（工商管理专业论文）基于数据仓库技术的财务数据分析系统研究.pdf

摘 要 摘要 当 今世界充 满了 激烈竞争， 准确及时的 决策是企业生存和发展的 重要环节。为了充分满足数据分析和决策支持的需求，近几年兴起的 数据仓库技术己在国内外的证券、 金融、 财务管理等领域得到了应用， 并且效果明显。 工业分析师们预测在未来的 2 0 年内， 数据仓库将在更 广泛的领域内被更多企业运用于企业管理当中。 太原铁路分局财务分处基本实现业务流程的计算机化后，数据资 源比 较丰富， 有待加强的是财务数据分析系统的建设。为了最大限 度 地提高数据的 利用率， 提高财务管理和科学决 策水平，在掌 握数 据仓 库基本理论和借鉴数据仓库在财务数据分析解决方案中 应用的 基础 上，决定运用数据仓库技术进行财务数据分析。 通过对太原铁路分局财务分处业务流程的调研、需求的分析、模 型的建立， 遵循数据采集、清洗、转换、 存储和数据分析的实施步骤， 开发了 “ 财务数据分析系统” 该系统运用数据仓库技术， 采用先进的 o l a p 工具为用户 提供了丰富的 数据分 析功能， 可从多个角度、 以 多种 形式、连续地展现管理者和决策者所需的财务信息，基本实现了进行 财务数据分析和辅助领导决策的需要。 同时，结合 “ 财务 数据分 析系统” 建设过程中遇到的问 题， 介绍 了建立数据仓库的体会，并就进一步完善分析功能、提高分析效率提 出了新的设想。 本论文正文共分为六大部分，第一部分是数据仓库概述，介绍了 数据仓库的产生与发展，重点从概念、架构、数据组织和种类等方面 阐述了数据仓库的基础理论;第二部分介绍了数据仓库的工具和主要 应用情况;第三部分分析了太原铁路分局财务管理现状，重点分析了 业务流程;第四部分是太原铁路分局财务数据分析系统的需求分析， 重点介绍了分析模型的设计;第五部分展示了系统的实现情况;第六 部分剖析了运用数据仓库进行财务数据分析的体会和完善系统建设 的思考。 关键词: 财务 联 机分析 ( o l a p ) 数 据仓库 a b s t r a c t a b s tr a c t w i t h i m p e t u o u s c o m p e t i t i o n i n o u r w o r l d , i t i s c r i t i c a l t o m a k e d e c i s i o n a c c u r a t e l y a n d t i m e l y f o r a n y e n t e r p r i s e w h i c h w a n t t o s u r v i v e a n d d e v e l o p . i n o r d e r t o m e e t t h e n e e d o f e n t e r p r i s e s d a t a - a n a l y z i n g a n d d e c i s i o n - s u p p o r t i n g , t h e t e c h n o l o g y o f d a t a w a r e h o u s e ( d w ) h a s s p r i n g e d u p i n t h o s e y e a r s a n d b e e n a p p l i e d e f f e c t i v e l y i n m a n y f i e l d s s u c h a s n e g o t i a b l e s e c u r i t i e s , f i n a n c e a n d s o o n . i t i s p r e d i c t e d t h a t d w w o u l d b e u s e d i n b u s i n e s s m a n a g e m e n t m o r e w i d e l y i n 2 0 y e a r s . a f t e r c o m p u t e r s w e r e i n t r o d u c e d i n t a i y u a n r a i l w a y s u b s t a t i o n f i n a n c i a l d e p a r t m e n t , i t i s u r g e n t t o e n h a n c e f u n c t i o n o f d a t a - a n a l y z i n g . t h e r e f o r e o n b a s e o f t h e t h e o r y o f d w， t h e s o l u t i o n b a s e d o n d w w a s c h o s e n t o i m p r o v e d a t a - u s i n g e f f i c i e n c y a n d t h e l e v e l o f d e c i s i o n - m a k i n g . i n t h e s e q u e n c e o f a n a l y z i n g r e q u