试析基于数据仓库的会计决策支持系统11.docx
《试析基于数据仓库的会计决策支持系统11.docx》由会员分享，可在线阅读，更多相关《试析基于数据仓库的会计决策支持系统11.docx（17页珍藏版）》请在冰豆网上搜索。
试析基于数据仓库的会计决策支持系统11
试析基于数据仓库的会计决策支持系统
姓名：
孙琛卓
专业：
会计学
班级：
管研1103班
学号：
1049721100901
摘要
会计决策支持系统（简称ADSS）是一种人机对话系统,它以现代信息技术为手段,以管理会计提供的模型为基本方法,综合会计信息系统,它以现代信息系统提供的数据和企业外部的有关数据,协助决策者对企业管理中带有不确定因素的半结构化和非结构化问题进行分析预测,为管理者作出正确决策提供帮助。
在现实生活中，企业在进行决策时，要用到结构化的决策，然而更多的是半结构化的决策，为满足半结构化决策的需要，便产生了会计决策支持系统，同时也促进了数据仓库技术的发展。
数据仓库技术是在充分地开发信息资源的迫切要求下产生并迅速发展起来的一个国际前沿研究新领域。
本文介绍了数据仓库、数据挖掘、联机分析处理技术,以及它们在会计决策支持系统中的应用。
关键词：
数据仓库；数据挖掘；联机分析处理；会计决策支持系统；结构化；半结构化；决策支持系统
Abstract
accountingdecisionsupportsystem（ADSS）isaman-machinedialoguesystem,itistomoderninformationtechnologyasameanstoprovidemanagementaccountingmodelasthebasicmethod,integratedaccountinginformationsystem,itoffersamoderninformationsystemdataandthedataoutsidetheenterprise,theenterprisemanagementtoassistdecisionmakerswithuncertaintyinthesemi-structuredandunstructuredproblemsforanalysisandforecasting,tohelpmanagersmaketherightdecisions.Inreallife,companiesmakingdecisions,touseastructureddecision-making,butmoreofasemi-structureddecision-making,inordertomeettheneedsofsemi-structureddecision-making,havegivenrisetoaccountingdecisionsupportsystems,whilealsofacilitatingthedatawarehousetechnology.Datawarehousetechnologyisfullydevelopedintheurgentrequestofinformationresourcesproducedandquicklydevelopedanewfieldofinternationalcutting-edgeresearch.Thisarticledescribesthedatawarehouse,datamining,onlineanalyticalprocessing,andtheirdecisionsupportsystemsintheaccountingapplication.
Keywords:
datawarehouse;datamining;onlineanalyticalprocessing;Accountingdecisionsupportsystems;Structured;semi-structured;Decisionsupportsystem
