决策管理财务决策支持系统架构研究.docx
《决策管理财务决策支持系统架构研究.docx》由会员分享,可在线阅读,更多相关《决策管理财务决策支持系统架构研究.docx(6页珍藏版)》请在冰点文库上搜索。
决策管理财务决策支持系统架构研究
财务决策支持系统架构研究
财务决策过程划分为收集各种财务信息、财务决策方案的设计和分析、对方案进行选择三个阶段,整个财务决策过程与决策者的主观能动性,决策的经验、知识、智慧和判断力分不开。
如果计算机系统能对决策者的决策起到辅助和支持作用,无疑增加财务决策的正确性。
因此可把财务决策支持系统定义为:
财务决策支持系统是以现代管理科学和信息技术为基础,以计算机为工具,运用数量经济学、模糊数学、控制论和模型技术,对财务管理中的结构化、半结构化和非结构化问题进行决策分析的人机交互系统。
财务决策支持系统是一个庞大的系统工程,需要财务学(会计学、财务管理学、管理会计学等),计算机科学、统科学、数学、行为科学、心理学、人际关系学等其他学科的支持。
这些学科知识构成财务决策支持系统的理论基础。
财务决策支持系统从技术层次上可划分为:
专用财务决策系统,即SpecificFDSS;财务决策支持系统生成器,即FDSSGenerator;财务决策支持系统工具,即FDSSTools。
专用的财务决策系统是直接面向应用的财务决策系统,它能够完成具体财务决策任务,它允许财务决策者利用它去处理一组财务决策任务,它是由计算机和一组软件组成的综合财务系统。
财务决策支持系统生成器是间接面向应用用以生成一个专用的财务决策支持系统的软件包,它具有较快建立一个面向特定应用的财务决策支持系统的能力。
财务决策支持系统工具是由一组工具类软件组成,它可以用于开发特定财务决策支持系统,也可以用于开发财务决策支持系统生成器,工具可减少开发相应系统的工作量,简化开发过程和提高开发质量和效率。
财务决策支持系统具体功能如下:
(1)财务决策支持系统能用来整理和提供本系统与财务决策问题有关的各种数据,尽可能的收集、存储和及时提供与财务决策有关的财务信息,及时提供有关各项财务活动的反馈信息,包括系统内和系统相关的信息,保证正确决策。
(2)FDSS能提供财务决策所能用到的数学、统计和运筹等方法,能对各种数据、模型、方法、知识等进行有效的管理。
为使用者提供查找、变更、增加和删除等操作功能,以使用户可以对系统提供的数据、模型和方法等进行有效而灵活的运用。
(3)运用自有的方法和模型等能对数据进行汇总、分析预测等,提供有效的财务决策支持信息并具有人机对话接口和图形加工输出功能,支持分布式使用。
财务决策支持系统的特点如下:
(1)独立性。
早先的财务决策支持系统都是基于客户/服务器并集成在财务管理信息系统或企业资源规划系统(ERP)之中。
本文要探讨的财务决策支持系统它是独立存在,需各种系统支持才能有效运行。
(2)并发交互性。
它是基于浏览器/服务器模式开发并运行的可以供多用户同时使用。
动态的过程交互试的辅助财务决策者,系统在开发的过程中遵循的需求和操作是设计的依据和原则,支持对半结构化和非结构化财务问题的决策。
一、财务决策支持系统的功能框架
(一)财务预测决策子系统 财务预测是根据会计核算信息、财务分析信息、ERP信息,以及有关市场信息,采用一定的模型对企业未来的财务活动和成果做出预计。
该功能是财务决策的基础,通过预测的各种方案,来选择最优方案进行决策。
财务决策是根据企业经营决策(来自于企业ERP)的总体要求,从预测的若干个可以选择的财务活动方案中,选择出最优方案的行为。
财务管理的核心是财务决策。
本功能的实现经历两大步:
根据财务预测所提供的信息,确定决策的备选方案;对各种备选方案进行分析、评价、对比,选定最佳方案。
本系统的财务预测决策子系统主要进行筹资预测决策、投资预测决策、资产预测决策、成本预测决策、收入和利润预测决策等。
(二)财务计划与控制子系统 该系统的财务计划所包括的主要功能有:
固定资产需要量计划、流动资产需要量计划、资金来源计划、营业收入计划、利润计划、产品成本和期间费用计划等。
各计划中的基础数据(上期财务实际数据和非财务资源数据)由会计管理系统中直接调用和MIS/ERPS中间接调用;本期计划数据以财务决策指标为控制数据,各项明细计划指标根据有关标准测算产生。
财务控制的方法,在实践中各企业因规模的大小、组织机构状况和业务的繁简等情况各异而有差别。