i r e m e n t , m o d e l i n g a n d c o l l e c t i o n , f i l t r a t i o n , e x t r a c t i o n o f d a t a a n d d a t a - a n a l y s i n g ， 七 h e f i n a n c i a l d a t a - a n a l y z i n g s y e t e m w a s r e a l i z e d . w i t h t h e h e l p o f t e c h n o l o g y o f d w a n d o l a p , t h e s y s t e m c a n a n a l y z e t h e o v e r a l l f i n a n c i a l i n f o r m a t i o n c o m p r e h e n s i v e l y a n d c o n t i n u o u s l y a n d f u l f i l l t h e e s s e n t i a l n e e d o f d e c i s i o n - s u p p o r t i n g . a t t h e s a m e t i m e , a c c o r d i n g t o t h e p r o b l e m e m e r g e d d u r i n g t h e i m p l e m e n t i n g o f t h e s y s t e m , t h e a r t i c l e d i s c u s s e d t h e e x p e r i e n c e o f b u i l d i n g d w a n d b r o u g h t f o r w a r d t h e a s s u m p t i o n t o p e r f e c t a n a l y t i c a l f u n c t i o n a n d i n c r e a s e a n a l y t i c a l e f f i c i e n c y . t h e a r t i c l e c o n s i s t s o f s i x p a r t s . t h e f i s t p a r t i n t r o d u c e d t h e b e g i n n i n g a n d d e v e l o p m e n t o f d w a n d e m p h a s e s e d o n i t s c o n c e p t i o n , a r c h i t e c t u r e , d a t a - o r g a n i z i n g a n d c a t e g o r y . t h e s e c - a n d i n t r o d u c e d m a i n t o o l s a n d a p p l i c a t i o n s o f d w . t h e t h i r d a n a l y z e d t h e p r e s e n t m a n a g e m e n t s t a t u s o f f i n a n c i a l d e p a r t m e n t a n d t h e f i n a n c i a l b u s i n e s s p r o c e s s . t h e f o r t h d e s c r i b e d t h e p r o c e s s o f r e q u i r e m e n t - a n a l y z i n g a n d m o d e l - d e s i g n i n g . t h e f i f t h d e s c r i b e d t h e i m p l e m e n t i n g o f d a t a - a n a l y s i n g s y s t e m . a n d t h e l a s t p a r t e x p a t i a t e d o n t h e f u r t h e r c o n s i d e r a t i o n o f f i n a n c i a l a n a l y z i n g s y s t e m b a s e d o n d a t a w a r e h o u s e . k e y w o r d s : f i n a n c e o l a pd a t a w a r e h o u s e 5 8 6 5 8 2 独创性声明 本人声明， 所呈交的学位论文是我个人在导师指导下进 行的研究工作及取得的 研究成果。 尽本人所知， 除了文中特 别加以 标注和致谢的地方外， 论文中不 包含其他人已 经发表 或撰写过的 研究成果， 也不包含为获得北京交通大学或其他 教学机构的学位或证书而使用过的材料。 