商業智能在財務公司的應用初探

文│ 申能集團有限公司 沙 健

上海寶信軟件股份有限公司 杰 波

在日常經營活動中，財務公司通過管理信息系統快速收集和處理業務信息，實現對公司各方面的業務管理。這些系統除了本身的應用外，還積累了大量的數據，如協議、交易賬目、客戶資料等。為把這些龐大的數據轉化為知識，進而輔助公司經營決策，甚至自動生成商業決策的能力，我們在應用商業智能方面進行了初步的探索。

1 商業智能簡介

1.1 商業智能的概念

商業智能（Business Intelligence，簡稱BI）的概念最早是Gartner Group于1996年提出來的。當時將商業智能定義為一類由數據倉庫（或數據集市）、查詢報表、聯機分析、數據挖掘、數據備份和恢復等部分組成，以幫助企業決策為目的的技術及其應用。

隨著商務環境的變遷和技術的進步，人們對于商業智能有了更多和更深的認識。共同的認識是：商業智能是商業數據海洋中的指南針，它從歷史數據中提取信息，搞清楚經營狀況，通過信息的分析獲取對經營決策有價值的知識，從而幫助用戶對自身的業務經營做出正確而明智的決定。

1.2 商業智能的功能

商業智能系統包括三部分的功能：信息處理、分析處理和知識發現。前兩個部分是商業智能的前端展現對象，第三部分則屬于數據挖掘層次。

信息處理包括查詢和基本的統計分析，如使用交叉表、圖表或者圖進行報表的展示。分析處理支持基本的OLAP操作，如上鉆、下鉆、旋轉、切片和切塊等，其表現形式也以報表為主。在BI系統中，報表的數據來源不是關系型數據庫，而是從許多來自不同的企業運作系統的數據中提取出的有用數據，同時對這些數據進行清理以保證數據的正確性，然后經過抽取、轉換和裝載（即ETL過程），合并到一個企業級的數據倉庫里，再經過聯機分析處理（OLAP）而獲得的企業數據的一個全局視圖。BI系統中的報表往往有很強的自定義功能（如可以針對某一個維度隨意上鉆和下鉆）和很強的表現能力（如可以在不同的圖形表形式上隨意切換）。

數據挖掘（DM，Data Mining）是商業智能過程的第二個層次的應用，通過它可以找出隱藏的模式和關聯，進行分類和預測。

1.3 商業智能的體系結構

商業智能的體系結構分為源數據層、數據轉換層、數據倉庫（數據集市）層、OLAP及數據挖掘層和用戶展現層。這幾層通過密切的協作完成商業智能的功能，它們的相互依賴關系如圖1所示。

圖1 商業智能體系結構圖

數據倉庫系統的數據來源主要是外部的操作性應用系統，這些數據源包括數據的業務含義和業務規則，表達業務數據的表、字段、視圖、列和索引等。

ETL過程即抽取（Extraction）、轉換（Transformation）和裝載（Load）。ETL過程負責將業務系統中各種關系型數據、外部數據、遺留數據和其他相關數據經過清洗、轉化和整理后放進中心數據倉庫。

數據倉庫是商業智能系統的基礎，是面向主題的、集成的、穩定的和隨時間不斷變化的數據集合。數據倉庫的應用包括聯機在線分析處理（OLAP）和數據挖掘（DM）。通過對數據倉庫中多維數據的鉆取、切片及旋轉等分析動作，可以完成決策支持需要的查詢及報表。通過數據挖掘，可以發現隱藏在數據中的潛在規則。

前端展現可以提供各種能幫助人們快速理解數據內涵的可視化手段。它是數據倉庫的門面，包括各種報表工具、查詢工具和數據分析工具以表格或圖形化的手段對數據的展現。

1.4 數據倉庫的特征

數據倉庫是一個面向主題的、集成的、相對穩定的且隨時間變化的數據集合，用于支持管理決策。

（1）面向主題：數據倉庫中數據是按照一定的主題域進行組織，主題是一個抽象的概念，是指用戶使用數據倉庫進行決策時所關心的重點方面，一個主題通常與多個操作型信息系統相關。對于商務分析來說，典型的主題域有客戶、產品、交易（銷售）和收益等。數據倉庫將這些數據集中于一個地方，在這種結構中，對應某個主題的全部數據被存放在同一數據表中，這樣決策者可以非常方便地在數據倉庫中的一個位置檢索包含某個主題的所有數據。按主題的數據組織方法，極大地方便了數據分析的過程。

（2）集成：數據倉庫中的數據是對原有分散的數據庫數據抽取、清理的基礎上，經過系統加工、匯總和整理得到的，保證了數據倉庫內的信息是關于整個企業的一致的全局信息，全面而正確的數據是有效地進行分析和決策的首要前提。在某一個主題的統帥下，將數據進行提取、凈化、轉換和裝載等集成操作。

（3）相對穩定：對于決策分析而言，歷史數據是相當重要的，許多分析方法必須以大量的歷史數據為依托。因此，數據倉庫對數據在空間和時間的廣度上都有了更高的要求。數據倉庫的數據主要供企業決策分析之用，一般有大量的查詢操作，但修改和刪除操作很少，通常只需要定期加載、刷新。

