国资委企业绩效评价智能分析SKILL (SASAC Performance Analyst v2.0)#

基于国务院国资委《企业绩效评价标准值（2025）》构建的企业绩效对标评价智能分析系统。 助力国有企业打造"世界一流财务管理体系"，服务"新质生产力"与高质量发展。

---

系统概述#

核心能力#

能力模块描述🔍 精准对标输入指标数值，自动判定优秀/良好/中等/较低/较差五档位📊 四维诊断盈利回报、资产运营、风险防控、持续发展四维雷达图📈 评分引擎五档线性插值评分，权重配置（盈利30%/运营20%/风险25%/发展25%）📋 报告生成综合评价报告，支持多格式输出（HTML/PDF/腾讯文档）🌍 国际对标19个行业国际标准值（2024）对标功能📄 招股书解析港交所IPO招股书财务数据自动提取与对标🔗 跨境上市评估国企港股上市可行性评估与绩效差距分析

数据底座#

• 标准值表：332个（国内314 + 国际18）
• 行业覆盖：10个行业大类、48个行业中类、107个行业小类
• 指标体系：24项指标（16项核心 + 8项补充）
• 评价等级：优秀值、良好值、中等值、较低值、较差值
• 规模分类：全行业、大型企业、中型企业、小型企业

---

快速开始#

安装#

bash

# 方法1：通过 SkillHub 安装（推荐）
skillon install sasac-performance-analyst

# 方法2：通过 ClawHub 安装
openclaw skills install sasac-performance-analyst

# 方法3：手动安装
git clone https://github.com/yjkj999999/sasac-performance-analyst.git ~/.qclaw/skills/sasac-performance-analyst/

最小使用示例#

text

用户：我是一家大型医药工业企业，2025年净资产收益率15%，研发经费投入强度4%。

AI助手：
📊 【对标结果】
  净资产收益率(15%)：处于【良好值】区间
    （优秀值17.1%，良好值12.7%，差距12%）
  研发经费投入强度(4%)：处于【中等值】区间
    （优秀值7.9%，良好值5.9%，差距49%）

💡 【诊断结论】
  盈利能力良好，但持续发展能力（研发投入）不足，存在"重当期利润、轻长远发展"风险。

📋 【改进建议】
  参考医药工业标杆企业案例，建议：
  1. 将研发投入提升至优秀值（7.9%）以上
  2. 建立研发经费投入强度考核机制
  3. 参考中国中车"创新绩效评价管理"案例

---

核心模块详解#

模块一：数据对标引擎#

支持的24项指标

盈利回报维度（4项）

指标单位计算公式净资产收益率%净利润 / 平均净资产 × 100%营业收入利润率%营业利润 / 营业总收入 × 100%总资产报酬率%息税前利润 / 平均资产总额 × 100%盈余现金保障倍数倍经营活动现金净流量 / 净利润

资产运营维度（4项）

指标单位计算公式总资产周转率次营业总收入 / 平均资产总额应收账款周转率次营业总收入 / 平均应收账款余额流动资产周转率次营业总收入 / 平均流动资产总额两金占流动资产比重%(应收账款+存货) / 流动资产 × 100%

风险防控维度（4项）

指标单位计算公式资产负债率%负债总额 / 资产总额 × 100%现金流动负债比率%经营活动现金净流量 / 流动负债 × 100%带息负债比率%带息负债总额 / 负债总额 × 100%已获利息倍数倍息税前利润 / 利息支出

持续发展维度（4项）

指标单位计算公式研发经费投入强度%研发经费支出 / 营业总收入 × 100%全员劳动生产率万元/人劳动生产总值 / 全部从业人员平均人数经济增加值率%经济增加值 / 调整后资本 × 100%国有资本保值增值率%期末国有资本权益 / 期初国有资本权益 × 100%

补充指标（8项） 营业现金比率、国有资本回报率、EBITDA率、百元收入支付的成本费用、存货周转率、速动比率、利润总额增长率、营业总收入增长率

五档评分算法

python

def linear_interpolation(value, benchmark):
    """
    线性插值计算得分
    benchmark: [优秀值, 良好值, 中等值, 较低值, 较差值]
    返回: 得分(0-100)，以及等级描述
    """
    excellent, good, medium, low, poor = benchmark

    if value >= excellent:
        return 100, "优秀"
    elif value >= good:
        ratio = (value - good) / (excellent - good)
        return 80 + ratio * 20, "良好+"
    elif value >= medium:
        ratio = (value - medium) / (good - medium)
        return 60 + ratio * 20, "良好"
    elif value >= low:
        ratio = (value - low) / (medium - low)
        return 40 + ratio * 20, "中等"
    elif value >= poor:
        ratio = (value - poor) / (low - poor)
        return 20 + ratio * 20, "较低"
    else:
        return 0, "较差"

