構建基于商業智能的管理會計信息系統

毋庸置疑，在推動企業管理會計的工作中，除了要做好理念宣貫、體系建立、工具選擇等一系列工作，管理會計信息化是不可或缺的一個方面。然而，當前我國企業管理會計信息化建設仍較為落后，尤其在管理會計信息化系統建設方面，無論是系統提供商還是企業，都處在不太成熟的階段。

認識上的混亂

經過近20年的推廣，ERP作為集大成的綜合性管理軟件概念在企業已經深入人心，這使得很多人都存在一種根深蒂固的認識，即管理會計軟件就應該包含在ERP系統中，是ERP的一個模塊。同時，多數ERP廠商在宣傳中也都聲稱自己的產品包含了管理會計中全面預算、成本核算、財務分析等功能，這更進一步加深了這種認識。

當然，與此同時，也有很多軟件廠商推出了專業化的管理會計套件，通常稱作企業績效管理套件（EPM，Enterprise Performance Management），內容涵蓋了計劃預算、管理報告、盈利和成本分析、平衡計分卡、管理儀表盤等模塊。

管理會計在理論上較為零散，各項管理會計工具和方法相對獨立，都對形成系統化的管理會計軟件造成了比較大的困難。這也造成了國內外理論界對于管理會計信息化的研究相對較少，實務界對于管理會計信息化也未形成相對統一的認識。

管理會計四類工具的特點

區別于財務會計，管理會計主要服務于企業內部需要，通過利用財務和非財務信息，融合財務與業務，參與企業的規劃、決策、控制和評價等管理活動。管理會計包括很多工具和方法，但企業使用最普遍和最主要的仍是全面預算、成本核算與控制、管理會計報告和分析、績效評價這四類工具。

全面預算是一套涵蓋從業務預算到財務預算，從目標制定、預算編制、預算執行和控制、分析反饋、調整和評價的閉環體系。其重點在于按照企業的商業模式、業務流程、產品結構、銷售渠道、客戶結構等業務特點進行業務預算的編制和管理。

區別于財務會計為出具財務報告所進行的產成品成本和存貨成本的核算，管理會計所要求的成本核算詳細復雜很多。為了能夠支持業務部門和管理層的決策，需要核算不同產品、不同作業環節、不同部門、不同客戶、不同渠道的成本，所以才有了基于作業的成本核算（ABC）等精細化的成本體系。

同樣區別于財務會計報告，管理會計報告主要為滿足決策層的管理需要，不必像財務報告一樣采用統一固定的格式，而必須根據企業的業務特點和管理特點進行個性化的設置，內容既包含財務信息也包括大量業務信息，邏輯上能夠幫助管理者發現問題、分析原因，形式上不僅是標準格式的報表，還需要更直觀更豐富的圖形化展現。

績效評價是管理會計的重要內容。基于平衡計分卡框架、涵蓋財務和非財務指標的績效考核體系目前得到了眾多企業的認同，建立從學習成長、內部流程、客戶到財務的驅動關系模型則是平衡計分卡的核心所在。

管理會計對信息系統的要求

基于上述內容，可以總結出管理會計對于信息化工具的一些需求特征。

（1）模型化。管理會計的本質在于企業業務模型化，即通過建立量化模型來模擬企業的商業模式和業務模式。不管是預算模型中的預算目標測算和分解模型、產銷銜接模型、滾動預測模型，還是成本費用分配模型，以及管理報告中的業務分析模型，這些都需要管理會計信息系統具有強大的建模能力。

（2）多視角。管理會計融合業務和財務，不管是從業務預算到財務預算的全面預算體系，還是從財務結果到業務動因的管理報告體系，以及涵蓋資源、作業、產品等要素的作業成本體系，再到財務、客戶、內部流程和學習成長四個方面的平衡計分卡框架，無不反映了管理會計的多視角特點。這些管理會計工具將涉及到的業務方面內容進一步細化到產品視角、客戶視角、區域視角、渠道視角、部門視角等。這些特點要求管理會計信息系統能夠從不同視角來組織、存儲、計算和展現這些數據。

（3）大數據。管理會計作為企業量化管理的工具，數據幾乎就是一切。這些數據不僅包含成本數據、預算數據，還包含管理會計報告數據；也不僅僅是財務口徑的收入、成本、費用、利潤等價值量數據，還包括了大量產量、作業量、動因量、人工及工時量的實物量數據；這些數據年復一年積累，形成企業管理會計體系的數據平臺，也是企業最權威的官方口徑管理數據，更是企業未來大數據的核心。

