財務智能決策支持系統的計算和應用

郭蓉

摘 要：智能決策系統也就是結合原始決策系統、專家系統、人工智能、知識庫等技術，使數據挖掘技術在智能決策支持系統中融入，之后使數據庫中相關決策數據挖掘并且分析處理，最后科學輔助決策人員進行決策。就目前智能財務決策支持系統來說，對公司統計與信息研究是非常有利的，能夠使原本無法深入挖掘信息轉變成為管理人員能夠使用的資源。以此，文章就對財務智能決策支持系統的設計和使用進行分析。

關鍵詞：財務決策;智能決策;系統使用

中圖分類號：TP18;F275 文獻標識碼：A 文章編號：1001-5922（2021）08-0114-05

Calculation and Application of Financial Intelligent Decision Support System

Guo Rong

（Xi an Jiaotong University City College， Xi an 710018， China）

Abstract：The intelligent decision-making system combines the technology of original decision-making system， expert system， artificial intelligence， knowledge base and so on， so that the data mining technology is integrated into the intelligent decision-making support system， then the relevant decision-making data mining and analysis processing in the database are made， and finally the decision-makers are scientifically assisted to make decisions. As far as the intelligent financial decision support system is concerned， it is very beneficial to the research of company statistics and information， which can make the information that can not be excavated deeply into the resources that managers can use. This paper analyzes the design and use of financial intelligent decision support system.

Key words：financial decision; intelligent decision; system use

在世界經濟全球化進程不斷發展的過程中，市場競爭也越來越激烈，利用現代科學技術能夠合理管理公司運行和資金投入。但是，公司在運營時的數據量比較大，對于財務來說，如何對數據含義進行分析，解決信息關聯等為主要考慮的問題。由于計算機技術發展使信息處理技術發展更快，利用會計模型處理傳統復雜財務難題。由于計算機技術的發展促進了信息處理技術的發展，使傳統復雜的財務難題只要通過創建會計模型方式就能夠處理。新現代社會中的財務管理有所改變，原本會計信息基礎具有一定的局限性，無論是核算型或者財務分析，都無法使管理人員的實際需求得到滿足。針對此問題，人工智能技術能夠很好的解決，將傳統核算型會計朝著網絡化發展[1]。那么，文章就分析財務智能決策支持系統，從而實現企業相應決策與管理。

1 財務智能決策支持系統的體系架構

在財務智能決策支持系統利用數據倉庫與挖掘技術進行設計，利用關系型數據庫大存儲量業務數據，能夠進一步的提高大數據量管理擴充能力。利用數據挖掘技術實現系統的挖掘，從而挖掘企業大量的數據，并且對數據進行分析。其次，系統還能夠創建大量挖掘模型，對數據內在關聯進行分析，對預測和決策行為有利模式進行挖掘，實現全新業務模型的創建，從而使決策者能夠科學決策。利用B/S三層架構創建系統，包括數據獲取層、存儲組織層與分析展示層。系統結構如圖1所示，在設計系統時主要包括：①數據庫系統。為決策支持系統提供分析輔助信息;②數據挖掘系統。在專家系統知識庫中實現挖掘結果的存儲，利用知識推理開展輔助決策;③數據庫和OLAP。其能夠通過數據倉庫提取將數據本質反應的信息[2]。

通過數據倉庫實現系統數據挖掘，系統數據存儲為：①通過經營業務數據庫選擇的原發始數據，此數據是通過關系模型方式存儲;②將不同主體數據倉庫為數據挖掘提供。數據倉庫主要包括雪花型、星型等多維數據模式。為了能夠提高系統擴展性，通過基于數據倉庫星型多維數據模型實現系統數據決策，具有良好擴展性和高效率，此模型數據存儲通過多個事實表與維度表進行創建，能夠有效實現財務決策，為了便于日常工作中用戶能夠頻繁查詢，就要實現數據聚集，此結構模型能夠支持報表和分析型的需求[3]，如圖2所示。