目录
一、引言1
二、会计决策支持系统概述1
（一）会计决策支持系统的产生1
（二）会计决策支持系统概念2
（三）会计决策支持系统特点2
三、数据仓库概述3
（一）数据仓库的定义3
（二）数据仓库技术的发展3
（三）数据仓库具有以下特点：
5
（四）数据仓库中的数据包含的层次：
6
四、决策支持系统建立中的关键问题7
（一）决策支持与数据管理系统8
（二）模型、方法和知识管理系统9
（三）用户交互环境10
（四）一个用于市场分析与预测的决策支持系统11
五、面向数据仓库技术的会计决策支持系统研究14
（一）传统财务决策分析存在的主要问题15
（二）会计决策支持系统15
六、结论18
参考文献20
致谢21
一、引言
随着数据库技术的不断发展及数据库管理系统的广泛应用,数据库的数据量和规模也在急剧增长。
企业要想在当今日益激烈的竞争环境下生存和发展,建立一个企业的决策支持系统（DSS）是非常必要的。
但企业决策者已不仅仅满足于对数据的简单维护和查询,而是更希望对变化的商业环境进行分析,使信息不仅能反映市场的瞬间变化,而且还能反映市场的历史趋势,从而得到数据更深层次的信息,以利于决策支持。
科学的决策是以大量的数据信息为基础的,随着信息社会初见端倪,信息将成为社会生产的基本要素,而且信息的积累也越来越丰富,因此信息的处理深加工技术成为重要的问题。
数据仓库和数据挖掘技术的出现,以及决策支持系统工具的充分利用,无疑给决策支持系统的发展注入了新的活力,从而拓展了决策支持系统的应用领域和范围。
由于市场竞争的加剧和信息社会需求的发展,从大量数据中提取（检索、查询等）用于决策和分析的信息就显得越来越重要.通过会计数据仓库设计、会计数据抽取、会计数据维护、会计决策需求设计、挖掘算法设计,以及挖掘操作、结果表达和解释等,可以从海量的财务数据中发掘有用的、重要信息组合,为企业发展、领导决策等提供科学的技术支持。
二、会计决策支持系统概述
（一）会计决策支持系统的产生
会计信息系统（AccountingInformationSystem）实现了会计信息的系统、综合处理，可以为各级管理决策者准确、及时地提供所需的会计信息。
然而，在复杂多变环境中单位所面临的许多决策问题，会计信息系统往往无法给予人们所期望的支持。
因为管理决策的制订，是一个包括确定目标、收集信息、探索方案以及对各种方案进行分析、预测、选择的过程。
而会计信息系统往往只能按照它在建立时所确定的模式来收集、存储和加工信息。
因此，对结构化的问题，会计信息系统可以有效地支持决策者的各个阶段的活动。
但是，在各单位管理决策中所面临的问题，往往是目标含糊不清，多个目标相互冲突，方案的比较和选择没有固定规则或程序可循，所需信息不全或比较模糊的问题，这类决策问题，称为半结构化决策问题。
它是会计信息系统所不能解决的，于是产生了会计决策支持系统ADSS（AccountingDecisionSupportSystem）。
（二）会计决策支持系统概念
会计决策支持系统是以管理科学、计算机科学、行为科学和控制论为基础，以计算机技术、人工智能技术、经济数学方法和信息技术为手段，主要解决面向半结构化的决策问题，支持中、高级决策者的决策活动的一种方案，通过人机对话进行分析、比较和判断，帮助决策者根据自己的经验和知识选择一个满意的方案，从而做出正确的决策。
（三）会计决策支持系统特点
这里的"支持"是指这个系统帮助决策者进行决策，而不是代替他进行工作。
处理半结构化决策问题，这就意味着决策过程不能完全用一种算法、程序模糊型概略说明，不能完全依靠计算机系统，它需人机的交互作用。
结合以上分析，会计决策支持系统具有以下特点：
①面向决策者
