基于财务数据分析的数据仓库模型

基于财务数据分析的数据仓库模型［摘要］财务报表数据是分析判断企业经营状况的重要指标，是企业做出及时、准确的决策的重要依据。本文通过介绍数据仓库结构及其相关技术，结合财务分析的特点，提出了基于智能财务分析的数据仓库模型设计方案。［关键词］数据仓库；智能财务分析；星型模型随着市场经济的不断完善，财务分析作为一门独立的学科，已有几十年的历史。传统的财务数据分析，能使决策者掌握企业的资产、负债情况和各项经营状况，并能根据各项财务指标，为经营决策提供帮助。伴随计算机技术的迅猛发展，计算机已应用于各个行业和领域，特别是财务核算和分析软件经历了从计划性阶段到智能性阶段的发展，即从单一的进、销、存进行传统的核算，到为了提高企业参与竞争的快速反应能力，及时高效地为决策服务，使整个财务分析处理的效能上升到足以完成企业高效决策和管理所需要的程度。在企业的各种数据中，最重要的是财务报表数据。财务报表数据现在已经成为分析判断企业经营状况的国际通用语言。而“智能化财务分析系统”正是专门用来分析财务数据、发现经营问题的系统。它能够在导入财务报表数据之后，快速生成一个内容全面、结论准确、图文并茂的财务分析报告。作为一项复杂度较高的应用技术，企业实施财务分析及决策支持系统面临一些难题，其中建立数据仓库是智能分析的基础和关键。利用数据仓库能系统地组织、理解和使用数据，为战略决策提供支持，是一个有价值的工具。本文结合财务数据和财务分析的特点，设计合适的数据仓库模型。一、数据仓库技术数据仓库是指一个支持管理层的决策过程的、具有主题导向的、整合的、因时间而变异的、不变动的数据集合。根据数据仓库的定义，可以发现数据仓库具有如下4个特点：①具有主题导向的：数据所提供的信息是关于某一个特别的主题而不是关于企业的日常运营；②整合的：数据的来源是从多个渠道的数据源聚集到数据仓库中，并集成为一个整体；③因时间而变异的：数据仓库中的所有数据都由某一个特别的时间段来标识，数据仓库的关键结构都隐式或显式地包含时间标识，数据仓库中的数据代表了过去某一时刻的数据快照；④不变动的：数据仓库的数据是稳定的，更多的数据会加进来，数据不移出、不更新。由此可见，数据仓库最根本的特点是物理地存放数据，而且这些数据并不是最新的、专有的，而是来源于其他数据库。它要建立在一个比较全面和完善的信息应用基础上，是对原始的操作数据进行各种处理并转换成有用信息的处理过程，用户可以通过分析这些信息，支持高层决策分析。因此，数据仓库通常包含4个组成部分：数据源、数据处理、数据存储、数据分析，如图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。它不仅包括企业中的业务系统所包含的数据，还包括来自外部的数据。业务数据主要是面向事务处理的操作型数据库中的数据，也有在线处理的各种数据。数据处理是对数据源中的数据进行预处理，包括抽取/传播、转换、清洗、数据提炼/整合、装载、表示和分析等。数据仓库的核心是数据的存储和管理。数据仓库的组织管理方式决定其有别于传统数据库，也决定其对外部数据的表现形式。数据仓库针对现有各业务系统数据，进行抽取、清洗，并有效集成，按主题进行组织。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）。数据分析主要包括各种数据多维分析工具、报表工具、查询工具、数据挖掘和知识发现工具，以及各种基于数据仓库和数据集市的应用开发工具。二、财务分析数据仓库的模型1.需求分析创建数据仓库首先必须创建数据仓库的模型。在数据仓库模型的设计过程中，需要完成数据的分割、主题域和粒度的确认，以及数据仓库的概念模型、逻辑模型和物理存储的设计。数据仓库针对不同的应用需求，所建立的数据模型也是不同的。财务分析是以企业财务报告所反映的财务指标为主要依据，对企业财务状况和经营成果进行评价和剖析，以反映企业在运营过程中的财务状况和发展趋势，为各项决策提供重要的财务信息。