2 財務智能決策支持系統的設計

2.1 數據倉庫設計

數據倉庫能夠提供給財務控制、預測、計劃、決策等相應信息和數據，此數據倉庫通過數據倉庫和管理構成。利用會計核算系統對數據倉庫中原始數據進行提取，數據類型包括銷售、利潤、資本和成本。能夠直接收集和財務計劃控制、預測決策相關市場信息，比如產品市場信息、金融市場信息等。上述信息和數據都是通過庫文件的方式在數據倉庫中存儲。數據倉庫管理系統能夠實現數據與信息輸入、維護、收集、抽取、校驗、更新等處理，從而實現數據庫、知識庫和模型庫的通信[4]。

數據倉庫要使企業和市場中分散、無法綜合的操作數據根據決策主題進行分類和統一，所以就要對數據進行加工給，構成數據數據層次模型，主要包括：①歷史數據層。對數據進行對比、回歸、預測和匯總等，實現建模和決策分析;②當前數據層。對決策最新數據進行存儲，之后在歷史數據庫層中實現數據的轉移;③歸納總結數據層。此層數據主要為當前數據和歷史數據，在歸納歷史數據與當前數據后，就能夠得到決策需要的綜合數據;④分析決策數據層。為高度綜合數據，主要內容包括高度有序化數據，對底層數據分析后得出最深層次決策有用數據。

2.2 模型庫設計

模型庫和管理系統為財務智能決策支持系統核心，模型庫指的是所有財務決策模型，能夠存儲財務決策、計劃、控制與分析模型等描述信息。模型庫管理系統能夠生成模型，并且對模型進行編輯、分析、評價和維護。通過現有模型對模型進行操縱，比如模型的檢驗、檢索、組合與選擇。在模型運行時，只能夠對確認后模型問題進行求解。為了自動生成模型，使模型劃分為子模型、復合模型與原子模型。復合模型包括多個子模型，子模型也能夠劃分成為多個小模型，子模型指的是復合模型、原子模型。比如單項籌資方式決策模式為復合模型，其包括資金成本分析模型、資本結構分析模型、籌資風險風險等原子模型，或者實現總體籌資方案模型的原子模型的創建[5]。

2.3 系統主體劃分

2.3.1 戰略預測和決策

以企業之前歷史財務數據、資源和環境進行評估之后，利用預測和決策分析模型實現集團銷售、投融資、成本、存活、資金鏈預測、應收款等全面戰略分析、預測、決策、優選。

2.3.2 財務計劃和控制

財務計劃和控制是以企業戰略決策方案實現詳細戰略計劃的制定，主要包括財務預算、業務計劃、目標分配等，能夠將財務決策行動方案進行展現。財務計劃和控制決策系統主要包括財務預算編制、控制和資金控制、成本控制等。

2.3.3 財務分析和報表披露

財務分析指的是以企業經營數據對企業財務情況進行判斷，異常掌握企業經濟運行過程中的情況，為企業相關利益主體決策主要依據。將企業財務數據、報表與其他資料作為基礎，使用外部財務專家知識庫系統使用先進人工智能技術，和多個智能化企業財務分析指標、模型結合，多指標、多層次的進行動態分析判斷，從而實現智能化分析。企業主要包括集團財務分析、行業板塊財務分析、子公司財務分析3個層次，對集團板塊、經營成果、財務情況進行全面分析和評價，使企業決策者能夠了解過去、評價現在、預測未來，從而對經營決策進行改善。財務分析系統能夠根據分析內容劃分成為收入、利潤、成本、毛利、負債、期間費用、盈利能力、償債能力、發展能力、現金流量、經營風險等分析內容[6]。

2.3.4 考核評價

經營績效考核評價系統是以企業經營數據與財務成果，根據一定模型與方法對企業經營者評價的方式，以企業要求使用平衡計分卡、經濟增加值兩種方法進行評價。

2.4 系統界面設計

系統界面能夠實現人機交互，在財務決策支持中貫穿。用戶通過界面的輸入需求在數據處理、模型運算、知識推理中返回，界面運行機制為：①利用用戶界面在系統中中直接登錄;②系統通過用戶模型的查找確定用戶類型，通過用戶模型信息與范例庫、知識庫匹配，確定界面工作方式，比如信息內容、文件內容的解釋、輸入輸出方式等。對系統新用戶來說，系統利用用戶模型對類似模型進行選擇，在用戶使用時根據用戶系統熟練度、知識背景、決策風格等創建全新用戶模型;③系統查詢用戶決策問題，對決策問題是否超過系統功能范圍進行分析。假如超過那么就提示用戶要創建全新決策主題;如果沒有超出，使決策問題利用通信模塊對問題處理模塊傳遞;④用戶利用界面操作輸入提交給數據此次決策問題;⑤接收結果集成處理結果，并且根據一定輸入方式利用用戶界面對用戶進行提供[7]。