模块二：综合评价引擎#

维度权重配置

python

WEIGHTS = {
    "盈利回报": 0.30,   # 30%
    "资产运营": 0.20,   # 20%
    "风险防控": 0.25,   # 25%
    "持续发展": 0.25,   # 25%
}

综合得分计算

python

def calculate_composite_score(scores, weights=WEIGHTS):
    """计算加权综合得分"""
    total = sum(scores[dim] * weight for dim, weight in weights.items())
    return round(total, 2)

评价等级映射

综合得分评价等级85-100A+ 卓越70-84A 优秀55-69B 良好40-54C 中等25-39D 较低0-24E 较差

模块三：行业分类映射#

证监会行业分类 ↔ 国民经济行业分类 ↔ SASAC分类 映射表

python

INDUSTRY_MAPPING = {
    # 证监会大类 → SASAC大类
    "农、林、牧、渔业": "农林牧渔业",
    "采矿业": "工业",
    "制造业": "工业",
    "电力、热力、燃气及水生产和供应业": "电力工业 / 水生产和供应业",
    "建筑业": "建筑业",
    "批发和零售业": "批发和零售业",
    "交通运输、仓储和邮政业": "交通运输、仓储及邮政业",
    "住宿和餐饮业": "住宿和餐饮业",
    "信息传输、软件和信息技术服务业": "信息技术服务业",
    "房地产业": "房地产业",
    "租赁和商务服务业": "社会服务业",
    "文化、体育和娱乐业": "文化、体育和娱乐业",
}

模块四：港股IPO招股书数据集成#

数据来源

• 知识库：IMA「香港上市招股书」（知识库ID: UEGKn91QubH8gaMsReTGEYZ0qMzWdS-RPYN__3pcKUk=）
• 覆盖规模：3,629家港股上市公司（其中已上市1,251家）
• 行业分布：科技/半导体(145)、生物医药(141)、金融(41)、新能源(17)、消费(16)

招股书解析流程

python

def parse_prospectus_financial_data(pdf_path):
    """
    从港股IPO招股书提取财务数据
    支持IFRS与CAS准则差异调整
    """
    # 1. 定位财务表格（fitz PDF解析）
    # 2. 识别货币单位（人民币千元 / 港币千元）
    # 3. 提取3年财务数据
    # 4. IFRS → CAS 准则调整
    # 5. 计算24项指标
    # 6. 对标SASAC标准值
    # 7. 生成差距分析报告

IFRS与CAS准则差异调整

项目IFRSCAS调整说明研发支出费用化为主有条件资本化需加回资本化研发支出政府补助冲减相关资产成本单独确认为收益需调整政府补助处理公允价值计量更广泛使用更谨慎使用需调整公允价值变动损益

---

工具函数#

performance_calculator.py#

python

from tools.performance_calculator import (
    evaluate_indicator,      # 单指标对标
    full_diagnosis,          # 全面诊断
    calculate_composite_score, # 综合评分
    linear_interpolation,     # 线性插值
    get_benchmark,           # 获取标准值
    classify_size,           # 企业规模分类
)

# 示例：单指标对标
result = evaluate_indicator(
    industry="医药工业",
    size="大型企业",
    indicator="净资产收益率",
    value=15.0
)
# 返回: {"level": "良好值", "score": 72.5, "gap_to_excellent": "12%"}

# 示例：全面诊断
report = full_diagnosis(
    industry="医药工业",
    size="大型企业",
    data={
        "净资产收益率": 15.0,
        "营业收入利润率": 12.0,
        "总资产报酬率": 8.5,
        # ... 其他22项指标
    }
)

visualization.py#

python

from tools.visualization import (
    generate_radar_chart,    # 雷达图
    generate_bar_chart,      # 柱状图
    generate_trend_chart,    # 趋势图
    generate_full_report,     # 完整报告
)

