商业智能在财务公司的应用初探

文│ 申能集团有限公司 沙 健

上海宝信软件股份有限公司 杰 波

在日常经营活动中，财务公司通过管理信息系统快速收集和处理业务信息，实现对公司各方面的业务管理。这些系统除了本身的应用外，还积累了大量的数据，如协议、交易账目、客户资料等。为把这些庞大的数据转化为知识，进而辅助公司经营决策，甚至自动生成商业决策的能力，我们在应用商业智能方面进行了初步的探索。

1 商业智能简介

1.1 商业智能的概念

商业智能（Business Intelligence，简称BI）的概念最早是Gartner Group于1996年提出来的。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、联机分析、数据挖掘、数据备份和恢复等部分组成，以帮助企业决策为目的的技术及其应用。

随着商务环境的变迁和技术的进步，人们对于商业智能有了更多和更深的认识。共同的认识是：商业智能是商业数据海洋中的指南针，它从历史数据中提取信息，搞清楚经营状况，通过信息的分析获取对经营决策有价值的知识，从而帮助用户对自身的业务经营做出正确而明智的决定。

1.2 商业智能的功能

商业智能系统包括三部分的功能：信息处理、分析处理和知识发现。前两个部分是商业智能的前端展现对象，第三部分则属于数据挖掘层次。

信息处理包括查询和基本的统计分析，如使用交叉表、图表或者图进行报表的展示。分析处理支持基本的OLAP操作，如上钻、下钻、旋转、切片和切块等，其表现形式也以报表为主。在BI系统中，报表的数据来源不是关系型数据库，而是从许多来自不同的企业运作系统的数据中提取出的有用数据，同时对这些数据进行清理以保证数据的正确性，然后经过抽取、转换和装载（即ETL过程），合并到一个企业级的数据仓库里，再经过联机分析处理（OLAP）而获得的企业数据的一个全局视图。BI系统中的报表往往有很强的自定义功能（如可以针对某一个维度随意上钻和下钻）和很强的表现能力（如可以在不同的图形表形式上随意切换）。

数据挖掘（DM，Data Mining）是商业智能过程的第二个层次的应用，通过它可以找出隐藏的模式和关联，进行分类和预测。

1.3 商业智能的体系结构

商业智能的体系结构分为源数据层、数据转换层、数据仓库（数据集市）层、OLAP及数据挖掘层和用户展现层。这几层通过密切的协作完成商业智能的功能，它们的相互依赖关系如图1所示。

图1 商业智能体系结构图

数据仓库系统的数据来源主要是外部的操作性应用系统，这些数据源包括数据的业务含义和业务规则，表达业务数据的表、字段、视图、列和索引等。

ETL过程即抽取（Extraction）、转换（Transformation）和装载（Load）。ETL过程负责将业务系统中各种关系型数据、外部数据、遗留数据和其他相关数据经过清洗、转化和整理后放进中心数据仓库。

数据仓库是商业智能系统的基础，是面向主题的、集成的、稳定的和随时间不断变化的数据集合。数据仓库的应用包括联机在线分析处理（OLAP）和数据挖掘（DM）。通过对数据仓库中多维数据的钻取、切片及旋转等分析动作，可以完成决策支持需要的查询及报表。通过数据挖掘，可以发现隐藏在数据中的潜在规则。

前端展现可以提供各种能帮助人们快速理解数据内涵的可视化手段。它是数据仓库的门面，包括各种报表工具、查询工具和数据分析工具以表格或图形化的手段对数据的展现。

1.4 数据仓库的特征

数据仓库是一个面向主题的、集成的、相对稳定的且随时间变化的数据集合，用于支持管理决策。

（1）面向主题：数据仓库中数据是按照一定的主题域进行组织，主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相关。对于商务分析来说，典型的主题域有客户、产品、交易（销售）和收益等。数据仓库将这些数据集中于一个地方，在这种结构中，对应某个主题的全部数据被存放在同一数据表中，这样决策者可以非常方便地在数据仓库中的一个位置检索包含某个主题的所有数据。按主题的数据组织方法，极大地方便了数据分析的过程。

（2）集成：数据仓库中的数据是对原有分散的数据库数据抽取、清理的基础上，经过系统加工、汇总和整理得到的，保证了数据仓库内的信息是关于整个企业的一致的全局信息，全面而正确的数据是有效地进行分析和决策的首要前提。在某一个主题的统帅下，将数据进行提取、净化、转换和装载等集成操作。

（3）相对稳定：对于决策分析而言，历史数据是相当重要的，许多分析方法必须以大量的历史数据为依托。因此，数据仓库对数据在空间和时间的广度上都有了更高的要求。数据仓库的数据主要供企业决策分析之用，一般有大量的查询操作，但修改和删除操作很少，通常只需要定期加载、刷新。

