基于商业智能高校财务预警系统探究.docVIP

基于商业智能高校财务预警系统探究 　　【摘 要】 文章基于高校财务指标的构建，从构建财务数据仓库、引用OLAP技术进行财务分析以及运用数据挖掘技术进行财务预警模型三个方面就运用商业智能技术构建高校财务预警系统进行研究。 【关键词】 商业智能； 财务指标体系； 财务预警 一、引言 随着我国高等教育的改革和发展，高校进入大规模举债办学的阶段，高校财务面临的局面越来越复杂。高校不仅有基础建设、事业单位经费收支，还涉及到科研经费、校办企业投资等，高校一旦发生财务问题，影响的不仅仅是高校本身，更会引发各式各样的社会问题，因此需要对影响高校正常运行的各种财务问题进行实时有效的监控。 传统的财务分析方法单纯以财务报表为基础，就多个指标进行分析，也就是单纯地看最近一年或几年，或者某个院系的指标。与这些静态的分析方法相比，把商业智能运用到财务预警系统，即将财务数据和各种外部数据进行收集、归纳、量化（ETL技术）建立数据仓库，高校财务部门可以通过提取有用的数据经过联机分析处理工具（OLAP）或数据挖掘工具（Date Mining）结合财务部门的专业知识进行分析，转化为对高校财务分析有用的信息，从而为高校财务提供一个动态的风险预警方案。总而言之，将商业智能运用于高校的财务分析系统，可以根据不同的决策层灵活地展现财务分析结果，也可以连续分析财务问题，还可以与高校其他院系联合在一起进行综合分析。 二、高校财务指标体系的构建 高校财务指标是高校财务预警的一个核心，相关学者对高校财务指标体系已经有了一定的研究，本文针对高校过度举债、资金利用率低等问题，就高校财务指标作了相应的调整，再结合指标选取原则初步建立了有效的高校指标体系。 （一）偿债能力 为了反映高校偿还债务能力和资产负债水平，选取流动比率、资产负债率、长期负债率、贷款收入比重、利息保障倍数五个指标。 （二）营运能力 为了反映高校的经营状况选取现实支付比率、潜在的支付比率、公共经费支出比率、投资收益比率、自有资金余额占年末货币资金比重五个指标。 （三）发展能力 为了反映高校的成长性以及开源创收的能力，选取净资产增长率、固定资产增长率、现金净额增长率、自筹收入比率四个指标。 （四）非财务因素 一些非财务因素也能体现出高校的办学效率和发展实力，为了全面反映高校的发展状况选取了师生比、教师人均科研经费和教师贡献率三个指标。 即使指标选择严谨，这些指标中某些指标间还是有一定的相关性，并且过多的指标会增加信息的收集和整理难度，降低工作效率，所以要对这些指标进行优化。将初选四个方面的所有十七个指标汇总进行正态性检验，将服从正态性分布的指标体系进一步做T检验，以确定哪些指标具有显著性作用，筛选出显著性指标，删除不显著的指标；将没有服从正态性分布的指标体系进一步做非参数检验，同理确定这部分指标中的显著性指标，删除不显著的指标，最后汇总所有显著性指标用于构建高校财务预警模型指标体系。此优化过程不仅解决了预警指标体系的显著性问题，同时也达到了尽可能降低预警指标体系维度的目的。 三、高校财务预警基于商业智能技术的实现 高校商业智能系统主要包括三部分：高校数据仓库、多维分析和高校数据挖掘。高校数据仓库用于存储有用信息；多维分析可以从不同层面进行全面了解储存在高校数据仓库中的信息；高校数据挖掘则是发现问题找规律，并对将来进行预测。高校商业智能实现的大体过程是收集数据，对数据进行清理、转化，存入数据仓库，将仓库数据变为信息，并用OLAP工具、数据挖掘工具对信息进行处理，将信息变为对决策有用的知识。其架构如图1。 （一）财务数据仓库的设计 高校数据仓库的目的是通过对整个高校的相关数据进行梳理，构建一个体系化的数据存储环境，把大量分散复杂的数据转化成集成的、统一的信息，将正确的信息方便、准确地传递给需要的人。数据仓库与传统的数据库的最大区别在于传统的数据库是未经整理的一堆杂乱数据，而数据仓库是经过整理、规划过的系统数据库的子集合。数据仓库可以使高校面对大量的错综复杂的数据进行灵活的处理，为内部各个信息使用者提供他们所需要的有效信息。 1.数据仓库概念模型的设计 数据仓库的概念模型主要任务是界定系统边界和确定主题域及内容，星形概念模式是由一个事实表和一组维表组成，是一种多维的数据关系，相对于别的概念模型来说，星型虽然不节省空间，但是操作相对简单，所以创建高校数据仓库的概念模型采用星型。 高校各类指标的多维分析是商业智能技术构建高校财务预警的核心问题，所以在设计概念模型时，应选择财务指标作为数据仓库的主题，并以这一主题建立事实表，然后从高校财务分析的角度来确定维度，如时间、项目、部门等。各高校可以根据自身