# 生成雷达图
radar_path = generate_radar_chart(
    scores={"盈利回报": 72.5, "资产运营": 68.0, "风险防控": 55.0, "持续发展": 45.0},
    title="某医药工业企业绩效雷达图",
    output_path="output/radar.png"
)

# 生成完整HTML报告
report_path = generate_full_report(
    report_data=report,
    output_format="html",  # or "pdf"
    output_path="output/report.html"
)

financial_data_extractor.py#

python

from tools.financial_data_extractor import (
    extract_from_pdf,         # 从PDF提取
    extract_from_cninfo,      # 从巨潮网提取
    extract_from_hkex,        # 从港交所提取
)

# 从港股招股书PDF提取
summary = extract_from_pdf(
    pdf_path="/path/to/prospectus.pdf",
    output_path="/path/to/output.json"
)

# 从巨潮网提取（A股上市公司）
data = extract_from_cninfo(
    stock_code="000001.SZ",
    year=2024,
    quarter=4
)

hk_ipo_integration.py#

python

from tools.hk_ipo_integration import (
    get_hk_ipo_integration,     # 获取港股集成数据
    generate_cross_listing_report, # 生成跨境上市报告
    compare_with_listed_peers,   # 与已上市公司对比
)

# 获取行业分布
hk_integration = get_hk_ipo_integration()
industry_dist = hk_integration.get_industry_distribution()

# 生成跨境上市报告
report = generate_cross_listing_report(
    company_name="某国有企业",
    industry="电子工业",
    financial_data={
        "净资产收益率": 15.2,
        "资产负债率": 55.3,
        "研发经费投入强度": 8.5
    }
)

---

最佳实践案例库#

核心案例（5家央企）#

1. 国家电网 — "智驱·精效"绩效评价体系

• 背景：建设世界一流企业，需要科学的绩效评价系统
• 方案：构建"智驱·精效"绩效评价体系，涵盖4维度16项指标
• 成果：实现精准对标、差异化管理、智能化决策

2. 中国华能 — 分层分类绩效评价体系

• 背景：多元化业务结构，需要差异化评价标准
• 方案：按业务板块分层分类，建立多维度评价标准
• 成果：提升管理精细化水平，激发基层创新活力

3. 中国铝业 — 数智化绩效评价赋能穿透监管

• 背景：大型矿业企业，监管链条长、难度大
• 方案：数智化绩效评价体系，实现穿透式监管
• 成果：提升监管效率，降低经营风险

4. 中国中车 — 创新绩效评价管理打造大国重器

• 背景：高端装备制造企业，创新驱动发展
• 方案：将研发投入、创新产出纳入绩效评价体系
• 成果：激发创新活力，打造世界一流轨道交通装备企业

5. 中国海油 — 覆盖全级次贯通全过程绩效评价

• 背景：跨国能源企业，组织层级多、业务流程复杂
• 方案：覆盖全级次、贯通全过程的绩效评价体系
• 成果：实现全局优化，提升整体运营效率

港股上市案例（扩展）#

行业代表企业对标要点科技/半导体上海曦智科技、勝宏科技研发投入强度对标生物医药邁威生物、北京天星醫療营收增长率对标新能源思格新能源、瑞浦蘭鈞能源EBITDA率对标消费牧原食品、海天調味食品毛利率对标金融陽光保險、渤海銀行ROE对标

---

文件结构#

text

sasac-performance-analyst/
├── SKILL.md                          # 技能定义（本文件）
├── README.md                         # 使用说明（英文）
├── README_ZH.md                     # 使用说明（中文）
├── package.json                     # 技能元数据
├── system_prompt.md                  # 系统提示词（AI角色设定）
├── data/
│   ├── sasac_2025_standards.json   # 2025年标准值（完整332表）
│   ├── international_standards.json # 国际标准值（18表）
│   ├── industry_mapping.json        # 行业分类映射表
│   ├── case_studies.json           # 核心案例（5家）
│   ├── hk_ipo_db.json              # 港股招股书数据库
│   └── cross_listing_db.json       # 跨境上市评估数据库
├── tools/
│   ├── performance_calculator.py    # 绩效计算工具
│   ├── visualization.py             # 可视化工具
│   ├── financial_data_extractor.py # 财务数据提取工具
│   ├── hk_ipo_integration.py       # 港股IPO集成工具
│   └── report_generator.py         # 报告生成工具
├── templates/
│   ├── report_template.html        # 报告HTML模板
│   └── csv_template.csv           # CSV导出模板
├── html/
│   └── sasac_performance_query_2025.html  # 交互式查询系统
└── output/                          # 输出目录（自动生成）

