基于商業智能的高校財務預警系統研究

【摘 要】 文章基于高校財務指標的構建，從構建財務數據倉庫、引用OLAP技術進行財務分析以及運用數據挖掘技術進行財務預警模型三個方面就運用商業智能技術構建高校財務預警系統進行研究。

【關鍵詞】 商業智能； 財務指標體系； 財務預警

一、引言

隨著我國高等教育的改革和發展，高校進入大規模舉債辦學的階段，高校財務面臨的局面越來越復雜。高校不僅有基礎建設、事業單位經費收支，還涉及到科研經費、校辦企業投資等，高校一旦發生財務問題，影響的不僅僅是高校本身，更會引發各式各樣的社會問題，因此需要對影響高校正常運行的各種財務問題進行實時有效的監控。

傳統的財務分析方法單純以財務報表為基礎，就多個指標進行分析，也就是單純地看最近一年或幾年，或者某個院系的指標。與這些靜態的分析方法相比，把商業智能運用到財務預警系統，即將財務數據和各種外部數據進行收集、歸納、量化（ETL技術）建立數據倉庫，高校財務部門可以通過提取有用的數據經過聯機分析處理工具（OLAP）或數據挖掘工具（Date Mining）結合財務部門的專業知識進行分析，轉化為對高校財務分析有用的信息，從而為高校財務提供一個動態的風險預警方案?？偠灾瑢⑸虡I智能運用于高校的財務分析系統，可以根據不同的決策層靈活地展現財務分析結果，也可以連續分析財務問題，還可以與高校其他院系聯合在一起進行綜合分析。

二、高校財務指標體系的構建

高校財務指標是高校財務預警的一個核心，相關學者對高校財務指標體系已經有了一定的研究，本文針對高校過度舉債、資金利用率低等問題，就高校財務指標作了相應的調整，再結合指標選取原則初步建立了有效的高校指標體系。

（一）償債能力

為了反映高校償還債務能力和資產負債水平，選取流動比率、資產負債率、長期負債率、貸款收入比重、利息保障倍數五個指標。

（二）營運能力

為了反映高校的經營狀況選取現實支付比率、潛在的支付比率、公共經費支出比率、投資收益比率、自有資金余額占年末貨幣資金比重五個指標。

（三）發展能力

為了反映高校的成長性以及開源創收的能力，選取凈資產增長率、固定資產增長率、現金凈額增長率、自籌收入比f728dd56cccdac821caba9690a3bb226fae33af8285c94c082448b20bbe5f939率四個指標。

（四）非財務因素

一些非財務因素也能體現出高校的辦學效率和發展實力，為了全面反映高校的發展狀況選取了師生比、教師人均科研經費和教師貢獻率三個指標。

即使指標選擇嚴謹，這些指標中某些指標間還是有一定的相關性，并且過多的指標會增加信息的收集和整理難度，降低工作效率，所以要對這些指標進行優化。將初選四個方面的所有十七個指標匯總進行正態性檢驗，將服從正態性分布的指標體系進一步做T檢驗，以確定哪些指標具有顯著性作用，篩選出顯著性指標，刪除不顯著的指標；將沒有服從正態性分布的指標體系進一步做非參數檢驗，同理確定這部分指標中的顯著性指標，刪除不顯著的指標，最后匯總所有顯著性指標用于構建高校財務預警模型指標體系。此優化過程不僅解決了預警指標體系的顯著性問題，同時也達到了盡可能降低預警指標體系維度的目的。

三、高校財務預警基于商業智能技術的實現

高校商業智能系統主要包括三部分：高校數據倉庫、多維分析和高校數據挖掘。高校數據倉庫用于存儲有用信息；多維分析可以從不同層面進行全面了解儲存在高校數據倉庫中的信息；高校數據挖掘則是發現問題找規律，并對將來進行預測。高校商業智能實現的大體過程是收集數據，對數據進行清理、轉化，存入數據倉庫，將倉庫數據變為信息，并用OLAP工具、數據挖掘工具對信息進行處理，將信息變為對決策有用的知識。其架構如圖1。