与我一 起工作的同 志对本研究所做的任何贡献已在论文中作了明确的说明并 表示了 谢意。 本人签名: 日 期: 2 0 0 3 - 年 1 2 一 月 卫 生日 数据仓库 概述 数据仓库概述 数据仓库的产生与发展 当 今世界充满了 激烈竞争。 正确及时的决 策是企业生存和发展的 重要环节。现在，愈来愈多的企业认识到，要想在竞争中取胜，获得 更大的收 益，至关重 要的是，必须充分利用信息技术 ( i t ) ， 深层次 地分析、 挖掘当 前的和历史的生产经营数 据， 以及 相关环境的 有关数 据，自 动快速获取其中有价值的决策信息， 为企业提供快速、 准确和 方便的决策支持， 为企业制定短期计划和长远规划提供科学的理论指 导， 使企业的决策者及时掌握 企业的 运行情况和发展趋势， 实现科学 决策，最终提高企业的管 理水平和竞 争优势。 在 2 0 世纪，企业 信息化的目 标 绝大部分都是锁定在实现工作流 程自 动化上。 计算 机系统的 功能 从数 值计算扩展到数据管理距今己 有 三十多年了。 最 初的 数据管 理形式主 要是文件系统， 少数是层次型或 网 状数据库， 均属于传统的封闭数据库系统， 到了1 9 6 9 年， e . f . c o d d 博士发表了著名的关系数据模型的论文，开创了数据管理的新时代。 整个 8 0 年 代直到9 0 年代初， 联机事务处理 ( o n l i n e t r a n s a c t i o n p r o c e s s i n g / o l t p ) 一直是数据库应用的主流。 当联机事务处理系统应用到一定阶段， 企业家们便发现单靠拥有 联机事务处理系统已经不足以获得市场竞争的优势， 他们需要对其自 身业务的运作以及整个市场相关行业的状况进行分析， 从而做出有利 的决策。 为了充分满足数据分析和决策支持的需求， 近几年兴起了一 种新的 信息技术 数据仓库 ( d a t a w a r e h o u s e ) 。 著名的 数据仓 库 专家 r a l p h k i m b a l l 写道: “ 我们花了二十多年的时间将数 据放入数 据仓库，如今是该将它们拿出来的时候了。” 数据仓库的概念一经出现，首先被应用于金融、电信、 保险等主 要传统数据处理密集型行业。 i i ) c在 1 9 9 6年的一次对 9 0 年代前期进 行的 6 2 个数据仓库项目 的调查结果表明: 进行数据仓库项目 开发的 公司在平均 2 . 7 3 年的时间内获得了平均为 3 2 1 %的投资回报率。 目 前， 数据仓库技术己在国内证券、银行、税务、保险、商业、保健等领域 进行了应用，并取得了良 好的效果。随着数据仓库技术的日臻成熟， 工业分析师们预测在未来的 2 0年 内，数据仓库将在信息业界将占有 北京交通大学硕士学位论文 一席之地，并将在更大的领域 内被更多企业运用于企业管理当中。 z . 数据仓库的基础知识 2 . 1 . 数据仓库的 概念 传统的 数据库技术 是单一的数据资源，即以 数据库为中 心， 进行 从事事务处理、 批处理到决策分析等各种类型的 数据处 理工作。 近年 来， 随着计算机应用和网络技术的发展， 开始向两个不同的方向拓展: 一是广度计算，一是深度计算 。 所谓广度计算就是把计算机的应用范 围尽量 扩大， 实现广泛的数据交流， 互联网 就是广度计算的 特征。 所 谓深度计 算就 是人们 对以 往计算机的简单 数据操作， 提出了更高的要 求， 希 望计算 机能 够更多 地参与数 据分析与 决策制定等领域。 特别是 数据库处 理可以 大致 地划分为两大 类: 操作型处理和分析型处 理。 操 作型处理 ( o l t p ) 也 叫事务 处理， 是指对数 据库联机的日 常操作， 通 常是对一个或一组纪录的查询和修改，主要为企业的特定应用服务 的，注重响应时间，数据的安全性和完整性;分析型处理( o l a p ) 则用 于管理人员的决策分析， 经常要访问 大量的历史数据。 数据库系统作 为数据管理手段，从它的诞生开始，就主要用于事务处理， 传统的业 务系统一般是 直接建 立在这种事务处理环境 上的。随 着技术的进步， 管理者对于决策分析， 也就是分析处理的功能越来越高，然而由于事 物处理和分析处理具有极不相同的性质， 直接使用事务处理环境来支 持决策是行不通的。 正是由于传统数据库系统难于实现对数据分析处 理要求，已经无法满足数据处理多样化的要求， 数据仓库技术应用而 生了。 数据仓库( d a t a w a r e h o u s e ) 概念的形成是以p r i s m s o l u t i o n s 公 司副总裁、“ 数据仓库之父” w i l l i a m h . 工 n m o n 先生在1 9 9 0 年出 版的 建立数据仓库( b u i l d i n g t h e d a t a w a r e h o u s e ) 一书为 标志的。 随 后， w i l l i a m h . i n m o n 先生又给出了 更为精 确的定义:数据仓库就 是 在企业管理和决策中面向主题的、 集成的、 稳定的、 不同时间 的数 据集合， 用以 支持经营管 理中的决策制定过程。 从 这个定义可以看出， 数据仓库拥有以下四个特点: . 