商业智能在财务指标展示及损益预测的实现

2022-07-22邹宇雄

科技创新导报 2022年6期

邹宇雄

摘要：本文分析介绍一套通过对财务报表、指标数据、决策数据等信息的整合，并将整理好的信息及时推送给用户，以实现公司财务报表及时便捷有效地呈现给用户，同时为用户建立损益预测以提高决策能力的解决方案。此智能报表验证了不同系统间实现数据整合的可能性，解决了不同系统间数据不规范、不一致的问题，可直观地监测储量、产量、投资、油价、汇率、费用预算等因素发生变动时对利润的影响。

关键词：商业智能 ETL 数据仓库财务指标

为了提高生产财务报表的实时有效性，并为决策层提供定制化的信息数据，帮助决策者预测经营情况。本文采用全球领先的商务智能（BI）软件公司的产品套件Business Objects 提供的解决方案，实现了财务报表分析、损益预测等功能。

1商业智能技术简介

IBM对商业智能的定义如下：“商业智能是指利用已有的数据资源做出更好的商业决策。它包括数据访问、数据和业务分析，以及发现新的商业机会[1]。”

商业智能是在正确的时间将准确的信息交给合适的用户，从而支持决策过程。商业智能系统将信息转换为知识。因此，商业智能系统需要大量有用的、精确的数据，以及合适的分析工具。商业智能系统通常包括数据仓库、仓库管理和分析工具三部分[2]。

本案例使用的是全球领先的商务智能（BI）软件公司的产品套件Business Objects 提供的解决方案，方案架构原理如图1示。

通过Business Objects提供的数据抽取功能，实现对跨系统分布的数据有效地整合到本地数据平台中。再通过数据查询分析平台，对数据进行有效整合、算法处理生成目标数据。再通过水晶报表等展示工具，推送到用户电脑桌面上。

2智能财务报表系统的实现

2.1系统逻辑架构

财务智能报表开发服务平台（以下简称“平台”）是一个对数据进行采集、整理、汇总、存储、查询、展现和交付的集成项目，平台整体架构采用以数据仓库（DW）为中心的技术架构，集成ETL技术、OLAP技术、语义层技术、报表设计展现技术、数据挖掘技术和门户技术，有效地保障了数据的时效性、准确性和易用性[3-4]。平台从逻辑上主要包括4个数据处理层次：数据整合层、数据存储层、数据展现层、信息交付层。具体如图2所示。

2.1.1原始数据层

设计涵盖SAP ECC、SAP BCS、Hyperion、生产动态库等系统的底层数据，不过考虑到平台的扩展性和灵活性，平台在架构设计上，原则上对于数据源不做任何限定，数据可以来源于任何操作系统平台和数据库，数据也可以来源于任何数据存储方式。比如：财务损益预测报表的关键指标和相关属性数据分别来源于财务SAP系统及手工数据。

2.1.2数据整合层

数据获取和整合层主要实现不同来源的数据进行检索和接收，将不同来源的数据进行格式转换，统一数据格式并去除错误的操作，最终标准统一的数据载到企业数据中心数据仓库中，以防止后续在应用中出现漏洞。整合层的目标是对完成数据质量的清洗和主数据的规范管理[5]。

本项目使用SAP DataService作为ETL工具，将数据仓库DW和集市作为数据中心的综合数据存储策略，长期历史数据积累在数据仓库，主题分析数据积累在数据集市。该工具可以实现将数据进行清洗及按照最终的分析目的进行模型转换。对于不同的数据源和数据目标，支持主流的关系型数据环境，包括数据库、数据仓库和ERP等业务系统。

（1）ETL过程管理。

本项目充分利用总公司和有限公司的信息化成果，ETL工具将采用现有的SAP DataService分别对总公司IAI数据源和非SAP数据源进行抽取、转换和加载，并集中统一存储到湛江分公司BI系统数据仓库DW中。将各个系统的数据统一存储在DW中，并不断完善及丰富DW中的数据及模型，而立足于数据库技术的SAP DataService在跨系统、跨平台进行数据交换方面有着成熟的解決方案。因此，财务智能报表开发服务平台的架构设计，一方面有利于各个系统间具有良好的兼容性并减少集成开发工作量，另一方面将为后期的综合分析及更高级模型的分析提供一个数据的基础[6]。

（2）模型开发。

结合项目实践，损益预测报表的ETL过程操作可以对T继续细分为4步，最终ETL模型可分解为：E-数据抽取;T-数据验证、数据清洗、数据集成、数据聚集;L-数据装载。

