基于事件驱动的银行会计信息管理系统数据库解析

2009-03-20纪纲

中国管理信息化 2009年3期

纪　纲

[摘要] 数据库系统在银行会计信息管理系统中发挥着核心作用,数据库的设计及其应用关系着银行会计信息管理系统的运行效率和运营效益｡本文基于事件驱动的视角,对银行会计信息管理系统的数据库结构以及数据仓库在决策支持中的作用进行分析,以期对银行现行系统数据库的运行和改进提供借鉴｡

[关键词] 事件驱动;会计信息管理系统;数据仓库

[中图分类号]F232[文献标识码]A[文章编号]1673-0194(2009)03-0005-04

一､基于事件驱动的会计信息管理系统

基于事件驱动的会计信息管理系统是建立在事项会计理论及业务流程重组理论基础上,是面向业务过程的现代化会计信息管理系统,其业务流程如图1所示｡

这种事件驱动的会计信息管理系统,利用了现代信息技术,将大量业务事件数据在业务活动发生时,实时地采集并存储在业务事件数据库,而不做任何加工处理｡当信息使用者需要相关信息时,通过人机交互平台请求事件触发,驱动系统相应的报告工具,按选定的信息处理规则处理源数据库中的业务事件数据,再通过人机交互平台向信息使用者输出所需要的视图｡这种基于事件驱动的会计信息系统的设计,就是基于“三库理论”的开发技术和事件驱动的实现方法｡这里的“三库”指的是源数据库､报告工具库和(用户)目的库｡

3个数据库之间是彼此独立的,在储存业务事件数据和输出有用信息之间,通过业务事件处理器和报告工具的转换,不同的数据库发挥各自的功能｡(1)源数据库｡源数据库用于存储企业业务活动中各类业务事件的所有数据,其内容是实时动态的,包括财务信息和非财务信息｡(2)报告工具库｡报告工具库主要提供可供信息使用者选择的各种信息处理规则,按照这些处理规则触发源数据库并对数据进行加工,它几乎能支持所有用户视图的信息需求｡报告工具通常又由3个数据库组合而成,即为模型库､方法库和知识库｡模型库主要包括各种核算及管理决策模型;方法库包括各种可选的计量､估价及表达方法;知识库用于存放各种法令规则､技术方法的解释及示例,并且还可能包含一些与决策有关的判断､选择､分析和推理等知识｡3个数据库共同工作以完成每一种报告工具的生成｡一般来说,报告工具库相对稳定｡但是,用户及其需求是不确定的,因此,报告工具库还提供一种学习的能力——机器学习｡机器学习是一种信息反馈机制,有利于信息用户的变化以及提出建议以改进报告系统,也有利于系统记录最常被用到的信息选项,帮助改进各种宏､微观处理规则等｡(3)(用户)目的库｡(用户)目的库主要通过人机交互方式,解释信息使用者的信息需求,确定用户需要的信息报告模板,然后驱动报告工具库,以获取信息｡

可见,基于事件驱动的会计管理信息系统的业务处理流程是通过“三库”来实现的｡“三库”之间的逻辑关系如图2所示｡

二､基于数据仓库的银行会计信息管理系统

(一)银行会计信息管理系统的数据处理流程

银行会计信息管理系统的目标,就是结合银行业的管理及其业务处理的特点,以满足特定的用户信息需求｡具体来说,银行会计信息管理系统是以综合前置应用系统､核算报表中心系统､预算管理中心系统､固定资产管理系统等为数据源,对财务信息和非财务信息进行收集､计量､存储､分析,把收入､支出分解到产品､客户和责任单位,为计算产品､客户和责任单位的成本及利润提供信息,为综合经营计划的考核和监控提供信息｡其中,综合前置应用系统是银行业为适应业务发展的需要,为处理拓展服务与优化系统体系结构之间的矛盾而建立的统一的､集成的渠道接入与延伸业务处理系统｡其主要功能是实现对预算执行的控制､业务处理和过程控制;预算管理中心系统主要采用全面预算管理的思想,注重预算管理､业务处理与会计核算的紧密结合,以预算项目体系设立和责任中心划分为实施架构,采用联网联合､集成共享及流程固化等技术,实现预算编制､下达､执行､调整､考评等功能;核算报表中心系统是实现以预算控制为核心的全面预算管理的重要基础,主要完成会计核算和会计报表生成两大功能;固定资产管理系统主要完成对银行的管理资产的增加､减少､折旧及其使用状态的管理｡

数据仓库(Data Warehouse,DW)是20世纪90年代初提出的概念,到90年代中期已经形成潮流｡数据仓库的提出以关系数据库､并行处理和分布式技术的飞速发展为基础,目的是解决在信息技术(IT)发展中存在的拥有大量数据和有用信息贫乏(Data rich-Information poor)的问题｡目前,我国银行基本上已运行了数据仓库,以支持决策｡

数据仓库是“三库”的集成,在会计信息管理系统中处于中心地位,它受数据源系统的制约,同时对数据源系统有改良要求｡运用数据库分析模型对数据源进行统计分析,并进行运算､储存,从而产生银行运营中的客户利润､产品利润､部门业绩等各类报告｡银行的管理者通过报告可以作出相应的考核､规划和决策,从而又影响数据源系统的运行｡基于数据仓库的银行会计信息管理系统的处理流程如图3所示｡