主题特性。操作型数据库的数 据组 织面向事务处理任务，各 个业务系统之间 各自 分离， 而数据仓库中的 数据是按照一定的主题域 进行组织。主题是一个抽象的概念，是指用户使用数据仓库进行决策 数据仓库概述 时所关心的重点方面，一个主题通常与多个操作型信息系统相关。 . 集成特性口面向事务处理的操作型数据库通常与某些特定的 应用相关，数据库之间相互独立， 并且往往是异构的。而数据仓库中 的数据是在对原有分散的数据库数据抽取、 清理的基础上经过系统加 工、汇总和整理得到的， 必须消除源数据中的不一致性，以保证数据 仓库内的信息是关于整个企业的一致的全局信息。 . 稳定特性。操作型数据库中的数据通常实时更新，数据根据 需要及时发生变化. 数据仓库的数据主要供企业决策分析之用， 所涉 及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一 般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作， 但修改和删除操作很少，通常只需要定期的加载、刷新。 . 渐变特性。操作型数据库主要关心当前某一个时间段内的数 据， 而数据仓库中的数据通常包含历史信息， 系统记录了企业从过去 某一时点 ( 如开始应用数据仓库的时点) 到目前的各个阶段的信息， 通 过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预 测。 企业数据仓库的建设， 是以现有企业业务系统和大量业务数据的 积累为基础。 数据仓库不是一个静态的概念， 而是一个不断进行设计、 构造、 管理和维护的循环过程。正是基于这一点， 数据仓库建设不是 一个项目或产品， 而是一个过程。 而数据仓库的主要任务是把数据加 以整理归纳和集成， 并及时提供给相应的管理决策人员， 用以进行分 析决策。 1 . 2 . 2 . 数据仓库的基本架构 数据仓库不仅包含了分析所需的数据， 而且包含了处理数据所需 的应用程序， 这些程序包括了将数据由外部媒体转入数据仓库的应用 程序，也包括了将数据加以分析并呈现给用户的应用程序。在应用系 统中， 数据仓库主要由数据源、仓库管理和分析工具三部分组成，如 图 1 - 1 所示。 数据源:是数据仓库系统的基础，是整个系统的数据源泉。通常 包括企业内部信息和外部信息。内部信息包括存放于 d b m s中的各种 业务处理数据和各类文档数据， 这些数据可以来源于企业内部的办公 系统、e r p系统，甚至是e x c e l 表格。外部信息包括各类法律法规、 市场信息和竞争对手的信息等等。 北京交通大学硕士学位论文 仓库管理:是整个数据仓库系统的核心，为数据仓库中的数据提 供一个管理平台， 他的主要功能是对数据进行存储和管理。由于数据 源的复杂多样性， 在数据进入数据仓库系统之前， 要对数据进行抽取、 转 换和 过 滤， 也 就 是 使 用e t l ( e x t r a c t i o n , t r a n s f o r m a t i o n , l o a d ) 工具。 e t l 工具 将原始数据进 行抽取， 将多 余的 数据删除， 给必 要但 缺乏的数 据提供默认值， 然后将数据转换， 保持数据的一致性， 最后 将数据加载到数据仓库中。同时， 数据仓库还要完成一些主要管理任 务，包括批处理作业管理、数据安全管理、 元数据管理和数据的备份 与恢复等。数据管理平台为数据仓库的正常运行提供了基本保障。 q la p 胭场. 琪 鹦黔黔影 翻翻 工三 盈拐 旅 己 图 1 - 1 县_ . 带 口 - 盆组妞市臼 , a p 盈妥趁 数据仓库架构图 分析工具:主要包括各种报表工具、查询工具、数据分析工具、 数据挖掘工具以 及各种基 于数 据仓库或数据集市的 应用开发工具， 其 中联机分析处理和数据挖掘是两个最重要的工具。联机分析处理 ( o l a p ) 是基于数据仓库的分 析处理过程， 是数据仓库的 用户 接口。 o l a p以多维数据分析著称， 它允许多角度、 多方位地考察用户的信息， 如 产品维度、 地理维 度、 时间 维度和用户自 定义维度等。 数据挖掘( d m ) 是一种知识发现的方法， 是按照企业既定的业务目标， 对大量企业数 据 进行探索， 揭示隐藏在其中的 规律性并进一步进行模型化的先进而 有效方法。 进行数据挖掘的 主要方法包括回归分析、 决策树和神经网 络等。 数据仓库概述 2 . 3 . 数据仓库的数据组织 数据仓库中的数据分为四个级别:早期细节级、当前细节级、轻 度综合级、高度综合级。源数 据经过 综合后， 首先进入当前 细节级， 并根据具体需要进行进一步的 综合， 从 而进入轻度综合级乃 至高 度综 合级， 老化的 数据将进入早期细节级。由 此可见， 数据仓 库中 存在着 不同的综合级别，一般称之为 粒度 ， 粒度问题是设计数据仓库时需 要考虑的一个重要方面。 粒度是数据仓库的数据单位中保存数据的细 化程度或综合程度的级别。 粒度越大， 表示细节程 度越低， 综合程度 越高，反之，综合程度越低。当数据仓库空间有限时， 用高粒度级表 示 数据将比用低粒度级表示的 数据效 率要高 得多， 然而 对于高 粒度级 的数据，回答查询的能力也将随之下降。 