基于云计算的会计大数据分析平台构建

2017-07-18黄河水利职业技术学院陈俊丽

财会通讯 2017年16期

黄河水利职业技术学院陈俊丽

基于云计算的会计大数据分析平台构建

黄河水利职业技术学院陈俊丽

本文分析了大数据时代运用云计算技术构建企业会计大数据平台的具体措施。借助于云计算会计大数据分析平台必须遵循的会计准则、会计制度等相关法律法规的要求，具备财务综合分析、财务综合决策、财务综合预测、财务综合监控等功能，为实现这些功能，围绕环境部署、数据获取、数据存储、数据处理、数据输出及安全机制进行分析。

云计算会计大数据大数据分析平台

一、云计算与会计大数据

（一）云计算云计算是一种商业计算模型，它将运算任务分配到大量计算机集成的资源库中，使不同的应用系统根据自身需要获取相应的存储空间、信息服务以及与传统大型服务器相等或更多的计算能力。云计算模式的九大特性与传统模式的比较（如表1所示）。

表1 云计算模式与传统模式对比分析表

（二）会计大数据比较遗憾的是，截止到目前学术界对会计大数据还没有形成权威的定义。在文章中会计大数据的理解是建立在原有会计数据的基础之上，并衍变而成的。它不应当只包含企业内部的与会计相关的数据，还应当包含为了实现某一特定目标，企业通过物联网从外部公开网站获取其他的会计数据资料；或者不仅包含原始的会计数据，而且包含经过加工处理之后的会计信息。大数据时代的到来，为会计部门管理者财务分析提供了丰富的信息资源。大数据是规模巨大、结构复杂的数据集合，在合理的时间内快速获取、存储、管理、共享、分析可以提供巨大的利用价值。它具有以下特征：数据数量规模大；数据种类繁多；数据输入和输出速度快；数据的依赖性与无形性。

二、基于云计算的会计大数据分析平台构建原则

（一）数字化原则平台是数字化的。即会计大数据分析平台从原始单据的采集，到最终会计大数据的分析，全程一律数字化，保证会计大数据的时效性。

（二）网络化原则平台是网络化的。通过网络将公司与公司外部、总公司与子公司、公司内各部门紧密联系起来，形成一个个环环相扣的信息流。这样一来不仅能够实现总公司实时把握子公司的会计动态，而且能够实现同行业资源共享，有利于公司第一时间内做出正确的决策。

（三）智能化原则平台是智能化的。现有数据处理技术有了翻天覆地的进步，计算机有足够的数据处理、存储能力和最先进的分析技术。使用先进的计算机数据分析技术可以轻易地对采集的会计大数据进行深入处理分析，实现智能化。

三、基于云计算的会计大数据分析平台功能构建

基于云计算的会计数据分析平台的构建必须遵循会计准则、会计制度等相关法律法规的要求，将企业有效原始会计数据和经加工后的会计数据融合成会计大数据，并对其采集、存储、分析、应用，发掘其价值。主要包括以下几个方面：财务综合分析、财务综合决策、财务综合预测、财务综合监控等。

（一）财务综合分析

（1）基于价值链的财务综合分析。文章只是简要构建了基于价值链的财务综合分析体系，具体指标设计可以随着会计大数据分析研究不断改进。在传统财务综合分析中，主要采用杜邦分析体系以及沃尔比重评分法，以净资产收益率作为衡量指标。但是这种指标不具有全面性，它过度看重会计资料，却忽略了其他重要因素。所以本平台的财务综合分析功能是以（经济增加值）为核心财务分析指标，杜邦分析体系中影响的财务指标作为次级财务分析指标，借助平衡计分卡和企业价值链引入顾客、内部运作、学习和创新以及供应商、员工等非财务指标作为基本财务分析指标，从而拓展财务分析的纵向和横向深度，将企业目标和业务结合，并加载知识库，从而能够动态反映企业的价值。内部运作层面是企业内部生产经营价值增值的过程。重点是从产品质量、产品成本、生产周期、资源利用效率等方面设定指标；其次加强与顾客层面的联系，实时跟踪生产作业步骤，确定战略性价值的作业，从而增加有价值作业，减少无价值作业。学习和创新层面是企业产品、技术创新的过程。主要从研发投入、研发产出等方面设定指标，并与内部运作、顾客层面紧密联系，提升企业核心竞争力。员工层面对于处理顾客和供应商的关系、企业内部运作、学习创新等都能起到关键作用，是企业获得竞争优势的重要手段，所以从员工满意度、工作能力等方面设定分析指标是十分必要的。顾客层面要考虑提高顾客的忠诚度和满意度。主要从顾客满意度、顾客保持率、顾客取得率等方面设定指标。供应商层面位于企业价值链的上游，关于其财务分析十分重要。主要从企业和供应商的信息交互程度、订单完成数量、订单质量和完成效率等方面设定指标。

