【摘 要】 文章基于高校財務(wù)指標(biāo)的構(gòu)建，從構(gòu)建財務(wù)數(shù)據(jù)倉庫、引用OLAP技術(shù)進(jìn)行財務(wù)分析以及運用數(shù)據(jù)挖掘技術(shù)進(jìn)行財務(wù)預(yù)警模型三個方面就運用商業(yè)智能技術(shù)構(gòu)建高校財務(wù)預(yù)警系統(tǒng)進(jìn)行研究。

【關(guān)鍵詞】 商業(yè)智能； 財務(wù)指標(biāo)體系； 財務(wù)預(yù)警

一、引言

隨著我國高等教育的改革和發(fā)展，高校進(jìn)入大規(guī)模舉債辦學(xué)的階段，高校財務(wù)面臨的局面越來越復(fù)雜。高校不僅有基礎(chǔ)建設(shè)、事業(yè)單位經(jīng)費收支，還涉及到科研經(jīng)費、校辦企業(yè)投資等，高校一旦發(fā)生財務(wù)問題，影響的不僅僅是高校本身，更會引發(fā)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(wù)問題進(jìn)行實時有效的監(jiān)控。

傳統(tǒng)的財務(wù)分析方法單純以財務(wù)報表為基礎(chǔ)，就多個指標(biāo)進(jìn)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(biāo)。與這些靜態(tài)的分析方法相比，把商業(yè)智能運用到財務(wù)預(yù)警系統(tǒng)，即將財務(wù)數(shù)據(jù)和各種外部數(shù)據(jù)進(jìn)行收集、歸納、量化（ETL技術(shù)）建立數(shù)據(jù)倉庫，高校財務(wù)部門可以通過提取有用的數(shù)據(jù)經(jīng)過聯(lián)機(jī)分析處理工具（OLAP）或數(shù)據(jù)挖掘工具（Date Mining）結(jié)合財務(wù)部門的專業(yè)知識進(jìn)行分析，轉(zhuǎn)化為對高校財務(wù)分析有用的信息，從而為高校財務(wù)提供一個動態(tài)的風(fēng)險預(yù)警方案?？偠灾?，將商業(yè)智能運用于高校的財務(wù)分析系統(tǒng)，可以根據(jù)不同的決策層靈活地展現(xiàn)財務(wù)分析結(jié)果，也可以連續(xù)分析財務(wù)問題，還可以與高校其他院系聯(lián)合在一起進(jìn)行綜合分析。

二、高校財務(wù)指標(biāo)體系的構(gòu)建

高校財務(wù)指標(biāo)是高校財務(wù)預(yù)警的一個核心，相關(guān)學(xué)者對高校財務(wù)指標(biāo)體系已經(jīng)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(wù)指標(biāo)作了相應(yīng)的調(diào)整，再結(jié)合指標(biāo)選取原則初步建立了有效的高校指標(biāo)體系。

（一）償債能力

為了反映高校償還債務(wù)能力和資產(chǎn)負(fù)債水平，選取流動比率、資產(chǎn)負(fù)債率、長期負(fù)債率、貸款收入比重、利息保障倍數(shù)五個指標(biāo)。

（二）營運能力

為了反映高校的經(jīng)營狀況選取現(xiàn)實支付比率、潛在的支付比率、公共經(jīng)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(biāo)。

（三）發(fā)展能力

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

（四）非財務(wù)因素

一些非財務(wù)因素也能體現(xiàn)出高校的辦學(xué)效率和發(fā)展實力，為了全面反映高校的發(fā)展?fàn)顩r選取了師生比、教師人均科研經(jīng)費和教師貢獻(xiàn)率三個指標(biāo)。

即使指標(biāo)選擇嚴(yán)謹(jǐn)，這些指標(biāo)中某些指標(biāo)間還是有一定的相關(guān)性，并且過多的指標(biāo)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(biāo)進(jìn)行優(yōu)化。將初選四個方面的所有十七個指標(biāo)匯總進(jìn)行正態(tài)性檢驗，將服從正態(tài)性分布的指標(biāo)體系進(jìn)一步做T檢驗，以確定哪些指標(biāo)具有顯著性作用，篩選出顯著性指標(biāo)，刪除不顯著的指標(biāo)；將沒有服從正態(tài)性分布的指標(biāo)體系進(jìn)一步做非參數(shù)檢驗，同理確定這部分指標(biāo)中的顯著性指標(biāo)，刪除不顯著的指標(biāo)，最后匯總所有顯著性指標(biāo)用于構(gòu)建高校財務(wù)預(yù)警模型指標(biāo)體系。此優(yōu)化過程不僅解決了預(yù)警指標(biāo)體系的顯著性問題，同時也達(dá)到了盡可能降低預(yù)警指標(biāo)體系維度的目的。