数据仓库的数据来源于操作型系统环境中的大量历史数据， 这些 数 据在数 据仓库中如何 进行合 理的组 织是一个重要的问 题。 选择哪种 数据组织方式要结合数据量、 存储环境和分析需求等因素进行综合考 虑。数据仓库中最为常见的数据组织形式主要包括: .简单堆积文件: 它将每日由 数据库中 提取并加工的数据逐天 积累并存储起来。这里的事务处理是以天来进行综合的。相对而言， 这种方式最简单，也保存了最完整的细节数据。 然而， 这种方式的数 据量也最大，要占据大量的空间。 .轮转综合文件: 数据存储单位被分为日、 周、 月、 年等几个 级别。 在一个星期的七天中， 数据被逐一记录在每日数据集中; 然后， 七天的数据被综合并记录在周数据集中: 接下去的一个星期，日数据 集被重新使用，以记录新数据。同理， 周数据集达到四个后，数据再 一次被综合并记入月数据集。以此类推。轮转综合结构十分简捷， 数 据量较简单堆积结构大大减少。 当然， 它是以损失数据细节为代价的， 越久远的数据，细节损失越多。 . 简化直接文件:它类似于简单堆积文件，但它是间隔一定时 间的数据库快照，比如每隔一星期或一个月作一次。这种方式不是在 每天的 基础上组织的， 而是以 较长的时 间为单位的， 这 样在数据仓库 中的数据与操作环境的数据有一点的间隔， 但它降低了数据加载的频 率。 使用合理的数据组织形式，建立合适的粒度级别，不仅能节省数 据仓库的资源消耗， 还能提高数据仓库的性能， 提高汇总分析的效率。 北京交通大学硕士学位论文 1 . 2 . 4 . 数据仓库的种类 如果将数据仓库以其规模与应用层面来加以区分， 大致可以分为 以下四种: . 标准数据仓库 ( s t a n d a r d d a t a w a r e h o u s e ) :它是企业最常 用的数据仓库，是依管理决策的需求而将数据加以整理分析， 再将其 转换至数据仓库之中。它是以整个企业为着眼点而构建出来的， 所以 其数据都是有关整个企业的数据， 用户可以从中得到整个组织运作的 统计分析信息。 . 数据集市 ( d a t a m a r t ) :它是针对某一个主题或是某一个部 门 而构建的数据仓库， 一 般而言， 它的规模会比 标准数据仓库小。 例 如，一个企业内部的财务部门、市场部门、销售部门等业务部门，都 可以 构建自己的 数据集市。数据集市只存储与部门或主题相关的 数 据。 . 多层数据仓库 ( m u l t i - t i e r d a t a w a r e h o u s e ) :它是标准数 据仓库与数据集市的一种组合应用方式，在整个架构中，有一个最上 层的数据仓库提供者，它会将数据提供给下层的数据集市。多层数据 仓库的好处是拥有统一的全局性的数据源， 创建部门使用的数据集市 就比较省时、 省事，而且各数据集市的工作人员可以分散整体性的工 作开销。 . 联合式数据仓库 ( f e d e r a t e d d a t a w a r e h o u s e ) 。它是在整体 系统中包含了多重的数据仓库或是数据集市系统， 也可以包括多层的 数据仓库，但是在整个系统中只有一个数据仓库数据的提供者。 这种 数据仓库系统适合大型企业使用。 数据仓库的工具和士要应用 2 . 数据仓库的工具和主要应用 2 . 1 . 数据仓库的两大工具 数据仓库是一种企业解决方案， 而不是一件产品， 主要提供用于 决策支持的当前数据和历史数据， 对这些数据的决策分析在传统的操 作型数据库中很难甚至无法进行。 数据仓库技术是为了有效地把操作 型数据集成到统一的环境中以提供决策型数据访问的各种技术和模 块的总称，能提供一个完整的并且完全集成的商务智能方案。 无论在 客户机/ 服务器和 还是 在w e b环境中， 一个好的 解决方 案应 具有强 大 的查询、 分析和报表功能， 以便让用户更快、 更方便地查询所需信息， 得到决策支持。目 前， 数据仓库的解决方案主要提供了 两大工具: 联 机分析处理 ( o n l i n e a n a l y t i c a l p r o c e s s , o l a p ) 和数据挖掘 ( d a t a m i n i n g , d m ) . 2 . 1 . 1 联机分析处理 ( o l a p ) 联机分析处理( o l a p ) 的概念最早是由关系数据库之父 e . f . c o d d 于 1 9 9 3 年提出的。 当时， c o d d 认为联 机事务处理( o l t p ) 已 不能满足 终端用户对数据库查询分析的 需要， s q l 对大数 据库 进行的 简单查 询 也不能 满足用户分析的 需求。 用户的决策分析需要 对关系数据库进行 大量计算才能得到结果，而查询的结果并不能满足决策者提出的需 求。因此 c o d d提出了多维数据库和多维分析的概念，即 o l a p . o l a p一个更明确的定义是共享多维信息的快速分析， 要理解这 一定义， 首要的要掌握维的概念。 假定某个百货零售商， 有一些因素 会影响他的销售业务， 如商品、时间和流通渠道等，更具体一点，如 品牌、月份、地区等。 对某一给定的商品，也许他想知道某种商品在 某段时间的销售情况。