ADSS的输入输出，起源和归宿都是决策者，因此在分析和设计ADSS时，考虑主管人员在这种系统中的主导作用，决策者的偏好、技能、知识不同，决策过程不同，对ADSS的要求也不同。
②主要解决半结构化的决策问题
结构化的决策问题，可由计算机系统自动做出，半结构化决策问题，既要利用自动化数据处理，又要靠决策者的直观判断，因此，对人的技能要求不同于传统的数据处理系统。
③强调ADSS的支持作用，是"支持"而不是"代替"
结构化的可以在无人干预下解决，而会计决策支持系统是靠人最后做出有效的决定。
人是决策的主体，会计决策支持系统力求为决策者扩展做出决策的能力，而不是取而代之。
在决策过程中过分强调计算机的作用不适当。
④模型与用户共同驱动
即决策过程和决策模型是动态的，是根据决策的不同层次、周围环境，用户要求以及现阶段人们对于决策问题的理解和已获得的知识等动态确定的，ADSS除存储与活动有关的各种数据外，还存储与决策关的各种专门知识和经验的知识库，各种数学模型 和经济管理模型与方法，也以一定的组织形式存储于模型库中，以备灵活调用。
由数据库、模型库、方法库、知识库组成的知识系统是ADSS的基础。
⑤强调交互式的处理方式
通过大量、反复、经常性的人机对话方式将计算机无法处理的因素（如人的偏好、主观判断力、经验、价值观念等）输入计算机，并以此规定和影响着决策的过程。
⑥推理规则
ADSS是将数据模型、算法和推理方法结合起来的问题处理系统。
ADSS并不取代决策者本人的工作，它只是根据系统积累的数据、知识和经验，利用管理模型，方法和推理规则，协助决策者处理决策过程中的问题，并且可以对决策者提出的问题迅速做出反映，提供有关的背景材料，供决策者分析、比较各种方案。
以上这些特点的实现主要依靠人工智能、神经网络、遗传算法以及数据仓库等核心技术，特别是数据仓库技术的广泛运用，使会计支持系统又上升了一个新的台阶。
三、数据仓库概述
（一）数据仓库的定义
数据仓库（DataWarehouse）是指一个对历史数据进行处理的集成化的数据收集和信息处理机构，在一般情况下，数据仓库的数据输入来自一个操作性的环境，该部分的作用是将这个环境中的数据送到另一个在物理上相分离的数据存储机构中去。
而数据仓库则不断地对信息系统中的数据进行整理、挖掘从而辅助决策者有效地发现问题。
（二）数据仓库技术的发展
随着计算机信息系统在全球范围内的广泛应用，许多机构和公司都积累了大量的历史数据．从这些数据中，可以研究过去的经营状况、管理状况，发现和挖掘可以改进的地方，可使决策者很快地对自己的经营情况做出准确的评估，并为制订计划、确定发展规划提供依据．然而准确地从这成堆的历史数据中挖掘、整理出有用的数据，需要使用新的方法。
1990年PrismSolutions公司W.H.Inmon在"BuildingtheDataWarehouse"一书中提出数据仓库（DataWarehouse）的概念．这一概念和引入联机分析处理（OLAP）方法解决了在信息技术发展中存在的拥有大量数据及如何利用其中有价值信息的问题，为构筑合理可行的DSS/EIS系统提出了解决方案。
数据仓库的设计是一个非常重要的基础，国内外诸多研究者对此也提出了许多建模的规划及实现方法。
近年来，微电子、计算机技术快速发展，网络通讯、操作平台与工具、数据库、多媒体（超媒体）等新兴技术领域，连连取得重大突破与实用化进展；企业竞争的日益激烈为DSS的需求不断注入活力，新兴技术的发展尤其数据库技术的发展，以数据仓库（DataWarehouse，DW）技术为基础，以在线分析处理（OnLineAnalyticalProcessing，OLAP）技术和数据挖掘（DataMining，DM）技术工具为手段的决策支持系统解决方案逐渐成熟。
这是一种对于DSS问题的更为完整统一的解决途径，它具有技术起点高、支持工具强、有广阔实用前景等优势。