（2）基于哈佛分析框架的财务综合分析。哈佛分析框架在财务综合分析体系中所起的作用是：对企业的会计大数据进行战略分析、会计分析、财务分析和前景分析。在战略分析中，建立行业发展、竞争战略、企业经营战略情况的分析体系；在会计分析中，对企业关键会计项目的会计政策分析，可以结合竞争对手横向分析，也可以根据以前年度纵向分析；在财务分析中，结合趋势分析法、对比分析法、比例分析法对企业财务报表进行深入分析；在前景分析中，结合企业内部创新、外部政策、顾客需求、企业内部业务发展趋势等因素，加载知识库之后，采用数据挖掘技术实现前景预测分析。通过以上综合分析，可以准确评价企业的经济效益情况。

（二）财务综合决策大数据时代的到来，让财务综合决策由原来单纯依赖企业财务会计数据和决策者的经验判断转向更多的依赖对数据的获取、处理、分析和应用。具体财务综合决策流程如图1所示。

图1 财务综合决策分析流

财务综合决策分析功能如下：

（1）财务筹资决策中，调用资金成本、财务风险、资金需求预测等模型，首先分析企业的资金结构和使用情况；其次用加权平均资本成本、分析资金使用效果等，然后采用销售百分比预测资金的需求情况，最后根据知识库中的知识法则做出筹资决策。

（2）财务投资决策中，首先依据企业历年数据分析企业的资金组成结构、使用状况、变化趋势等方面；其次定位分析，多维度对证券投资报酬和风险等方面分析；然后对投资收益进行预测；最后调用知识库中的经验判断，输出结果。

（3）收入分配决策中，首先建立多维分析模型，并采用本量利分析方法预测营业利润金额以及变动趋势，然后结合知识库中的决策利润分配的比例、分配政策和分配时间等知识，输出利润分配结果。

（三）财务综合预测财务综合预测即结合财务综合分析结果，根据历史业务资料和外部客观环境等会计大数据，并采用单变量、多变量的线性回归方法预测企业的财务危机、经营绩效、成本预算等。营业成本预测通常采用作业成本法，采用聚类分析法测试不同因素对成本的影响程度，然后依据历史产量和成本数据的变化趋势，自动选取相对应模型，进而实现预测未来成本的要求。在财务风险预测方面可以采用周首华学者的F计分模型，也可以采用BP神经网络模型和Kalman滤波（如图2所示）。

图2 财务动态预警分析体系

图2财务动态预警分析体系

（四）财务综合监控财务综合监控的目的是帮助管理者清楚企业经营状况、预算执行情况，具体包括以下四个方面：现金监控；应收账款监控；存货监控；生产监控。

四、基于云计算的会计大数据分析平台的体系设计

会计大数据分析平台主要由云服务平台层、数据获取层、数据加工存储层、数据输出展示层构成，会计大数据标准化和安全机制贯穿始终（如图3所示）。

图3 平台整体架构图

（一）基础IT环境部署

（1）平台云计算服务模式的选择。云计算平台服务主要有以下几种交付模式：基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）。每层服务都是基于下面的基础服务，平台是建立在基础设施之上，软件服务则是通过网络利用一些软件的服务关系（如图4所示）。文章构建的会计大数据分析平台既可以基于IaaS模式，也可以基于PaaS模式。基础设施即服务：位于云计算架构的最底层，是一个纯粹的技术组件。企业基于这种服务模式构建会计大数据的分析平台，可以实现企业业务安全稳定运行、快速准确的分析处理会计数据、高效利用资金的要求。

图4 云计算服务模式图

平台即服务：位于云计算架构的中间层，企业借助其提供的编程语言和工具开发应用软件。企业基于这种服务模式构建会计大数据分析平台，无需定义会计数据存储伸缩性，也不需要管理和控制云的基础设施、网络等，但可控制部署应用和配置对应环境，提高企业在软件上的投资回报率。同时也应该注意到，基于PaaS模式构建软件将是一种长期的发展趋势。

