[摘 要] 數據庫系統在銀行會計信息管理系統中發揮著核心作用,數據庫的設計及其應用關系著銀行會計信息管理系統的運行效率和運營效益｡本文基于事件驅動的視角,對銀行會計信息管理系統的數據庫結構以及數據倉庫在決策支持中的作用進行分析,以期對銀行現行系統數據庫的運行和改進提供借鑒｡
[關鍵詞] 事件驅動;會計信息管理系統;數據倉庫
[中圖分類號]F232[文獻標識碼]A[文章編號]1673-0194(2009)03-0005-04
一､基于事件驅動的會計信息管理系統
基于事件驅動的會計信息管理系統是建立在事項會計理論及業務流程重組理論基礎上,是面向業務過程的現代化會計信息管理系統,其業務流程如圖1所示｡
這種事件驅動的會計信息管理系統,利用了現代信息技術,將大量業務事件數據在業務活動發生時,實時地采集并存儲在業務事件數據庫,而不做任何加工處理｡當信息使用者需要相關信息時,通過人機交互平臺請求事件觸發,驅動系統相應的報告工具,按選定的信息處理規則處理源數據庫中的業務事件數據,再通過人機交互平臺向信息使用者輸出所需要的視圖｡這種基于事件驅動的會計信息系統的設計,就是基于“三庫理論”的開發技術和事件驅動的實現方法｡這里的“三庫”指的是源數據庫､報告工具庫和(用戶)目的庫｡
3個數據庫之間是彼此獨立的,在儲存業務事件數據和輸出有用信息之間,通過業務事件處理器和報告工具的轉換,不同的數據庫發揮各自的功能｡(1)源數據庫｡源數據庫用于存儲企業業務活動中各類業務事件的所有數據,其內容是實時動態的,包括財務信息和非財務信息｡(2)報告工具庫｡報告工具庫主要提供可供信息使用者選擇的各種信息處理規則,按照這些處理規則觸發源數據庫并對數據進行加工,它幾乎能支持所有用戶視圖的信息需求｡報告工具通常又由3個數據庫組合而成,即為模型庫､方法庫和知識庫｡模型庫主要包括各種核算及管理決策模型;方法庫包括各種可選的計量､估價及表達方法;知識庫用于存放各種法令規則､技術方法的解釋及示例,并且還可能包含一些與決策有關的判斷､選擇､分析和推理等知識｡3個數據庫共同工作以完成每一種報告工具的生成｡一般來說,報告工具庫相對穩定｡但是,用戶及其需求是不確定的,因此,報告工具庫還提供一種學習的能力——機器學習｡機器學習是一種信息反饋機制,有利于信息用戶的變化以及提出建議以改進報告系統,也有利于系統記錄最常被用到的信息選項,幫助改進各種宏､微觀處理規則等｡(3)(用戶)目的庫｡(用戶)目的庫主要通過人機交互方式,解釋信息使用者的信息需求,確定用戶需要的信息報告模板,然后驅動報告工具庫,以獲取信息｡
可見,基于事件驅動的會計管理信息系統的業務處理流程是通過“三庫”來實現的｡“三庫”之間的邏輯關系如圖2所示｡
二､基于數據倉庫的銀行會計信息管理系統
(一)銀行會計信息管理系統的數據處理流程
銀行會計信息管理系統的目標,就是結合銀行業的管理及其業務處理的特點,以滿足特定的用戶信息需求｡具體來說,銀行會計信息管理系統是以綜合前置應用系統､核算報表中心系統､預算管理中心系統､固定資產管理系統等為數據源,對財務信息和非財務信息進行收集､計量､存儲､分析,把收入､支出分解到產品､客戶和責任單位,為計算產品､客戶和責任單位的成本及利潤提供信息,為綜合經營計劃的考核和監控提供信息｡其中,綜合前置應用系統是銀行業為適應業務發展的需要,為處理拓展服務與優化系統體系結構之間的矛盾而建立的統一的､集成的渠道接入與延伸業務處理系統｡