财务分析的结果是对企业的偿债能力、盈利能力、筹资效益能力、抗风险能力、社会贡献能力等做出评价。财务分析一般可概括为：评价过去的经营业绩，衡量现在的财务状况，预测未来的发展趋势，为投资人、债权人、政府相关部门和企业管理层提供有用的信息。第一，企业的偿债能力。企业的安全性是企业健康发展的基本前提。在财务分析中体现企业安全性的主要方面就是分析企业偿债能力，所以一般情况下总是将企业的安全性和企业偿债能力的分析联系在一起，因为对企业安全性威胁最大的是“财务失败”现象的发生，即企业无力偿还到期债务导致诉讼或破产。企业的安全性应包括两方面的内容：一是安排好到期财务负担，二是有相对稳定的现金流入，二者不可偏废。如果仅仅满足于能偿还到期债务，企业还算不上安全。真正安全的企业应是在安排好到期财务负担的同时，有相对稳定的现金流入和盈利。从根本上来讲，安全性要求企业必须具有某一时点上的债务偿还能力，即静态性，而这个偿还能力，又是平时盈利以及现金流入的积累，即动态性。如果企业无相对稳定的现金流入或盈利，很难想象它能长久生存而不出现危机。现在对企业偿债能力都是以计算流动比率、速动比率以及资产负债率等来进行分析的，具有一定的片面性。例如：两家资产规模和销售规模完全一样的服装企业，一个资产负债率很高，而另一个资产负债率很低，是不是就说明资产负债率高的企业偿债能力就比资产负债率低的企业差呢？不一定。或许只是因为一个推行高价厚利少销战略，一个推行低价薄利多销模式，资产负债率会有较大的差别。如果仅仅依据单指标和行业平均值对企业效绩进行评价，其结果的客观性与科学性很难保证，应该结合产品的销路、现金的流量、存货周转率等指标综合分析。第二，企业的盈利能力。企业的盈利能力是指企业利用各种经济资源获取利润的能力，它是企业营销能力、获取现金能力、降低成本能力及规避风险能力等的综合体现，也是企业各环节经营结果的具体表现，企业经营的好坏都会通过盈利能力表现出来。企业盈利能力分析主要是以资产负债表、利润表、利润分配表为基础，通过表内各项目之间的逻辑关系构建一套指标体系，通常包括销售净利率、成本费用利润率、总资产报酬率、利息保障倍数等，盈利能力分析是企业财务报表分析的重要内容，评价企业盈利能力的财务指标有：资产报酬率、资本报酬率、股本报酬率、股东权益报酬率、股利报酬率、每股账面价值、每股盈利、市盈率、股息支付率、销售利润率和营业比率等。第三，企业筹资效益能力。企业在经营过程中，只有搞好资金筹集，建立合理的筹资结构，才能有足够的可用资金，企业发展才有后劲，才能以尽可能低的资金成本，取得更大的经济效益。因此，应该以效益为中心，进行更合理、有效的资金筹集。筹资方式主要有：商业信用、股票、债券、银行借款、融资租赁、合营等。如果按可供使用资金的期限长短，筹资方式可划分为短期筹资方式和长期筹资方式。筹资效益是一个相对概念，是指通过改变筹资结构对企业最终经济效益的影响，即在经营收益、筹资规模既定条件下，改变筹资结构对企业最终效益的影响。如果筹资效益是正值，则企业选定的筹资方式可行；如果是负值，则选定的筹资方式不能被执行，否则，亏损将增加。考核筹资效益的合理指标是自有资金利润率和股东资本收益率。第四，企业抗风险能力。企业筹资、负债都存在风险。一方面企业需要通过各种方式筹集资金，用于经营活动，获取利润；另一方面受经营风险、预期现金流入量和资产的流动性及金融市场等因素的影响，在企业负债经营的条件下，可能导致企业的筹资风险，而且负债比率越大，负债利息越高，负债的期限结构越不合理，企业的筹资风险就越大。要提高企业的抗风险能力，就要加大产品含金量，缩短应收账款周转周期，提高存货周转速度，合理选择筹资方式，保持一定比例的自有资金，增强偿债能力。第五，企业的社会贡献能力。社会贡献能力是从国家和社会的角度衡量企业对国家和社会的贡献水平。社会贡献能力可用企业的社会贡献值来衡量，社会贡献值由产值分和税收分两部分组成。当然，企业的社会贡献力不仅要看企业上缴的利税，还要看社会效益，如企业对环保的重视程度，也反映出企业的社会责任感。