作为ERP系统的一个重要环节，财务模块的分析决策能力一直不是很强。现行的财务软件都是基于这样的简单流程：记账凭证的输入到各种固定报表的输出，即使有少量的分析功能，也只产生一些基于OLTP（联机事务处理）让管理人员看了只觉得新鲜而无太大实用价值的图表。然而，要想增强财务模块的分析决策能力，现行的面向OLTP的数据库结构显得力不从心。本文主要阐述了数据仓库系统在ERP财务模块的实际意义并以财务分析中库存协调方案为例进行了实践性的探究。
一、数据仓库的概念及特点
计算机在应用于管理领域的历史进程中，主要经历了电子数据处理阶段，管理信息系统阶段，决策支持系统阶段和专家系统。
上世纪80年代中期，“数据仓库之父”WilliamH.Inmon在他的《建立数据仓库》一书中首次明确了数据仓库的概念。即“数据仓库”是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合，用以支持经营管理中的决策制定过程。
“面向主题”：传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据；数据仓库侧重于数据分析工作，是按照主题存储的。
“与时间相关”：数据库保存信息的时候，并不强调一定有时间信息。数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性。决策中，时间属性很重要。
“不可修改”：数据仓库中的数据并不是最新的，而是来源于其他数据源。数据仓库反映的是历史信息，并不是很多数据库处理的日常事务数据。因此，数据仓库中的数据是极少修改或根本不能修改的；当然，向数据仓库添加数据是允许的。
数据仓库的体系结构分为数据源、数据存储与管理、OLAP服务器、前端工具与应用4个部分。
数据源：是数据仓库系统的基础，整个系统的数据源泉。通常包括企业内部信息和外部信息。内部信息包括存放于企业操作型数据库中的各种业务数据和办公自动化系统包含的各类文档数据。外部信息包括各类法律法规、索赔案例、市场信息、竞争对手的信息以及各类外部统计数据及各类文档等。
数据存储与管理：是整个数据仓库系统的核心。在现有各业务系统的基础上，对数据进行抽取、清理，并有效集成，按照主题进行重新组织，最终确定数据仓库的物理存储结构，同时组织存储数据仓库元数据（具体包括数据仓库的数据字典、记录系统定义、数据转换规则、数据加载频率以及业务规则等信息）。按照数据的覆盖范围，数据仓库存储可以分为企业级数据仓库和部门级数据仓库。数据仓库的管理包括数据的安全、归档、备份、维护、恢复等工作。
OLAP服务器：对分析需要的数据按照多维数据模型进行再次重组，以支持用户多角度、多层次的分析，发现数据趋势。其具体实现可以分为：ROLAP、MOLAP和HOLAP.ROLAP基本数据和聚合数据均存放在RDBMS之中；MOLAP基本数据和聚合数据均存放于多维数据库中；而HOLAP是ROLAP与MOLAP的综合，基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。
前端工具与应用：前端工具包括各种数据分析工具、报表工具、查询工具、数据挖掘工具以及各种基于数据仓库或数据集市开发的应用。其中数据分析工具主要针对OLAP服务器。报表工具、数据挖掘工具既针对数据仓库，同时也针对OLAP服务器。
数据仓库技术作为一项数据管理领域的新技术，精髓在于针对联机分析处理（OLAP）提出了一种综合的解决方案，与以往很多技术不同的是，它是一种概念，而不是一种产品。它包括电子邮件文档、语音邮件文档、CD-ROM、多媒体信息以及还未考虑到的数据。数据仓库最根本的特点是物理地存放数据，这些数据并非是最新的、专有的，而是来源于其他的数据库。数据仓库的建立并不是要取代原有的数据库，而是建立在一个较全面、完善的信息应用的基础上，用于支持高层决策分析。数据仓库是数据库技术的一种新的应用，它是用数据库管理系统来管理其中的数据。可以说，数据库、数据仓库相辅相成，各有千秋。
二、财务分析中使用数据仓库的必要性