三、高校財務(wù)預(yù)警基于商業(yè)智能技術(shù)的實現(xiàn)

高校商業(yè)智能系統(tǒng)主要包括三部分：高校數(shù)據(jù)倉庫、多維分析和高校數(shù)據(jù)挖掘。高校數(shù)據(jù)倉庫用于存儲有用信息；多維分析可以從不同層面進(jìn)行全面了解儲存在高校數(shù)據(jù)倉庫中的信息；高校數(shù)據(jù)挖掘則是發(fā)現(xiàn)問題找規(guī)律，并對將來進(jìn)行預(yù)測。高校商業(yè)智能實現(xiàn)的大體過程是收集數(shù)據(jù)，對數(shù)據(jù)進(jìn)行清理、轉(zhuǎn)化，存入數(shù)據(jù)倉庫，將倉庫數(shù)據(jù)變?yōu)樾畔ⅲ⒂肙LAP工具、數(shù)據(jù)挖掘工具對信息進(jìn)行處理，將信息變?yōu)閷Q策有用的知識。其架構(gòu)如圖1。

（一）財務(wù)數(shù)據(jù)倉庫的設(shè)計

高校數(shù)據(jù)倉庫的目的是通過對整個高校的相關(guān)數(shù)據(jù)進(jìn)行梳理，構(gòu)建一個體系化的數(shù)據(jù)存儲環(huán)境，把大量分散復(fù)雜的數(shù)據(jù)轉(zhuǎn)化成集成的、統(tǒng)一的信息，將正確的信息方便、準(zhǔn)確地傳遞給需要的人。數(shù)據(jù)倉庫與傳統(tǒng)的數(shù)據(jù)庫的最大區(qū)別在于傳統(tǒng)的數(shù)據(jù)庫是未經(jīng)整理的一堆雜亂數(shù)據(jù)，而數(shù)據(jù)倉庫是經(jīng)過整理、規(guī)劃過的系統(tǒng)數(shù)據(jù)庫的子集合。數(shù)據(jù)倉庫可以使高校面對大量的錯綜復(fù)雜的數(shù)據(jù)進(jìn)行靈活的處理，為內(nèi)部各個信息使用者提供他們所需要的有效信息。

1.數(shù)據(jù)倉庫概念模型的設(shè)計

數(shù)據(jù)倉庫的概念模型主要任務(wù)是界定系統(tǒng)邊界和確定主題域及內(nèi)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(shù)據(jù)關(guān)系，相對于別的概念模型來說，星型雖然不節(jié)省空間，但是操作相對簡單，所以創(chuàng)建高校數(shù)據(jù)倉庫的概念模型采用星型。

高校各類指標(biāo)的多維分析是商業(yè)智能技術(shù)構(gòu)建高校財務(wù)預(yù)警的核心問題，所以在設(shè)計概念模型時，應(yīng)選擇財務(wù)指標(biāo)作為數(shù)據(jù)倉庫的主題，并以這一主題建立事實表，然后從高校財務(wù)分析的角度來確定維度，如時間、項目、部門等。各高?？梢愿鶕?jù)自身的情況來設(shè)定維度，文章根據(jù)自身了解的情況擬設(shè)了六個維度作為介紹：院級單位、項目、部門、指標(biāo)、往來單位、時間。星型結(jié)構(gòu)設(shè)計如圖2。

2.財務(wù)數(shù)據(jù)倉庫邏輯模型設(shè)計

邏輯模型主要是根據(jù)星形維度的選擇，構(gòu)建維度的層次關(guān)系，層次關(guān)系以高校相關(guān)人員對信息的需求為主線，分析各維度的層次關(guān)系以及粒度的劃分、事實表的設(shè)計等。比如之前的高校數(shù)據(jù)倉庫概念模型設(shè)計分了六個維度，時間維度就可以從日、周、月、季度、年來進(jìn)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(biāo)可以根據(jù)前文中所示的指標(biāo)類型進(jìn)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(jìn)行劃分；部門可以按黨委部門、行政部門、教學(xué)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(jī)構(gòu)、企業(yè)等進(jìn)行劃分。