---

API参考#

evaluate_indicator()#

python

def evaluate_indicator(
    industry: str,       # 行业名称（如"医药工业"）
    size: str,           # 规模（"全行业"/"大型企业"/"中型企业"/"小型企业"）
    indicator: str,      # 指标名称（如"净资产收益率"）
    value: float,        # 企业实际值
    standard_year: int = 2025  # 标准值年份
) -> dict:
    """
    单指标对标评估

    返回:
    {
        "indicator": "净资产收益率",
        "value": 15.0,
        "benchmark": [17.1, 12.7, 8.5, 3.2, -2.1],
        "level": "良好值",
        "score": 72.5,
        "gap_to_excellent": "12%",
        "gap_to_medium": "76%",
        "suggestion": "建议提升至优秀值(17.1%)以上"
    }
    """

full_diagnosis()#

python

def full_diagnosis(
    industry: str,
    size: str,
    data: dict,          # {指标名: 值} 字典
    standard_year: int = 2025
) -> dict:
    """
    全面绩效诊断

    返回:
    {
        "composite_score": 62.3,
        "grade": "B 良好",
        "dimension_scores": {
            "盈利回报": 72.5,
            "资产运营": 68.0,
            "风险防控": 55.0,
            "持续发展": 45.0
        },
        "strengths": ["盈利回报"],
        "weaknesses": ["持续发展"],
        "recommendations": [...],
        "radar_chart_path": "output/radar.png"
    }
    """

---

版本历史#

v2.0.0 (2026-05-17) — 🎉 重大更新#

• ✅ 完整数据：从10个行业扩展到332个标准值表（314国内+18国际）
• ✅ 国际对标：新增19个行业国际标准值（2024）对标功能
• ✅ 交互式查询系统：新增 html/sasac_performance_query_2025.html
• ✅ 行业大类筛选：支持按10大行业门类快速筛选
• ✅ 来源筛选：区分国内/国际标准值
• ✅ CSV导出增强：增加"行业大类"和"来源"列
• ✅ OCR修复：修复釆→采、増→增等字符问题
• ✅ 行业分类映射：新增证监会分类 ↔ SASAC分类映射
• ✅ 评分引擎：新增五档线性插值评分算法
• ✅ 综合评价：新增四维加权综合评分（盈利30%/运营20%/风险25%/发展25%）

v1.2.1 (2025-05-12)#

• 成功提取南京英派药业招股书财务数据
• 建立首个香港上市公司财务指标数据库记录
• 验证PDF财务数据提取流程可行性

v1.2.0 (2025-05-11)#

• 新增财务数据提取器
• 新增跨境上市可行性评估模型
• 建立香港上市公司财务指标数据库（3,629家公司）

v1.1.0 (2025-05-11)#

• 集成IMA香港上市招股书知识库
• 新增跨境上市绩效对标服务模块
• 扩展行业映射：科技→电子工业、生物医药→医药工业

v1.0.0 (2025-05-11)#

• 初始版本，包含全国国有企业、工业、煤炭工业基础数据
• 核心功能：精准对标、诊断雷达、管理建议

---

许可证#

MIT License — 详见 LICENSE

作者#

王东杰 (Wang Dongjie)

• 职务：CFO 首席财务官 | 资深复合型战略财务专家
• 资质：CGMA（皇家特许管理会计师）持证人
• 专长：上市公司资本运作、集团化财务管控、企业绩效评价
• 邮箱： Wdj_@163.com
• 电话：13952453499

致谢#

• 国务院国资委考核分配局（《企业绩效评价标准值2025》数据来源）
• 经济科学出版社（出版单位）
• AICPA & CIMA（CGMA知识体系）
• 香港交易所（IPO招股书数据）

---

使用约束#

• 必须严格依据2025版标准值数据进行判断，不可凭空捏造数据
• 若用户未提供行业/规模，默认使用"全国国有企业-全行业"标准，并提示用户细化
• 语言风格要专业、客观、具有指导性，体现"世界一流"的标准
• 港股招股书数据仅用于已公开披露的上市公司，遵守相关保密规定

---

🚀 开始使用： skillon install sasac-performance-analyst