财务智能决策支持系统的计算和应用

郭蓉

摘 要：智能决策系统也就是结合原始决策系统、专家系统、人工智能、知识库等技术，使数据挖掘技术在智能决策支持系统中融入，之后使数据库中相关决策数据挖掘并且分析处理，最后科学辅助决策人员进行决策。就目前智能财务决策支持系统来说，对公司统计与信息研究是非常有利的，能够使原本无法深入挖掘信息转变成为管理人员能够使用的资源。以此，文章就对财务智能决策支持系统的设计和使用进行分析。

关键词：财务决策;智能决策;系统使用

中图分类号：TP18;F275 文献标识码：A 文章编号：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

在世界經济全球化进程不断发展的过程中，市场竞争也越来越激烈，利用现代科学技术能够合理管理公司运行和资金投入。但是，公司在运营时的数据量比较大，对于财务来说，如何对数据含义进行分析，解决信息关联等为主要考虑的问题。由于计算机技术发展使信息处理技术发展更快，利用会计模型处理传统复杂财务难题。由于计算机技术的发展促进了信息处理技术的发展，使传统复杂的财务难题只要通过创建会计模型方式就能够处理。新现代社会中的财务管理有所改变，原本会计信息基础具有一定的局限性，无论是核算型或者财务分析，都无法使管理人员的实际需求得到满足。针对此问题，人工智能技术能够很好的解决，将传统核算型会计朝着网络化发展[1]。那么，文章就分析财务智能决策支持系统，从而实现企业相应决策与管理。

1 财务智能决策支持系统的体系架构

在财务智能决策支持系统利用数据仓库与挖掘技术进行设计，利用关系型数据库大存储量业务数据，能够进一步的提高大数据量管理扩充能力。利用数据挖掘技术实现系统的挖掘，从而挖掘企业大量的数据，并且对数据进行分析。其次，系统还能够创建大量挖掘模型，对数据内在关联进行分析，对预测和决策行为有利模式进行挖掘，实现全新业务模型的创建，从而使决策者能够科学决策。利用B/S三层架构创建系统，包括数据获取层、存储组织层与分析展示层。系统结构如图1所示，在设计系统时主要包括：①数据库系统。为决策支持系统提供分析辅助信息;②数据挖掘系统。在专家系统知识库中实现挖掘结果的存储，利用知识推理开展辅助决策;③数据库和OLAP。其能够通过数据仓库提取将数据本质反应的信息[2]。

通过数据仓库实现系统数据挖掘，系统数据存储为：①通过经营业务数据库选择的原发始数据，此数据是通过关系模型方式存储;②将不同主体数据仓库为数据挖掘提供。数据仓库主要包括雪花型、星型等多维数据模式。为了能够提高系统扩展性，通过基于数据仓库星型多维数据模型实现系统数据决策，具有良好扩展性和高效率，此模型数据存储通过多个事实表与维度表进行创建，能够有效实现财务决策，为了便于日常工作中用户能够频繁查询，就要实现数据聚集，此结构模型能够支持报表和分析型的需求[3]，如图2所示。

2 财务智能决策支持系统的设计

2.1 数据仓库设计

数据仓库能够提供给财务控制、预测、计划、决策等相应信息和数据，此数据仓库通过数据仓库和管理构成。利用会计核算系统对数据仓库中原始数据进行提取，数据类型包括销售、利润、资本和成本。能够直接收集和财务计划控制、预测决策相关市场信息，比如产品市场信息、金融市场信息等。上述信息和数据都是通过库文件的方式在数据仓库中存储。数据仓库管理系统能够实现数据与信息输入、维护、收集、抽取、校验、更新等处理，从而实现数据库、知识库和模型库的通信[4]。

数据仓库要使企业和市场中分散、无法综合的操作数据根据决策主题进行分类和统一，所以就要对数据进行加工给，构成数据数据层次模型，主要包括：①历史数据层。对数据进行对比、回归、预测和汇总等，实现建模和决策分析;②当前数据层。对决策最新数据进行存储，之后在历史数据库层中实现数据的转移;③归纳总结数据层。此层数据主要为当前数据和历史数据，在归纳历史数据与当前数据后，就能够得到决策需要的综合数据;④分析决策数据层。为高度综合数据，主要内容包括高度有序化数据，对底层数据分析后得出最深层次决策有用数据。

2.2 模型库设计

模型库和管理系统为财务智能决策支持系统核心，模型库指的是所有财务决策模型，能够存储财务决策、计划、控制与分析模型等描述信息。模型库管理系统能够生成模型，并且对模型进行编辑、分析、评价和维护。通过现有模型对模型进行操纵，比如模型的检验、检索、组合与选择。在模型运行时，只能够对确认后模型问题进行求解。为了自动生成模型，使模型划分为子模型、复合模型与原子模型。复合模型包括多个子模型，子模型也能够划分成为多个小模型，子模型指的是复合模型、原子模型。比如单项筹资方式决策模式为复合模型，其包括资金成本分析模型、资本结构分析模型、筹资风险风险等原子模型，或者实现总体筹资方案模型的原子模型的创建[5]。

2.3 系统主体划分

2.3.1 战略预测和决策

以企业之前历史财务数据、资源和环境进行评估之后，利用预测和决策分析模型实现集团销售、投融资、成本、存活、资金链预测、应收款等全面战略分析、预测、决策、优选。

2.3.2 财务计划和控制

财务计划和控制是以企业战略决策方案实现详细战略计划的制定，主要包括财务预算、业务计划、目标分配等，能够将财务决策行动方案进行展现。财务计划和控制决策系统主要包括财务预算编制、控制和资金控制、成本控制等。