3.財務(wù)數(shù)據(jù)倉庫物理模型設(shè)計

物理模型需要確定數(shù)據(jù)的存儲結(jié)構(gòu)、索引策略、數(shù)據(jù)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(shù)據(jù)。

4.數(shù)據(jù)ETL

ETL包括抽取、轉(zhuǎn)換、裝載。其中，抽取是將數(shù)據(jù)從各種原始存放系統(tǒng)（如各種帳套數(shù)據(jù)和Excel文件）中讀?。晦D(zhuǎn)換是按照預(yù)先設(shè)計好的規(guī)則將數(shù)據(jù)轉(zhuǎn)換，使數(shù)據(jù)格式統(tǒng)一；裝載則是將轉(zhuǎn)換好的數(shù)據(jù)導(dǎo)入高校數(shù)據(jù)倉庫。

（二）基于OLAP技術(shù)的財務(wù)分析模型實現(xiàn)

OLAP技術(shù)（聯(lián)機(jī)分析處理技術(shù)）以數(shù)據(jù)倉庫為基礎(chǔ)，針對某個特定的主題進(jìn)行聯(lián)機(jī)數(shù)據(jù)訪問、處理和分析，通過直觀的方式從多個維度、多種數(shù)據(jù)綜合程度將系統(tǒng)的運營情況展現(xiàn)給使用者。OLAP技術(shù)的一個重要特點是通過多維交互的方式對數(shù)據(jù)進(jìn)行處理，與多維數(shù)據(jù)組織的數(shù)據(jù)倉庫相互結(jié)合、補(bǔ)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(shù)據(jù)，其中主要方法包括切片、切塊、鉆取和旋轉(zhuǎn)。

而對于已經(jīng)建立并裝載完成了高校數(shù)據(jù)倉庫的，可以在此基礎(chǔ)上建立OLAP系統(tǒng)。首先對OLAP的多維數(shù)據(jù)結(jié)構(gòu)進(jìn)行設(shè)計，包括維度和多維數(shù)據(jù)集的設(shè)計，然后創(chuàng)建維度和多維數(shù)據(jù)集，可以采用Analysis Service做分析服務(wù)器，最后利用SSRS展示查詢數(shù)據(jù)。高校財務(wù)預(yù)警正是運用OLAP技術(shù)實現(xiàn)各監(jiān)控指標(biāo)的多維綜合評價，達(dá)到對高校財務(wù)數(shù)據(jù)的實時分析。

例如，通過對高校財務(wù)部門的調(diào)查研究，發(fā)現(xiàn)其需要了解高校不同時間、不同院系的科研收入、教學(xué)成果以及償債能力等，那么信息使用者可以在選擇范圍內(nèi)的維度和量度來進(jìn)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(wù)狀況。通過報表展示，可以選擇對不同維度上涉及到的數(shù)量進(jìn)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(shù)據(jù)的即時處理和分析充分體現(xiàn)出財務(wù)分析的時效性和真實性，實現(xiàn)了商業(yè)智能技術(shù)與財務(wù)分析的融合。OLAP通過多維的方式對數(shù)據(jù)進(jìn)行了分析、查詢和定制報表。維是人們觀察數(shù)據(jù)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(xiàn)錯誤的可能性，它能使用戶多側(cè)面、多角度地觀察數(shù)據(jù)庫中的數(shù)據(jù)。OLAP可以通過切片、切塊、鉆取及旋轉(zhuǎn)等操作來分析數(shù)據(jù)倉庫中的財務(wù)數(shù)據(jù)，以對高校的財務(wù)數(shù)據(jù)進(jìn)行更透徹形象地分析。

（三）基于數(shù)據(jù)挖掘技術(shù)的財務(wù)預(yù)警模型的實現(xiàn)

對于已經(jīng)存在的財務(wù)信息，可以利用OLAP技術(shù)從不同的維度由高校數(shù)據(jù)倉庫中獲取，但是高校數(shù)據(jù)倉庫數(shù)據(jù)中潛在的、隱藏的關(guān)系和信息很難得到充分的體現(xiàn)，以確定高校的財務(wù)發(fā)展趨勢。因此需要利用數(shù)據(jù)挖掘技術(shù)對它們進(jìn)行深度的挖掘，構(gòu)建高校財務(wù)危機(jī)預(yù)警模型。

