CH07 会计信息系统的新技术和新趋势

1、CH07 会计信息系统的新技术和新趋势 第7章 会计信息系统 新技术和新趋势Contents71.3 数据挖掘7.4 Web技术、物联网、云计算7.5 ERP与会计信息系统7.6 会计信息系统与电子商务7.1 标准化技术7.1.1 会计软件数据接口标准1.制定标准的过程和意义2.标准的主要技术内容3.制定会计软件接口标准的目的(1)满足财政、审计、税务等有关部门对会计数据不同标准化的需要(2)满足使用单位二次开发的需要(3)满足其他相关软件的需要(4)满足使用单位建立会计数据资源库的需要7.1.2 XBRL技术1. XML技术（1）XML介绍XML（eXtensible Markup Lang

2、uage，可扩展置标语言）是由W3C（World Wide Web Consortium，互联网协作组织）于1998年2月发布的标准，我国也制定了相应的标准GB/T 187932002 信息技术 可扩展置标语言（XML）1.0。（2）XML应用<?xml version=;1.0; encoding=;GB18030;?><地址> <姓名> <头衔>先生</头衔> <姓>陈</姓> <名>东方</名> </姓名> <街道>中山路</街道> <城市

3、 邮政编码=”400000”>重庆</城市></地址>2. XBRL技术（1）XBRL概述XBRL(可扩展商业报告语言，eXtensible Business Reporting Language)，是XML(可扩展的标记语言，Extensible Markup Language)在财务报告信息交换方面的一种应用。（2） XBRL技术构架2. XBRL技术构架2. XBRL技术构架（3）XBRL财务报告实现模式在模式一下，由企会计息系统本身的系统产生各种财务报表，并以电子文档的形式存在如EXCEL表格、WORD文档或HTML文档中。模式二由会计信息系统加上集成的X

4、BRL适配器，在进行信息处理过程中就直接按照XBRL规范来完成报表的处理，能够实时输出文档。（4）中国的XBRL2010年10月19日，国家标准化管理委员会和财政部在北京举行可扩展商业报告语言（XBRL）技术规范系列国家标准和企业会计准则通用分类标准发布会。7.2 数据仓库技术7.2.1 数据仓库的概念1. 数据仓库的定义数据仓库是一个面向主题的、集成的、稳定的、随时间变化的数据集合，用于支持决策制定的过程。2. 数据仓库的特点（1）面向主题传统数据库中的数据是面向应用而组织起来的，而数据仓库中的数据是面向主题进行组织，主题是一个比较抽象的概念，是在较高层次上对数据进行综合、归类。每个主题对应

5、企业中一个宏观分析领域。（2）数据是集成的（3）数据是稳定的（4）数据随时间变化3.数据集市数据集市是指为企业的某个特定的部门提供有关的数据和报告，它是数据仓库的一个输出部分，如销售、工资、生产等。数据集市一般分为两种，一种是从属数据集市，一种是独立数据集市。从属是指数据集市的数据直接来源于中央数据仓库，一般访问数据仓库比较频繁的业务部门建立从属的数据集市，这样可以提高查询的反应速度独立数据集市7.2.2 数据仓库的体系结构7.2.2 数据仓库的体系结构1. 数据管理层该层的功能就是完成数据仓库的定义，完成数据的抽取、转换、加载，以及对数据的归纳、维护、备份及元数据的管理。元数据是定义数据仓库

6、对象的数据，即描述数据仓库的“语言”。也就是对数据仓库对象详细描述的数据。元数据可以对数据仓库中的各种数据进行详细的描述和说明，描述数据的上下文关系，使每个数据具有符合现实的含义，从而使最终用户了解到这些数据之间的关系。元数据的内容一般包括：数据仓库结构的描述，如主题表、维表、数据级次等属性。各种报表对象。分析应用的算法。由查询分析引擎到数据仓库的映射。关于系统日志、事务、性能调整等的数据。业务模型元数据。2. 数据存储层数据存储层是数据仓库的主体，所存储的数据包括三部分：第一部分是从外部数据源抽取，经清洗、转换处理，并按主题组织存放的业务数据；第二部分就是数据仓库的元数据，描述了数据仓库的数

