基于财务管理的决策支持系统应用

孙彦永

（中国电子科技集团公司第四十九研究所黑龙江哈尔滨150001）

1 引言

数据仓库技术是一个新的研究领域，数据仓库技术以改进的数据库技术为基础，以统计分析技术作为数据分析和信息提取的有效方法[1]。近20年来通过人工智能、神经网络和知识推理等数据挖掘方法发现数据背后的隐藏规律[2]，从而实现‘数据-信息-知识’提炼过程，为企业提供多层次决策支持。通过数据仓库技术进行数据集成，运用数据挖掘技术实现信息价值提升[3]，使得财务管理得到深度应用是企业集团财务信息化建设的方向。

2 数据仓库与预警分析构架

图1 数据仓库与数据挖掘技术构架框图

数据仓库和数据挖掘技术作为2种独立的信息技术出现，数据仓库技术用于数据的存储和组织，数据挖掘技术则致力于自动发现，技术内在联系和互补。DSS构架如图1所示，以数据仓库为基础，以数据挖掘技术为手段，并以数据模型库为辅助决策的解决方案[4]。

数据仓库对于决策系统是只读，如图2所示，用户不能更新‘现有’组织信息（如果应用程序允许，他们可以更新数据仓库的内容，但更新数据仓库不能影响数据库或进一步的事物处理）。这将使数据仓库的使用限制在决策者可访问信息但不能更改，运行应用程序更新主数据库，必须通过其他方式完成。例如：让决策支持系统计算机模仿成事务处理用户，并递交事务。

图2 数据挖掘过程流图

3 数据特点与决策支持和预警控制

各单位具有海量和严格逻辑的财务数据，复式记账使逻辑描述更清晰，时期数与时点数交互结转，把业务过程清晰和货币化展现。使得利用数据仓库技术挖掘、深化应用层次和提升财务管理水平，形成决策支持和风险预警成为可能。财务数据具有如下特点：①时间周期性；②数据性质与外部环境关系密切；③财务分析模型能根据历史数据与修正数据产生，并可虚拟；④财务数据具有严格业务逻辑定义；⑤财务数据具有层次性和耦合性；⑥具有“大样本”概率分析功能，根据逻辑关系过滤错数据、脏数据和非货币交易等；⑦财务挖掘是基于海量数据和规律数据基础上建立的模型，多采用运筹学模型。

4 剖析数据仓库与数据挖掘技术

任何企业都可能因生产经营或外部环境变化而陷入危机，从发生领域来看，危机表现为经营危机与财务危机[5]。导致企业形成危机的因素很多，如市场对产品的需求、企业对产品价格调控能力、企业固定成本高低以及经营者素质等，这些影响因素可能由财务因素引起，也可能因市场经济环境变化、消费需求变化、科技发展和政策调整等非财务因素引起。但无论如何，大量的非财务性质企业危机，往往是以财务危机面目出现。财务危机是企业危机中最显著和最综合的体现，作为财务风险的体现，多反映在现金管理方面。企业破产通常以不能支付到期债务为标准，保证资金链正常运转，成为企业财务管理重要一环。

结合企业现金使用特点，建立与现金管理相关的融资策略。根据企业现金状况做出信用决策，对应收账款进行有效管理。研究企业中长期净现金流量与企业净利润之间的关系以判断企业的运行状况与企业前景，研究企业最佳现金持有量，提高资金使用效率，降低财务风险。通过现金流分析，可以带动企业管理水平提升。利用财务数据仓库建设，以信息平台为基础对企业现金风险进行预警分析，是企业财务数据仓库和数据挖掘应用的重要形式。以下以企业现金流为实例阐述数据仓库与数据挖掘技术在企业现金流管理和财务风险预警控制方面的应用。

4.1 数据装载

在建立财务数据仓库后，依据数据元要求的逻辑关系，利用数据接口工具，加载带时间戳和单位标识，将业务性操作数据装载入数据仓库。如果装载的数据源采用不同的软件系统，应开发接口程序，转化为财务数据仓库能直接识别并装载的格式，装入财务数据仓库。

