构建基于商业智能的管理会计信息系统

毋庸置疑，在推动企业管理会计的工作中，除了要做好理念宣贯、体系建立、工具选择等一系列工作，管理会计信息化是不可或缺的一个方面。然而，当前我国企业管理会计信息化建设仍较为落后，尤其在管理会计信息化系统建设方面，无论是系统提供商还是企业，都处在不太成熟的阶段。

认识上的混乱

经过近20年的推广，ERP作为集大成的综合性管理软件概念在企业已经深入人心，这使得很多人都存在一种根深蒂固的认识，即管理会计软件就应该包含在ERP系统中，是ERP的一个模块。同时，多数ERP厂商在宣传中也都声称自己的产品包含了管理会计中全面预算、成本核算、财务分析等功能，这更进一步加深了这种认识。

当然，与此同时，也有很多软件厂商推出了专业化的管理会计套件，通常称作企业绩效管理套件（EPM，Enterprise Performance Management），内容涵盖了计划预算、管理报告、盈利和成本分析、平衡计分卡、管理仪表盘等模块。

管理会计在理论上较为零散，各项管理会计工具和方法相对独立，都对形成系统化的管理会计软件造成了比较大的困难。这也造成了国内外理论界对于管理会计信息化的研究相对较少，实务界对于管理会计信息化也未形成相对统一的认识。

管理会计四类工具的特点

区别于财务会计，管理会计主要服务于企业内部需要，通过利用财务和非财务信息，融合财务与业务，参与企业的规划、决策、控制和评价等管理活动。管理会计包括很多工具和方法，但企业使用最普遍和最主要的仍是全面预算、成本核算与控制、管理会计报告和分析、绩效评价这四类工具。

全面预算是一套涵盖从业务预算到财务预算，从目标制定、预算编制、预算执行和控制、分析反馈、调整和评价的闭环体系。其重点在于按照企业的商业模式、业务流程、产品结构、销售渠道、客户结构等业务特点进行业务预算的编制和管理。

区别于财务会计为出具财务报告所进行的产成品成本和存货成本的核算，管理会计所要求的成本核算详细复杂很多。为了能够支持业务部门和管理层的决策，需要核算不同产品、不同作业环节、不同部门、不同客户、不同渠道的成本，所以才有了基于作业的成本核算（ABC）等精细化的成本体系。

同样区别于财务会计报告，管理会计报告主要为满足决策层的管理需要，不必像财务报告一样采用统一固定的格式，而必须根据企业的业务特点和管理特点进行个性化的设置，内容既包含财务信息也包括大量业务信息，逻辑上能够帮助管理者发现问题、分析原因，形式上不仅是标准格式的报表，还需要更直观更丰富的图形化展现。

绩效评价是管理会计的重要内容。基于平衡计分卡框架、涵盖财务和非财务指标的绩效考核体系目前得到了众多企业的认同，建立从学习成长、内部流程、客户到财务的驱动关系模型则是平衡计分卡的核心所在。

管理会计对信息系统的要求

基于上述内容，可以总结出管理会计对于信息化工具的一些需求特征。

（1）模型化。管理会计的本质在于企业业务模型化，即通过建立量化模型来模拟企业的商业模式和业务模式。不管是预算模型中的预算目标测算和分解模型、产销衔接模型、滚动预测模型，还是成本费用分配模型，以及管理报告中的业务分析模型，这些都需要管理会计信息系统具有强大的建模能力。

（2）多视角。管理会计融合业务和财务，不管是从业务预算到财务预算的全面预算体系，还是从财务结果到业务动因的管理报告体系，以及涵盖资源、作业、产品等要素的作业成本体系，再到财务、客户、内部流程和学习成长四个方面的平衡计分卡框架，无不反映了管理会计的多视角特点。这些管理会计工具将涉及到的业务方面内容进一步细化到产品视角、客户视角、区域视角、渠道视角、部门视角等。这些特点要求管理会计信息系统能够从不同视角来组织、存储、计算和展现这些数据。

（3）大数据。管理会计作为企业量化管理的工具，数据几乎就是一切。这些数据不仅包含成本数据、预算数据，还包含管理会计报告数据；也不仅仅是财务口径的收入、成本、费用、利润等价值量数据，还包括了大量产量、作业量、动因量、人工及工时量的实物量数据；这些数据年复一年积累，形成企业管理会计体系的数据平台，也是企业最权威的官方口径管理数据，更是企业未来大数据的核心。

（4）灵活性。管理会计是面向企业内部管理需要的。然而，随着企业的发展，内部管理的要求会随着环境、业务、产品、组织和流程的变化等发生改变，这要求管理会计体系也能跟随这些变化，也意味着管理会计信息系统也能跟随这些变化进行灵活调整。

什么是商业智能

商业智能（Business Intelligence，BI）的概念于1996年最早由加特纳集团（Gartner Group）提出。彼时，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通過应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

从技术角度看，商业智能一般由数据仓库、联机分析处理、数据挖掘、数据抽取转换加载等技术组成。商业智能的关键是从来自企业许多不同运营系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，将这些数据合并到一个企业级的数据仓库里，从而得到企业数据的全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对数据进行分析和处理，形成有用的信息，以对管理者的决策过程提供支持。

为什么是商业智能

商业智能技术具有如下功能特点。

（1）强大的建模能力。数据仓库（Data Warehouse）技术的核心在于数据建模，通常按不同的主题建立业务模型和财务分析模型。数据挖掘（Data Mining）技术使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，建立数据模型，做出基于数据的推断。OLAP工具典型的应用是对商业问题的建模与商业数据分析。

多维度的构架体系。“维”是人们观察客观世界的角度，通过把一个实体的多项重要的属性定义为多个维（Dimension），使用户能对不同维上的数据进行比较。OLAP也可以说是多维数据分析工具的集合。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1，维2，……，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。

（2）专业的数据处理技术。数据仓库建立后必须将数据从业务系统中抽取大量到数据仓库中，作为数据仓库中数据的来源，可以从提取、转换和加载（ETL）流程中简化数据集成。在抽取的过程中还必须将数据进行转换，清洗，以适应分析的需要。此方法可极大地减少大数据量时与数据仓库有关的整个开发和维护工作。通过建立数据质量度量标准和定义数据质量目标，数据仓库能够更好地监控参考数据的质量，并确保随着时间的推移能够跨企业持续使用高质量的数据。

（3）灵活的技术特点。记分卡和仪表板正被广泛采用，越来越多的用户利用它们获取财务，业务和绩效监控的鸟瞰图。通过可视化的图形、图标和计量表，这些传输机制帮助跟踪性能指标并向员工通知相关趋势和可能需要的决策。OLAP使用户能够即时以交互方式对相关数据子集进行“切片和切块”。比如向上钻取、向下钻取、或任意挖掘（跨业务维度）、透视、排序、筛选、以及翻阅。

构建智能化的管理会计信息系统

因此，基于以上分析，要推进管理会计信息化体系建设，就必须构建基于商业智能的管理会计信息系統，这主要是基于以下三个原因。

第一，商业智能技术的特点与管理会计对信息系统的要求非常吻合。

第二，国外主流的企业绩效管理软件供应商多数也都是商业智能软件厂商。依托于其比较成熟的商业智能技术平台，他们搭建了一套包含全面预算、abc成本、管理报告和分析、管理仪表盘等内容的管理会计应用。

第三，从国内外的应用企业案例情况来看，多数应用深入、效果明显的管理会计信息系统也是基于商业智能的管理会计系统。