会计决策支持系统和数据仓库

会计决策支持系统和数据仓库：会计决策支持系统和数据仓库

李宗民

编者按：在现实生活中，企业在进行决策时，要用到结构化的决策，然而更多的是半结构化的决策，为满足半结构化决策的需要，便产生了会计决策支持系统，同时也促进了数据仓库技术的发展。

关键词：结构化、半结构化、支持、数据仓库

会计信息系统（Accounting Information System）实现了会计信息的系统、综合处理，可以为各级管理决策者准确、及时地提供所需的会计信息。然而，在复杂多变环境中单位所面临的许多决策问题，会计信息系统往往无法给予人们所期望的支持。因为管理决策的制订，是一个包括确定目标、收集信息、探索方案以及对各种方案进行分析、预测、选择的过程。而会计信息系统往往只能按照它在建立时所确定的模式来收集、存储和加工信息。

因此，对结构化的问题，会计信息系统可以有效地支持决策者的各个阶段的活动。但是，在各单位管理决策中所面临的问题，往往是目标含糊不清，多个目标相互冲突，方案的比较和选择没有固定规则或程序可循，所需信息不全或比较模糊的问题，这类决策问题，称为半结构化决策问题。它是会计信息系统所不能解决的，于是产生了会计决策支持系统ADSS（Accounting Decision Support System）。

会计决策支持系统是以管理科学、计算机科学、行为科学和控制论为基础，以计算机技术、人工智能技术、经济数学方法和信息技术为手段，主要解决面向半结构化的决策问题，支持中、高级决策者的决策活动的一种方案，通过人机对话进行分析、比较和判断，帮助决策者根据自己的经验和知识选择一个满意的方案，从而做出正确的决策。

这里的"支持"是指这个系统帮助决策者进行决策，而不是代替他进行工作。处理半结构化决策问题，这就意味着决策过程不能完全用一种算法、程序模糊型概略说明，不能完全依靠计算机系统，它需人机的交互作用。结合以上分析，决策支持系统具有以下特点：

1、 面向决策者

ADSS的输入输出，起源和归宿都是决策者，因此在分析和设计ADSS时，考虑主管人员在这种系统中的主导作用，决策者的偏好、技能、知识不同，决策过程不同，对ADSS的要求也不同。

2、 主要解决半结构化的决策问题

结构化的决策问题，可由计算机系统自动做出，半结构化决策问题，既要利用自动化数据处理，又要靠决策者的直观判断，因此，对人的技能要求不同于传统的数据处理系统。

3、 强调ADSS的支持作用，是"支持"而不是"代替"

结构化的可以在无人干预下解决，而会计决策支持系统是靠人最后做出有效的决定。人是决策的主体，会计决策支持系统力求为决策者扩展做出决策的能力，而不是取而代之。在决策过程中过分强调计算机的作用不适当。

4、 模型与用户共同驱动

即决策过程和决策模型是动态的，是根据决策的不同层次、周围环境，用户要求以及现阶段人们对于决策问题的理解和已获得的知识等动态确定的，ADSS除存储与活动有关的各种数据外，还存储与决策关的各种专门知识和经验的知识库，各种数学模型　和经济管理模型与方法，也以一定的组织形式存储于模型库中，以备灵活调用。由数据库、模型库、方法库、知识库组成的知识系统是ADSS的基础。

5、 强调交互式的处理方式

通过大量、反复、经常性的人机对话方式将计算机无法处理的因素（如人的偏好、主观判断力、经验、价值观念等）输入计算机，并以此规定和影响着决策的过程。

6、 推理规则

ADSS是将数据模型、算法和推理方法结合起来的问题处理系统。ADSS并不取代决策者本人的工作，它只是根据系统积累的数据、知识和经验，利用管理模型，方法和推理规则，协助决策者处理决策过程中的问题，并且可以对决策者提出的问题迅速做出反映，提供有关的背景材料，供决策者分析、比较各种方案。

以上这些特点的实现主要依靠人工智能、神经网络、遗传算法以及数据仓库等核心技术，特别是数据仓库技术的广泛运用，使会计支持系统又上升了一个新的台阶。

数据仓库（Data Warehouse）是指一个对历史数据进行处理的集成化的数据收集和信息处理机构，在一般情况下，数据仓库的数据输入来自一个操作性的环境，该部分的作用是将这个环境中的数据送到另一个在物理上相分离的数据存储机构中去。而数据仓库则不断地对信息系统中的数据进行整理、挖掘从而辅助决策者有效地发现问题。数据仓库具有以下特点：