（4）隨時間變化逐時增加：數據倉庫中的數據通常包含歷史信息，記錄了企業從過去某一時點到目前的各個階段的信息。數據倉庫實際上就是記錄系統的各個瞬態，并通過將各個瞬態連接起來形成動畫，從而在數據分析時再現系統運動的全過程。

數據倉庫能夠反映歷史的變化，主要表現在：數據倉庫中的數據時間期限遠遠長于傳統操作型數據系統中的數據時間期限；數據倉庫中的數據僅僅是一系列某一時刻生成的復雜的快照；數據倉庫中一定包含時間元素。

數據倉庫是商業智能分析的最基本環境，其分析與設計是十分重要的。我們將通過對財務公司業務分析，給出財務公司數據倉庫的設計藍圖，并對其中“協議”主題域的細化設計進行說明。

2 財務公司業務模型

2.1 財務公司的特點

財務公司作為非銀行金融機構，具有產融結合的特征，致力于提高集團公司的資金利用效率，降低集團公司的資金成本，支持集團的業務擴張。

財務公司主要具有以下特點：

（1）財務公司主要為所屬集團服務，財務公司的資金運用主要在所屬集團內部，或是有關資金雖然投向別的企業或居民，但目的仍是為了所屬集團的業務拓展，如消費信貸業務、買方信貸業務等。

（2）財務公司作為企業集團的一部分，在企業內部的金融業務中，一方面遵循市場規則，另一方面則按照企業內部的行政管理體制行事，即根據下級服從上級的方式從事企業集團內部的金融業務。也就是說，財務公司是用管理成本代替交易成本。要使企業集團內部的金融業務管理成本小于企業與其他金融機構從事金融業務的交易成本，需要一定的條件，主要有以下幾點：一是所屬企業集團的規模較大，由于開展企業內部金融業務需要一定的固定成本，企業集團規模越大，單位業務的固定管理成本越低；二是企業集團內部各企業具有一定的差異性，差異性的存在將使企業集團內部各企業在現金流方面實現互補，否則，如果各個企業的現金流基本相同，企業集團只能通過與外部進行金融交易獲得資金；三是財務公司所屬企業集團的內部管理應該偏向于集權，而不是分權，否則財務公司的管理成本會比較高。

（3）財務公司作為企業集團的一部分，并且其主要業務是為企業集團服務，因而財務公司的發展受所屬企業集團的經營狀況的影響較大，也易受企業集團所屬行業的波動的影響。

（4）財務公司不可能成為主流的金融企業形式，一是財務公司的發展受制于所屬企業集團的發展；二是企業集團作為一個整體，不可能只靠內部的資金融通解決資金需求的問題，企業要發展，必須要有外部資金的參與；三是如果各個企業集團都在內部進行融資，金融市場的效率將會受到極大影響。

2.2 財務公司的主要業務

財務公司可以開展的業務范圍較寬，既有銀行業務，也有投資業務。

存款業務是財務公司的基本業務之一，財務公司被看作是準銀行組織，財務公司吸收的存款也要向中國人民銀行上交存款準備金。財務公司的資金來源主要是集團內部存款，包括定期存款和性質為活期存款的結算存款；小部分資金來自銀行同業拆借市場，主要用作資金調劑。

貸款業務是財務公司主要的資金運用業務，財務公司的貸款業務可以是自營貸款，也可以是委托貸款或者信托貸款。

財務公司經批準可以開展有價證券投資業務，財務公司可以購買的證券類資產有國債、企業債、股票、基金、金融債券等。

財務公司的資產主要是集團內部的貸款，另有一定量的股權投資與證券投資。

財務公司的中間業務包括結算業務、發行和代理發行債券、以及一些表外業務（如擔保業務、票據承兌業務）。

2.3 數據倉庫概念模型

在對財務公司的業務進行邏輯分析和理解的基礎上，結合Teradata FS-LDM，建立財務公司數據倉庫的概念模型，用來體現主題中關鍵實體的聯系，提供高層次、粗線條的設計藍圖，是對數據倉庫在戰略上和總體架構上的指導和原則。如圖2所示。

從概念模型可以看出，包括以下8個主題域，如圖3所示。

（1）團體：是指財務公司所服務的任意對象和感興趣進行分析的各種對象。如公司客戶、潛在客戶、合作伙伴、雇員、部門等。一個團體可以同時是這當中許多種角色。借助團體主題的建立可以實現基于客戶基本信息的分析，是實現以客戶為中心的各種分析應用的重要基礎。

（2）資產：用于描述團體的資產，資產主題包含兩大類的資產，客戶資產和財務公司自有資產。一個資產可以被多個團體所擁有，一個團體可以與多個資產有關。資產可分為實物資產、金融資產與無形資產。客戶資產信息的來源很多情況下是在客戶申請貸款時所提供的各種擔保品信息、抵質押品信息等。本主題可以存放從業務系統能夠得到所有的客戶資產或財務公司自有資產，可以房地產、存貨、機動車輛以及其他金融機構的存款。