（2）平台云计算部署模式的选择。如果以部署环境进行分类的话，云计算包括公有云、私有云、混合云三种形式（如图5）。

图5 私有云、公有云和混合云示意图

公有云：远离企业建筑的地方托管，通过因特网，由外部云服务商共享资源，并且细粒度的、按计算的效用进行收费。该模式在成本和灵活性方面具有许多优势，但是在监管和安全性方面存在漏洞。私有云：仅利用云计算的部分特征，在内部托管的一种部署方式。企业可以在私有云上构建会计大数据分析平台，私有云可以保证会计数据的安全性，但一定程度上增加了运行成本。混合云：将公有云与私有云结合。企业可以基于混合云构建会计大数据分析平台，可以实现数据处理快、安全性高的要求。但当前混合云的发展不是很成熟。

（二）会计大数据的获取会计大数据的获取包含：会计业务数据的获取、会计知识的获取以及综合决策分析数据的获取。

（1）会计业务数据的获取。首先，会计大数据中的会计业务数据包含财务会计数据和非财务会计数据。数据的来源包括销售清单、合同、订货单等业务单据，不再是单纯的会计凭证，形式更加多样化。为了获得高质量的会计信息，需将会计要素严格区分开来。在获取会计业务数据的过程中，不仅通过内部网络获取现有会计信息系统的结构化数据，而且还有通过外部网络、传感器、B/S移动输入等方式获取对应的非结构化数据，接收数据之后采用ETL工具对其辨析、抽取、清洗等操作，并存入MongoDB数据库中（如图6）。比如：在业务核算中，由于业务发生频率高，业务处理水平较低，而且需要实时提供信息，因此会计数据用云端的MongoDB数据库进行存储。

（2）会计知识的获取。会计知识包括：基本会计制度、会计准则、项目方案等显性知识，以及决策知识、会计核算经验和经过数据挖掘后得到的会计信息等隐性知识。会计知识的获取是系统自动获取外部输入的相关知识，以及从数据库、数据仓库中获取、识别的知识，经过分类整合之后，以一种事实或者结果存入知识数据库，同时建立知识之间的联系，形成关系型数据库。

图6 会计业务数据的获取流程图

（3）综合决策分析数据的获取。综合决策分析数据是从企业内部数据到企业外部数据，从结构化数据到非结构化数据，所有能够系统反映企业经营状况、所在行业发展情况等，帮助管理者做出正确决策的会计大数据。综合决策分析数据的获取是采集会计核算系统中的原始资料、业务处理后生成的记账凭证、总账等数据，采集财务分析管理信息系统中加工处理后的信息，通过局域网采集其他部门中的供应商、客户等资料，以及通过互联网外部接口采集外部收集的政策、行业发展等其他对决策影响的相关数据。

（三）会计大数据加工存储会计大数据加工存储是用存储器将不同来源的会计大数据在批量实时的采集、交换、整合之后存储起来，并建立相应的数据仓库。

（1）会计大数据的存储。在会计大数据存储中，平台需要存储全局的会计大数据。而且要设置数据层次，将商业机密的会计数据存入私有数据层中；将原始会计数据和最基本、粒度最低的会计数据存入横向数据层中；将综合决策分析的数据存储在纵向分析层中。存储中最重要的环节是建立数据仓库。数据仓库不是简单数据库，是用ETL将操作型数据转为面向分析主体信息的过程，是面向主题的、非易失的会计数据仓库。构建数据仓库，需要建立雪花模型，以事实表为中心建立维度表，在维度表上扩展详细类别表。通过建立雪花模型，可以全方位查看会计大数据具体发生的情况，而且在同一模式中使用不同粒度保存，粒度越大，综合性越高，粒度越小，细节越高。数据仓库的构建种类如下：会计业务数据仓库。将企业所有经济业务的数据资料之间建立联系之后形成的数据库。知识仓库。将知识库中的各种经验、项目成果、会计核算管理办法等知识构建联系形成的知识集合。方法仓库。存储方法模块的工具，为数据分析和挖掘提供方法指导。模型仓库。存储解决用户问题所需的各种模型的仓库。它不仅包含投资模型、预测模型等财务分析决策模型，也包含联系多个模型的工具。综合决策分析数据仓库。按照企业管理者的需求，在采集会计大数据的基础上加载知识库、模型库、方法库等，形成多维会计数据模型，并将模型应用到数据中，进行萃取、筛选、合成之后形成多维度、多粒度、综合型的数据集合。

（2）会计大数据管理。在会计大数据管理中，会计业务数据的管理是从纸质化转为电子化管理，形成电子单据、电子账簿，并且自动上传、分类、加便签管理。会计知识数据的管理是加强会计知识加工存储，实现会计知识的输出、利用和共享。同时，会计大数据的管理要特别注意元数据的管理，主要是将数据标准化，保证系统内会计大数据的高度一致、可维护、高质量。元数据的管理必须贯穿于数据仓库的设计、开发等过程中，并且对结构化数据、半结构化数据和非结构化数据同时管理。