其主要功能是實現對預算執行的控制､業務處理和過程控制;預算管理中心系統主要采用全面預算管理的思想,注重預算管理､業務處理與會計核算的緊密結合,以預算項目體系設立和責任中心劃分為實施架構,采用聯網聯合､集成共享及流程固化等技術,實現預算編制､下達､執行､調整､考評等功能;核算報表中心系統是實現以預算控制為核心的全面預算管理的重要基礎,主要完成會計核算和會計報表生成兩大功能;固定資產管理系統主要完成對銀行的管理資產的增加､減少､折舊及其使用狀態的管理｡ 數據倉庫(Data Warehouse,DW)是20世紀90年代初提出的概念,到90年代中期已經形成潮流｡數據倉庫的提出以關系數據庫､并行處理和分布式技術的飛速發展為基礎,目的是解決在信息技術(IT)發展中存在的擁有大量數據和有用信息貧乏(Data rich-Information poor)的問題｡目前,我國銀行基本上已運行了數據倉庫,以支持決策｡
數據倉庫是“三庫”的集成,在會計信息管理系統中處于中心地位,它受數據源系統的制約,同時對數據源系統有改良要求｡運用數據庫分析模型對數據源進行統計分析,并進行運算､儲存,從而產生銀行運營中的客戶利潤､產品利潤､部門業績等各類報告｡銀行的管理者通過報告可以作出相應的考核､規劃和決策,從而又影響數據源系統的運行｡基于數據倉庫的銀行會計信息管理系統的處理流程如圖3所示｡
(二)銀行會計信息管理系統的數據處理邏輯
基于事件驅動的銀行會計信息管理系統,采用了事件驅動機制實時地采集并記錄業務事件數據,實現銀行對日常業務活動的響應和處理｡
業務事件是系統處理邏輯的起點｡當業務事件發生時,所有原始數據被適當加工成標準編碼的源數據,記錄業務事件的個體特征和屬性,集成到業務事件數據倉庫中,而不是聽任數據分散､重復存儲于多個低耦合的數據庫系統｡業務事件數據倉庫不僅記錄符合會計事項定義的業務事件,而且記錄管理者需要的計劃､控制和評價的所有業務事件,存儲業務活動中多方面的細節信息｡任何授權用戶都可以通過業務事件數據倉庫所存儲的數據來定義和獲取所需要的有用信息,而分類､匯總和余額計算處理都放在報告查詢輸出過程中｡由此,傳統意義上的會計信息系統(AIS)成為業務事件驅動型的會計信息管理系統(AIMS)的一個用戶輸出視圖｡該系統既能提供多種視圖驅動應用所需提供的全部視圖(運營層､控制層､決策層),又能避免數據重復存儲和數據不一致的問題｡在傳統信息處理環境下,用戶不僅要控制輸入,還要控制復雜的過賬處理,而業務事件驅動型的AIMS則可直接查詢已記錄事件的各種屬性,并確保信息處理的實時控制｡業務事件數據倉庫中的處理單元在業務發生時捕捉業務數據,既能執行業務規劃和控制,又能校驗數據的準確性和完整性｡銀行會計信息管理系統的數據處理邏輯如圖4所示｡
在銀行管理信息系統中,AIMS是銀行業務事件的一個適時處理中心,它是以操作型數據庫系統(關系型業務數據庫管理系統,RDBMS)為基礎,面向顧客,輸出各種用戶視圖,支持大量的基本日常事務處理和操作型數據的查詢處理｡這種業務數據庫既可以實時提供信息處理和控制,又可以面向決策,支持所有的用戶視圖｡從圖4可以看出,銀行的運營層､控制層和決策層還可以對業務事件進行適時控制,也可以調整信息處理方式(如調整模型庫､方法庫或知識庫),以獲得需要的用戶視圖｡所以,必須要求系統的數據處理頻率高､速度快,及時給予用戶響應｡
但是,這種操作系統是典型的結構化系統,它雖然能自動地快速響應和處理大量的日常業務事件,但是僅能提供少數方法來輸入或訪問所管理的數據,不能很好地支持分析決策｡因此,AIMS還必須被訓練成根據銀行業建立的一系列規則來處理并報告所發生的業務事件,是一個聯機事務處理系統(On-Line Transaction Processing,OLTP)｡
三､基于數據倉庫的銀行決策支持系統
聯機事務處理系統(OLTP)是20世紀90年代僅次于Internet之后的又一技術熱點,它和數據倉庫一起構成決策系統的核心｡
