我们是个生产型企业,产品线逐渐较多,上下游厂家不断更换,HR,ERP,SCM,企业的网站,商业合作伙伴的系统上的越来越多,数据依附于各个单独的业务系统。每次形成报表时,需要读取很多不同的业务数据,而各个系统的数据编码不一致,导致很多问题。如系统间数据编码不一致;数据的冗余;某些系统数据的不完整。怎样能够提供一个单一的主数据访问接口,以提高主数据访问的效率;为企业的市场、销售、客户关系管理等活动提供可靠的数据,提高企业的敏捷性呢?哪位高人给想想办法?
:财务系统、销售系统、资金系统、进销存系统、制造系统等:他们每个系统可以自己发挥的很好.
4.我国从20世纪70年代开始信息化建设以来,基本的应用软件,尤其是财务信息化,大部分停留在生产过程自动化和管理信息化上,解放劳动力问题,很少进行经营决策信息系统和战略决策信息系统的建设。
传统财务管理信息系统存在的弊端 我国许多大型企业或集团公司的财务分析工作仍停留在手工分析上,或通过财务软件计算出部分财务分析指标。这样传统的财务分析模式主要存在以下主要缺点: (1)技术落后导致分析结果为固定的报表及格式,往往不能根据各级决策层的需要而灵活展现,不适应发展的需要; (2)财务分析结果往往停留在某个时间或空间上,缺乏连续性,不能动态地反映某个问题; (3)由于工作量巨大,响应速度慢、时效性差; (4)分析范围狭窄,不能与企业其他部门(例如生产部门、销售部门、人事部门等)联合起来进行综合分析。 所以,建立一种行之有效的财务管理信息系统是有着重要的意义的。
(1)推翻部分已建信息系统,全面实施ERP 一些软件企业提出了全套ERP解决方案,即利用同一开发商的软件产品同时大规模实施ERP,由开发商解决各功能系统间的集成问题。
但是,这种方案投资巨大,需要废弃已建成的应用系统,造成资金浪费,而且在近几年实施ERP的企业中,只有少数获得成功。因此,企业对此方案持谨慎态度。 (2)开发中间件,实现应用系统协同 还有一些企业采用开发中间件的方法,在信息系统间利用中间件传递信息,实现应用系统集成;
但每增加一个应用系统就要开发与原有的每个应用系统的中间件,使得应用系统集成的成本越来越高。 (3)建设企业数据仓库,实现商业智能 为了实现信息系统对企业决策过程的支持,有一种“数据仓库”的解决方案。如果用户有大量的历史数据,这些数据比较稳定,需要长期的、系统的保存,并且有明确的使用目的,这时数据仓库是一个很好的解决方案。
医院:人事管理系统,住院系统,门诊管理系统,医药进销存系统,省医保卡管理系统,市医保卡管理系统.