在本系统中设计了预算与经济指标控制和模拟银行控制两种模式,供用户选用。
预算与经济指标包括:
现金流量预算控制、流动资产及其来源、周转指标控制、收入和利润指标控制等;模拟银行控制包括:
现金流量预算、内部各单位存贷款的核算与控制、现金流量预算指标的考核等。
其中各项预算指标,根据财务计划中的年度指标分解产生;各项实际指标根据AMIS/FMIS中的明细账户和辅助记录调用。
(三)财务分析子系统 财务分析是评价、分析企业的财务状况和经营成果,找出企业经营中存在的问题,以期改进经营管理与财务决策,提高经济效益。
财务分析主要根据会计管理信息、企业ERPS信息和财务计划指标,用一定的模型进行分析。
该子系统的功能主要包括:
企业财务状况发展趋势分析、企业盈利能力分析、企业偿债能力分析、企业经营能力分析等综合分析,企业资金来源及其运用情况分析,成本费用分析,销售收入和利润分析等。
(四)网络综合应用系统 一是可以迅速建立企业内部及企业与客户之间的简捷统一的信息渠道。
internet/intranet内各系统采用统一的TCP/IP数据传输协议,以及提供的多种数据库访问接口。
基于此的财务决策支持系统可以非常方便地同其他数据库系统保持联系,而无需考虑它采用何种操作系统、软件开发工具,以及各所在地的网络物理结构等。
甚至还可以通过外连的Internet与分布在世界各地的子公司保持快捷的联系。
二是能够非常方便地进行系统的开发、维护和升级。
财务决策支持系统采用先进的分布式结构和数据库管理系统,具有先进的分布式标准管理和追踪工作流程的用户化事务处理管理方案,软件开发商可以事先生成标准的方法库和模型,然后再根据使用者不同需要非常方便地在Intranet上项目集成。
更为方便的是,软件开发者无需亲临企业,即可通过internet/intranet对原有系统进行修改和升级,从而保证系统得到及时更新。
三是可以为使用者创造一个良好的环境。
通过internet/intranet的项目管理系统,管理人员可以与分布在各地的相关人员随时以极低的成本进行交流,就关键问题进行讨论,共享资料档案,从而使涉及的人员组成一个超越企业范围,以价值实现为目标的工作组,无论成员身处何处大家都象在同一间办公室一样密切协作,从而大大提高了财务决策支持系统预测的准确性、决策的科学性和监督评价的及时性。
四是可以提供一个友好、简单一致的用户界面。
利用internet/intranet的Web技术,财务决策支持系统可以提供图文声并茂、简单一致的多媒体人机交互界面。
用户在图象和声音的指引下,使用类似于自然语言的交互语言下达命令,进行交互控制、易于非专业人员操作。
这大大简化培训工作,也提高了系统的效率。
同时也解放了财务电化人员,使他们能够集中精力发现新问题,研究新方法开发新系统、充分发挥预测、决策、监督评价的功能,而不需要再对用户支持花费更多的时间。
二、财务决策支持系统的逻辑结构
(一)财务决策支持系统的模型库管理系统 该系统的模型库存放财务预测决策、财务计划与控制、财务分析三方面的模型。
这些模型按其性质可分为数学模型和模拟模型两大类。
数学模型是运用一定的经济数学方法、对面临的客观环境比较明确、影响因素比较确定的财务问题,按其性质和规律直接构造的模型,主要用于结构化和半结构问题的决策,如总资产报酬模型、销售利润模型、负债模型、存货模型、股权模型等等。
模拟模型则是对于系统特性和模型结构比较清楚,但影响因素和环境条件却不确定,数量描述或求解比较困难的财务活动而建立起来的模型,这种模型能解决半结构化或非结构化的问题。
考虑到财务决策环境经常变化,相应的模型应设计成能作一定的修改和评价,使决策者能充分地认识问题、发挥其创建力和判析才能,做出正确的决策。
(二)财务决策支持系统的数据库管理系统 一是分析数据来源。
首先要清楚地了解FDSS的工作过程。
全面分析与其相关的各个系统及原始数据。
确定从哪些系统中提取数据。
数据库的数据来源于企业内外的多个不同系统,各系统的数据之问存在着许多差异,如结构、单位不一致。
同名异义或同义异名等。
因此,在将数据放入数据库之前,必须进行清理。
二是设计数据库的数据模型,对数据进行转化与综合。
数据模型是面向主题建立的。
同时又为多个面向应用的数据源的集成提供了统一的标准。
数据模型一般包括:
FDSS的各个主题域、各主题域之间的联系、编码及属性值、命名规则等。
根据数据模型。
确定如何对源数据进行析取、合并、汇总、变换、清除等处理。
