基于數據倉庫的行政事業單位單位層面內部控制評價

程平 范洵

【編者按】財政部對行政事業單位內部控制建設提出明確要求，即：以量化評價為導向，開展單位內部控制基礎性評價工作，規范行政事業單位內部控制報告的編制，促進行政事業單位內部控制信息公開。而在大數據、云會計、人工智能背景下，數據倉庫是一個面向主題的、集成的、相對穩定的、反映歷史變化的、主要用于組織決策的數據集合，它可以很好地滿足行政事業單位內部控制評價中的數據分析需求，促使內部控制評價實現信息化、科學化和智能化。基于此，本刊推出以重慶海事局為研究對象的行政事業單位內部控制評價系列文章，包括單位層面和業務層面共7篇，探討大數據下行政事業單位內部控制評價數據倉庫體系結構的設計、數據倉庫的構建、基于數據倉庫的內部控制評價方法等問題。

【摘要】單位層面內部控制作為行政事業單位內部控制的基礎，是內部控制正常運行的基本保障。數據倉庫技術能夠為內部控制評價提供各種類型的海量數據支持，以實現對單位層面內部控制科學、智能的評價。以重慶海事局為例，依據《行政事業單位內部控制規范（試行）》構建單位層面內部控制評價體系，設計單位層面內部控制評價數據倉庫體系結構，分析數據源和數據的抽取、轉換與加載過程，依次從確定主題域、劃分分析粒度、確定維度表、設計模型四個階段詳細闡述單位層面內部控制評價數據倉庫的構建，并基于Hadoop Hive數據倉庫的HQL語言結合案例分析單位層面內部控制評價的具體實施。

【關鍵詞】數據倉庫;行政事業單位;單位層面;內部控制評價

【中圖分類號】F233; C931

【文獻標識碼lA

【文章編號】1004-0994（2019）13-0071-6

一、引言

隨著大數據、云會計[1]、人工智能等現代信息技術的不斷發展及其在行政事業單位的運用，數據量呈幾何式增長，僅僅依靠傳統的數據統計分析技術己無法滿足當前內部控制（簡稱“內控”）評價的需求。而數據倉庫作為一個面向主題的、集成的、相對穩定的、反映歷史變化的主要用于組織決策的數據集合，可以很好地滿足單位層面內控評價中的數據分析需求，促使行政事業單位單位層面內控評價實現信息化、科學化和智能化[1]?，F有文獻大多停留在對內控評價指標的構建、評價方法、評價實施等問題的宏觀探討上，很少涉及具體應用場景的運用分析以及結合大數據技術對單位層面內控進行評價的探究。鑒于此，本文以重慶海事局為例，擬設計行政事業單位單位層面內控評價數據倉庫體系結構，分析數據源和數據的抽取、轉換和加載過程，詳細闡述單位層面內控數據倉庫的構建過程，并探討HiveQL語言數據查詢分析和OLAP多維分析在單位層面內控評價中的具體應用。

二、單位層面內部控制評價數據倉庫體系結構設計

1.設計思路。目前，行政事業單位已逐步通過信息系統來記錄并處理經濟業務活動，雖積累了大量的歷史數據，但由于系統之間分散運行，信息無法共享，導致無法全面采集數據。行政事業單位各個下屬的管理系統記錄和采集的數據在最終匯總時很容易出現數據的失真、缺失等現象，這些質量偏低的數據將影響管理者的分析和評價。在大數據技術背景下，數據倉庫作為一個用于支持決策管理的、與時間相關的、穩定的數據集合，可以很好地解決以上問題，將大量分散、結構不一致的數據轉化為集中的、結構一致的、可利用的信息，從而實現對單位層面內控精準、智能的分析評價。以重慶海事局為例，其主要業務活動包括負責長江一帶水上交通安全、航海保障、船舶和水上設施檢驗、環境保護、海洋管理等。通過實地調研發現其業務有以下特點：海事局資金全部來源于財政撥款，隨著規費征收量和資金總量的不斷增長，財務風險較大，特別是“十二五”期間是海事跨越式發展階段，基本建設項目投資規模大，對資金和資產的監管任務重，而其單位財務人員相對較少，會計核算工作量大。因此，重慶海事局需要將數據倉庫技術運用到內控建設中，并不斷完善和優化，最終形成一個高度統一、資源整合、信息共享的行政事業單位內控信息化評價系統，以幫助管理者實時了解單位的內控風險點，進行精準有效的分析及智能的風險預警。

