论商业智能技术在企业财务管理中的应用 .pdfVIP

论商业智能技术在企业财务管理中的应用

随着21世纪知识经济的发展，企业对财务信息的需求日益增长。但企业积累的大量原始数

据并没有得到充分的挖掘和利用，“孤立”的财务信息难以为企业经营决策提供足够的信息支

持。商业智能(BI)是基于数据仓库、数据挖掘、OLAP等技术发展起来的新兴的决策支持体

系，其实质是从大量的历史财务数据中有效地提取信息进行整合和分析。对商业智能技术在

企业财务管理中的应用的现状及发展趋势进行了较为详尽的论述。

1引言

大部分企业都有积累大量数据的财务管理信息系统，企业需要从数据中获得信息、从信

息中获得知识，再运用知识进行正确的决策。在财务管理领域运用商业智能技术，寻求和发

现更多的企业顾客、供应商、市场以及内部流程优化的信息，将为企业决策者提供更为广泛

而有效的决策依据，提高企业战略竞争能力。

2企业财务管理现状

2.1财务数据管理的存储现状

企业实施了会计电算化之后，在企业的内部，其会计凭证、账簿、报表这些反映企业生

产经营成果和财务活动的数据全部以电子形式存储在账套文件中，这些数据不但可以进行数

据之间的运算处理，而且解决了数据的统一性，完整性，安全性等问题。对上市公司而言，

其外部数据是以报表为主的，许多企业都已经披露了多年的财务报表数据，获得这些数据是

比较容易的，而且目前许多证券网站都可以方便地查询到这些数据，甚至是以表的形式得到

这些数据。因此无论从企业内部还是外部都可以方便地获得财务数据，对数据进行分析处理。

2.2财务数据的使用现状

企业中实施的会计信息系统多是为会计核算服务的，只是在原来的会计核算方面由手工

转成了计算机来处理。其中包含财务管理的部分内容也仅是对财务管理数据浅层次的描述，

是简单的指标分析，并没有对财务数据进行深层次的分析和处理。

另一方面，目前会计信息系统中所用的工具和方法，如简单的数据运算，简单的统计方

法等并不能够挖掘出财务数据中深层次的信息或者发现企业所存在的问题，要有效地分析这

些越来越多的数据需要更多的知识和精力。因此对于企业现有财务数据，其分析的方法均较

简单，数据仅停留在浅层次的描述，没有得到很有效的利用。

2.3传统的财务管理存在的问题

(1)不能根据各级决策层的需要而灵活展现财务分析的结果；

(2)财务分析缺乏连续性，不能动态地反映某个问题；

(3)由于工作量巨大，响应速度慢、时效性差；

(4)分析范围狭窄，不能与企业其他部门联合起来进行综合分析。

3商业智能技术的基本概况

3.1商业智能的概念及功能特点

我们认为商业智能是一种能够通过智能的使用拥有的数据来制定更好的商务决策能力。

其关键是通过数据预处理(数据提取、转换、装载)建立数据仓库，从许多来自不同的企业运

作系统的数据仓库中提取出有用的数据，经由各式各样的查询分析工具(Query/Report

Tools)、联机分析处理(OnlineAnalyticalProcessing简称OLAP)工具、或是数据挖掘(Data

Mining)工具加上决策规划人员的行业知识(IndustryKnowledge)进行数据分析，将原始业务

数据转换为企业决议的信息，并预测企业未来发展趋势和将要面临的问题，进而帮助企业提

高获利，增加生产力与竞争力。

因此基于以上定义的商业智能应具有数据管理功能、数据分析功能、知识发现功能和企

业优化功能。

3.2商业智能的三大技术支持

商业智能作为一个跨学科新兴领域，必须借鉴两方面的先进成果，一是计算机技术的前

沿技术，二是企业管理方面的新理论、新观点。在技术方面，一般认为数据仓库、OLAP和

数据挖掘技术是商业智能的三大组成部分。

(1)数据仓库(DataWarehouse)：是面向主题的、集成的、随时间变化的极稳定的数据集，

用于支持管理决策过程。它能够帮助企业以一种有效的方式逐步整理各个业务处理系统中积

累下来的历史数据，并在整个企业内实现真正的信息共享。

(2)联机分析处理(OnlineAnalyticalProcessing简称OLAP)是一种数据分析技术，侧重对

分析人员和高层管理人员的决策支持。它可以让管理者灵活地对海量数据进行浏览分析。

(3)数据挖掘(DataMining，DM)是指应用一系列技术从大型数据库或数据仓库的数据中

提取人们感兴趣的信息和知识。其目的是帮助决策者寻找数据潜在的关系，发现经营者被