这里所提到的商品品牌、时间和地区都是维， 维就是相同类数据的集合，也可以理解为变量。更通俗的讲，维就是 管理者进行分析时所采用或关注的角度。 他想从时间这个角度对销售 情况进行分析， 那么这里的时间就是一个维度。 对于 o l a p另一个重 要的 概念就是度量， 度量就是管 理者进行决策分析查 询时所使用的 指 标。 如对于某商店的销售情况而言，管理者可能很关心销售的数量和 北京交通大学硕士学位论文 销售的金额， 那么这里的销售数量和销售金额作为两个重要的分析指 标，就是我们所说的度量值的概念。 o l a p的本质特征在于它的多维性。人们很容易理解一个二维表 ( 如通常的电 子表格) ，二维表是关系数据库的主 要存储方式。 o l a p 通常将三维立方体的数据进行切片， 显示三维的某一平面。 如一个立 方体有时间维、商品维、 地理维，其图形很容易在屏幕上显示出来并 进行切片。如图z - 1 所示，就是一个简单的三维立方体模型，这是一 个对产品销售量加以分析的多维模型， 其中包含了三个维度:时间维 度、 地理维度和产品维度和一个度量值:销售量。也就是说管理者将 从时间、地理位置和产品类型这三个角度对销售量这个指标加以分 析。 其中在这个立方体中的每一个单元格中都会对应一个数值， 也就 是一个立方体的切片。 多雄教 据视图 京海州 北上广 地理位t 产品 类 型 图z - 1 o l a p三维立方体模型视图 同时， o l a p的多维分析视图冲破了物理的三维概念，采用了旋 转、 嵌套、 切片、 钻取和高维可视化技术， 在屏幕上展示多 维视图的 结构，使用户直观地理解、分析数据，进行决策支持。 相对以 往的事务处理系统， o l a p 具有以 下良 好的 特性: . 快速性: 用户对 o l a p的 快速反应能力有很高的 要求。 对于 分析需求而言，如果响应时间过长，会影响用户的分析思路，降低分 析效果。 而o l a p 采用一些专门的存 储格式， 实现将一些聚合数据存 储在立方体中，以便提高快速的响应。 . 可分 析性: 在o l a p 的使用 过程中， 尽管系统需要事先编程， 但并不意味着系统已定义好了所有的应用。 用户无需编程即可定义新 的专门计算， 将其作为分析的一部分， 并以用户理想的方式给出报告。 . 信息性:不论数据量有多大，也不管数据存储在何处， o l a p 数据仓库的工具和主要应用 系统都能及时获得信息，并且对大容量的数据加以管理。 2 . 1 . 2 数据挖掘 ( d m ) 数据挖掘，也称知识挖掘， 是对巨大的数据集进行寻找和分析的 计算机辅助处理过程， 在这一过程中发现先前未曾发现的模式， 然后 从这些数据中发掘某些内涵信息，包括描述过去和未来趋势的信息。 数据挖掘是一个过程， 在大量的数据中发掘隐藏在其中的有意义的某 种模式和关系. 数据挖掘对于那些收集了大量的历史资料的机构组织来说更有 价值。一方面， 数据挖掘要以大量的、规范的历史数据为基础，数据 仓库的数据来源于整个企业， 保证了数据挖掘中数据来源的广泛性和 完整性， 数据挖掘技术是数据仓库应用中比较重要也是相对独立的部 分。 另一方面，要进行数据挖掘需要建立合适的挖掘模型，挖掘模型 是指由数据挖掘算法编译而成的物理模型。 简单地说， 数据挖掘是这样的一个过程: 首先从原始数据源中提 取和过滤有用的数据， 并且进行校验，保证数据的一致性、兼容性和 完整性。 然后，创建或选择合适的挖掘模型， 模型是一个特定的存储 己经过算法处理的数据结构， 将数据在挖掘模型中进行分析， 所得到 的结果集用来支持决策。最后对于已经建立好的挖掘模型要进行维 护，保持其有效性和对变化的适应性。 目前， 数据挖掘技术正处在发展当中。 数据挖掘涉及到数理统计、 模糊理论、神经网络和人工智能等多种技术， 技术含量比较高，实现 难度较大。此外，数据挖掘技术还会同可视化技术、地理信息系统、 统计分析系统相结合，丰富了数据挖掘技术及工具的功能与性能。 2 . 2 . 数据仓库在财务数据分析中的应用 对于企业决策层来说， 随着财务分析范围的扩大和自身防范经营 风险的迫切需要， 财务分析所涉及的基础业务数据越来越多，分析人 员需要同会计部门和各个生产、 经营部门特别是同市场部和生产部进 行密切联系。 于是，手工或半手工方式进行财务分析工作变得越来越 困难，财务分析人员早己不堪重负，有时甚至束手无策。 随着我国财务电算化 事业， 特别是 现代化企业的垂直式管 理模式 的推广，改变了多年的宝塔型管理模式， 并使越来越多的企业实施了 北京交通大学硕 七 学位论文 财务电算化。企业的会计凭证、账薄、报表等会计数据大多以电子形 式存储于账套文件中。 财务电 算化在一定 程度上解决了 传统的 财务数 据处理的复 杂性和繁琐性。 然而， 企业的财务活动情况及经营成果， 虽然反映在财务报告及 其它有关资料上， 但这些资料往往只是对企业的财务活动做较浅层次 的描述， 而未能揭示其本 质特征和内 在联系。 因 此， 有 必要对这些资 料进行分析研究， 使他们转化为对企业决策和管理更直 接、 更有用的 信息。利用数据仓库技术进行财务分析，可以将企业大量复杂的历史 数据加 以采集整理，并按决策者的需求，灵活地展现出来。