损益预测报表的源系统数据主要有两类：一是将SAP IAI数据及手工数据运行至“当前”的现有数据;二是对于财务智能报表开发服务平台来说前两部分的即时更新数据。针对以上两类数据分别采取两种不同的捕获数据的方法，即完全刷新和增量更新。

第一，数据验证过程设计。

数据分析验证阶段，业务归属人员和技术归属人员将合作校对ETL过程抽取数据的有效性和准确性。

核对抽取过程的有效性包括：数据恢复、数据转换、数据增强。

验证数据准确性包括：属性的有效值（域检查）、属性在是否有效、属性在所在表或其他引用表中是否有效、数据的关系在所在表和其他引用表中是否有效。

第二，数据清洗过程设计。

数据清洗是获得高质量数据必须经历的过程，是保证数据精准反映经营状况的必须手段。数据清洗至少包括下列任务：数据类型和格式的转换、不同来源和作用的数据合并或逻辑简化、用于不同用途的数据分离。

第三，数据集成过程设计。

数据集成设计阶段完成根据业务规则对数据进行逻辑和算法转换并通过各种关联性操作，实现两个或更多数据源集成到一个统一的数据表并存储于数据仓库中。

第四，数据聚集过程设计。

数据聚集阶段按照转换规则收集数据并以总结为 “新”的数据表或视图。损益预测报表分析相关指标将统一到湛江分公司数据仓库DW中。

第五，数据装载过程设计。

将从不同来源的数据迁移到中心数据仓库中定义的目标表完成数据装载完成 ETL全过程。

（3）作业运行。

ETL过程是通过“处理链”或“JOB管理工具”对不同来源的数据进行调用，“处理链”或“JOB管理工具”可以定义执行调用的时间、周期及指定指令，同时所有执行过程都将记录在日志中，以方便检查作业的准确性和时效性。

2.1.2.4预警监控

当ETL运行过程中出现异常时，事件管理组件将自动触发异常事件，并运行异常事件流程，以此来通知相关责任人。

2.1.3数据存储层

数据存储层对来自不同系统、数据库和手工录入的数据进行集中存储与管理，根据企业自身管理的指标要求，建立面向不同目标用户、不同主题的数据集市和多维数据库。

相对于数据集市基于数据仓库的多维汇总分析，在日常业务中也需要基于运营操作明细数据查询、统计、分析乃至作为其他生产系统的数据同步源为其他系统提供高质量的业务数据，这类报表需求往往对信息有一定的实时性或准实时性的要求。因此，在系统架构上也设计支持基于源系统、数据仓库明细数据的在线分析。

2.1.4数据展现层

通过图表、数据可视化看板、数据大屏等多样化的前端分析展示方式，实现对数据仓库中数据定制化的处理和展示，最终形成符合用户预期的，可体现生产经营状况的重要信息，为决策工作提供重要依据。

前端展现工具使用SAP BO，SAP BO产品是多个数据查询分析工具的组合，可实现仪表盘、统计图表、灵活查询、格式报表等分析形式。

本项目前端展示部分采用了B/S的体系结构。采用一台服务器作为分析服务器。其上运行SAP BO的服务器产品BusinessObjects Enterprise以及制作分析报表的产品组件Web Intelligence，决策层用户使用的关键业务指标分析组件Crystal Xcelsius进行指标分析。目标用户使用主流浏览器浏览用户关心的采用定制展示方式的报表、图表、指标等数据。

2.1.5信息交付层

通过统一的信息门户实现信息的发布和展现。即利用成熟的组件构建报表门户。

（1）利用BO SDK将图表、报表、分析工具集成到自定义门户中。

（2）增加访问审计、报表批量计划下载、定制参数、外部数据维护、图表分析结果反馈等功能，让系统更具可用性。

（3）可根据用户的使用习惯及要求，设计几种页面布局以及颜色配置，由客户进行个性化的选择。

3项目成果及价值

通过数据挖掘技术设计相应的模型来模拟公司的生产经营活动，并预测指标和利润。用户预测数据并结合关键指标，可快速、准确地作出决策。

3.1项目成果

3.1.1数据平台

该项目通过ETL工具（DataService）实现了不同系统（SAP，生产动态库，手工数据）间的数据整合，建立了一个统一的数据平台。

3.1.2指标建立

基于预算数据、实际数据、参数型数据，系统可自动预测利润表中的各项指标及桶油相关指标。