（4）随时间变化逐时增加：数据仓库中的数据通常包含历史信息，记录了企业从过去某一时点到目前的各个阶段的信息。数据仓库实际上就是记录系统的各个瞬态，并通过将各个瞬态连接起来形成动画，从而在数据分析时再现系统运动的全过程。

数据仓库能够反映历史的变化，主要表现在：数据仓库中的数据时间期限远远长于传统操作型数据系统中的数据时间期限；数据仓库中的数据仅仅是一系列某一时刻生成的复杂的快照；数据仓库中一定包含时间元素。

数据仓库是商业智能分析的最基本环境，其分析与设计是十分重要的。我们将通过对财务公司业务分析，给出财务公司数据仓库的设计蓝图，并对其中“协议”主题域的细化设计进行说明。

2 财务公司业务模型

2.1 财务公司的特点

财务公司作为非银行金融机构，具有产融结合的特征，致力于提高集团公司的资金利用效率，降低集团公司的资金成本，支持集团的业务扩张。

财务公司主要具有以下特点：

（1）财务公司主要为所属集团服务，财务公司的资金运用主要在所属集团内部，或是有关资金虽然投向别的企业或居民，但目的仍是为了所属集团的业务拓展，如消费信贷业务、买方信贷业务等。

（2）财务公司作为企业集团的一部分，在企业内部的金融业务中，一方面遵循市场规则，另一方面则按照企业内部的行政管理体制行事，即根据下级服从上级的方式从事企业集团内部的金融业务。也就是说，财务公司是用管理成本代替交易成本。要使企业集团内部的金融业务管理成本小于企业与其他金融机构从事金融业务的交易成本，需要一定的条件，主要有以下几点：一是所属企业集团的规模较大，由于开展企业内部金融业务需要一定的固定成本，企业集团规模越大，单位业务的固定管理成本越低；二是企业集团内部各企业具有一定的差异性，差异性的存在将使企业集团内部各企业在现金流方面实现互补，否则，如果各个企业的现金流基本相同，企业集团只能通过与外部进行金融交易获得资金；三是财务公司所属企业集团的内部管理应该偏向于集权，而不是分权，否则财务公司的管理成本会比较高。

（3）财务公司作为企业集团的一部分，并且其主要业务是为企业集团服务，因而财务公司的发展受所属企业集团的经营状况的影响较大，也易受企业集团所属行业的波动的影响。

（4）财务公司不可能成为主流的金融企业形式，一是财务公司的发展受制于所属企业集团的发展；二是企业集团作为一个整体，不可能只靠内部的资金融通解决资金需求的问题，企业要发展，必须要有外部资金的参与；三是如果各个企业集团都在内部进行融资，金融市场的效率将会受到极大影响。

2.2 财务公司的主要业务

财务公司可以开展的业务范围较宽，既有银行业务，也有投资业务。

存款业务是财务公司的基本业务之一，财务公司被看作是准银行组织，财务公司吸收的存款也要向中国人民银行上交存款准备金。财务公司的资金来源主要是集团内部存款，包括定期存款和性质为活期存款的结算存款；小部分资金来自银行同业拆借市场，主要用作资金调剂。

贷款业务是财务公司主要的资金运用业务，财务公司的贷款业务可以是自营贷款，也可以是委托贷款或者信托贷款。

财务公司经批准可以开展有价证券投资业务，财务公司可以购买的证券类资产有国债、企业债、股票、基金、金融债券等。

财务公司的资产主要是集团内部的贷款，另有一定量的股权投资与证券投资。

财务公司的中间业务包括结算业务、发行和代理发行债券、以及一些表外业务（如担保业务、票据承兑业务）。

2.3 数据仓库概念模型

在对财务公司的业务进行逻辑分析和理解的基础上，结合Teradata FS-LDM，建立财务公司数据仓库的概念模型，用来体现主题中关键实体的联系，提供高层次、粗线条的设计蓝图，是对数据仓库在战略上和总体架构上的指导和原则。如图2所示。

从概念模型可以看出，包括以下8个主题域，如图3所示。

（1）团体：是指财务公司所服务的任意对象和感兴趣进行分析的各种对象。如公司客户、潜在客户、合作伙伴、雇员、部门等。一个团体可以同时是这当中许多种角色。借助团体主题的建立可以实现基于客户基本信息的分析，是实现以客户为中心的各种分析应用的重要基础。

（2）资产：用于描述团体的资产，资产主题包含两大类的资产，客户资产和财务公司自有资产。一个资产可以被多个团体所拥有，一个团体可以与多个资产有关。资产可分为实物资产、金融资产与无形资产。客户资产信息的来源很多情况下是在客户申请贷款时所提供的各种担保品信息、抵质押品信息等。本主题可以存放从业务系统能够得到所有的客户资产或财务公司自有资产，可以房地产、存货、机动车辆以及其他金融机构的存款。