（一）財務數據倉庫的設計

高校數據倉庫的目的是通過對整個高校的相關數據進行梳理，構建一個體系化的數據存儲環境，把大量分散復雜的數據轉化成集成的、統一的信息，將正確的信息方便、準確地傳遞給需要的人。數據倉庫與傳統的數據庫的最大區別在于傳統的數據庫是未經整理的一堆雜亂數據，而數據倉庫是經過整理、規劃過的系統數據庫的子集合。數據倉庫可以使高校面對大量的錯綜復雜的數據進行靈活的處理，為內部各個信息使用者提供他們所需要的有效信息。

1.數據倉庫概念模型的設計

數據倉庫的概念模型主要任務是界定系統邊界和確定主題域及內容，星形概念模式是由一個事實表和一組維表組成，是一種多維的數據關系，相對于別的概念模型來說，星型雖然不節省空間，但是操作相對簡單，所以創建高校數據倉庫的概念模型采用星型。

高校各類指標的多維分析是商業智能技術構建高校財務預警的核心問題，所以在設計概念模型時，應選擇財務指標作為數據倉庫的主題，并以這一主題建立事實表，然后從高校財務分析的角度來確定維度，如時間、項目、部門等。各高?？梢愿鶕陨淼那闆r來設定維度，文章根據自身了解的情況擬設了六個維度作為介紹：院級單位、項目、部門、指標、往來單位、時間。星型結構設計如圖2。

2.財務數據倉庫邏輯模型設計

邏輯模型主要是根據星形維度的選擇，構建維度的層次關系，層次關系以高校相關人員對信息的需求為主線，分析各維度的層次關系以及粒度的劃分、事實表的設計等。比如之前的高校數據倉庫概念模型設計分了六個維度，時間維度就可以從日、周、月、季度、年來進行劃分層次；院級單位可以按一級單位（校），二級單位（院），三級單位（部門）依次劃分；指標可以根據前文中所示的指標類型進行劃分；項目可以按照高校所承接的國家級項目、省級項目以及其他項目類別進行劃分；部門可以按黨委部門、行政部門、教學單位、教輔單位、附屬單位依次劃分；往來單位按照政府、金融機構、企業等進行劃分。

3.財務數據倉庫物理模型設計

物理模型需要確定數據的存儲結構、索引策略、數據存放位置及存儲分配等，主要目的是提高性能和更好地管理存儲數據。

4.數據ETL

ETL包括抽取、轉換、裝載。其中，抽取是將數據從各種原始存放系統（如各種帳套數據和Excel文件）中讀?。晦D換是按照預先設計好的規則將數據轉換，使數據格式統一；裝載則是將轉換好的數據導入高校數據倉庫。

（二）基于OLAP技術的財務分析模型實現

OLAP技術（聯機分析處理技術）以數據倉庫為基礎，針對某個特定的主題進行聯機數據訪問、處理和分析，通過直觀的方式從多個維度、多種數據綜合程度將系統的運營情況展現給使用者。OLAP技術的一個重要特點是通過多維交互的方式對數據進行處理，與多維數據組織的數據倉庫相互結合、補充，這些多維分析操作可以使用戶從不同的維度和角度來分析數據，其中主要方法包括切片、切塊、鉆取和旋轉。

而對于已經建立并裝載完成了高校數據倉庫的，可以在此基礎上建立OLAP系統。首先對OLAP的多維數據結構進行設計，包括維度和多維數據集的設計，然后創建維度和多維數據集，可以采用Analysis Service做分析服務器，最后利用SSRS展示查詢數據。高校財務預警正是運用OLAP技術實現各監控指標的多維綜合評價，達到對高校財務數據的實時分析。