使用者可 以从多个角度、 以多种不同的 形式( 动态表格、 动 态图 形或图 表结合) ， 连续地展现所需财务信息，以供辅助决策。 目前已经有很多企业 已经使用或正在开发财务数据分析系统的 数据仓库解决方案。 财务分 析系 统是以企 业的财 务及其相关数据为依 据，运用数据仓库技术， 对企业的财务状况和经营成果进行剖析、 研 究和评价， 为企业内 外有关 方面的 决策和管理提供服务的智能分析系 统。 数据仓库 在财务数据分 析领域能够很好的 起到汇总分析和辅助决 策的功能，这是在一般意义上的财务电算化系统中无法比拟的优势。 为了满足财务数据分析的需求， 数据仓库的解决方案， 提供了全 面的、准确地、多 方位的 财务指标分析功能， 其中 包括: . 收入分析:对主营业务收入、投资 收益、 其它业务利润、营 业外收支净额、其它各项收入 ( 补贴和以前年度损益调整) 、人均创 效、单位营业面积创效等加以分析。 . 费用分析:对费用额、( 累计)费用率、( 本月或本年累计) 费用占销货比率等加以分析。 . 利润分析: 对利润或亏损总 额、净利润、 实现利税、 缴纳利 税、 净资产收益率、 总资产报酬率、资 本金利润率、 销售利润率、 获 利倍数、社会贡献率等加以分析。 . 资产分析:对资产总额、流动资产、应收账款、存货、待摊 费用、待处理流动资产净损失、长期投资、固定资产、 在建工程、无 形资产、 长期待摊费用、资 产负债率、 流动比 率、 存货周 转率、 应收 账周转率、不良资产比率等加以分析。 . 其他分析:如现金流量分析、保值增值分析、综合指标分析 等等。 实 例: 青岛市商业总公司运用数据仓库技术开发的 青岛 市商业 总公司智能分析系统己于 2 0 0 2年 1 月在正式运行。该系统融合了 商业总公司下面的 1 7家 ( 重组后变为 1 家)大型企业集团 ( 包括零 售业、批发业、工业、服务业、其它，共 5 种行业)的财务数据，每 数据仓库的工具和主要应用 月 对此 进行专业的财 务分析。 数据仓库技术在财务数 据分 析系统中 发 挥着重要的作用，一方面，简化了商业总公司每月的财务分析报表、 汇总报 表和上 报报表的 制作过程， 与原有半自 动化方 式的 财务分析系 统相比， 这一解决 方案大大减少了 财务分析人员的 工作量; 另一方面， 显著提高了 财务分析结果的详细程度和各个分析 指标的精度， 并可很 快地满足公司 决策层随时提出的各种分析要求， 为 公司的决策提供了 强有力的支持。 2 . 3 数据仓库在金融领域的 应用 随着社会主义市场经济改 革的深 化， 传统的 计划金融 模式逐渐瓦 解，市场金融模式逐渐形成， 由此而带来了银行对各种金融变量控制 的随机性和模糊性。如何防范银行的经营风险、 实现科学管理以及进 行决策，成为当今金融研究的一个重要课题。 利用数据仓库的强大功 能， 银行可以 建立企业客户群、 个人客户群的数 据库， 并 对企业的 结 构、经营、财务、市场竞争等多个数据源进行统一的组织，形成一个 一体化的 存储结 构， 为 决策分析奠定基础。 银行决 策支持系统是建立 在银行管理信息 系统基础之上的、以 银行数据库 和数据仓库为基础， 包括各种辅助制定货币 政策、 开拓金融业务等的 模型 库、 方法库和知 识库。 例如有许多 著名的 金融机构从基于大型主 机信息管理的多个系 统， 转向 一种客户/ 服务器结构下的数 据仓库解 决方案。 实例:南京市利用数据仓 库技术实 施贷款证制度。 1 9 9 7 年5 月， 南京分行开始着手进行南京市 贷款证 管理网 络系统的研制与开发。 该 系统采用客户/ 服务器的数据平台结构、数据仓库技术和软件构件技 术。 1 9 9 7 年 7 月i 日 ， 该系统的一期工 程完成并正 式投入使用。 该系 统覆盖南京市区及市辖 5 县的省、 市、 县三级一千余家金融机构的贷 款证管理业务， 大大提高了 贷款证系统的工作质 量与效 率，同时也提 高了南京市信贷业务的决策管理水平。 从实际运行情况来看，该系统 功能齐全、操作方便、结构合理、运行稳定。 2 . 4 . 数据仓库在证券领域的应用 数据仓库技术在证券业的应用十分广泛，它可处理客户分析、 账 户分析、 证券交易数据分析、 非资金交易分析等多个业界关心的主题， 这是证券业扩大经营、 防范风险的预警行动。证券公司利用基于数据 北京交通大学硕士学位论文 仓库的客户行为分析系统将所有客户的操作记录进行归类和整理， 并 结合行情走势、上市公司资料、宏观微观经济数据等，在掌握大量数 据的情况下，对客户的行为和市场各因素的关联、客户的操作习惯、 客户的持仓情况、 客户的盈亏情况、 公司的利润分布等进行统计和分 析。 从而获得以往一直想获得但却无法获取的关于客户在本公司的行 为、盈亏、习惯等关键信息。 证券商在获得这些信息后，就有能力为 客户提供针对其个人习惯、 投资组合的投资建议， 从而真正作到对客 户的贴心服务。 实例: 深圳国 信证券建立数据仓库。 1 9 9 9 年4 月， 深圳国信证券 的数据仓库系统 ( 由 s y b a s e公司提供解决方案) 一期工程完成，该项 首期投资近 2 0 0 万元数据仓库系统建设的出发点是为当前公司的决策 者提供快速有 效的 各种报表和分析方式， 提高公司的市场反应速 度和 竞争力水平。