（3）地域：信息存储了希望观察和分析的任何区域，既包括传统类型的地址信息（如区县、街道），又包括如电话、电子邮箱等电子地址信息。

（4）产品：是财务公司向客户销售或提供给客户所使用的服务。

图2 数据仓库的概念模型

图3 数据仓库的主题域图

（5）协议：是财务公司与团体之间针对某种特定产品或服务而签立的契约关系，它可以是多样化的，如帐户、合同等。当财务公司与客户之间针对某种产品或服务的条款和条件达成协议时，一个协议就会被开立，因此协议是客户和银行往来的重要载体。协议主题与很多应用有关，如风险敞口的计算、不同种类协议的评级、资产负债的缺口分析、客户和银行的往来情况（客户贡献、客户买的什么产品、何时购买的产品）等。

（6）事件：是一个范围很广义的概念，可以记录各种与财务公司相关活动的详细情况。既可以与资金相关，也可以与资金无关；既可以有客户参与，也可以没有客户参与；既可以与帐户相关，也可以与帐户无关；可以由客户发起，也可以由财务公司银行发起。总之它可以记录的范围非常广泛，可以记录各种与银行相关活动的详细情况，包括交易数据，比如存款、提款、付款、计算利息和费用、查询产品、查询地址、查询余额、网上交易等。

（7）财务：主要包括财务公司银行的总帐信息，是描述科目组织、控制、内部核算等银行核心科目帐务以及预算管理有关的内容。

（8）模型：是存储与模型细节相关的信息类，包括模型细节（模型名称、创建时间等）、模型指标以及团体、渠道、产品的评分和细分。模型可以有多次运行；一个模型和另一个模型可以有多种关系；模型有多个结果值。

2.4 “协议”主题域设计说明

协议是财务与客户之间针对某种特定产品或服务而签立的契约关系，例如存款帐户、贷款帐户等。协议主题与团体、事件、产品等主题之间有着密切的联系。

当财务公司金融机构与客户之间针对某种产品或服务的条款和条件达成协议时，一个协议就会被开立。

在一个时间点，一个协议只能对应一种产品，该产品可能是一个产品包的一部分。

一个协议除了持有人外，可能与其他的团体有关系，如受益人、共同签字人、担保人等，这些也是团体对协议的角色。

一个协议也可能与其他协议相关联，如一个帐户由于筹措资金的需要而被另一个帐户所取代，或一个帐户对另一个帐户提供担保。

协议的实例有活期存款账户、定期存款账户、贷款合同、投资账户、担保合同等。

协议的主要实体有帐户、帐户分类、帐户特性、帐户报价、帐户评级等。

协议的主要关系有帐户/产品关系、帐户/特性关系、帐户/帐户关系、团体/帐户关系、帐户/资产关系、帐户/地址关系等。

3 应用示例

在数据仓库逻辑结构设计的基础上，就可以创建数据仓库；而数据仓库中的数据则经过“提取－转换－加载”的过程，从原始业务数据中获取；对数据的多维分析并不是主要针对数据仓库，而是针对从数据仓库中提取的子集，因此还需要在具体分析数据之前创建数据立方；通过创建基于多维数据集的报表可以对数据立方进行全方位地钻取，作为商业智能中的前端展现部分。

我们通过柱状图、数据列表、仪表盘和雷达图等展示工具，有选择地将财务公司日常关心的数据和指标以图形化的方式组织起来构成了商业智能的导航仓，给管理人员提供了便捷的引导服务。

通过导航仓，管理人员可以根据需要从这些数据和指标出发深入到细节数据（称为“钻取”），也可以对时间、客户、产品等多种维度中的一部分选定值后关注数据在其他维度上的分布（称为“切片和切块”），也可以变换表格中维度的方向，重新安排维的放置（称为“旋转”），从而快速地掌握公司的运营情况。

4 结束语

上述应用主要体现了商业智能在报表和数据分析方面的应用，对于数据挖掘尚未涉及。数据挖掘的关键是要选择或设计模式和关系的析别算法。常用的数据挖掘方法有决策树方法、分类方法、粗糙集方法、神经网络、关联规则、概念树和遗传算法等。我们将针对财务公司特定的数据和问题，逐步探索数据挖掘的应用，选择或设计一种或者多种挖掘模式或算法，寻找规律，从而实现预测，更好地支持决策。

1 李程.论商业智能技术在企业财务管理中的应用.现代商贸工业.2011.20

2 谢世诚.商业智能走近中小企业.微型机与应用.2007.4

3 杨俊锋.商业智能系统的设计与实现.大连铁道学院.2002

4 贺晓锋.基于Teradata的银行数据仓库模型研究与优化.厦门大学.2008

5 杜胜利.基于产业类型的财务公司业务模式比较.中国工业经济.2004.11