7、据和存储环境；第三部分是针对不同的分析主题而生成的数据集市。3. 数据分析应用层数据仓库系统的数据分析应用层，主要由一些分析工具组成，包括分析、决策应用，如OLAP，数据挖掘等。(1)查询统计服务 ?(2)OLAP多维数据分析服务(3)数据挖掘服务7.2.3 数据仓库的数据组织在数据仓库中，数据采用分级的方法进行组织，除元数据外，业务数据一般分为四级，即当前细节级、历史细节级、轻度综合级、高度综合级1. 粒度的概念粒度也是数据仓库中比较重要的概念，主要是指数据仓库中保存数据细化或综合程度的级别。粒度一般可以分为两种形式：一种粒度是按时间段综合数据的粒度。该种粒度在数据仓库中，多维粒度是必不可少

8、的。由于数据仓库的主要作用是进行DSS分析，所以绝大多数查询都是基于具有一定程度的综合数据及以上的，只有少数的查询是涉及到细节的。第二种粒度是按照采样率的高低来划分的，主要根据给定的采样率从细节数据库中，抽取出一个子集。样本数据库可以按照数据重要程度的不同对数据进行综合，它是建立在不同时点上的粒度。2. 维度及层次维度是观察分析的视角，是一种高层次的类型划分，一般为字符型指标。例如，如果想按照时间、地区或产品进行分析，那么时间、地区和产品就是维度，其中时间维度是数据仓库创建中最常用的维度。层次是维度内容的分组，组跟组之间存在一定的上下级次关系。如年季月日就是时间维度中的一个层次。层次描述了一种

9、路径，用以指明如何从汇总数据逐级下钻到明细数据。3. 数据分割分割也是数据仓库中的一个重要概念，它的目的同样在于提高效率。它是将数据分散到各自的物理单元中去，以便能分别独立处理。数据分割后的数据单元称为分片。可供参考的数据分割的标准有许多：例如有日期、地域、业务领域等，也可以是其组合，一般而言，分割标准是按照日期的。4. 数据仓库的数据组织形式（1）简单直接文件数据仓库中数据组织的最简单形式，就是每隔一段时间，将业务数据库中的数据以既定的方法导入数据仓库中，并逐渐积累起来。（2）连续文件通过两个连续的简化直接文件，可以生成另一种连续文件。该种组织形式是通过比较两个简单直接文件的不同而生成的。（

10、3）定期综合文件随着时间的推移，无论是简单直接文件还是连续文件，其数据量都在不断地增大，给数据处理带来了困难。而定期综合文件可以解决这一问题，这种文件的实质是，在简单直接文件的基础上，进行综合统计运算。数据按一定的时间单位，如年、月、季、日等进行综合统计，然后存储在不同的单元中，并且在每隔相应的时间段，对数据进行追加。7.2.4 数据仓库的模型1. 概念模型数据仓库概念模型的设计，需要给出一个数据仓库的粗略蓝本，以此为工具来确认数据仓库的设计者，是否已经正确地理解了数据仓库的最终用户的信息需求。在设计概念模型时，必须保证数据仓库中的所有业务都被归纳进概念模型。(1)星型模型星型模型是最常使用的

11、数据仓库设计结构的实现模式，它可以准确地反映出各实体之间的逻辑关系，并依据实体的重要程度，将这种关系表示出来。同时它使数据仓库形成一个集成的系统，为最终用户提供服务，为用户提供分析服务对象。星型模型通过使用一个包含主题的事实表，以及多个包含事实的非正规化描述的维度表，来支持各种决策查询。事实是对业务的度量，事实表主要包含描述特定商业事件的数据。(2)雪花模型雪花模型是对星型数据模型的扩展，适用于更复杂结构数据仓库的应用。在雪花数据模型中，每个维度都可以向外连接多个详细类别表。在这种数据模型中，维度表除了具有星型数据模型中的维度表功能外，还能连接到对事实表进行详细描述的详细类别表，从而达到缩小事