企业组成集团公司，在各企业中都存在各自的系统。这就决定了它们产生的营运数据不同，跨越软件和硬件的平台也不同。随着时间的增加，数据量日益增大，要及时访问大量数据会有困难。企业中的这些系统仅是简单的MIS系统，无法提供深层次的管理决策服务，这些数据也没得到很好地利用。随着我国市场经济的不断发展，面临着日趋激烈的市场竞争，为了提高企业的整体管理水平，适应社会能力和竞争能力，高效快捷地进行数据分析处理和预测就显得非常重要。因此建立一套用来“了解和掌握市场信息和企业内部的变化情况和根据市场的变化迅速调整优化企业的产品结构和市场策略”的系统就非常重要。
美国在线与时代华纳的合并还历历在目。当今的跨国企业大都是进行兼并、收购才达到如此庞大的规模。如此规模的两个公司在合并后如何有效地整合是一个十分复杂的问题。其中最棘手的就是如何使这两个公司海量的信息资源迅速整合，使它们能在公司整合后的各部门之间流畅地传输。这是公司能够顺利进行财务管理必备条件。没有得到一个公司所有的业务数据就不可能进行整体财务分析，编制合并会计报表。
最简单和有效的就是重新组建一个涵盖整个公司的ERP系统。但实施这个方案的代价过于昂贵，而且需要耗费很长时间。更有效的做法，是在原有的两个主体ERP系统之上再设立一个系统。这种做法看似简单，实际上同样需要解决存在的诸多问题。其中最主要也是最棘手的，就是从若干个不同品牌系统所使用的不同结构、甚至不同类型数据库中把庞大的数据资源有效地整合在一起。为了解决这一问题，专家们提出了一种称为抽取、转换、重载（ETL）的系统性解决方法来帮助企业对内部和外部的营运数据进行收集、归纳、量化，并提供多种数据分析、数据挖掘工具，辅助企业管理者进行科学分析预测，提高企业的数量化管理水平，提高市场竞争力。主要功能有：关键指标分析系统、财务分析系统、销售分析系统、生产计划和库存分析系统、预测分析系统及多元统计分析系统。
为迎接市场挑战，企业必须对市场运作有准确的分析。借助数据仓库的核心技术，利用企业中长期积累的海量数据，可以实现四方面的应用：一是客户分类和特点分析。根据客户历年来的大量消费记录以及客户的档案资料，对客户进行分类，并分析每类客户的消费能力、消费习惯、消费周期、需求倾向、信誉度，确定哪类顾客给企业带来最大的利润，哪类顾客仅给企业带来最少的利润同时又要求最多的回报，然后针对不同类型的客户给予不同的服务及优惠。二是市场营销策略分析。利用数据仓库技术实现市场营销策略在模型上的仿真，其仿真结果将提示所制定的市场营销策略是否合适，企业可以据此调整和优化其市场营销策略，使其获得最大的成功。三是经营成本与收入分析。对各种类型的经济活动进行成本核算，比较可能的业务收入与各种费用之间的收支差额，分析经济活动曲线，得到相应的改进措施和办法，从而降低成本、减少开支、提高收入。四是欺诈行为分析和预防。利用联机分析和数据挖掘技术，总结各种骗费、欠费行为的内在规律后，在数据仓库的基础上建立一套欺骗行为和欠费行为规则库，就可以及时预警各种骗费、欠费，尽量减少企业损失。
笔者现以库存协调模型设计及实现来探讨数据仓库在财务分析中的作用。
（一）总体假设
一个制造集团G旗下拥有3个制造企业：A、B、C，每个实体下有2种产品。于是，我们就有总共6个产品，分别为：A1、A2、B1、B2、C1、C2.这些产品在互相拼装后才能成为产成品进行出售，设：最终产品U=A1+B1+C1、V=2×A2+B2+2×C2.
由于历史原因他们安装了3套不同的ERP系统。每个系统的数据库结构各不相同：产品编码规则不同、销售事实记录的字段结构不同、等等。在集团总部安装一个数据仓库系统就能解决所有的问题。这一系统通过对来自各子公司数据的抽取、转换和装载即：ETL后得到的就是管理决策层需要的信息了。
（二）库存协调方案模型的设计及实现
对一个制造企业，成本核算是极其重要的，它能够为企业销售收入和成本预测提供合理科学的依据。一个有效地实施了ERP系统的制造企业在成本核算上较没有实施ERP系统的制造企业有很大的优势：数据的采集、传输和汇总，信息的提炼速度都会很快。然而，这只是一般的假设。如果由N个制造企业组成的一个制造企业集团想在最短的时间内计算出由这N个企业生产的零件所组装的成品成本以便对其定价的话，就会是另一番情形了。这N个制造企业都是经济实体，都拥有自己的成本核算体系和ERP系统，集团公司这些旗下子公司的成本数据具有不同的特征和格式。例如：产品的销售量字段名称会有差异，这里叫Vol，那里却叫Volumn.怎样才能把如此大量的、存在差异性的数据转化，提炼出有价值的信息就成了一个艰巨的任务。