上市公司的会计信息: (1)数量性信息。上市公司一般按照国家颁布的股份制企业会计制度等文件要求,结合本公司的实际以及行业会计规定,以货币形式反映公司所涉及的各种经济活动的历史信息。 (2)非数量性信息。这主要包括上市公司会计信息的重要变化说明、会计政策的使用说明、会计政策变更的原因及其影响等等。 (3)期后事项信息。这主要包括:直接影响以后时期财务报表金额的事项、严重改变资产负债表计价连续性严重影响资产权益之间关系或严重影响以前年度所呈报的有关本期的预测活动的事项、以及对未来收益和计价的影响不明了或不确定的事项等。 (4)公司分部业务的信息。它们是随着公司多元化经营、跨地区经营的业务发展,而导致的一种信息聚合。如果仅仅在财务报表中揭示这些数量性的数据,很难准确揭示公司这部分业务的经营、以及未来的发展情况。因此,上市公司必须在对外报表中公布这部分数据,以及数据的口径、揭示的原则、管理的要求等众多重要信息。 (5)其它有关信息。上市公司在发行、上市、交易过程中,除了公布上述占主要地位的财务、会计信息之外,还应披露相关的:公司概况、组织状况说明、股东持股情况、经营情况的回顾与展望、公司内部审计制度、重要事项揭示、公司发展规划以及资金投向、股权结构及其变动、注册会计师的审计报告和意见等信息。
它是以信息资源为表征性资源、以智能工具为表征性社会生产工具、以信息时代社会生产力为表征性社会生产力的经济。
数据整合就是对分散异构的多数据源实现统一的访问,实时地、智能地将有价值的数据传递给分析系统或其他应用系统进行信息的进一步加工。 数据平台从不同的应用程序和数据结构提取数据源,并完成在线转换和分析。数据平台实现对分散异构数据源(如:数据库、XML文档等)的访问并形成统一的虚拟数据库(虚拟数据库:对分散异构数据源所产生的映射)。 数据平台整合企业收集的各种外部信息数据库和内部应用系统数据库,可综合利用企业的数据资源,提供灵活的数据展现方式。数据平台与门户紧密集成,可以实现全面、统一的权限管理和灵活的报表调用。对于一些需要编辑的报表,可以输出到内容管理系统进行编辑、审核、授权、发布。
从财务的角度考虑,对于信息的处理也会面临前所未有的挑战,对于巨大的信息流,使财务管理控制的工作变得很复杂,依靠人工是处理不过来的。CFO的角色将从数据处理中解脱出来,在更广阔的范围内采用先进的科技手段推动企业的发展,真正成为流程的主人。给同事和员工分配信息将是CFO一项重要的作用。从某种意义上讲,CFO是现在企业信息的整合者和保管人。
信息系统发展的最新趋势正向智能化、综合信息集成化方面发展。目前公司面临的挑战是,公司内出现的往往是数据,而非信息。对于CFO来说,掌控流程的首要任务就是改进业务、运营和技术部门之间关键信息的整合与共享,从而整合企业的信息资源,为管理者的决策提供最大限度的支持。CFO作为企业中掌握信息最多、最全的人,应该由他负责全面规划和整合企业的信息流,为公司的发展提供实时、准确的信息。
对此,联邦快递公司的执行副总裁兼CFO格拉夫深为认同:“我的职责是必须把相同的真实信息传达给公司内部和外部的人,并激起所有受众做出反溃。”由于信息传播渠道的多样性,公司不同群体之间有很大的交叉,整合公司的信息就显得很重要了。
对CFO来说,技术平台的价值在于能够在部门间实现通用性、提高管理与业务信息的质量,可使企业更好地实现管理绩效并预测未来业绩。
文件、图纸、图片、录像等)、异构的结构化数据(数据库等)管理利用,集成不同应用系统(SCM、ERP、CRM等),为所有者提供更高的资源管理、挖掘、展现手段的过程和方法,信息整合的目标是消灭信息孤岛。
目前,许多公司不能同时设置CIO和CFO,尤其是在中小企业中设置CIO是不太现实的。许多公司的信息化工作常常是由财务部门处理的。
未来的CFO,不仅要懂财务还要能经商,业务上的很多流程需要CFO去沟通。
CFO将是企业运行的核心,成为连接战略、流程和信息等方面的纽带是CFO实现其职能的关键。
CFO在财务上的可信性和在战略投资上的规划职能,要求其在未来需要投入更多的精力在企业战略制订上。
2. 企业运营和战略目标联系松散,内部控制频频示警,最终导致无法为公司决策提供可以信赖的基础数据。
近80%的受访CEO认为: 商业和技术的整合非常重要,但大多数企业在业务和技术整合方面遇到障碍,以至于影响了客户满意度、企业响应速度以及灵活性。
CEO们希望改进,但“不知道如何去做”或者发现任务“太过复杂”。一位CEO这样描述所面临的差距:“即使仍有许多事是可能并且可行的,但我们却力不从心!” 尽管人们逐渐认识到将业务与IT结合的价值,然而对全球170位CIO的调查表明,只有16%的CIO认为企业充分利用了技术对于实现企业变革的潜力。CEO可以通过哪些措施来进一步弥补关键的差距?