12、实表、提高查询效率的目的。2. 逻辑模型通常在概念模型设计好后，还要依靠逻辑模型来实现概念模型到物理模型的转换。3. 物理模型物理模型是依据逻辑模型而创建的，它通过确定模型的键码属性和模型的物理特性，扩展中间层数据模型而建立。物理模型就是逻辑模型在数据仓库中的实现，包括物理存取方式、数据存储结构、数据存放位置及存储分配等。通过一些模型工具可以将逻辑模型直接转换生成物理模型。事实上，物理模型就是由一系列表所构成，其中最主要的是事实表和维度表。 (1)事实表模型事实表是数据仓库中最大的表，它包含了大量的基本业务的详细信息。事实表中一般包含两部分，一个是由主键和外键组合成的键部分，另一个是用户希望在

13、数据仓库中了解的数值指标（这些指标是为每个派生出来的键而定义和计算的，称为事实或指标，由于事实是一种度量，所以事实表中的这种指标往往需具有数值化和可加性的特点）。事实表一般通过外键与维度表进行链接。事实表中的外键即对应一个维度表的主键。(2)维度表模型维度表模型同样也需要根据逻辑模型设计，在设计的过程中要考虑到维度表模型是用户分析数据的一个窗口。维度表应该包含有商业项目的文字描述信息，维度的设计提供了维度属性的定义。设计维度表的主要目的，就是把参考事实表的数据存放在一个单独的数据表中。最常用的维度表数据应该参考事实表，而不应该是通过其他维度表，间接的参考事实表。这种方法不仅可以实现最小化的连接

14、数量，还可以提高系统的性能。4. 元数据模型(1) 技术元数据(2) 业务元数据5.粒度模型7.2.5 数据仓库创建的基本步骤(1)通过需求分析建立运营环境文档。(2)数据仓库实现技术的选择。包括数据仓库的操作系统，数据库，数据仓库模型工具及开发工具，OLAP服务器，数据挖掘工具等。(3)数据仓库模型的设计。概念模型、逻辑模型、物理模型。(4)数据准备区的创建。由于数据仓库的数据来源于不同结构的数据库，所以在进入数据仓库之前，需要先进入数据准备区进行清理和必要的转换。(5)数据仓库数据库的创建。在数据仓库架构设计之后就可以创建数据仓库数据库，需要创建事实数据表和维度表，并在所有表中的主要字段上

15、建立索引。(6)数据仓库数据的清理、转换及加载。(7)数据集市的设计。(8)数据仓库创建之后的测试。(9)系统的运行。7.2.6 基于国家标准数据接口建立数据仓库7.3 数据挖掘7.3.1 什么是数据挖掘数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。7.3.2 数据挖掘的范围趋势预测在大型数据库里找寻潜在的预测信息。探测以前未发现的模式数据挖掘工具扫描整个数据库并辨认出那些隐藏着的模式，比如通过分析零售数据来辨别出表面上看起来没联系的产品，实际上有很多情况下是表明他们之间有着关系。

16、7.3.3 数据挖掘过程 界定取数对象明确取数对象的范围，选择目标数据集。 数据预处理去除无关数据，确认数据的品质。 数据转换找到数据的特征并提出假设、选取数据挖掘算法（如汇总、分类、回归、聚类等）、提取规则。 数据挖掘根据确认合适的挖掘算法自动对数据进行挖掘。? 分析和评价解释并评估结果，去掉无实用价值的信息。7.3.4 数据挖掘方法关联分析利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系，它能发现数据库中所分析对象之间的关系。序列模式分析就是分析数据间的前后序列关系。序列模式分析描述的问题是在给定的序列数据库中，每个序列是按照交易时间排列的一组交易集，得出该数据库中出现