依據《行政事業單位內部控制規范（試行）》（簡稱“內控規范”）的單位層面相關規范進行內控評價，其根本是面向單位層面內控評價進行數據倉庫體系結構設計的過程，其設計思路是對于單位的部門、員工權限等相關數據先通過數據抽取、轉換和加載到數據倉庫中進行集中存儲和管理，再按照星型模型或雪花模型組織數據來建立若干數據集市以構建單位層面內控數據倉庫，最后利用HiveQL查詢語言或者OLAP工具從數據倉庫中讀取數據并進行內控智能分析和評價，從而形成單位層面內控評價的數據倉庫體系結構。

2.設計過程。構建數據倉庫是為了形成一個存儲和使用數據的集成環境，將分散的結構化、半結構化及非結構化的數據轉換為集中、一致的信息，以此輔助管理者利用這些業務數據對單位層面內控進行有效評價。重慶海事局單位層面內控評價數據倉庫體系結構的構建，是將歷史數據經過ETL（數據抽取、轉換、加載的過程）輸出標準的結構化數據加載至數據倉庫，并通過Hadoop分布式文件系統進行存儲，從而進行智能分析與評價。數據倉庫體系結構見圖。

圖中，單位層面內控評價數據源主要來自重慶海事局單位內控制度文件、海事局財務云平臺員工崗位、權限的基本信息和人員輪崗交接數據、金蝶K3系統的收入支出以及資產等業務中審核、審批等流程節點的數據。源數據處理完成后，基于Hadoop架構的單位層面內控評價大數據平臺，構建形成包括不相容崗位分離合規性、人員培訓全面性、崗位輪崗規范性等共八個主題數據集市的單位層面內控評價數據倉庫（Hive）。內控數據分析與評價則是利用HiveQL語言，根據評價指標的分析點建立單位層面內控評價模型，運用OLAP工具實現對數據倉庫中的數據上卷、下鉆、切片、切塊的多維分析與智能評價。數據倉庫還提供如餅狀圖、直方圖、折線圖等統計圖以進行單位層面內控評價結果的實時可視化展示和風險預警，并能自定義輸出各種多粒度、多維度的單位層面內控評價報告。

三、單位層面內部控制評價的數據采集及清洗

數據源是數據倉庫的基礎，分為內部數據和外部數據。當前行政事業單位經營業務數據大多分散于各個業務部門，數據割裂和私有化現象突出，由于業務標準不統一，數據質量普遍偏低，致使數據集中難、應用難，直接影響了其內控評價準確度。因此，為實現對行政事業單位內控的精準評價，數據采集的全面性和清洗質量至關重要。長期以來，重慶海事局投入使用的有辦公管理系統、運行管理系統等多種信息系統，覆蓋多個業務，涉及的數據源較廣泛，主要涉及財務云平臺、金蝶K3賬務處理軟件等內部平臺數據源以及html網頁文件、檔案信息等外部數據源，主要涵蓋單位組織架構、關鍵職能部門控制、崗位分工等數據。因此，為實現對單位層面內控的有效評價，需集合各個內部業務系統和外部來源數據，對宏觀層面的單位、員工相關數據進行全面采集。

人員貫穿了整個單位層面的內控，是單位層面內控的重要一環。重慶海事局財務云平臺記錄了單位員工的歷史數據，包括員工的基本信息、家庭住址、崗位分配、輪崗記錄等數據，涉及的數據表有：員工信息表、員工基本信息表、員工家庭信息表、員工附件信息表、員工地區信息表、工資查詢人員表、操作員信息表、人員組織情況表、用戶分組信息表、人員崗位交接表。單位層面內控要求對內控關鍵崗位進行控制，在權限分配時涉及單位的部門崗位。財務云平臺已對重慶海事局的部門崗位信息進行記錄，數據庫表主要有：部門表、用戶角色表、單位類型表、單位所在地區表、部門數據詳情表、頁面權限角色表等，以及平臺外部數據如單位內控相關部署文件等。單位層面內控還要求對信息系統實行歸口管理，按國家賦予的權利和承擔的責任各司其職，防止重復管理、多頭管理。涉及財務云平臺的數據庫表主要有簽報流程表、審批流程表等。為滿足單位對員工培訓的要求，需相應數據對員工培訓的完成度和規范性進行評價，涉及的數據表有：培訓參與人員表、培訓計劃表、培訓附件表及培訓通知和相關培訓資料等。