数据装载重点关注格式统一、数据业务逻辑关系代码统一、所分析数据的详细级别层次统一和是否需要代码接口程序等，关注财务业务和数据逻辑关系。计算机实现技术应成熟且易于实现，装载的数据质量对财务数据仓库的分析性能起关键作用，应和分析员沟通并制定方案。

4.2 数据过滤

对于提取的凭证数据，鉴于财务复式记账特点，部分数据需进行过滤与清理。因财务分析所使用现金流是指企业经营过程中现金及现金等价物所引起的货币资金变动，是广义的现金概念。业务过滤和清理如下：

①提取现金：从银行提取现金，交存现金支票，形成现金科目增加，银行存款科目减少，不引起货币资金总额变化；②交存现金：将超过现金管理规定的现金交存银行，现金科目余额减少，银行存款科目余额增加，不影响货币资金总额；③银行转账：是指银行账户之间的转账业务，只引起不同银行存款科目余额之间的变动，银行存款总额没有变化；④冲销凭单的处理与溯源：没有实际业务对应的账务调整等特殊处理；⑤其他货币资金科目之间账务调整。

银行账户之间的结转是企业普通业务，银行科目发生额不能代表企业现金的流入和流出，只有经过分析和过滤的业务收支引起的现金流变化才反映企业实际运营。综上所述，数据过滤和筛选在现金流分析过程中起重要作用。过滤的方法依据对方科目，也就是科目逻辑关系判断业务实质，进行数据过滤。

4.3 建立逻辑

从现金流量表的生成依据与现金科目相关分录的对方科目性质，判断分析每笔业务的现金流入与现金流出。现金流生成也可以由报表数结合特殊业务逻辑关系模型计算，逻辑如下：

①销售商品提供劳务收到现金＝主营业务收入净额（包括销售商品、提供工业劳务）＋其他业务收入净额（包括销售材料和提供非工业性劳务，不包括租金收入）＋增值税本期销项发生额＋（应收账款总额期初－应收账款总额期末）＋（预收账款总额期末－预收账款总额期初）－应收项目以外减少（特殊业务：非货币偿债、本期确认坏账、票据贴现、债转股等）；

②购进商品、接受劳务支付现金＝主营业务成本＋其他业务支出＋存货的意外减少（指非销售减少，包括管理部门领用材料、盘亏、投资、偿债、捐赠）－存货的意外增加（待摊费用摊销，预提费用预提以及折旧等借方科目对应成本费用）＋（存货余额的期末－期初）＋增值税本期进项发生额＋（应付账款总额期初－应付账款总额期末）＋（预付账款总额期末－预付账款总额期初）－应付项目以外减少（特殊业务：无法支付应付账、非现金还债，债务转资本等）。

会计作为采用复式记账，独立、系统、科学和严密的管理体系，具有严格逻辑。只要能解决向下探察技术、特殊业务标记和关联映射，就能利用逻辑模型进行数据挖掘，以支持决策和预警。

4.4 现金流的时间特性

现金流量表为报表使用者提供了企业在一定会计期间内现金和现金等价物流入和流出信息，现金流入和流出是在企业经营活动、投资活动和筹资活动中发生的。因此，现金流量表反映了企业的经营活动、投资活动、筹资活动和其他活动对现金流量的影响额，说明了在这个会计期间内现金状况变动原因。

现金流与现金流时间特性的分析，时间维度是分析现金流短缺和现金流引起的财务风险的基础；一定的时期是衡量企业经营净现金流量与企业净利润匹配关系的基础；因为现金流具有了时间特性，所以使得现金流的调控或利用票据和信用工具等调控净现金流量成为可能；现金具有了时间特性，也就使得现金流入和现金流出的匹配管理更为重要，与往来业务相结合，构成企业融资政策和信用政策制定的基础；因为现金具有时间特性，使得机会成本与净现金流量是衡量一个投资项目是否可行的基本标准。所以，分析模型均是指一定时期内的经济活动引起的现金流变化规律和预测分析。