（4）靈活性。管理會計是面向企業內部管理需要的。然而，隨著企業的發展，內部管理的要求會隨著環境、業務、產品、組織和流程的變化等發生改變，這要求管理會計體系也能跟隨這些變化，也意味著管理會計信息系統也能跟隨這些變化進行靈活調整。

什么是商業智能

商業智能（Business Intelligence，BI）的概念于1996年最早由加特納集團（Gartner Group）提出。彼時，加特納集團將商業智能定義為：商業智能描述了一系列的概念和方法，通過應用基于事實的支持系統來輔助商業決策的制定。商業智能技術提供使企業迅速分析數據的技術和方法，包括收集、管理和分析數據，將這些數據轉化為有用的信息，然后分發到企業各處。

從技術角度看，商業智能一般由數據倉庫、聯機分析處理、數據挖掘、數據抽取轉換加載等技術組成。商業智能的關鍵是從來自企業許多不同運營系統的數據中提取出有用的數據并進行清理，以保證數據的正確性，然后經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，將這些數據合并到一個企業級的數據倉庫里，從而得到企業數據的全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對數據進行分析和處理，形成有用的信息，以對管理者的決策過程提供支持。

為什么是商業智能

商業智能技術具有如下功能特點。

（1）強大的建模能力。數據倉庫（Data Warehouse）技術的核心在于數據建模，通常按不同的主題建立業務模型和財務分析模型。數據挖掘（Data Mining）技術使用諸如神經網絡、規則歸納等技術，用來發現數據之間的關系，建立數據模型，做出基于數據的推斷。OLAP工具典型的應用是對商業問題的建模與商業數據分析。

多維度的構架體系。“維”是人們觀察客觀世界的角度，通過把一個實體的多項重要的屬性定義為多個維（Dimension），使用戶能對不同維上的數據進行比較。OLAP也可以說是多維數據分析工具的集合。例如，一個企業在考慮產品的銷售情況時，通常從時間、地區和產品的不同角度來深入觀察產品的銷售情況。這里的時間、地區和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數組則是OLAP分析的基礎，可形式化表示為（維1，維2，……，維n，度量指標），如（地區、時間、產品、銷售額）。多維分析是指對以多維形式組織起來的數據采取切片（Slice）、切塊（Dice）、鉆取（Drill-down和Roll-up）、旋轉（Pivot）等各種分析動作，以求剖析數據，使用戶能從多個角度、多側面地觀察數據庫中的數據，從而深入理解包含在數據中的信息。

（2）專業的數據處理技術。數據倉庫建立后必須將數據從業務系統中抽取大量到數據倉庫中，作為數據倉庫中數據的來源，可以從提取、轉換和加載（ETL）流程中簡化數據集成。在抽取的過程中還必須將數據進行轉換，清洗，以適應分析的需要。此方法可極大地減少大數據量時與數據倉庫有關的整個開發和維護工作。通過建立數據質量度量標準和定義數據質量目標，數據倉庫能夠更好地監控參考數據的質量，并確保隨著時間的推移能夠跨企業持續使用高質量的數據。

（3）靈活的技術特點。記分卡和儀表板正被廣泛采用，越來越多的用戶利用它們獲取財務，業務和績效監控的鳥瞰圖。通過可視化的圖形、圖標和計量表，這些傳輸機制幫助跟蹤性能指標并向員工通知相關趨勢和可能需要的決策。OLAP使用戶能夠即時以交互方式對相關數據子集進行“切片和切塊”。比如向上鉆取、向下鉆取、或任意挖掘（跨業務維度）、透視、排序、篩選、以及翻閱。

構建智能化的管理會計信息系統

因此，基于以上分析，要推進管理會計信息化體系建設，就必須構建基于商業智能的管理會計信息系統，這主要是基于以下三個原因。

第一，商業智能技術的特點與管理會計對信息系統的要求非常吻合。

第二，國外主流的企業績效管理軟件供應商多數也都是商業智能軟件廠商。依托于其比較成熟的商業智能技術平臺，他們搭建了一套包含全面預算、abc成本、管理報告和分析、管理儀表盤等內容的管理會計應用。

第三，從國內外的應用企業案例情況來看，多數應用深入、效果明顯的管理會計信息系統也是基于商業智能的管理會計系統。