數據采集完成后，上述數據表是用于單位日常經濟業務，沒有統一的錄入標準，數據質量不高。所以，在把這些有用的數據加載進數據倉庫之前需要對這些原始數據進行ETL標準化處理，將其整理成適用于數據倉庫分析的數據，即數據清洗。

四、單位層面內部控制評價數據倉庫的構建

1.確定主題域。數據倉庫設計首先是確定數據倉庫的主題及相互關系，確定內控管理設計的邊界。內控規范為建立和實施單位層面內控提供了標準依據并提出強制性要求。本文以內控規范為根本，融合單位的具體需求背景對程平、孫瑜[2]中的重慶海事局內控指標體系進行改造和優化，提出單位層面內控的評價主題域，見表1。

依據以上建立的內控評價指標體系，在重慶海事局內控數據倉庫設計中，每個指標單獨形成一個數據倉庫主題，確定了如表1所示的八大主題。

2.確定分析粒度。數據粒度是指數據倉庫中保存數據的細化或綜合程度，數據倉庫中海量的數據庫表以何種粒度存儲，直接影響數據倉庫的存儲、查詢質量以及是否能夠滿足用戶的分析需求。依據重慶海事局的實際業務，為了提高存儲和訪問數據的效率，采用雙重粒度設計[3]，將數據處理為真實完整的細節數據和輕度綜合數據，分權限層級查詢，權限層級越高可查詢粒度越細，以“人員培訓全面性”為例，對培訓時間進行粒度劃分，包括輕度綜合（如2018年1月的培訓人員ID、培訓項目ID）、真實檔案（如2018年1月1日的培訓人員ID、培訓項目ID）。

3.維度表設計。維度是統計和分析數據的角度，在選取維度時應該將實體作為一個對象，把與該對象相關的所有重要屬性都提取出來作為獨立維度。以人員培養全面性為例，可通過培訓項目信息維度、人員組織情況維度、培訓標準維度、培訓類型維度、部門維度以及時間維度，來具體分析單位員工業務培訓和職業道德教育等是否按照規定進行定期培訓以及培訓是否達到預期效果。

4.數據倉庫模型設計。單位層面內控評價各個指標具有多維特性，而且整個數據倉庫中包含多個事實表，事實表之間共享多個維度表，不同的分析主題中存在著緊密的相關性和共享性。由于以上特性，基于目前常見的星型模型、雪花模型和事實星座模型三種多維數據模型，結合具體分析應用需求對單位層面內部控制指標進行邏輯建模，具體模型類型、事實表、維度表及描述見表2所示。

選取“人員培訓全面性”主題為例，通過培訓開始時間和結束時間更新人員培訓記錄，使不同時間段的培訓記錄分布在一條時間軸上，從而可得到任一時間點的培訓記錄，事實表結構設計見表3。

五、基于數據分析的單位層面內控評價應用

在重慶海事局單位層面內控評價數據倉庫中，利用HQL語言在Hive中創建用于分析的多維數據分析表，能夠從不同維度進行切片、切塊以及挖掘和鉆取，滿足管理者對單位層面內部控制評價的決策需求。下面通過單位層面內部控制的員工崗位設置方面的三個指標進行詳細描述和相關數據的查詢分析。

