数据仓库及OLAP技术在高校财务管理的应用研究及实证分析

梁展澎+宋文婧

摘要：新形势下高校财务管理追求更有效、快捷的数据化决策支持，数据仓库及OLAP技术作为大数据时代下重要的数据挖掘工具，可以为高校建立各种财务主题的数据立方体来提供决策数据支持，并结合热点通过绩效工资数据立方体的创建过程举例说明数据仓库及OLAP技术是如何应用到具体的高校财务管理业务中。

关键词：数据仓库 OLAP；财务决策；绩效工资

高校早在90年代已经推行会计电算化，但一直依赖传统的财务指标、财务报表作为分析方法。二十几年来，数据库累积了大量的财务数据，正所谓“数据海量，信息缺乏”。伴随信息技术的飞速发展，数据库技术日新月异，大数据时代的来临，为高校财务管理大数据分析提供了技术基础。为了能够快速在现有海量数据中提取其中隐含的信息及规律，并立体、生动的展示给用户，数据挖掘技术应运而生，其中数据仓库（Data Warehouse）及联机分析处理（Online Analysis Processing，缩写OLAP）技术应用尤其广泛。

一、数据仓库与联机分析处理（OLAP）

高校财务系统经历了不同的历史时期，数据库更新换代，再且可用于财务分析的相关数据分布在不同的部门，数据来源不同，数据库结构必然存在差异，必须先要解决异构数据库如何融合的问题才能便于查询分析。更新驱动方法应运而生，这种方法预先对异构数据库中的数据进行清洗、抽取、转换、加载到新的数据库中形成数据仓库，从而提高了数据查询的处理效率。数据仓库是基于更新驱动方法延伸的一种新的数据库技术。数据仓库创始人W.H.Inmon对数据仓库作了如下的定义：“数据仓库是面向主题的、集成的、时变的、非易失的数据集合，用以支持经营管理中的决策制定过程”[1]。从定义可见数据仓库与传统面向应用（增、删、改、查）的数据库不一样，数据仓库是面向主题的，将操作性数据库、文本、EXCEL等不同来源的数据进行综合、汇总、分析与利用。因为数据仓库的主要目的是支持高层决策分析，对于数据质量要求很高，必须经过ETL（Extraction、Transformation、Load）即抽取、转换、加载过程才能获得准确、完整、可信的数据，这是数据仓库创建过程中必不可少的步骤，这样才能使OLAP分析或数据挖掘得到的结果具有较高的准确度和可信度。

OLAP指联机分析处理，包括一系列考察多维数组数据的技术，可以从多个维度、粒度进行分类、汇总，实现对数据的多维分析[2]。OLAP以多维数據集的形式组织数据，组成数据立方体（Cube）。OLAP技术通过对数据立方体进行切片、切块、钻取、旋转、转轴等各种分析动作，使用户从多个角度、多层次地观察数据，从而深入理解包含在数据中的信息。OLAP可为具有明确分析范围和分析要求的用户提供高性能的决策支持。

以教学、行政、科研、财务等部门的数据库为基础，将数据进行清洗、抽取、转换、加载到数据仓库，并通过OLAP技术对数据进行查询、分析、挖掘，为高校财务管理提供决策分析的数据支持。例如对高校一卡通消费数据进行挖掘，分析学生的消费状况和消费特点，对贫困生的选择与生活补贴的发放时间提供依据；对高校教师工资进行挖掘，分析各层级工资结构，为工资调整提供依据。可见，数据挖掘技术能够为高校财务管理提供更快捷、更强大的数据分析渠道。

高校财务数据涉及教学、行政、科研等部门，涉及面广，数据量大。在实际应用中，数据仓库根据需求设定主题，从不同的数据库中提取需要的数据字段，形成特定主题的数据立方体。为了更好理解OLAP技术如何帮助高校财务管理与决策，结合最近普遍关注的行政事业单位人事改革、养老金改革等热点话题，选取绩效工资主题作为重点介绍的对象。