（3）地域：信息存儲了希望觀察和分析的任何區域，既包括傳統類型的地址信息（如區縣、街道），又包括如電話、電子郵箱等電子地址信息。

（4）產品：是財務公司向客戶銷售或提供給客戶所使用的服務。

圖2 數據倉庫的概念模型

圖3 數據倉庫的主題域圖

（5）協議：是財務公司與團體之間針對某種特定產品或服務而簽立的契約關系，它可以是多樣化的，如帳戶、合同等。當財務公司與客戶之間針對某種產品或服務的條款和條件達成協議時，一個協議就會被開立，因此協議是客戶和銀行往來的重要載體。協議主題與很多應用有關，如風險敞口的計算、不同種類協議的評級、資產負債的缺口分析、客戶和銀行的往來情況（客戶貢獻、客戶買的什么產品、何時購買的產品）等。

（6）事件：是一個范圍很廣義的概念，可以記錄各種與財務公司相關活動的詳細情況。既可以與資金相關，也可以與資金無關；既可以有客戶參與，也可以沒有客戶參與；既可以與帳戶相關，也可以與帳戶無關；可以由客戶發起，也可以由財務公司銀行發起。總之它可以記錄的范圍非常廣泛，可以記錄各種與銀行相關活動的詳細情況，包括交易數據，比如存款、提款、付款、計算利息和費用、查詢產品、查詢地址、查詢余額、網上交易等。

（7）財務：主要包括財務公司銀行的總帳信息，是描述科目組織、控制、內部核算等銀行核心科目帳務以及預算管理有關的內容。

（8）模型：是存儲與模型細節相關的信息類，包括模型細節（模型名稱、創建時間等）、模型指標以及團體、渠道、產品的評分和細分。模型可以有多次運行；一個模型和另一個模型可以有多種關系；模型有多個結果值。

2.4 “協議”主題域設計說明

協議是財務與客戶之間針對某種特定產品或服務而簽立的契約關系，例如存款帳戶、貸款帳戶等。協議主題與團體、事件、產品等主題之間有著密切的聯系。

當財務公司金融機構與客戶之間針對某種產品或服務的條款和條件達成協議時，一個協議就會被開立。

在一個時間點，一個協議只能對應一種產品，該產品可能是一個產品包的一部分。

一個協議除了持有人外，可能與其他的團體有關系，如受益人、共同簽字人、擔保人等，這些也是團體對協議的角色。

一個協議也可能與其他協議相關聯，如一個帳戶由于籌措資金的需要而被另一個帳戶所取代，或一個帳戶對另一個帳戶提供擔保。

協議的實例有活期存款賬戶、定期存款賬戶、貸款合同、投資賬戶、擔保合同等。

協議的主要實體有帳戶、帳戶分類、帳戶特性、帳戶報價、帳戶評級等。

協議的主要關系有帳戶/產品關系、帳戶/特性關系、帳戶/帳戶關系、團體/帳戶關系、帳戶/資產關系、帳戶/地址關系等。

3 應用示例

在數據倉庫邏輯結構設計的基礎上，就可以創建數據倉庫；而數據倉庫中的數據則經過“提取－轉換－加載”的過程，從原始業務數據中獲取；對數據的多維分析并不是主要針對數據倉庫，而是針對從數據倉庫中提取的子集，因此還需要在具體分析數據之前創建數據立方；通過創建基于多維數據集的報表可以對數據立方進行全方位地鉆取，作為商業智能中的前端展現部分。

我們通過柱狀圖、數據列表、儀表盤和雷達圖等展示工具，有選擇地將財務公司日常關心的數據和指標以圖形化的方式組織起來構成了商業智能的導航倉，給管理人員提供了便捷的引導服務。

通過導航倉，管理人員可以根據需要從這些數據和指標出發深入到細節數據（稱為“鉆取”），也可以對時間、客戶、產品等多種維度中的一部分選定值后關注數據在其他維度上的分布（稱為“切片和切塊”），也可以變換表格中維度的方向，重新安排維的放置（稱為“旋轉”），從而快速地掌握公司的運營情況。

4 結束語

上述應用主要體現了商業智能在報表和數據分析方面的應用，對于數據挖掘尚未涉及。數據挖掘的關鍵是要選擇或設計模式和關系的析別算法。常用的數據挖掘方法有決策樹方法、分類方法、粗糙集方法、神經網絡、關聯規則、概念樹和遺傳算法等。我們將針對財務公司特定的數據和問題，逐步探索數據挖掘的應用，選擇或設計一種或者多種挖掘模式或算法，尋找規律，從而實現預測，更好地支持決策。

1 李程.論商業智能技術在企業財務管理中的應用.現代商貿工業.2011.20

2 謝世誠.商業智能走近中小企業.微型機與應用.2007.4

3 楊俊鋒.商業智能系統的設計與實現.大連鐵道學院.2002

4 賀曉鋒.基于Teradata的銀行數據倉庫模型研究與優化.廈門大學.2008

5 杜勝利.基于產業類型的財務公司業務模式比較.中國工業經濟.2004.11