基于商業智能的成本分析系統的研究與實現

摘 要： 以某企業的成本分析系統為依托，針對成本系統的數據特點，研究了企業業務數據的實際問題和需求，完成了源數據庫中數據的ETL過程，并且根據業務要求創建了新的數據倉庫，用開源的工具實現了聯機分析處理模塊，并且利用前端技術進行了數據的展現。

關鍵詞： 商業智能； 數據倉庫； OLAP； 回歸分析； 成本分析

中圖分類號： TN911?34； TP311.17 文獻標識碼： A 文章編號： 1004?373X（2016）19?0111?05

Abstract： On the basis of the cost analysis system of a certain enterprise， the practical problems and demands of the enterprise′s business data are studied according to the data characteristics of the cost system. The data ETL process in the source database was accomplished， and a new data warehouse was established according to the business requirements. The on?line analysis processing module was realized with the open source tool， and the data was showed with the front?end technology.

Keywords： business intelligence； data warehouse； OLAP； regression analysis； cost analysis

近年來，隨著生產企業的日益發展，如果想提升管理的科學化和精細化水平，那么需要加強集團各單位產品成本核算與控制，從而降低公司的生產成本，服務于各單位間的結算和考核，為對外報價和內部分析決策提供支撐[1?2]。企業的決策層都了解實施成本核算系統已經迫在眉睫。成本分析系統能夠集中處理分散在各處的數據，然后利用BI技術從數據中挖掘出一些有用信息，這可以讓企業管理者及時掌握企業生產成本的狀況。因此，基于商業智能的成本核算研究顯得十分必要，不但利于降低企業成本，對于提高企業經濟效益具有重要意義[3]。

1 系統架構

生產的成本分析是企業管理層的一塊重要管理工作，系統開展成本分析是解決問題的最好辦法[3]。本系統主要分為基礎數據管理、生產數據管理、成本分析、綜合查詢、系統管理和維護總共5個模塊。基礎數據維護模塊主要管理企業相關基礎數據，包括材料定義管理，產品定義管理，工藝管理，數據導入導出四個功能；生產數據管理模塊管理企業相關生產數據，分為生產數據采集，分廠內部數據維護和生產數據審核三方面；綜合查詢模塊提供工時、費用率和月報表的查詢；成本分析模塊根據系統中存儲的各類數據進行分析，包括不同產品報價對比，采購材料歷史價格，產品工時統計查詢，生產計劃執行情況，分廠庫房管理和按產品類型查詢工時；系統維護管理模塊功能是對人員訪問和使用的權限進行控制[4]。企業成本分析系統總體功能模塊劃分如圖1所示。

從商業智能技術的角度來看，總體系統的架構可以劃分為6個層次，分別為前端應用、數據處理分析（OLAP和DM）、數據倉庫（DWH）、數據抽取轉換加載和數據源。如圖2所示。

2 設 計

2.1 綜合查詢模塊

綜合查詢模塊提供系統數據按條件檢索費用率和工藝工序等信息。從系統的角度上看，綜合查詢模塊的流程，如圖3所示。

2.2 工時核算模塊

（1） 工時分類匯總，按照格式輸入要匯總的報表日期范圍，選擇匯總的單位，顯示匯總結果。累加工時是在本單位內部對所有組成件的工時合計，完成工時=累加工時×實收數量。查詢結果設計如表1所示。

2.3 成本分析模塊

（1） 不同類型產品報價的對比

各基型產品的變種報價會有差異，用一個table表現出報價差異具體出現在哪些方面。

（2） 材料采購歷史價格的對比

輸入材料編碼后系統對應的調出原材料名稱、采購單價和成本等信息。將ERP系統中該物料編碼對應的材料在不同時期的實際采購價格進行導入，可以查詢導出該種材料在不同時期的實際采購成本對比表。

（3） 分廠庫房成本分析

首先把ERP的庫房數據（數量，圖號和工時）導入到本系統，然后可以隨時通過軟件查詢各分廠的產品庫存情況。

2.4 成本分析的數據倉庫設計

系統是在關系數據庫MySQL的基礎上去創建數據倉庫的，所有可以說此數據倉庫的邏輯模型就是關系模型[5]。在DW的邏輯模型設計這一步，需要產出的方案是對現在要實現的主題進行定義，然后在DW的元數據中把對應的數據繼續載入[6]。DW的架構主要有星型和雪花型兩種方式，根據建設企業成本分析系統的項目需求，采用星型架構比較符合項目的目標，數據倉庫的星型模型如圖4所示。