二、绩效工资数据立方体的构建

我国高校薪酬制度存在激励机制缺乏、薪酬成本支出过大、绩效考核体系不完善等问题[3]，这将影响我国高校师资队伍建设、人才引进等重大人才培养项目的推进。因此各大高校在了解自身薪酬结构、总量、等级水平等工资要素的基础上来建设薪酬制度及制定激励措施、推行绩效工资改革是非常重要的。

（一）模型选择

在创建数据仓库前需要定义两种表：事实表与维度表，事实表主要存储用户感兴趣的明细与汇总数据，还有维度表的主键值；维度表主要存储变量的属性，一个维度至少需要一个维表，事实表通过外键与维度表的主键联系在一起构成不同的多维数据模型[4]。当前数据仓库的数据模型主要包括星型模型、雪花模型、事实模型。星型模型是最常见的模型，只有一个数据庞大的事实表与一组关联的维表，雪花模型是星型模型的变种，在原有维表的基础上分化出一个更细的维表，事实模型也称星系模型，可以看成多个雪花模型的汇总，一般应用在数据复杂的主题仓库。要研究的绩效工资数据立方体含有人员信息表及工资明细表两个事实表，因此选用的数据模型是事实模型。

（二）事实表与维度表

事实表一般含有大量的数据，有若干与主题关系密切的度量值及一系列与维表相关联的关键字。本主题的两张表，一是人员信息表，主要包含工号关键字、姓名、部门、职务、职称、学历、学位，二是工资明细表，主要度量字段包含岗位工资额、职务岗位津贴、校内岗位绩效、附加岗位绩效、年终一次性奖金、校内劳务酬金等字段，包含的关键字是工号关键字、日期关键字、工资模板关键字。维度表包括职务维度、职称系列维度及其附属维度、部门维度、时间维度等表。

（三）绩效工资数据立方体模型

事实表与维度表关联既可以查询单一维度下的数据信息也可以联合几个维度查询分析，如时间维度与职务或者职称维度联合可以查询最近几年各个职务或职称工资增长幅度，还可以绘制折线图便于用户浏览；部门维度与职务或职称维度联合可以查询分析各部门下的职务或职称人数分布情况并绘制饼图；部门维度也可以汇总为行政、科研、教学、后勤四大部门，用于分析每个大部门的工资分布情况。绩效工资数据立方体存储了大量的数据，可以根据用户需求从各个维度进行切片、切块，便于多角度分析学校绩效工资的变化及分布情况。

（四）绩效工资数据立方体的实现

绩效工资数据立方体需要的数据包括人事处数据库获取人员信息及财务处数据库获取的工资信息，通过SQL Server 2008 R2中的整合服务（SQL Server Integration Services，SSIS）来实现跨数据库的数据抽取、转换与装载，以绩效工资为主题的数据仓库构建完成后，采用R2的分析服务（Microsoft SQL Server Analysis Service，SSAS）实现OLAP多维数据集，最后采用R2的报表服务（（Microsoft SQL Server Reporting Service，SSRS）以简单易懂的多维图表方式展示给用户。

三、结束语

在经济新常态下，对高校财务管理所提供的决策数据的要求越来越高，精细化管理将是必然的趋势。同时数据仓库及OLAP技术是对大数据进行多维分析的有力工具。本文提出把数据仓库及OLAP联机分析处理技术运用到高校财务管理的具体业务中，根据学校需求构建主题数据集，并结合社会热点，重点介绍绩效工资数据立方体的创建过程及其使用价值。

参考文献：

[1] Inmon W.H..数据仓库[M].王志海，译.北京：机械工业出版社，2006.

[2]廖华江，黄宁.高校一卡通消费数据OLAP多维分析系统与应用[J].赣南师范学院学报，2015（3）：11-14.

[3]邬琛瑜.高校薪酬管理存在问题及对策探讨[J].浙江海洋学院学报（人文科学版），2015，32（6）：89-92.

[4]张治坤，吴小鹏，邢承杰等.基于事实星座形模型的财务数据仓库[J].武汉大学学报（理学版），2012，58（S1）：251-256.

（作者单位：广东外语外贸大学财务处）