（四）会计大数据分析输出会计大数据分析输出是将知识库的会计知识、方法库的运算方法、模型库的财务分析模型统一应用，集成各种呈现工具对存储在分布式数据库的会计大数据进行多维分析分类汇总、数据挖掘等，之后通过客户端人机交互界面动态呈现预测挖掘的结果，以满足大多数常见的分析需求。

（1）会计大数据的挖掘。会计大数据分析平台的会计大数据挖掘主要采用描述性数据分析、预测性数据分析和规则性数据分析方法。第一，描述性数据分析。将会计数据明细账和财务分析指标设置多维分析模型。统计出会计数据的最小值、最大值等。将不同空间数据特点分类，生成点、线、面等不同的财务数据集合，之后进行相关性分析、概念抽样等处理，实现立体空间的财务分析数据。第二，预测性数据分析。将业务处理的规则、数据挖掘模型等结合，形成深度会计数据。包含通用相关性分析、线性模型、多维尺度模型以及线性回归模型等。比如：yi=β0+β1x1+β2x2+β3x3+…+βnx1

第三，规则性数据分析。在已有限制、需求、目标的前提下，采用聚类分析、神经网络方法等算法为信息使用者从许多有用的方案中做出选择的分析技术。

（2）数据输出。在数据处理结果输出中引入MapReduce技术对会计大数据进行整合处理。

图7 会计核算输出流程图

平台采用云计算技术和企业级的搜索技术处理会计大数据，并将处理分析结果通过B/S模式动态直观的展示给信息使用者。

（五）会计大数据安全机制

（1）风险披露。云计算对会计大数据安全是存在一定风险的。不仅有来自外部互联网的安全威胁，也有来自内部的安全隐患（如表2所示）。

表2 对各种安全性风险的解决方案表

（2）安全保障。应对当前这些安全风险的解决方案（如表2所示）。具备安全服务能力的体系是建立在基本的安全服务和架构基础之上的。关键基础服务和架构包括：身份/访问安全、数据安全、应用安全、基础架构安全和物理安全。其对应安全策略如下：用户认证、授权；会计大数据隔离、会计大数据加密、会计大数据保护；分级安全控制；网络隔离；灾备管理。

（3）安全机制的具体应用。基于云计算的会计大数据分析平台可按照图8所示的流向图设计会计数据安全处理流程。

图8 会计数据安全处理流程图

用户在输入会计数据之前，采用U盾验证用户身份的合法性；终端发送会计数据时，会计数据加密后采用VLAN通道传递，以防在管道中被窃取、破坏；会计数据发送到云端，在进入服务器之前要通过防火墙和IPS设备检测，在确认是安全访问信息之后，将会计数据发送到处理会计数据的软件中；软件在解密会计数据之后执行具体操作。如果是写入操作，则需要虚拟层识别为授权的写入操作，才接收会计数据；虚拟层依据虚拟化策略将会计数据提交给对应的物理设备；物理设备操作会计数据的校验计算、保护等，并给虚拟层返回操作结果；返回操作结果到服务软件；加密操作结果后采用VLAN通道传递给终端；终端从VLAN通道接收数据并解密；给用户返回结果。

（六）平台应用评价指标评价一个基于云计算的会计大数据分析平台的使用效果时，除了要看系统自身的功能效果，还要看企业对平台的满意程度。因此本文从平台的性能、成本效益方面设定指标分析平台的使用效果，为进一步完善平台构建提供帮助。

（1）性能评价。基于云计算的会计大数据分析平台不仅保存现有会计信息系统的优点，而且克服成本高、效率低的缺点，同时实现了会计大数据的综合分析。具体如表3所示。

（2）成本效益分析指标。云计算技术构建会计大数据分析平台的一大亮点是：应用成本低、海量数据处理效率高，文章在此具体从企业的角度对平台成本效益设定分析模型。在基于云计算的会计大数据分析平台和现有会计信息系统的成本分析方面，主要对软件开发、软件维护费用等方面进行比较。在效益分析方面，主要对会计核算的时间、准确度、工作量对比分析，对财务分析的层次、时间、准确度对比分析，对财务监控的控制力度、时间、预算调整对比分析，对财务决策的时间、准确度、控制力度、利润对比分析，对财务预测的准确度、及时性对比分析，对数据查询的准确性、及时性、数据量对比分析，对企业经营状况的订单转换率、人力成本、购成本等方面对比分析。