2.3.3 财务分析和报表披露

财务分析指的是以企业经营数据对企业财务情况进行判断，异常掌握企业经济运行过程中的情况，为企业相关利益主体决策主要依据。将企业财务数据、报表与其他资料作为基础，使用外部财务专家知识库系统使用先进人工智能技术，和多个智能化企业财务分析指标、模型结合，多指标、多层次的进行动态分析判断，从而实现智能化分析。企业主要包括集团财务分析、行业板块财务分析、子公司财务分析3个层次，对集团板块、经营成果、财务情况进行全面分析和评价，使企业决策者能够了解过去、评价现在、预测未来，从而对经营决策进行改善。财务分析系统能够根据分析内容划分成为收入、利润、成本、毛利、负债、期间费用、盈利能力、偿债能力、发展能力、现金流量、经营风险等分析内容[6]。

2.3.4 考核评价

经营绩效考核评价系统是以企业经营数据与财务成果，根据一定模型与方法对企业经营者评价的方式，以企业要求使用平衡计分卡、经济增加值两种方法进行评价。

2.4 系统界面设计

系统界面能够实现人机交互，在财务决策支持中贯穿。用户通过界面的输入需求在数据处理、模型运算、知识推理中返回，界面运行机制为：①利用用户界面在系统中中直接登录;②系统通过用户模型的查找确定用户类型，通过用户模型信息与范例库、知识库匹配，确定界面工作方式，比如信息内容、文件内容的解释、输入输出方式等。对系统新用户来说，系统利用用户模型对类似模型进行选择，在用户使用时根据用户系统熟练度、知识背景、决策风格等创建全新用户模型;③系统查询用户决策问题，对决策问题是否超过系统功能范围进行分析。假如超过那么就提示用户要创建全新决策主题;如果没有超出，使决策问题利用通信模块对问题处理模块传递;④用户利用界面操作输入提交给数据此次决策问题;⑤接收结果集成处理结果，并且根据一定输入方式利用用户界面对用户进行提供[7]。

2.5 数据库设计

以系统分析得到系统主要实体包括财务评价实体、项目实体、综合评价实体，利用实体联系图设計数据库，也就是E-R图，其能够将属性、实体型、实体之间联系方式展现出来：

（1）项目实体。主要包括项目编号、名称、类型与负责人，如图3所示。

（2）财务评价实体。主要包括评价日期、项目编号、评价结果、评价结论等，如图4所示。

（3）风险评价实体。主要包括评价日期、项目编号、风险级别、评价人等，如图5所示。

（4） 财务评价实体。主要包括评价时间、项目编号、综合评价结论、评价人员等，如图6所示。

数据库设计为系统主要设计部分，以集团数据量和计算机配置情况，与系统环境要求结合，系统数据库使用SQL 2008实现。

（1）项目信息表。此表能够对项目基本信息进行存储，包括项目名称、编号、类别等，如表1所示。

（2）基础信息表。此表主要目的就是实现投资风险分析的财务数据进行存储，比如融资平均年利率、存贷款年利率等，如表2所示。

（3）财务评价表。此表能够存储财务指标评价数据，比如评价结论、评价人等，如表3所示。

3 财务智能决策支持系统的实现

3.1 投资项目管理

此模块能够实现项目基本信息的修改、添加、删除等，如图7所示。

3.2 投资分析模块

此模块能够实现拟投资项目的财务分析，存储财务计算信息，最终得到项目报酬率与可行性，如图8所示。

3.3 风险分析模块

此模块能够实现拟投资项目的投资风险分析，将综合标准差、期望现值等数据填写之后，计算现金流期望值和标准离差，通过计算之后得到风险参数，然后实现风险计算，从而得出与风险相关数据，如图9所示。

3.4 综合评价模块

此模块能够计算拟投资项目各指标，并且实现指标处理，比如修改、添加、删除等，然后保存计算数据[8]，如图10所示。

4 结语

决策支持系统和人工智能、专家系统相互结合，实现方法库和知识库辅助决策的创建，为智能决策支持系统。基于智能决策支持系统创建数据仓库，通过数据挖掘工具实现数据分析和展示，能够为决策提供支持，此就是财务智能决策支持系统。目前，智能财务决策支持系统还在不断的发展，并且具有较大上升空间，实际使用在企业中的案例并不多，部分企业信息化进程还只是起步阶段。所以，对财务智能决策支持系统研究具有现实意义。

参考文献

[1]胡永.面向大数据的企业智能财务决策支持研究[J].全国流通经济，2019.

[2]王传慧.民营制造企业管理会计决策支持系统构建研究[J].中外企业家，2020（19）：58-59.

[3]王洪海，肖侠，仇小微.大数据环境下”财务决策支持系统”案例教学探索[J].中国管理信息化，2019，022（009）：63-66.

[4]方志坚，高滢.基于数据挖掘的高校财务决策支持系统的研究[J].行政事业资产与财务，2019（05）：30-31.

[5]魏瑾，李伟华，潘炜.基于知识图谱的智能决策支持技术及应用研究[J].计算机技术与发展，2020，30（01）：1-6.

[6]谭文胜，万元，潘平衡.基于大数据技术的水电智能决策支持系统[J].水电站机电技术，2019，42（12）：9-12.

[7]贺郁萱.论防范化工企业财务风险的机制与方法[J].粘接，2019，40（10）：156-158.

[8]杨帅.网络环境下医药化工企业财务风险预警防控系统设计[J].粘接，2019，40（09）：127-132.