2.5 數據庫設計

以系統分析得到系統主要實體包括財務評價實體、項目實體、綜合評價實體，利用實體聯系圖設計數據庫，也就是E-R圖，其能夠將屬性、實體型、實體之間聯系方式展現出來：

（1）項目實體。主要包括項目編號、名稱、類型與負責人，如圖3所示。

（2）財務評價實體。主要包括評價日期、項目編號、評價結果、評價結論等，如圖4所示。

（3）風險評價實體。主要包括評價日期、項目編號、風險級別、評價人等，如圖5所示。

（4） 財務評價實體。主要包括評價時間、項目編號、綜合評價結論、評價人員等，如圖6所示。

數據庫設計為系統主要設計部分，以集團數據量和計算機配置情況，與系統環境要求結合，系統數據庫使用SQL 2008實現。

（1）項目信息表。此表能夠對項目基本信息進行存儲，包括項目名稱、編號、類別等，如表1所示。

（2）基礎信息表。此表主要目的就是實現投資風險分析的財務數據進行存儲，比如融資平均年利率、存貸款年利率等，如表2所示。

（3）財務評價表。此表能夠存儲財務指標評價數據，比如評價結論、評價人等，如表3所示。

3 財務智能決策支持系統的實現

3.1 投資項目管理

此模塊能夠實現項目基本信息的修改、添加、刪除等，如圖7所示。

3.2 投資分析模塊

此模塊能夠實現擬投資項目的財務分析，存儲財務計算信息，最終得到項目報酬率與可行性，如圖8所示。

3.3 風險分析模塊

此模塊能夠實現擬投資項目的投資風險分析，將綜合標準差、期望現值等數據填寫之后，計算現金流期望值和標準離差，通過計算之后得到風險參數，然后實現風險計算，從而得出與風險相關數據，如圖9所示。

3.4 綜合評價模塊

此模塊能夠計算擬投資項目各指標，并且實現指標處理，比如修改、添加、刪除等，然后保存計算數據[8]，如圖10所示。

4 結語

決策支持系統和人工智能、專家系統相互結合，實現方法庫和知識庫輔助決策的創建，為智能決策支持系統。基于智能決策支持系統創建數據倉庫，通過數據挖掘工具實現數據分析和展示，能夠為決策提供支持，此就是財務智能決策支持系統。目前，智能財務決策支持系統還在不斷的發展，并且具有較大上升空間，實際使用在企業中的案例并不多，部分企業信息化進程還只是起步階段。所以，對財務智能決策支持系統研究具有現實意義。

參考文獻

[1]胡永.面向大數據的企業智能財務決策支持研究[J].全國流通經濟，2019.

[2]王傳慧.民營制造企業管理會計決策支持系統構建研究[J].中外企業家，2020（19）：58-59.

[3]王洪海，肖俠，仇小微.大數據環境下”財務決策支持系統”案例教學探索[J].中國管理信息化，2019，022（009）：63-66.

[4]方志堅，高瀅.基于數據挖掘的高校財務決策支持系統的研究[J].行政事業資產與財務，2019（05）：30-31.

[5]魏瑾，李偉華，潘煒.基于知識圖譜的智能決策支持技術及應用研究[J].計算機技術與發展，2020，30（01）：1-6.

[6]譚文勝，萬元，潘平衡.基于大數據技術的水電智能決策支持系統[J].水電站機電技術，2019，42（12）：9-12.

[7]賀郁萱.論防范化工企業財務風險的機制與方法[J].粘接，2019，40（10）：156-158.

[8]楊帥.網絡環境下醫藥化工企業財務風險預警防控系統設計[J].粘接，2019，40（09）：127-132.