在日益激烈的市場競爭中,一些銀行為保持和提高競爭性和盈利性,正力圖將業務數據庫中大量業務數據擴展到聯機分析處理,其處理模式即是聯機分析處理(OLAP)｡銀行借助OLAP,從業務數據庫中得到各種面向主體的統計信息和經過計算的結論,來支持分析決策以滿足用戶的信息需求;信息系統有更好的訪問信息,無疑有助于銀行業取得競爭優勢｡而數據倉庫技術是實現這種聯機分析處理的關鍵,取得競爭優勢的要求驅動著大部分銀行掀起建立基于數據倉庫系統的研究｡銀行會計信息管理系統充分利用了DW和OLAP技術,來支持事件驅動下的會計業務處理､管理控制和決策支持等功能｡ (一)銀行業數據倉庫系統的體系結構
一個典型的銀行數據倉庫系統通常包含數據源､數據存儲與管理､OLAP服務器以及前端工具與應用｡銀行業的數據倉庫系統體系結構如圖5所示｡
1. 數據源
數據源是數據倉庫系統的基礎,是整個系統的數據源泉｡通常包括銀行內部信息和外部信息｡內部信息包括存放于業務數據庫(RDBMS)中的各種業務處理數據和各類文檔數據｡外部信息包括各類法律法規､市場信息和競爭對手的信息等｡
2. 數據的存儲與管理
數據的存儲與管理是整個數據倉庫系統的核心｡數據倉庫的真正關鍵是數據的存儲和管理｡數據倉庫的組織管理方式決定了它有別于傳統數據庫,同時也決定了其外部數據的表現形式｡要決定采用什么產品和技術來建立數據倉庫的核心,則需要從數據倉庫的技術特點著手分析｡針對現有各業務系統的數據,進行抽取､清理,并有效集成,按照主題進行組織｡數據倉庫按照數據的覆蓋范圍可以分為總行級數據倉庫和分行級數據倉庫｡
3. OLAP服務器
OLAP服務器對分析所需要的數據進行有效集成,按多維模型予以組織,以便進行多角度､多層次的分析,并發現其變化的趨勢｡
4. 前端工具與應用
前端工具主要包括各種報表工具､查詢工具､數據分析工具､數據挖掘工具以及各種基于數據倉庫或數據挖掘的應用開發工具｡其中數據分析工具主要針對OLAP服務器,報表工具､數據挖掘工具主要針對數據倉庫｡
(二)基于數據倉庫的銀行決策支持系統結構
銀行的決策支持系統是以數據倉庫為基礎,集成了“三庫”､OLAP技術､數據挖掘及交互接口而形成的更高一級的決策支持系統｡其中,數據倉庫主要實現對決策主體的存儲和綜合,OLAP實現多位數據分析,數據挖掘用以挖掘數據庫､模型庫､方法庫和知識庫實現多個廣義模型的組合輔助決策,專家系統利用知識推理實現定性分析｡它們集成的決策支持系統將相互補充､相互依賴,發揮各自的輔助決策優勢,實現更有效的輔助決策｡其結構如圖6所示｡
由圖6可以看出,基于數據倉庫的銀行決策支持系統的體系結構包括3個主體:
第一個主體是方法庫､模型庫系統和數據庫系統的結合,它是決策支持的基礎,為決策問題提供定量分析(模型計算)的輔助決策信息｡
第二個主體是數據倉庫､OLAP,它從數據倉庫中提取綜合數據和信息,這些數據和信息反映了銀行大量業務數據的內在本質｡
第三個主體是專家系統和數據挖掘的結合｡數據挖掘從數據庫和數據倉庫中挖掘知識,并將其放入專家系統的知識庫中,再進行知識推理,以支持專家系統的定性輔助決策｡
這3個主體既相互補充,又相互結合,它們集成在一起形成更高一級的決策支持系統,它對決策問題既可以進行定量分析,又可以進行定性分析;既可以處理來自不同系統､不同數據格式的大量數據,又可以進行復雜的數值計算,能夠更好地完成輔助決策任務｡它的出現將會使銀行決策支持系統達到一個新的階段｡
主要參考文獻
[1] 阿妮塔·S·霍蘭德,等. 現代會計信息系統[M]. 楊周南,等,譯. 北京:經濟科學出版社,2001.
[2] 賈鐵真. 對建設銀行管理信息系統建設的探討[J]. 中國金融電腦,2001(8).