4.5 现金流构成分析

从财务管理的角度看现金流分析的重心，布赖恩·科伊尔在其《信用风险管理》一书中将现金流量分为4类，即经营性现金流量、优先性现金流量、自决性现金流量和融资性现金流量。具体而言：①经营性现金流量是指企业在一定时期内从经营活动中获得的实际净现金收入或支出；②优先性现金流量是企业的非交易性现金支出，用于保证企业偿还债务，包括利息和税收的支付，它是衡量企业财务危机的标尺；③自决性现金流量是企业不必一定支付或收到的现金流量，它和经营活动没有直接的关系，它包括固定资产的购买和出售以及股利支付的现金流量；④融资性现金流量是由长期资本的变动而造成的现金支付或收入，如发行股票、获取贷款或回购股票和赎回其他长期融资工具等。瀑布效应来描述经营性现金流量、优先性现金流量、自决性现金流量和融资性现金流量之间的关系如图中3所示。

图3 现金流量内部关系图

该图反映如下观点：①企业大多数现金支付项目所需要支出都是由经营性现金流量按照先后顺序提供的，如果经营性现金流量为正数，才会产生溢出的现金，从而支付优先性现金流量；②如果经营性现金流量不充分，那么自决性现金流量和融资性现金流量就需要提供现金流入，以保证优先性现金流量的需要。综上所述得出结论，对现金流量的管理中心应该放在经营性现金流量的管理上，在现金流预测和预警指标设计时，应重点考虑经营性现金流量指标的基础上，结合优先性现金流量等因素进行系统设计。

4.6 现金流预测算法

现金流特点分析以项目研发并进行生产经营活动为主。企业的现金流主要是项目相关的经济活动引起的现金流入和现金流出，现金流入是指项目活动在一定时期内引起的现金收入的增加额，现金流出是指项目活动在一定时期内引起的现金支出增加额。若能预测并控制现金收入和现金支出，就能进行现金流管控，使企业保持最佳现金持有量、降低财务费用和控制财务风险。项目执行预测是可靠和可控的，所以现金流入可估计。但这种估计往往不能限定到固定值，否则就是“拍脑袋”定数据。因为存在着不确定因素，虽报出精确数，而数值效果却不精确，所以支出范围估计的方法可行。

计划评审法（PERT方法）就是一个处理此类业务的模型，该模型主要应用于建设、研究开发、新产品研发、大额合同支付、设备安装、初次投产运行和技改项目投入等方面。PERT采用了3种估计：乐观的、正常的和保守的，这种估计在给计算增加了麻烦，却有很好的应用效果。

利用PERT模型中对于实物认识过程中乐观、正常、悲观状态下的估计[6]，是建立在N个支出项目条件下，利用中心极限定理，解决现金流量中现金流出的预测，提高现金流出量的预测准确度、降低财务资金风险和控制财务成本，并利用6σ置信区间，得出99.87%可靠度条件下的现金需求量，能够依据实际现金保有量和流入量与预测现金需求量之间的关系，做出“开源”和“节流”2种不同方式下的多种版本资金使用管理方案，形成不同的管理思路下的方案供决策。

企业现金流分析与其他模块之间的逻辑关系如图4所示。若企业现金流充足，则足够资金进行新项目开发和立项。如果现金流不足，则转向融资模块，通过开源或节流调整，缺口资金利用资本性融资或债务性融资渠道解决。通过调用项目可行性分析模型、资本性决策模型和债务性融资决策模型等辅助企业决策。

图4 企业现金流分析扩展应

5 结束语

数据仓库和数据挖掘技术在财务管理中以应用研究为主，本文以企业现金流量预警控制模型为例研究数据挖掘和数据仓库技术在财务数据危机预警控制方面的应用。综合利用现有软件平台和业务信息系统将企业信息资源加以开发，运用数据仓库技术进行系统集成，通过数据挖掘技术实现信息价值得到提升，利用数据仓库与数据挖掘技术促进集团企业财务信息化深层次应用。

[1]MALLACH EG.决策支持与数据仓库系统[M].北京:电子工业出版社,2001.

[2]HAN Jia-wei,KAMBER M.数据挖掘概念与技术著[M].北京:机械工业出版社,2002.

[3]彭木根.数据仓库技术与实现[M].北京:电子工业出版社,2002.

[4]刘惟一,田 雯.数据模型[M].北京:科学出版社,2001.

[5]刘红霞.企业财务危机预警方法及系统的构建研究[M].北京:中国统计出版社,2005.

[6]欧阳洁.决策管理－理论、方法、技巧与应用[M].广州:中山大学出版社,2003.