17、的高频序列。分类分析就是通过分析数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。聚类分析就是通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。7.4 Web技术、物联网、云计算7.4.1 技术发展情况以网络为中心的计算模式。业务应用同技术体系分离。Internet技术7.4.2 Web Service 1. Web Service Web Service 是一种新的web应用程序分支，他们是自包含、自描述、模块化的应用，可以发布、定位、通过web调用。Web Service可以执行从

18、简单的请求到复杂商务处理的任何功能。2.基于B/S的三层结构7.4.3 物联网1.物联网概述物联网的英文名称叫“The Internet of things”。 它是通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物体与互联网相连接，进行信息交换和通信，以实现对物体的智能化识别、定位、跟踪、监控和管理的一种网络。物联网就是“物物相连的互联网”。包括两个方面：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物体与物体之间，进行信息交换和通信。2. 物联网对会计信息化的影响(1)数据来源的变

19、化(2)降低企业生产成本(3)实时会计信息系统成为可能7.4.4 云计算1.云计算的概念云计算的基本原理是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，它是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。云计算是虚拟化(Virtualization)、公用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。2. 云计算的特点(1)数据安

20、全可靠(2)客户端需求低(3)轻松共享数据(4)云计算为我们使用网络提供了几乎无限多的可能3. 云计算关键技术(1)虚拟机技术虚拟机，即服务器虚拟化是云计算底层架构的重要基石。在服务器虚拟化中，虚拟化软件需要实现对硬件的抽象，资源的分配、调度和管理，虚拟机与宿主操作系统及多个虚拟机间的隔离等功能，目前典型的实现有Citrix Xen、VMware ESX Server 和Microsoft Hype-V等。(2)数据存储技术云计算系统需要同时满足大量用户的需求，并行地为大量用户提供服务。因此，云计算的数据存储技术必须具有分布式、高吞吐率和高传输率的特点。目前数据存储技术主要有Google的GF

21、S（Google File System，非开源）以及HDFS（Hadoop Distributed File System，开源），目前这两种技术已经成为事实标准。(3)数据管理技术云计算的特点是对海量的数据存储、读取后进行大量的分析，如何提高数据的更新速率以及进一步提高随机读速率是未来的数据管理技术必须解决的问题。云计算的数据管理技术最著名的是谷歌的BigTable数据管理技术，同时Hadoop开发团队正在开发类似BigTable的开源数据管理模块。(4)分布式编程与计算为了使用户能更轻松的享受云计算带来的服务，让用户能利用该编程模型编写简单的程序来实现特定的目的，云计算上的编程模型必须十

22、分简单。必须保证后台复杂的并行执行和任务调度向用户和编程人员透明。(5)虚拟资源的管理与调度云计算区别于单机虚拟化技术的重要特征是通过整合物理资源形成资源池，并通过资源管理层（管理中间件）实现对资源池中虚拟资源的调度。云计算的资源管理需要负责资源管理、任务管理、用户管理和安全管理等工作，实现节点故障的屏蔽，资源状况监视，用户任务调度，用户身份管理等多重功能。(6)云计算的业务接口?为了方便用户业务由传统IT系统向云计算环境的迁移，云计算应对用户提供统一的业务接口。业务接口的统一不仅方便用户业务向云端的迁移，也会使用户业务在云与云之间的迁移更加容易。在云计算时代，SOA架构和以Web Servi

23、ce为特征的业务模式仍是业务发展的主要路线。SOA（Service-oriented architecture，面向服务架构）。SOA要求开发者从服务集成的角度来设计应用软件，即使这么做的利益不会马上显现。SOA要求开发者超越应用软件来思考，并考虑复用现有的服务，或者检查如何让服务被重复利用。SOA鼓励使用可替代的技术和方法（例如消息机制），通过把服务联系在一起而非编写新代码来构架应用。(7)云计算相关的安全技术?云计算模式带来一系列的安全问题，包括用户隐私的保护、用户数据的备份、云计算基础设施的防护等，这些问题都需要更强的技术手段，乃至法律手段去解决。4. 云计算在会计信息化中的应用(1)会计软件部署云计算化，软件应用服务化(2)会计信息化建设成本降低(3)快速适应新的管理需要，实时更新会计处理的方法