我发现很多公司都缺乏一套完备管理信息系统,管理层不能及时认识问题。高水平的公司治理离不开一套完善的管理信息系统。 这是由于我国的高级管理人员大多数从技术班子上来,对公司营业环境有相当深入的认识,但他们往往忽略了公司规模倍增后,各个经营环节的经济效益或个别风险对公司将有多大的影响,这需要仔细量化。
很多信息披露问题归根到底都出自不完善的管理信息系统,致使某些信息被遗漏,轻者导致报表错误,重者引致管理者利用漏洞弄虚作假。
数据仓库: 用于决策分析. 数据挖掘,是按照既定的业务目标从海量数据中识别出潜在有用的、先前未知的、最终可理解的模式的非平凡过程。
可以这样理解:在较浅的层次上,它利用现有的数据库管理系统的查询、检索及报表功能,与多维分析、统计分析方法相结合,进行联机分析处理,从而得到可共决策参考的统计分析数据;在深层次上,则可以从数据库中发现前所未有的、隐含的知识。
财务管理决策子系统 3.5.1财务管理决策子系统中可利用数据挖掘的分析方法 财务管理决策子系统主要为企业管理者提供各种应用模型,在财务分析的基础上为决策者的决策提供支持。财务管理决策子系统中可利用数据挖掘的分析方法很多,在此仅举几种常用方法: (1)基于关联规则的分析。关联分析,即利用关联规则进行数据挖掘,其目的是挖掘隐藏在数据间的相互关系。特别是在会计领域,会计数据之间存在严密的勾稽关系,这种方法非常适用。 (2)分类分析。分类的目的是学会一个分类函数或分类模型,该模型能把数据集市中的数据项映射到给定类别中的某一个。分类和回归都可以用于预测,预测的目的是从历史数据记录中自动推导出给定数据的推广描述,从而能对未来数据进行预测。例如,数据仓库中保存着应收账款及其债务人的记录,可以根据影响债务人信誉的各因素,对债务人分为优、良好、普通、较差四个信誉等级。根据债务人的信誉等级、数据的时间戳、历史的账龄分析表,预测坏帐损失。 (3)聚类分析。聚类分析与分类分析不同,它是把一组个体按照相似性归成若干类别,目的是使得同一类别的个体之间的距离尽可能的小,而不同类别上的个体间的距离尽可能大。聚类分析方法便于为不同的财务信息用户提供不同类别的信息集。 (4)数据抽取。数据抽取的目的是对数据进行浓缩,给出它的紧凑表述。数据抽取主要从数据泛化的角度来讨论数据总结。数据泛化是一种把数据仓库中的数据从低层次抽象到高层次上的过程。不同的用户需求不同层次的信息,因此需要对数据进行不同层次上的泛化以适应各种查询要求。例如,对于会计信息,可在记账凭证、明细账、分类账以及财务报表等各层次上进行泛化,以满足用户对不同综合程度信息的需求。数据泛化目前主要有多维数据分析方法和面向属性的归纳方法等。 (5)基于序列的分析。序列模式分析的侧重点在于分析数据间的前后或因果关系,以及这种关系对决策的影响。
我们可以根据数据挖掘方法所属领域的不同将其分为几类: (1)面向数据库的方法:随着数据库技术的发展,其中的一些数据处理方法不断完善并趋于成熟,在数据挖掘中利用现有的一些数据库技术和某些专业针对数据库的一些启发式方法,可以提取出数据库中一些特征知识。 (2)统计学方法:适用这些方法一般是首先建立一个数学模型或统计模型,然后根据这种模型提取出有关的知识。 (3)机器学习方法:大多数机器学习方法一用人类的认识模型模仿人类的学习方法从数据中提取知识。由于机器学习经过多年的研究,已取得了一些较满意的成果。因此,在数据挖掘中可以利用目前成熟的机器学习方法。 (4)混合方法:上述各种方法各有其优缺点,为提高数据挖掘的效率,可以将各种方法有效地结合起来,取长补短。例如,机器学习中的推导方法可以和演绎数据库结合起来,前者用于知识的推导,而后者可以严正发现知识的正确性。