例如，通過對高校財務部門的調查研究，發現其需要了解高校不同時間、不同院系的科研收入、教學成果以及償債能力等，那么信息使用者可以在選擇范圍內的維度和量度來進行有意義的組合，還可以從其他不同的角度來了解高校的財務狀況。通過報表展示，可以選擇對不同維度上涉及到的數量進行分析，并找到有價值的信息。高?？梢赃x擇“時間”、“各級院”、“償債能力”組成一個三維的償債能力立方體，以表示在不同的時間，各個二級院校的償債能力如何。具體如圖3。

OLAP對于數據的即時處理和分析充分體現出財務分析的時效性和真實性，實現了商業智能技術與財務分析的融合。OLAP通過多維的方式對數據進行了分析、查詢和定制報表。維是人們觀察數據的特定角度，多維分析方式符合思維模式，減少了混淆并且降低了出現錯誤的可能性，它能使用戶多側面、多角度地觀察數據庫中的數據。OLAP可以通過切片、切塊、鉆取及旋轉等操作來分析數據倉庫中的財務數據，以對高校的財務數據進行更透徹形象地分析。

（三）基于數據挖掘技術的財務預警模型的實現

對于已經存在的財務信息，可以利用OLAP技術從不同的維度由高校數據倉庫中獲取，但是高校數據倉庫數據中潛在的、隱藏的關系和信息很難得到充分的體現，以確定高校的財務發展趨勢。因此需要利用數據挖掘技術對它們進行深度的挖掘，構建高校財務危機預警模型。

數據挖掘技術提供了多種財務預警計算方法，如神經網絡算法、邏輯回歸算法、聚類分析算法、決策樹和關聯規則等，在前文已建立數據倉庫的基礎上，可以根據財務預警的具體需要選擇適當的算法構建財務預警模型，分析數據挖掘的結果。具體說，將已經準備好的數據分離到定型數據集中，并生成挖掘模型，通過創建預測查詢，運用測試數據集驗證模型的準確性，以確定是否是性能最佳的模型。當模型確定以后，進行財務預警分析。

鑒于高校財務問題與一般企業的財務問題有著本質的區別，高校財務數據并不如上市公司一樣公開，數據量不豐富，導致成熟的企業財務預警模型很難適用于高校，所以本文認為數據挖掘方法中的灰色關聯計算方法更適合高校財務預警。運用灰色關聯的數據挖掘技術進行財務預警相對于傳統的財務分析方法能夠消除數據的噪聲，將非標準的數據標準化，在應對高校面臨的外部環境多變的形勢下，運用該項技術是必要的。具體做法是首先將數據從數據倉庫中提取出來，然后對數據進行處理，如無量綱化，將處理后的數據帶入灰色關聯模型，得出結果并進行分析。具體步驟如圖4。

四、結論

對于高校的財務預警問題，需要一個動態的監控系統來進行實時監控，而商業智能技術能夠促進這一設想的實現。運用商業智能來構建高校財務預警系統可以將潛在的影響高校正常運行的各種財務狀況實時反映出來。數據倉庫技術能夠使高校的數據進行自動的更新存儲，OLAP技術能夠對高校現有的財務數據進行多維的分析，同時應用數據挖掘技術建立財務預警模型，實現了對高校財務進行動態的監控。

【參考文獻】

[1] 田隆.基于財務數據中心的商業智能平臺設計與實現[D].北京：北京信息控制研究所碩士學位論文，2010.

[2] 陳俊.財務商業智能系統的研究及其實現[D].中國航天第二研究院碩士學位論文，2008.

[3] 丁博.基于商業智能的A央企財務分析系統研究[D].北京：北京交通大學碩士學位論文，2012.

[4] 徐玉鵬.數據倉庫、OLAP和數據挖掘在商業智能中的應用研究[D].南京：南京航空航天大學碩士學位論文，2010.

[5] 李程.論商業智能技術在企業財務管理中的應用[J].現代商貿工業，2011（2）.

[6] 張琦，曾繁榮，等.數據倉庫與OLAP技術在上市公司財務分析中的應用[J].財會通訊，2011（7上）.