然后传送到数据库。
三是选择硬件设备和数据库管理软件,建造数据库本身。
由于数据库的数据来源复杂、数据量非常大,因此对硬件的速度、存储容量、可靠性和容错能力提出了更高的要求。
数据库的软件是由许多部分组成的,包括:
数据的提取、清理和转换。
数据通过网络的传递、数据装入、数据库管理系统、数据分析工具、数据的维护、数据库的管理等。
其中有些可以选择商品软件,有些则要自行开发,如何将各部分完美地集成起来并不容易。
绝大多数数据库要与各种平台连接,因此要构成开放式的平台体系结构,具有良好的可伸缩性。
以满足用户对信息需求的不断增长。
数据库管理系统是数据库软件的重要组成部分。
四是建立数据存取工具。
数据的存入是指从外部数据源将数据装入数据库.存入方式取决于库数据的更新方式。
对最终用户而言,目前大多数数据库是只读性的,对数据的更新只发生在从外部数据源析取数据的时候.由批处理程序定期自动进行,这样可以大大简化数据库的并发控制,改善数据的可用性。
数据的提取是指从库中取出所需的数据.这部分主要由桌面信息系统的各种工具组成。
在客户机,服务器计算环境下,这部分属于客户端。
数据库的最终用户使用这些应用软件,并生成特定的查询,在这里提取信息、分析问题、实施决策。
这部分的工具软件。
主要是查询生成工具、多维分析工具和数据提取工具等。
设计这部分时需要更多地考虑最终用户的要求,易于使用是十分关键的一个因素。
(三)财务决策支持系统的知识库管理系统及推理机制 决策支持系统应该具有一定的智能,FDSS解决问题的能力很大程度上还依赖于知识库拥有知识的多少,知识越丰富,解决问题和决策支持的能力就越强。
为使本系统尽可能覆盖企业财务决策中可能碰到的问题,通过收集、整理了财务专家们对财务预测、决策、计划、控制、分析的研究成果和实际经验,并在此基础上加以总结和提高,构成系统的知识库。
(四)财务决策支持系统的人机交互系统 一是输出格式形成器。
用来建立一个数据结构,该结构包含描述输出表达式的值和属性,且数值和属性对设备是独立的,因此使得对话部分能支持多种硬件。
二是输出构成器。
取得由输出格式形成器建立的数据结构,并发出命令给设备输出功能,通过子程序调用来实现。
即输出构成器转译对话数据结构命令,以产生一个或几个设备上显示的输出表达形式。
它是独立的设备,所产生的用于设备输出功能的命令不为任何设备所专有。
三是设备输出功能。
能产生设备特有的命令来对一个或更多的专用设备产生输出。
四是设备驱动器。
它是用户与对话系统的接口,在用户与系统之间传递命令。
当输出信息是一个中断信息而不是产生表达方式的命令时,设备驱动器对它们进行缓冲。
五是设备入功能。
它的功能与设备输出功能相反。
六是输入格式形成器。
将用户的输入命令转换成一组动作和动作所对应的目标。
七是响应构成器。
利用一组动作及其目标,产生命令和数据发送给系统的其他部分,如响应构成器可能调用数据库中的某些数据来进行更新。
八是数据结构管理器。
存储输入和输出的数据,即存取对话部分所用的数据,如描述输出表达或形成的数据结构。
三、财务决策支持系统的设计分析方法
ROMC(Representation,Operation,MemoryaidControlmachandise)方法是一个能较好处理财务决策支持要求与FDSS能力之间的关系,并且过程独立的系统分析与开发方法。
第一,表达式。
决策过程中的任何行为(包括情报、设计和选择)都需要信息的概念化表达,FDSS通过表达式帮助决策者将问题概念化,形成为决策者和计算机处理都能接受的表达方式。
表达式是一些与上下文相关的概念化信息,不同风格的决策者对同一信息概念可能采用不同的表达式。
例如,表达资产与负债之间的关系,直观型的决策者可能将其要求表达为“一张资产负债比率的直方图”,而分析型的决策者则要求获得相应的“比率数据”。
第二,操作。
操作是对表达式的加工,决策者通过对各种表达式进行各种操作来解决求解问题。
对同样一个表达,决策的风格不同,选择的操作也可能不同。
例如,对一组数据,有人仅用来画图,有人用来做统计分析。
即使选择相同的操作,各个操作的执行顺序和组合也可能因决策风格不同而不同。
不同的问题表达方式,不同的操作方式和操作组合,支持了不同类型的决策制定过程,避免了对决策者活动的描述按某一既定顺序进行而带来的FDSS决策过程的单一性和不可改变性,使ROMC方法成为过程独立、灵活性很强的分析与设计方法。