其基本架构大致有三:第一部分是不同的数据来源;第二部分是通过对不同的数据源的转换、装载形成的一个新的数据库;第三部分则是OLAP(联机分析处理On-line Analytical Processing),基于第二部分的数据库提供多维报表分析功能(即通常所说的决策支持DSS)。 数据仓库中数据的物理存储形式有多维结构数据组织形式和基于关系数据组织形式两种。它从传统数据库中获得原始数据,先按辅助决策的主题要求形成基本数据层,再按综合决策的要求形成综合数据层。随着时间的推移,由时间控制机制将当前基本数据层转为历史数据层。
(1)选择所需的变量。变量选择的原则是尽量使输入变量充分解释输出变量。如果实际变量似性程度较高,或有较强的交叉关联性,则其冗余度较高,应把其转换成适合解释主题问题所要求的变量。 (2)挖掘模型的构建。挖掘模型的构建就是选取数据仓库中数据的一个子集或样本,用数据的一些算法对其进行分析,产生一些数学分析模型。模型的建立与研究的问题有关。例如,如果的问题是进行资本投资决策,建立模型的目标就是根据以前的历史数据,找出影响投资决策的相关因素。在建立模型过程中,要根据研究问题的特点,应用相应的数据挖掘工具。例如,要预测应收拖欠情况,因为影响客户拖欠款项的因素很多,就可以应用人工神经网络建立预测模型。 (3)模型评价。模型的建立是一个迭代循环过程,一个良好的模型并不是一次完成的。根据模型对数据的分析结果,对模型进行评价,如果模型的效果不令人满意,可利用反馈机制重新运用挖掘工具进行建模、分析,直到模型可以把每一次的分析结果清晰、准确、明了地表述给管理决策人员为止。
如果全体数据存放在某个结点,则称该系统为集中式数据库系统。前边各章讨论的数据库系统都属于集中式数据库系统。
在许多应用场合,如果把数据库的数据适当地分散在若干个网络结点上,用户作局部应用时存取本地结点的数据,作全局应用时存取多个结点的数据,这样安排更能提高系统能力和满足需求。
数据库技术与网络通信技术、人工智能技术、面向对象程序设计技术、并行计算技术等相互渗透、有机结合,成为当代数据库技术发展的重要特征。
传统的商务数据处理应用深入发展,基于复杂数据的决策支持查询日益增长,ORDBMS为这些应用提供了很好的解决方案。例如,在一家保险公司里,对机动车险有客户数据库和理赔数据库,作为传统的商务数据处理应用,这些数据库均在RDBMS上实现。随着应用的深化,为了提供更好的决策支持查询、保险公司想把每次交通事故的现场照片、警方报告、损坏的汽车的图片、事故现场的坐标等信息存入计算机,保险公司的决策者们就可以通过该应用系统找出该城市中最危险(即发生交通事故频率最高)的若干个交叉路口(或地段);进一步可通过系统列出住在这些交叉路口(或地段)附近(例如1公里内)的客户名单;保险公司的决策者们可以决定对这些客户增收保费。要支持这样的应用,显然ORDBMS比RDBMS具有极大的优势。类似这种传统应用的深入发展,会大大扩展ORDBMS的市场规模。 上述两方面的应用需求,可望使ORDBMS市场迅速达到RDBMS市场的规模。DBMS市场重点将向ORDBMS转移,这是一个大趋势。
[1] 杜炤 等, 清华大学财务信息化新思路, 中国管理信息化,2007.9