2.5 聯機分析處理（OLAP）的設計

（1） 聯機分析處理的架構設計

從聯機分析處理的架構設計上看，OLAP屬于中央夾層，他從DW提取到數據后，有兩種方式：一種是直接流到OLAP層；一種是經過一個存儲器后再流經到聯機分析處理層。然后聯機分析處理應用服務處理好數據后，會給到OLAP前端工具，后者給到Web服務器進行顯示[7]。本系統的OLAP模塊使用的技術架構包括表示層（PL）、維度層（DL）、Star層以及存儲層四層。

（2） 多維數據分析的設計

首先鉆取去改變數據維度的層次，轉變數據分析的粒度；然后進行切塊和切片的設計，這里關注的是度量數據在剩余維度上的分布情況；最后是數據的旋轉，在數據表格把維度的位置進行交換，也就是重新部署一下。多維數據的分析設計從系統角度上看主要是實現三個方面的內容：一是數據的鉆取；二是數據的切片和切塊；三是數據的旋轉[8]。

（3） OLAP的數據實現設計

聯機分析處理可以分為多維MOLAP、關系型ROLAP以及混合型HOLAP[9]。HOLAP結合了前面兩個類型的技術特點和優勢，在MOLAP立方體匯總存儲高級別的統計數據，在ROLAP中存儲低級別的統計數據和明細數據。本系統根據成本系統的需求使用HOLAP。

3 成本預測算法設計

（1） 一元線性回歸模型設計

4 基于商業智能的成本分析系統實現

4.1 成本分析系統的實現

生產企業的成本分析系統主要界面如圖5所示，這是一個基于商業智能的系統。用戶界面負責和用戶交互，接收用戶輸入、上傳的數據和查詢命令，展示查詢結果和其他反饋信息。系統配置管理模塊包括用戶、部門、角色、權限管理，材料、單件、產品、分廠（車間）、工時定額、小時費用率、工作令號等基礎數據的定義，工藝路線的制定和維護。業務邏輯以各分廠每月上報的生產數據為基礎，按照基礎數據定義計算各級產品和單件成本，計算對外報價，計算各車間之間互轉成本，服務于內部結算，最后提供成本分析支持決策。

4.1.1 成本分析子系統

（1） 不同類型產品報價的對比：輸入兩產品的編號，點擊對比按鈕后，頁面隨即跳轉到了結果頁面，顯示不同類型的產品報價對比情況。

（2） 采購材料歷史價格：輸入產品圖號的編號，按照格式選擇兩個時間，點擊搜索按鈕后，頁面隨即跳轉到結果頁面，顯示材料采購價格的對比情況。

（3） 產品工時統計查詢：輸入單件、總成的編號，點擊搜索按鈕后，頁面隨即跳轉到了結果頁面，顯示單件、總成或產品的工時情況，點擊下方的導出按鈕可以導出查詢到的結構表。

（4） 生成計劃執行情況：選擇分廠的下拉框，然后選擇兩個時間點，點擊搜索按鈕后，頁面隨即跳轉到了結果頁面，顯示生成計劃與實際產量的對比情況。

4.1.2 分廠工時核算子系統

（1） 工時分類匯總：首先可以先選擇查詢的方式：一種是按照分廠查詢；一種是按照工作令號進行查詢，接著選擇開始時間和結束時間，點擊對比按鈕后，頁面隨即跳轉到結果頁面。

（2） 加工費匯總分析：首先選擇匯總的單位，接著選擇開始時間和結束時間，點擊對比按鈕后，頁面隨即跳轉到結果頁面。

4.2 后臺輔助功能

在完成了基于商業智能的成本分析系統的設計后，接下來就是要創建一個數據倉庫，這個過程分為四個階段，分別是選擇一個高效率容易使用的數據倉庫工具，然后根據企業的需求和做好的數據設計確定數據倉庫表，最后創建維度和實際操作。

4.3 聯機分析的實現

使用Pentaho工具實現OLAP的步驟如下：

（1） 利用Mondrian創建一個DataSource項目，鏈接4.2節準備好的數據倉庫；

（2） 創建JPivot視圖，數據源作為與數據庫的一個鏈接，在數據源中，可以對數據源中設置好的維度表，事實表做關系處理，添加計算等；

（3） 創建維度相對簡單，這里可以按照數據倉庫的設計構建維度以及聯機分析處理的多維數據集；

（4） 向數據倉庫中加載測試數據，然后再處理多維數據集，最后通過前端分析工具（前端網頁）對多維數據集進行展現。

4.4 成本預測的實現

4.4.1 一元線性回歸算法預測成本

（1） 一元線性回歸模型算法，相對簡單，由于其一元線性回歸直線模型函數為：[y=ax+b，]只要根據公式求出其參數[a]和參數[b]就可以，從數學的角度上看，就是對輸入矩陣兩個參數的累積計算。

