据，国家统计局在2023年2月启动了针对统计造假的治理行动，非官方机构也可能"无中生有"，重要数据要从不同数据源交叉验证。
信息检索工具包括搜索引擎（百度、搜狗、Bing、i问财、Perplexity、Wolfram|Alpha）和百科工具。搜索引擎有一些实用技巧：site:限定站点、filetype:指定文件类型、双引号精准匹配、减号排除、星号通配、指定时间范围。百科工具的词条质量良莠不齐，不应作为可靠资讯源直接引用，更倾向查看词条底部的来源链接。研究硬核科技时，不少券商分析师会先去B站看科普视频入门。
社交网络方面，专业人士会在公众号、雪球等平台分享研究，但信息质量良莠不齐，应更关注垂直社区（经管之家、丁香园论坛、技术社区、量化社区）。专家网络（凯盛融英、格理集团、高临等）适合挖掘非公开信息和交叉验证，费用较高（一小时服务可达数千元），预算有限的个人投资者可以用果壳旗下的"在行"。专家访谈前应先通过公开渠道掌握基本知识，访谈问题控制在10~15个，开场先评估专家水平，对专家的结论要追问事实依据。作者提醒不要过于相信专家对未来趋势的判断：2015年前后有新能源汽车领域的资深专家对行业极悲观，后来的实际发展证明判断错了，身处行业的人有时会只见树木不见森林。
研究机构分五类：官方研究部门（央行、商务部、美联储报告，更新频率低，主要用来挖掘数据）、学术研究机构（高校、国家经济研究局等）、咨询公司（头部机构报告质量不错，但写报告也有平衡内部闲置劳动力的作用）、买方机构（研究成果不对外公开）、卖方机构（券商研报是阅读重点，分宏观、策略、行业、公司研报四类）。筛选研报有四个思路：看热度、看团队（新财富最佳分析师评选、公募分仓收入排名）、看推荐、看内容（摘要包含核心论点和假设，优秀研报假设合理、可证伪）。大部分研报报喜不报忧，只强调市场空间大而绝口不提竞争格局，往往暗示竞争格局比较糟糕。
专业数据库分金融数据库（万得、Choice、iFinD、彭博、Capital IQ等，费用高，动辄每人每年数万元到数十万元）和学术数据库（知网、维普、JSTOR等，可用谷歌学术或百度学术中转）。使用数据库要注意数据可能有错误、统计口径可能调整（社会融资规模的口径在过去10年被央行调整过数次），需要查找原始数据源。
生成式AI在研究中的应用
第13章讨论生成式AI。ChatGPT于2022年11月发布，随后GPT-4增加网页浏览和数据分析功能，2025年2月OpenAI又发布深度研究（Deep Research）功能。生成式AI提高效率的同时也引发裁员：Sortlist调查显示26%的欧洲软件和科技公司因ChatGPT影响计划裁员，Stack Overflow浏览量下降约五成后裁员28%，多邻国用ChatGPT后裁减数千名翻译人员。高盛预测生成式AI可能取代3亿个全职工作岗位，麦肯锡预测到2045年将有一半工作被AI接管，同时AI也创造新岗位（AI模型安全专家、AI转型顾问、AI绘画师等）。
大语言模型分开源和闭源两类：开源模型（通义千问、DeepSeek、Llama等）对所有人开放、使用需要技术基础和硬件，闭源模型（ChatGPT、文心一言、Kimi、Claude等）在厂商服务器运行、门槛低。大语言模型的工作原理是根据历史语料建立概率分布，逐字预测最可能出现的文字。这带来三个局限：回答不具备稳定性（温度值越高输出越随机，需要精确答案时把温度调低）；不具备深度推理能力（原理更接近卡尼曼所说的系统1而非系统2，华盛顿大学语言学家本德称之为"随机鹦鹉"，容易出现AI幻觉）；不可避免地"变笨"（训练数据停留在过去，单次训练成本极高——GPT-3约140万美元、GPT-4约6300万美元，模型不会被高频训练）。针对后两个局限，可以用微调、RAG（检索增强生成）和联网来缓解。
生成式AI可以贯穿资讯输入、处理、输出的全过程。输入环节：用AI把音视频转文字（剪映、飞书妙记、BibiGPT、讯飞听见）、总结文档（ChatPDF、ChatDoc）、OCR整理图表数据、识别手写体。处理环节：ChatGPT的高级数据分析功能能读取数据、给分析建议、做价格策略分析、搭建金融模型（书中用贷款审核数据集建随机森林模型，预测准确率78%）。输出环节：Gamma.ai、WPS AI、讯飞星火、AiPPT.cn等可以快速生成PPT。作者用实例说明使用中的边界：让ChatGPT估算北京地毯年销售面积，它一开始把年度销售面积误算成总面积，作者提示后才纠正；让AI做假设拆解和事实归类时，AI的MECE并不完美，需要给出更明确的约束。作者开发了TermsAI网站，输入行业和术语数量就能生成知识关系图谱。
作者观察到，了解ChatGPT的主要是高收入群体和学生，因为学习和研究需要时间投入，第一批把AI用好的人往往是时间相对自由、没有生存压力的人。他建议把AI当作刚毕业的优秀大学生来"领导"，给明确清晰的指令，同时要控制期望，AI并不能解决所有问题。
结语与限制
作者在结语强调两点：框架要真正内化，需要大量案例练习形成肌肉记忆，咨询和投行分析师成长快，部分原因是工作强度大、练习时间足够；除了练习还要持续学习，研究新时代的技术（OpenAI深度研究功能、AI智能体Manus等）正在重塑研究流程，只有站在技术前沿才能不掉队。
本书的适用边界需要说明。作者在前言就做过风险提示：行业或主题数量太多，个体无法掌握所有框架；同一个行业的不同专家可能拥有截然不同甚至冲突的框架，本书呈现的框架并不能解决这类流派冲突，所以它不一定是适合每个人的完美答案。书中的数值（如2021年硅料价格、2023年碳酸锂价格、2019年海底捞单店模型）是写作时的快照，分析方法可以复用，具体数值需要按新数据更新。渗透率15%~20%进入成长期、35%~40%进入成熟期等经验阈值，以及成交额前5%个股占全部A股比重超过45%属于高风险信号这类指标，都是需要结合当下市场环境检验的参考值，不能当作放之四海而皆准的公式。