(二)银行会计信息管理系统的数据处理逻辑

基于事件驱动的银行会计信息管理系统,采用了事件驱动机制实时地采集并记录业务事件数据,实现银行对日常业务活动的响应和处理｡

业务事件是系统处理逻辑的起点｡当业务事件发生时,所有原始数据被适当加工成标准编码的源数据,记录业务事件的个体特征和属性,集成到业务事件数据仓库中,而不是听任数据分散､重复存储于多个低耦合的数据库系统｡业务事件数据仓库不仅记录符合会计事项定义的业务事件,而且记录管理者需要的计划､控制和评价的所有业务事件,存储业务活动中多方面的细节信息｡任何授权用户都可以通过业务事件数据仓库所存储的数据来定义和获取所需要的有用信息,而分类､汇总和余额计算处理都放在报告查询输出过程中｡由此,传统意义上的会计信息系统(AIS)成为业务事件驱动型的会计信息管理系统(AIMS)的一个用户输出视图｡该系统既能提供多种视图驱动应用所需提供的全部视图(运营层､控制层､决策层),又能避免数据重复存储和数据不一致的问题｡在传统信息处理环境下,用户不仅要控制输入,还要控制复杂的过账处理,而业务事件驱动型的AIMS则可直接查询已记录事件的各种属性,并确保信息处理的实时控制｡业务事件数据仓库中的处理单元在业务发生时捕捉业务数据,既能执行业务规划和控制,又能校验数据的准确性和完整性｡银行会计信息管理系统的数据处理逻辑如图4所示｡

在银行管理信息系统中,AIMS是银行业务事件的一个适时处理中心,它是以操作型数据库系统(关系型业务数据库管理系统,RDBMS)为基础,面向顾客,输出各种用户视图,支持大量的基本日常事务处理和操作型数据的查询处理｡这种业务数据库既可以实时提供信息处理和控制,又可以面向决策,支持所有的用户视图｡从图4可以看出,银行的运营层､控制层和决策层还可以对业务事件进行适时控制,也可以调整信息处理方式(如调整模型库､方法库或知识库),以获得需要的用户视图｡所以,必须要求系统的数据处理频率高､速度快,及时给予用户响应｡

但是,这种操作系统是典型的结构化系统,它虽然能自动地快速响应和处理大量的日常业务事件,但是仅能提供少数方法来输入或访问所管理的数据,不能很好地支持分析决策｡因此,AIMS还必须被训练成根据银行业建立的一系列规则来处理并报告所发生的业务事件,是一个联机事务处理系统(On-Line Transaction Processing,OLTP)｡

三､基于数据仓库的银行决策支持系统

联机事务处理系统(OLTP)是20世纪90年代仅次于Internet之后的又一技术热点,它和数据仓库一起构成决策系统的核心｡

在日益激烈的市场竞争中,一些银行为保持和提高竞争性和盈利性,正力图将业务数据库中大量业务数据扩展到联机分析处理,其处理模式即是联机分析处理(OLAP)｡银行借助OLAP,从业务数据库中得到各种面向主体的统计信息和经过计算的结论,来支持分析决策以满足用户的信息需求;信息系统有更好的访问信息,无疑有助于银行业取得竞争优势｡而数据仓库技术是实现这种联机分析处理的关键,取得竞争优势的要求驱动着大部分银行掀起建立基于数据仓库系统的研究｡银行会计信息管理系统充分利用了DW和OLAP技术,来支持事件驱动下的会计业务处理､管理控制和决策支持等功能｡

(一)银行业数据仓库系统的体系结构

一个典型的银行数据仓库系统通常包含数据源､数据存储与管理､OLAP服务器以及前端工具与应用｡银行业的数据仓库系统体系结构如图5所示｡

1. 数据源

数据源是数据仓库系统的基础,是整个系统的数据源泉｡通常包括银行内部信息和外部信息｡内部信息包括存放于业务数据库(RDBMS)中的各种业务处理数据和各类文档数据｡外部信息包括各类法律法规､市场信息和竞争对手的信息等｡

2. 数据的存储与管理

数据的存储与管理是整个数据仓库系统的核心｡数据仓库的真正关键是数据的存储和管理｡数据仓库的组织管理方式决定了它有别于传统数据库,同时也决定了其外部数据的表现形式｡要决定采用什么产品和技术来建立数据仓库的核心,则需要从数据仓库的技术特点着手分析｡针对现有各业务系统的数据,进行抽取､清理,并有效集成,按照主题进行组织｡数据仓库按照数据的覆盖范围可以分为总行级数据仓库和分行级数据仓库｡

3. OLAP服务器

OLAP服务器对分析所需要的数据进行有效集成,按多维模型予以组织,以便进行多角度､多层次的分析,并发现其变化的趋势｡

4. 前端工具与应用

前端工具主要包括各种报表工具､查询工具､数据分析工具､数据挖掘工具以及各种基于数据仓库或数据挖掘的应用开发工具｡其中数据分析工具主要针对OLAP服务器,报表工具､数据挖掘工具主要针对数据仓库｡

(二)基于数据仓库的银行决策支持系统结构

银行的决策支持系统是以数据仓库为基础,集成了“三库”､OLAP技术､数据挖掘及交互接口而形成的更高一级的决策支持系统｡其中,数据仓库主要实现对决策主体的存储和综合,OLAP实现多位数据分析,数据挖掘用以挖掘数据库､模型库､方法库和知识库实现多个广义模型的组合辅助决策,专家系统利用知识推理实现定性分析｡它们集成的决策支持系统将相互补充､相互依赖,发挥各自的辅助决策优势,实现更有效的辅助决策｡其结构如图6所示｡