同时，考虑到公司业务系统的不断完善和决策支持的更 高要求， 对不断增长的企业数据具有很好的可扩展性并提供可控的快 速查询响应时间。 该系统包括了客户分析、 账户分析、 证券汇总分析、 资金交易分析、 非资 金交易 分析等多 个业界 关心的主题。 公司用户可 以 通过固定灵活报表、多维分析等多种形式实现多个层面的数据访 问， 数据访问的 手段包括访问 授权的内 部w e b 站点、 通过自 动e - m a i l 邮件转发、 直接c l i e n t / s e r v e r 连接等多 种方式。 该系统的完成是国 内开放平台数据仓库系统建设的一个成功案例。 2 . 5 . 数据仓库在其他领域的应用 数据仓库技术在税务、 保险、 商业、 保健等领域的应用也非常成 功。如税务部门通过对大量数据资料的分析， 应用数据仓库技术掌握 各行各业、 各种产品 和各类市场的 从业人员以 及企业的纳税能力， 并 与其实际纳税金额进行对比， 从而查出 可能的 偷漏税者。 数据仓库技 术在政府税收部门的 应用所带来的 效益也是十分可观的。 澳大利亚政 府税务部门 将数据仓库技术用于支持税收业务， 系统经过3 年的运行， 投入回报率达到 1 : 巧。 美国 德克萨斯州政府税务部门 采用数据仓库 技术半年， 而且 工程尚未结束， 每月己 可带来6 0 0 万美元的收益， 预 计每年的收益将超过 8 0 0 0万美元。国内深圳市国税局与深圳奥尊电 脑公司合作， 利用数据仓库技术开发了新一代税务信息系统， 提高了 业务数据统计分析功能， 实现了 决策支持， 加强了税收征管。 ，此外，英国电信采用数据仓库应用系统保证了关键性业务的处 理，福特汽车公司、m o t o r o l a . g e总部、a t 截止 2 0 0 2 年底，太原铁路 分局 拥有职工6 9 5 6 1 人。 2 0 0 2 年， 太原铁路分局完成货运量 1 2 2 1 7 . 8万吨， 客运量 2 0 8 2 . 2 万人，换算周转量 4 6 8 8 2 . 1 百万吨公里，运输收入 5 9 6 3 0 2 . 5万元， 实 现运输利润5 7 5 5 万元。 3 . 2 . 太原铁路分局财务管理现状 3 . 2 . 1 . 太原铁路分局财务管理组织结构 太原铁路分局财务管理工作由 分局长主管， 总会计师协管并 负责 日常工作。 财务分处作为分局专业职能部门负责管理太原铁路分局本 级以及太原铁路分局所属 1 0 9 个决算单位的财务管理、 会计核算、资 金管理等工作，业务上受北京铁路局财务处指导。 财务分处下设运营 计划、会计决算组 ( 含国有资产管理 ) 、综合财务、大修管理、财务 太原铁路分局 财务管理现状分 析 监察、机关财务等六个组以及资金调度中心、记账中心、财会学会三 个附属机构。如图3 - 1 所示。 图3 - 1 太原铁路分局财务组织结构图 3 . 2 . 2 . 太原铁路分局财务分处业务流程分析 按照现行铁道部对铁路局实行资产经营责任制、 铁路局对铁路分 局实 行生 产经营责任制的 管理方式， 分局以 生产经营为主， 是生 产经 营的主体。 分 局在财务管理方面的 主要职责是: 根据铁道部关于客 货 网分账核算的规定，按照 “ 客运收入来自市场、货网收入合并清算、 提供 服务 相互清算” 的原则， 分局可 根据客运营业收 入、 货网营 业收 入和提供服务收入的多少， 在收支弹挂率计算的成本有权范围内，除 铁路局制定项目外，自主安排支出，以收定支，收支平衡， 保证完成 北京交通大学硕士学位论文 盈亏目标。财务分处作为分局财务管理的职能部门， 业务流程主要包 括收入、 成本、资金和会计管理，结合分处组织结构具体包括 以下业 务流程。 a . 运营计划管理。主要内容是: . 根据上级下达的生产财务计划，结合分局实际情况，组织分 局生产财务计划的编制、下达、汇总、上报工作; . 根据 铁路运输企业成本费用管理核算规程 、 铁路运输企 业成本费用管理核算规程实施细则及上级有关成本支出管理的规 定， 制定分局有关成本管理制度、 成本考核办法，并指导基层单位成 本管理工作， 不断完善成本管理制度， 控制成本支出，确保基层完成 分局下达的经营指标; . 按照上级有关清算办法的规定，计算分局的营业收入，并制 定和执行分局对基层单位的清算办法、利润分配办法; . 在季度、年度决算期，负责审查基层单位财务清算指标完成 情况， 审核基层单位成本计划执行情况，并向分局有关部门提供基层 单位财务指标的完成情况; . 控制分局季度、年度财务决算的支出额度，调整支出比例， 调控分局运输利润完成额度; . 组织分局运营单位、工附业单 位应付福利费 计划的 编制、 下 拨工作; . 根据分局成本支出情况，深入基层进行调研，了解各单位的 生产状况及成本支出情况， 提出 分局成本管 理、 成本控制、 成本计 划 指标调整的合理化建议; . 负责分局向当地税务机关交纳各税的申报、企业所得税监管 报表的申报、固定资产报废的申请报批等; . 负责分局经济活动分析指标的计算、资料的组织，掌握分局 成本管理、 成本控制、 成本增支因素等有关信息， 并及时向上级反馈; . 组织支出大户的考核管理，组织成本对标工作，推广成本管 理工作中的先进经验。 运营计划管 理工作 具