2.综合指标评价体系上述指标是比较常用的评价指标，目前，我国官方发布的企业综合评价指标体系主要有4套：①财务评价指标体系，包括8项指标；②经济效益评价指标体系，包括10项指标；③综合评价指标体系，包括12项指标；④资本保值增值考评指标，包括一个主导指标和若干辅助指标。前两个指标体系由财政部发布，第三种指标体系由国家经贸委和国家统计局公布，第四种指标体系是原国家国有资产管理局规定的。基本指标的参照水平（即标准值）由财政部定期颁布，分为5档。不同行业、不同规模的企业有不同的标准值。例如，大型普通机械制造业的标准值见表1。上述基本指标具有较强的概括性，但并不全面，为了全面评价企业绩效，另外设置了4类16项修正指标，根据修正指标的高低计算修正系数，并用修正系数修正基本指标得分。计算修正系数的“修正指标的标准值区段等级表”由财政部定期发布，见表2。3．数据仓库模型的建立建立数据仓库的概念模型可以采用E-R关系图，这是一种描述组织数据概况的蓝图，在这个蓝图中应该包括整个系统中各个部门的业务处理数据及相互关系。为了提高财务数据的分析效果，在模型中采用星型模型。多维数据有多种不同的逻辑模型，目前较常用的两种建模方法是所谓的第三范式（3NF，ThirdNormalForm）和星型模式(Star-Schema)。星型模型是一种多维的数据关系，由一个事实表（FactTable）和一组维表（DimensionTable）组成。事实表是星型模型结构的核心，用来描述度量的内容。事实表中包含了用于连接每一张维表的关键字，每一个关键字列对应一张维表，换言之，事实表主键的每个元素都是维表的外键，所有这些维则组合成事实表的主键。事实表应该是数据仓库中的最大表，它包含了大量的基本业务详细信息。在设计时要使事实表尽可能小，因为过于庞大的事实表在表的处理、备份、恢复、查询等方面需要较长的时间。事实表的非主属性称为事实（Fact），它们一般都是数值或其他可以进行计算的数据；而维大多是文字、时间等类型的数据。星型模式速度快,但由于存在大量的预处理,其建模过程相对来说就比较慢。当业务问题发生变化,原来的维不能满足要求时,需要增加新的维。由于事实表的主键由所有维表的主键组成,这种维的变动将是非常复杂、非常耗时的。星型模式另一个显著的缺点是数据的冗余量很大。因此星型模式比较适合于预先定义好的问题,如需要产生大量报表的场合等。由于财务数据是面向事务的经济数据，根据不同的业务可以建立许多财务数据库，如销售数据库、供应数据库、应收账款数据库等。依据这些数据库中的数据可以计算各种财务指标，然后通过这些财务指标数据进行决策分析。智能财务数据分析技术，就是将这些客观的财务指标数据，建立面向处理的财务数据仓库，并利用联机分析处理（OLAP）和数据采掘（DM）技术进行数据加工，结合专家分析系统进行决策。虽然财务数据量大，但基于财务分析指标是可以预先定义的，所以可采用星型模式建立数据仓库模型（如图2所示）。三、结束语在设计数据仓库概念模型时，确定了事实表后，还要确定维表模型，包括具体维度和层次结构。以上依据财务分析数据的特点，重点阐述数据仓库模型的设计思路，为进一步建立数据仓库打下基础。所以只有把良好的数据模型、合理的技术和准确的应用设计结合起来，形成一套有效的方法，才能建立起一个成功的数据仓库。数据仓库系统的设计是一个动态反馈和循环的过程，设计数据仓库模型只完成了数据仓库建立的一个步骤。在实际建立的过程中，一方面，数据仓库的数据内容、结构、粒度和其他物理设计需要根据用户的反馈信息不断地调整完善；另一方面，应用环境发生重大变化或者新技术出现，都有可能导致用户的应用需求发生重大变化，使现有系统不能满足用户要求，需要重新设计系统，开始一个新的生命周期。因此，数据仓库的建立是运用一套有效的数据仓库建立方法不断反复循环的过程。主要参考文献［1］Hackney,Douglas.DataWarehouseDelivery：BIArchitectureTiers[J]．D