在企业运营成本中，仓库的租赁和维护费用是重要组成部分。与此同时，它也是企业经营者控制成本的一个空间重要变量。人们一直都致力于将这类费用控制在合理的范围内，并且高效地利用自己拥有的仓储空间。随着规模的不断扩大，大型或集团企业所拥有的仓储空间不断扩大，分布也更零散。仓储费用和仓储利用效率的监控愈加困难。一些本来可以避免的仓储费用经常在不经意之间从指间流出，给企业增加了不少成本负担。那么，仓储费用和空间的管理真的就如同一匹烈马，难以驯服吗？数据仓库系统的实施可以很好地驾驭这匹“烈马”。通过对各地（或子公司）所拥有的仓储空间数据信息的协调，企业经营者可以高效地利用现有的仓储空间资源，同时，又能够避免存货溢出的现象。
良好的库存管理是企业正常运作的基础之一。一方面保证生产所需原材料的及时供应、生产半成品的合理周转，另一方面保证产品销售的及时供给。同时要求资金占用少，资金周转快捷，即达到最优库存。基于商业智能系统构建的库存分析，既能满足一般用户的对库存物品的数量、库存成本和资金占用等情况，从级别，类别，货位，批次，单件，ABC分类等不同角度的查询，又能辅助决策解决企业深层次的相关问题，如呆滞物品分析和处理、根据盘点结果及时间进行库存调整及优化等。库存分析的基础数据取自于采购、销售、生产、财务等业务模块。商业智能的库存分析帮助企业实现的功能有：
1.发现呆滞物品，提供处理建议；
2.查询某物料在各货位的储量情况分析及储量；
3.物料在某时间的收入、发生和结存情况分析；
4.物品占用库存资金分析；
5.哪种物品处于短缺或超储；
6.物品周转率分析，哪种处在积压状态；
7.查询历史各阶段的库存物品和成本情况；
8.多角度、多条件组合查询库存情况；
9.合理地计划产品的未来短期产量。
每月在各地的仓库之间对产品进行动态分配可以使各地仓储空间利用率上升，又不至于发生存货溢出，从而有效地节约费用。当然，这一切的前提是运输每一单位产品的运费比储存每一单位的产品来的便宜。
三、利用数据仓库进行财务分析的价值体现
（一）实现了关键性分析数据的集中存储、管理和共享
以往用于关键性经营指标分析的数据由于存放在不同平台的业务系统数据库中，没有统一的管理和规划，几乎没有通用性和和兼容性，很难实现总部的管理利用，只能由人工进行统计和计算，时间的延误和计算的误差无法避免，分析准确性较差，数据分析系统的实施与使用后，由系统自动从不同的业务系统平台定期收集所需相关数据，存储于数据库中，实现了数据的集中存储、管理和共享。
（二）日常经营统计数据的灵活获取
以往，要获得不同分析角度不同侧重点的可靠性指标需要进行大量重复工作，难度较大，很难做到及时准确，同时，分析角度稍有变化，现有的数据可能就无法再次利用。在使用数据分析系统后，系统提供的多视角分析和数据挖掘功能使用户多角度灵活分析其产品可靠性指标的需求得到充分满足。同时，通过对分析角度之间任的意组合，对分析角度任意层次间的灵活钻取和对分析结果的切片等操作，保证了灵活、高效地获取所需的可靠性指标信息。
（三）使管理者可以从复杂的观察工作中抽身而出
以往是管理者想知道目前企业经营状况，需让有关人员统计大量报表后，管理者再从报表中查找问题。上了数据分析系统后，只要通过设定企业日常关注的一些重要指标及这些指标异常的参数，每天本模块会自动检查这些指标，发现问题即时提示。这样管理者每天只需打开电脑，指标告警模块会提示目前企业共有有几个异常。如果没异常，管理者可腾出时间处理别的事情；如发现异常，告警模块会指导管理者迅速找到问题的所在。
（四）对客户进行信用管理
以往对客户仅是人为管理，人的主观因素较多，造成上一笔款还没付就向他提供又一笔货或向一个小客户提供一大笔货等情况，而且有些客户在集团的一家企业中是长期欠款，而在集团的另一家企业中还能得到提货。对于以上的情况，在使用数据分析系统后就再也没有发生过。应收款周转天数由70天下降到50天，对于提高企业的整体管理水平和科学决策水平起到了积极的作用。
目前，中国的数据仓库市场仍处于概念推广的阶段，将数据仓库应用于财务分析还是一个新兴领域，其建设和技术还存在很大的挑战，许多方面都需要深入研究。随着现代社会商业模式变革的进步、普及和深入，在未来大规模定制的经济环境下，数据仓库的应用必将成为企业获得竞争优势的关键武器。
作者单位：上海对外贸易学院
（责任编辑：广 大）