（2） 編碼實現。算法比較明了，只要按照式（3）， 式（4）計算即可，需要計算出[x]的累積，[y]的累積，[x?y]的累積，[x]平方的累加，[y]平方的累加，然后綜合計算即可。用一個for循環即可計算出來，然后接著計算[a]和[b]的值，輸出結果畫出預測的圖像。

（3） 利用一元線性回歸算法預測企業2015年相關成本，如圖6所示。

4.4.2 多元回歸算法預測企業利潤

（1） 多元回歸模型算法。如式（11）所示，現在只要求這個線性回歸方程，就可以得出想要的值。

（2） 編碼實現。首先從輸入的矩陣中獲取[yt[]]為樣本結果值，[xc[]]為測試樣本，[xt[][]]為矩陣系數的轉置數據，[x[][]]為系數矩陣。這些獲取的過程比較簡單，只要兩個for函數進行循環就可以實現。

求[XTX，]這里要注意：設[C=A*B，]則[A]的列數[A.n]必須和[B]的行數[B.m]匹配上，也就是要相等，[C]的列數[=B]的列數，[C]的行數[=A]的行數，這里[XTX[][]]結果一定是nTotalMainHead?2方陣。

從數學原理上講就是先求得其伴隨矩陣，然后再求得[A]的行列式，就可以得到[A]的逆矩陣。求行列式時調用到一個子函數MaDet，eterm=MaDet（（double*）xtx，nTotal Main Head?2），函數的返回值就是行列式值，傳過去的值是矩陣的首地址和矩陣的行數。

求伴隨矩陣，即求[k*k]方陣中元素[A（m，n）]的余子式。也要寫一個子函數Creat_M（float*p，int m，int n，int k），入口參數為[k*k]方陣的第一個位置，方陣元素[A]的標記是[m]和[n，]方陣行數為第[k]個。求代數余子式就是除第[i]行和第[j]列外的所有元素，一起存儲到以temp為第一地址的數據里面，這里面又調用了求行列式的值。

（3） 企業利潤預測結果展現。根據企業歷史的利潤、建造工時、加工費用、產量，利用多元線性回歸模型預測企業今年的利潤，如圖7所示。

5 結 語

本文通過對生產企業成本分析系統的研究，利用數據倉庫及相關技術對現有數據進行重新組織和分析，使其成為結構化，可供決策分析的數據。利用聯機分析OLAP方法，對這些數據進行重新展現，并且在這個基礎上利用了回歸分析算法的一元線性回歸模型和多元線性回歸模型進行成本利潤的預測，給企業管理者提供了新的決策信息平臺。

參考文獻

[1] 趙紅宇.基于DW，OLAP和DM的商業智能[J].商場現代化，2006（26）：52.

[2] 徐羨文，鄭廈君.數據挖掘技術在電子商務推薦中的應用[J].電腦知識與技術，2011，7（27）：6588?6589.

[3] 陳榮鑫，付永鋼，陳維斌.基于Pentaho的商業智能系統[J].計算機工程與設計，2009，29（9）：2407?2409.

[4] CHEN Y， ZHWNG D F， MILLER P A， et al. Improve data partitioning for building large ROLAP data cubes in parallel [J]. International journal of data warehousing and mining， 2006， 2（1）： 1?26.

[5] 王兆紅.企業商業智能系統的架構及實施研究[J].中國管理信息化（綜合版），2010，10（6）：15?17.

[6] 滕桂法.商業智能系統的功能構架[J].中國計算機用戶，2003（42）：48.

[7] 周海燕，郭建忠，王家耀，等.知識發現與數據可視化技術淺析[J].信息工程大學學報，2012，3（4）：78?80.

[8] 張金力，陳廣伏.最小二乘法在計量經濟模型中的應用[J].沈陽航空工業學院學報，2009，16（4）：23?26.

[9] 鐘睿.面向WEB的商業智能中的數據挖掘技術的研究[J].南京農專學報，2011，17（3）：25?28.

[10] 陳寧，劉嵐.數據倉庫在移動通信企業經營分析系統中的應用[J].現代電子技術，2008，31（14）：117?120.