早期的决策支持系统（DSS）在应用需求推动和人工智能技术支持下，经过长期探索，建立了一套理想化的框架体系，这就是以数据库（DB）、模型库（MB）和知识库（KB）等“三库”为核心的理论体系结构和系统建设方法。
有些系统取得了令人瞩目的成绩，然而就其总体而言，以往的系统多数只能停留在演示阶段，录活性、可用性差，因而不够实用，未能迈入大规模的工业工程实践。
多年来，DSS仍然处在设计方案与系统规划阶段，缺乏可操作、可实施的技术、方法和工具。
究其原因，概因为缺乏丰富的数据资源所致，不论是内部数据还是外部数据，操作数据还是管理数据，综合数据还是历史数据统统不足；DSS是面向分析的，然而分析模型和算法设计均缺少坚实的数据基础；所得少量信息，其关联性又差（如"三库"无法有机结合），结果形成信息弧岛；最后，缺乏有力的分析工具，无法从外部市场得到成熟的分析工具产品，多数为自行开发，力不从心只能就事论事。
数据仓库技术高性能的数据库服务器，可处理数据量巨大、查询要求复杂，且具查询优化机制的难题，并行数据库技术，可并行存贮管理超大规模数据库（VLDB），提供高速度复杂查询的能力；网络与数据库的互操作技术，使大量数据通过网络的传输、转化高得简易可靠，这些都为新兴的数据仓库技术的发展开辟了道路。
数据仓库是面向主题的集成化的稳定的、随时间变化的数据集合，用以支持决策管理的一个过程。
它是从数据库技术发展而来，为决策服务的数据组织、数据存贮技术。
数据仓库把数据使用者（企业的生产经营决策者）所关心的带有统计性趋势性的数据，从大量业已存在的数据库或业务处理过程中集中起来，经过加工、提炼和重组，形成新的存贮管理体系-数据仓库，作为向决策者提供查询和分析用的集成化信息库。
数据仓库的信息源具有分布和异构的特点，主要信息可视为定义在各信息源上的实体化视图集合。
数据仓库管理系统把实体化视图所对应的数据从信息源中提取出来，物理地存贮到DW中，使之成为物理存贮的数据实体。
因此，数据仓库应具有两方面功能，一是从信息源提取数据并加工转化存入DW中；二是在DW上处理用户查询与决策分析请求，要尽量避免直接访问数据源。
数据仓库要由不同信息源的数据（微数据）产生综合数据，这可由各种聚集操作（如分类、求和、计数等）得到。
如何从综合数据恢复微数据，以及如何在保持DW及时增加新数据的同时，又支持对其数据实施有效存取，都是重要的技术。
数据仓库是面向主题的，因而适合于决策支持的应用。
数据仓库中的数据是多维的，构成多维数据库，以便于从不同角度观察分析问题。
数据仓库中的数据包括：
近期基本数据（Currentdetaildata）远期基本数据（Olderdetaildata）、轻度综合数据（Lightlysummarizeddata）、高度综合数据（Highlysummarizeddata）和元数据（Metadata）。
元数据是定义数据的数据，在数据仓库中地位十分重要。
建立数据仓库的步骤是：
（1）分析决策需求，确定数据来源；
（2）定义数据结合转化过程；（3）建立数据仓库；（4）建立供用户使用的DW工具。
数据仓库系统的体系结构，以及DW数据服务器结构已有多种实现途径，主要有：
①专用的RDBMS，即在索引、扫描、复杂查询诸方面，加以特殊处理的RDBMS；②关系型OLAP用DBMS，即扩弃型RDBMS，将多维数据的操作映射到标准的关系型操作上；③多维OLAP用DBMS，可直接实现对多维数据的管理与操作。
（三）数据仓库具有以下特点：
①数据仓库是面向主题。
这意味着一个数据仓库必须是根据某些企业关心的主题来建立的。
在传统的信息系统中，对数据的处理是面向过程的或者面向功能的，但对数据仓库来说，它并不面向这类操作性的过程，而是面向一些特定主题（顾客、厂家、产品等）来进行数据处理。
面向主题意味着对于数据内容的选择，对信息详细程度的选择。