1、 数据仓库是面向主题。这意味着一个数据仓库必须是根据某些企业关心的主题来建立的。在传统的信息系统中，对数据的处理是面向过程的或者面向功能的，但对数据仓库来说，它并不面向这类操作性的过程，而是面向一些特定主题（顾客、厂家、产品等）来进行数据处理。面向主题意味着对于数据内容的选择，对信息详细程度的选择。把与决策问题无关的数据排除在数据仓库之外。而面向过程的数据却包括满足某种功能需求的数据，它可能与决策有关也可能无关。

2、 数据仓库是集成化的。数据仓库的集成化主要通过"名字转换"来实现不同应用软件数据不同格式的自动转换，通过数据仓库把不同"变量的度量"统一起来，实现结构编码的一致性和数据的物理属性的一致性。

3、 数据仓库是时变性的。在通常的操作系统中的数据是精确的，而在数据仓库中的数据是时变的（Time Variant）的。时变性表现在数据仓库的数据是在一个很长的时间上的数据，而在操作性环境中，数据的时间一般很短的，数据仓库中具有键结构，每个键结构都包含时间维度的数据，数据仓库中的数据一旦被正确地记录就不能被更新。数据仓库中的数据用于各种目的，长时间序列的快照，而操作性的数据则可以随时更新。

4、 数据仓库的数据是非活性的。操作性的数据是灵活的，它们可以执行输入、输出、插入、修改、删除等操作，而在通常情况下，数据仓库中没有更新修改等操作。它操作比较简单，只有两种操作对它们有效：一是数据的初始输入，二是数据的存取。这样在对数据操作上产生的必然结果是：在设计层上，可以不必担心对数据的错误删除等发生；在设计的物理层上，程序可以使得对数据的存取操作优化。

数据仓库中的数据一般包括以下几个层次：

1、 当前详细数据：（Current Detail Data）反映了当前发生的、用户感兴趣的数据。数据量相当庞大，它是存储粒度的最底层，一般存储在磁盘上，以至被快速存取。

2、 历史详细数据（Older Detail Data）：是按照一定的格式存储在海量的存储器上，它们不经常被存取，被存储在一个与当前详细数据相应的详细水平上。

3、 轻度概略数据（Lightly Summarized Data ）:是从底层的当前详细数据提炼出来的数据，一般存在磁盘上。关联到轻度数据的建立问题包括时轴单位的确定和该类数据应该包括什么内容或者属性等。

4、 高度概略数据（Highly Summarized Data ）：位于最上层是高度压缩的，容易存取的数据。有时侯高度概略数据可以被外部环境所引用，有时侯高度概略数据在当前数据仓库之外引用。

5、 超数据（Meta Data ）：位于最后一层次，包含着操作性环境不能直接存取得的数据，主要包括帮助ADSS查找数据仓库转换内容目录;对数据仓库中各层次的数据进行概略化的算法引导数据。

一般情况下数据从操作性环境进入到数据仓库中时，必然经由一个预定的转换过程。当数据进入数据仓库时，数据首先进入到当前详细层，数据暂被保留在该层，直到该层被概略化，或被取走发生。然后根据数据的时间性质，逐渐将当前详细数据层中的过时数据移到历史详细数据层保存。同时通过概略化过程使用当前数据来计算轻度概略数据和高度概略数据。

根据数据在数据仓库中的层次，它们被使用情况下是不同的。一般来讲，越是在概略化的高层，其数据被使用的频率越高，而历史性的数据详细数据却很少使用。因为数据概略化的程度越高，数据被使用时就越快，效率越高。

然而，ADSS的分析人员在使用一个数据仓库时，已经使用了它的详细数据层的数据。在很多情况下到达详细层数据很像经过一个安全的防护，甚至包括其他概略层数据已经有效的情况。数据仓库构筑人员的任务之一就是分离ADSS用户对数据的需求，让他们通过数据挖掘技术经常使用适当层次的数据，达到数据分析的目的，以实现会计决策支持系统的解决结构化和半结构化的问题。

本文原载于ChinaByte