數(shù)據(jù)挖掘技術(shù)提供了多種財務(wù)預(yù)警計算方法，如神經(jīng)網(wǎng)絡(luò)算法、邏輯回歸算法、聚類分析算法、決策樹和關(guān)聯(lián)規(guī)則等，在前文已建立數(shù)據(jù)倉庫的基礎(chǔ)上，可以根據(jù)財務(wù)預(yù)警的具體需要選擇適當(dāng)?shù)乃惴?gòu)建財務(wù)預(yù)警模型，分析數(shù)據(jù)挖掘的結(jié)果。具體說，將已經(jīng)準(zhǔn)備好的數(shù)據(jù)分離到定型數(shù)據(jù)集中，并生成挖掘模型，通過創(chuàng)建預(yù)測查詢，運用測試數(shù)據(jù)集驗證模型的準(zhǔn)確性，以確定是否是性能最佳的模型。當(dāng)模型確定以后，進(jìn)行財務(wù)預(yù)警分析。

鑒于高校財務(wù)問題與一般企業(yè)的財務(wù)問題有著本質(zhì)的區(qū)別，高校財務(wù)數(shù)據(jù)并不如上市公司一樣公開，數(shù)據(jù)量不豐富，導(dǎo)致成熟的企業(yè)財務(wù)預(yù)警模型很難適用于高校，所以本文認(rèn)為數(shù)據(jù)挖掘方法中的灰色關(guān)聯(lián)計算方法更適合高校財務(wù)預(yù)警。運用灰色關(guān)聯(lián)的數(shù)據(jù)挖掘技術(shù)進(jìn)行財務(wù)預(yù)警相對于傳統(tǒng)的財務(wù)分析方法能夠消除數(shù)據(jù)的噪聲，將非標(biāo)準(zhǔn)的數(shù)據(jù)標(biāo)準(zhǔn)化，在應(yīng)對高校面臨的外部環(huán)境多變的形勢下，運用該項技術(shù)是必要的。具體做法是首先將數(shù)據(jù)從數(shù)據(jù)倉庫中提取出來，然后對數(shù)據(jù)進(jìn)行處理，如無量綱化，將處理后的數(shù)據(jù)帶入灰色關(guān)聯(lián)模型，得出結(jié)果并進(jìn)行分析。具體步驟如圖4。

四、結(jié)論

對于高校的財務(wù)預(yù)警問題，需要一個動態(tài)的監(jiān)控系統(tǒng)來進(jìn)行實時監(jiān)控，而商業(yè)智能技術(shù)能夠促進(jìn)這一設(shè)想的實現(xiàn)。運用商業(yè)智能來構(gòu)建高校財務(wù)預(yù)警系統(tǒng)可以將潛在的影響高校正常運行的各種財務(wù)狀況實時反映出來。數(shù)據(jù)倉庫技術(shù)能夠使高校的數(shù)據(jù)進(jìn)行自動的更新存儲，OLAP技術(shù)能夠?qū)Ω咝，F(xiàn)有的財務(wù)數(shù)據(jù)進(jìn)行多維的分析，同時應(yīng)用數(shù)據(jù)挖掘技術(shù)建立財務(wù)預(yù)警模型，實現(xiàn)了對高校財務(wù)進(jìn)行動態(tài)的監(jiān)控。

【參考文獻(xiàn)】

[1] 田隆.基于財務(wù)數(shù)據(jù)中心的商業(yè)智能平臺設(shè)計與實現(xiàn)[D].北京：北京信息控制研究所碩士學(xué)位論文，2010.

[2] 陳俊.財務(wù)商業(yè)智能系統(tǒng)的研究及其實現(xiàn)[D].中國航天第二研究院碩士學(xué)位論文，2008.

[3] 丁博.基于商業(yè)智能的A央企財務(wù)分析系統(tǒng)研究[D].北京：北京交通大學(xué)碩士學(xué)位論文，2012.

[4] 徐玉鵬.數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘在商業(yè)智能中的應(yīng)用研究[D].南京：南京航空航天大學(xué)碩士學(xué)位論文，2010.

[5] 李程.論商業(yè)智能技術(shù)在企業(yè)財務(wù)管理中的應(yīng)用[J].現(xiàn)代商貿(mào)工業(yè)，2011（2）.

[6] 張琦，曾繁榮，等.數(shù)據(jù)倉庫與OLAP技術(shù)在上市公司財務(wù)分析中的應(yīng)用[J].財會通訊，2011（7上）.