把与决策问题无关的数据排除在数据仓库之外。
而面向过程的数据却包括满足某种功能需求的数据，它可能与决策有关也可能无关。
②数据仓库是集成化的。
数据仓库的集成化主要通过"名字转换"来实现不同应用软件数据不同格式的自动转换，通过数据仓库把不同"变量的度量"统一起来，实现结构编码的一致性和数据的物理属性的一致性。
③数据仓库是时变性的。
在通常的操作系统中的数据是精确的，而在数据仓库中的数据是时变的（TimeVariant）的。
时变性表现在数据仓库的数据是在一个很长的时间上的数据，而在操作性环境中，数据的时间一般很短的，数据仓库中具有键结构，每个键结构都包含时间维度的数据，数据仓库中的数据一旦被正确地记录就不能被更新。
数据仓库中的数据用于各种目的，长时间序列的快照，而操作性的数据则可以随时更新。
④数据仓库的数据是非活性的。
操作性的数据是灵活的，它们可以执行输入、输出、插入、修改、删除等操作，而在通常情况下，数据仓库中没有更新修改等操作。
它操作比较简单，只有两种操作对它们有效：
一是数据的初始输入，二是数据的存取。
这样在对数据操作上产生的必然结果是：
在设计层上，可以不必担心对数据的错误删除等发生；在设计的物理层上，程序可以使得对数据的存取操作优化。
（四）数据仓库中的数据包含的层次：
①当前详细数据：
（CurrentDetailData）反映了当前发生的、用户感兴趣的数据。
数据量相当庞大，它是存储粒度的最底层，一般存储在磁盘上，以至被快速存取。
②历史详细数据（OlderDetailData）：
是按照一定的格式存储在海量的存储器上，它们不经常被存取，被存储在一个与当前详细数据相应的详细水平上。
③轻度概略数据（LightlySummarizedData）:
是从底层的当前详细数据提炼出来的数据，一般存在磁盘上。
关联到轻度数据的建立问题包括时轴单位的确定和该类数据应该包括什么内容或者属性等。
④高度概略数据（HighlySummarizedData）：
位于最上层是高度压缩的，容易存取的数据。
有时侯高度概略数据可以被外部环境所引用，有时侯高度概略数据在当前数据仓库之外引用。
⑤超数据（MetaData）：
位于最后一层次，包含着操作性环境不能直接存取得的数据，主要包括帮助ADSS查找数据仓库转换内容目录;对数据仓库中各层次的数据进行概略化的算法引导数据。
一般情况下数据从操作性环境进入到数据仓库中时，必然经由一个预定的转换过程。
当数据进入数据仓库时，数据首先进入到当前详细层，数据暂被保留在该层，直到该层被概略化，或被取走发生。
然后根据数据的时间性质，逐渐将当前详细数据层中的过时数据移到历史详细数据层保存。
同时通过概略化过程使用当前数据来计算轻度概略数据和高度概略数据。
根据数据在数据仓库中的层次，它们被使用情况下是不同的。
一般来讲，越是在概略化的高层，其数据被使用的频率越高，而历史性的数据详细数据却很少使用。
因为数据概略化的程度越高，数据被使用时就越快，效率越高。
然而，ADSS的分析人员在使用一个数据仓库时，已经使用了它的详细数据层的数据。
在很多情况下到达详细层数据很像经过一个安全的防护，甚至包括其他概略层数据已经有效的情况。
数据仓库构筑人员的任务之一就是分离ADSS用户对数据的需求，让他们通过数据挖掘技术经常使用适当层次的数据，达到数据分析的目的，以实现会计决策支持系统的解决结构化和半结构化的问题。
四、决策支持系统建立中的关键问题
决策支持系统的应用决策支持系统（DDS）的概念提出20多年来，随着决策理论、信息技术、数据库技术、办公自动化、专家系统等相关技术的发展，DDS取得了长足的进展，在许多领域得到应用。
DDS已成为许多行业经营管理中一个不可缺少的现代化支持工具。
本文介绍了银行、房地产、企业等应用DDS的情况，如下：