1.不相容崗位分離合規性。不相容崗位分離控制對于發揮控制作用和實現內控目標起決定性作用，其目的是牽制和制衡，是內控核心的體現。在進行內控穿行測試時，不僅可以判斷崗位是否為不相容崗位，同時也可判斷同一員工是否擁有兩種或以上不相容權限，比如資金管理的支付與審批權限、審批與執行崗，若同時擔任不相容職務或擁有不相容權限，極有可能發生舞弊、掩蓋舞弊的行為。在對該指標進行評價中，可通過對系統中人員、崗位及權限等信息的采集，對不相容崗位分離有效性進行評價。連接操作員信息表（SYS_USERINFO）、員工信息表（ SYS_EMPLOYEE）、用戶分組信息表（SYS_GROUPUSER）、角色信息表（SYS_ROLEINFO）、角色權限表（ SYS_ROLERIGHT）、頁面功能表（SYS_FUNCTION）、部門表（SYS_UNIT），可查詢出單位每個員工的所任崗位及權限信息，與不相容崗位標準表（NK DW_WD_UNROLE）中的信息進行比對，檢查是否出現同一個員工同時從事不相容崗位或擁有不相容權限。具體實現命令如下：

Hive>

Select d.ROLEDESC， b.ID.b.VC_NAME.b.VC_CARD，g VC_NAMESIMPLE，

d.ROLENAME， f.displayname， fnodeurl from SYS_USERINFO a

Join SYS_EMPLOYEE b on b.ID=a.l_EMPLOYEE

Join SYS_GROUPUSER c on c.I_USERID= a.userid

Join SYS_ROLEINFO d on d.ID=c I_ROLEID

Join SYS_ROLERIGHT e on e.RoleID= d.ID

Join SYS_FUNCTION f on fnodeID- e.nodeID

Join SYS_UNIT g on g.ID=d I_DEPOT

Order by d，ROLEDESC

2.崗位輪崗規范性。適時輪崗可有效防止內部腐敗，特別在行政事業單位中，適時輪崗是內部控制建設的重要一環。行政事業單位需要制定詳細的輪崗制度，明確輪崗周期以及輪崗過程中的規范工作進程、工作文件移交雙方的責任與義務等。可通過連接員工信息表、人員交接表、角色信息表，查詢出輪崗的員工是否按照規定進行定期輪崗，以及業務管理、收支業務管理、政府采購業務管理、資產管理、建設項目管理、合同管理以及內部監督等內部控制關鍵崗位是否進行定期、合規輪崗。具體實現命令如下：

Hive>

Select a.l_OldUser.b.VC_NAME， a.l_OldDepot，a.I_NewD epot，

c.ROLENAME.c.ROLEDESC from Dz_Sys_User Repl-ace a

Join SYS_EMPLOYEE b on a.l_OldUser=b.VC_CODE

Join SYS_ROLEINFO c on a.l_OldDepot=c.ID

3，人員培訓全面性。人員培訓是單位組織效益的重要途徑，能夠提升員工的綜合素質，提高效率和單位形象，因此人員培訓也不容忽視。以人員培訓全面性指標為例，在Hadoop平臺上利用OLAP，能夠快速、準確地實現多層次、多角度、深層次的數據挖掘、統計和分析，并直觀、多角度地反映數據分析結果。

利用HQL語言在Hive中創建用于分析“人員培訓全面性”事實表，具體實現命令如下：

Hive>create table NK_DW_SS_Training，

>（ People_ID STRING，

>Train_Project_ID STRING，

>Train_Standard_ID STRING.

>Train_State_ID STRING.

>Train_Start STRING.

>Train_End STRING）;

OK

創建數據倉庫和事實表后，用戶可直接用HQL語言分析Hive數據倉庫中的事實表NK_DW_S S_Training，通過OLAP操作對培訓時間按所需粒度進行切片查看，即可分析該時間線上整個單位員工的培訓情況，例如對培訓時間按照月粒度進行切片分析，實現命令如下：

Hive>SELECT# FORM NK_DW_S S_Training GROUPBY DT_TrainStart;

通過以上語句可查詢到重慶海事局每月的培訓人數、培訓項目是否符合單位內部的培訓制度要求，并結合可視化工具以圖表形式在前端展示給用戶。

主要參考文獻：

[1]程平.云會計環境下、數據和系統對會計信息質量的影響[J].重慶理工大學學報（社會科學版），2016（7）：80～88.

[2]程平，孫瑜.基于財務云平臺的單位層面內部控制優化研究——以重慶海事局為例[J].會計之友，2016（4）：150～154.

[3]丁祥武，黃忠睿.使用微軟商務智能平臺構建醫療數據倉庫[J].計算機應用與軟件，2013 （11）：238～242.