第三,记忆支持。
为支持表达式和操作的使用,FDSS应提供多种记忆支持方式,主要包括:
(1)来自系统内外部的数据库及其子集或集合;
(2)显示表达和保留通过操作产生的中间结果的工作区;(3)长期存贮工作区中的中间或最终结果的数据库;(4)用于实现从一个工作区或库访问另一个工作区或库的链;(5)用于提醒决策者需要执行某种操作的触发器(信号);(6)存贮FDSS的缺省值或状态数据,如轴标或报告中的数字栏。
有效的记忆支持有助于减少决策者的记忆负担,降低使用表达和操作的复杂度。
第四,控制机制。
FDSS的表达、操作和记忆支持都是为了支持各种各样的决策过程和决策类型,控制机制则旨在帮助决策者根据其个人风格、技巧和知识,使用表达、操作和记忆支持,实现其决策过程。
它是用户与系统的“接口”控制机制主要有两种,一种是用户可直接使用的控制,如选择系统菜单或功能键、修改缺省值等;一种是间接控制,包括对用户的训练和使用FDSS的说明,以帮助决策者学习如何控制FDSS。
四、财务决策支持技术的展望
一是数据仓库。
数据仓库是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合。
它提供集成化和历史化的数据;它集成不同种类的应用系统;从历史和发展的角度来组织和存储数据,以提供信息化和分析处理之用。
也就是说,数据仓库是一个处理过程,能集成地进行数据分析,是一个大的数据库,存储了企业的所有业务数据,但和传统的业务数据库又有所不同。
传统的数据库是面向客观世界、面向应用进行数据组织的,而数据仓库则是面向主题的。
主题是一个在较高层次上将数据归类的标准,即在较高层次上将企业信息系统中的数据进行综合、归类并进行分析利用的抽象。
每一个主题基本对应一个宏观的领域,基于主题组织的数据被划分为各自独立的领域,每一个领域都有自己的逻辑内涵且互不交叉。
二是联机分析处理(OLAP)。
和数据仓库密切相关的联机分析处理(On-LineAnalyticalProcessing-一OLAP),则用于企业管理人员的决策分析,为制订企业的未来经营管理计划提供辅助决策信息。
分析型处理经常要访问大量的历史数据,执行频率也不如操作型处理那么高,因此对响应时间等方面的要求并不大。
OLAP的实现技术主要有MOLAP,ROLAP和HOLAP三种形式。
数据仓库中数据的存贮方式可以是基于关系表的,也可以是基于多维数据库的。
维是人们观察事物的一个角度,概念上非常相似于关系表的属性。
ROLAP是基于关系数据库的。
OLAP技术,能较好地适应多维数据的表示和存储。
关系数据库将多维结构划分为事实表(存放事实的度量值和各维的码值)和维表(存放维的描述信息)两类表,事实表通过每一维的码值同维表联系起来。
基于关系表的数据存储方式主要有星型模型和雪花模型两种。
在星型模式中,数据库中包括一张“事实表”,对于每一维都有一张“维表”。
“事实表”中的每条元组都包含有指向各个“维表”的外键和一些相应的测量数据。
“维表”中记录的是有关这一维的属性。
事实表中的每一个元组包含一些指针(是外键,主键在其它表中),每个指针指向一张维表,这就构成了数据库的多维联系。
相应每条元组中多维外键限定数据测量值。
在每张维表中除包含每一维的主键外,还有说明该维的一些其它属性。
三是数据挖掘。
数据挖掘是从数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术。
它建立在数据库,尤其是数据仓库基础之上,面向非专业用户,定位于桌面,支持即兴的随机查询。
数据挖掘技术能自动分析数据,对它们进行归纳性的推理和联想,寻找数据间内在的某些关联,从中发掘出潜在的、对信息预测和决策行为起着十分重要作用的模式,从而建立新的业务模型,以达到帮助决策者制定市场策略、做出正确决策的目的。
数据挖掘技术涉及数据库、人工智能(ArtificialIntelligence)、机器学习、神经计算和统计分析等多种技术,它使决策支持工具(DecisionsupportingTools)跨人了一个新的阶段。
随着互联网络的发展,企业(特别是跨国、跨地区企业)有着特别大的构建在Intranet/Internet上的财务业务网络,积累着大量的数据和信息,包括有结构化的信息,还有很多非结构化的信息,比如web文档等。
从这些全球化的信息资源中找出其企业运作的规律,使得资本得到合理的利用,是系统的一大难点和关键所在。