1.决策支持系统建立中的关键问题——兼论云南玉溪卷烟厂信息管理与决策支持系统本文以建立云南玉溪卷烟厂信息管理与决策支持系统为例，介绍了决策支持系统建立中的关键问题，包括决策支持与数据管理系统，模型、方法和知识管理系统及用户交互环境。
2.银行智能决策支持系统面对激烈竞争和瞬息万变的金融市场，传统的银行决策方法已不能适应现代化银行发展的需要。
本文探讨如何将计算机决策支持技术应用到银行高层决策，建立银行智能决策支持系统。
3.地震预报智能决策支持系统的研制与应用地震是众多自然灾害中对人类生存造成危害最为严重的一种灾害。
为了科学、准确预报地震，减轻地震的影响，建立地震预报智能决策支持系统具有非常重要的价值。
4.智能房地产决策支持系统EID柔性综合集成能够使系统按照当前运行状况，动态配置所需的计算机部件，以解决传统专家系统表示和推理单一、难以融合异质计算部件等缺点。
本文介绍在构建智能房地产决策支持系统中，采用基于任务归约和子任务联想的知识汤建模方法，对柔性综合集成作了初步的尝试。
5.低成本CIMS成本管理决策支持系统本文以特钢企业为背景，阐述了建立网络环境下低成本CIMS成本管理决策支持系统的基本思想，并提出CIMS环境下管理与决策的模型库、数据库、方法库和知识库的分析与设计，进而达到控制钢铁企业成本的目的。
决策支持系统是以日常业务处理系统的数据为基础，利用数学的或智能的方法，对业务数据进行综合、分析，预测未来业务的变化趋势，在企业发展、市场经营战略等重大问题上为领导层提供决策帮助的计算机系统。
近年来企业（包括商业）部门业务处理以及信息管理系统的广泛使用，既为决策支持系统的建立提供了基础，也为它的应用产生了强大的推动力。
与此同时，计算机在理论与技术上的新进展也使决策支持系统的研究与应用水平不断提高，使它从早期的批处理方式演变成今天的联机分析处理方式，也带动了数据仓库、多维数据库、数据挖掘等新技术的研究。
决策支持系统大体上由以下三个部分组成：
1对决策用的数据进行管理的决策数据管理子系统。
2.决策知识、模型管理子系统。
3.与用户进行对话、接收命令，提供决策结果的交互环境。
在建立决策支持系统中，以下几个问题显得尤为关键：
（一）决策支持与数据管理系统
数据管理系统必须为决策支持的分析处理提供以下服务：
（1）根据主题需要，从OLTP数据库中抽取分析用的数据。
为此在抽取过程中要对原始数据进行分类、求和、统计等处理，抽取的过程实际上是数据的再组织。
（2）在抽取过程中，完成数据净化，即去掉不合格的原始数据，必要时还必须对缺损的数据加以补充。
（3）在改变分析、决策的主题时，可以按主题进行数据查询与访问。
（4）采用脱机大容量存储、联机磁盘存储、内存存储的多级存储模式，解决数据量巨大及按照主题、粒度划分的数据组织问题。
今天，人们常把满足上述功能需求的数据管理系统称为数据仓库系统。
数据抽取与净化、存储组织等，都是建立数据仓库的关键技术。
除此之外，在设计数据仓库时，还应特别重视数据的粒度与划分问题。
与传统数据库设计类似，好的数据仓库设计也采用概念模型、逻辑模型与物理模型的方法。
所不同的是，数据仓库的数据模型是紧紧围绕前面所述的决策分析用的主题等范围进行的。
数据仓库系统可以在关键数据库的基础上建立。
采用这一方法，开发人员把关系数据库当作一种存储结构，自己设计、实现数据仓库必备的功能。
当然也可以利用关系数据库软件厂家提供的某些工具。
目前这类工具还比较缺乏。
实现决策用的数据管理系统的另一种途径是采用多维数据库。
多维数据库中的维是指在进行分析预测时可以变化的角度。
例如，一个企业在全国各地的产品销售，可以按时间逐年统计，也可以按地区或者产品分类统计，这里的时间、地区、产品就是不同的维。
多维数据库为面向主题的分析决策提供了更大的灵活性。
它支持对按总体统计的详略级别组织的数据进行特殊查询，从宏观的结果逐
升级会员 