BI技術在全面預算管理中的研究
一、摘要
企業全面預算理論和實際應用中預算口徑時變、預算目標難以分解和無法監控、預算編制博弈過程等問題受到了傳統IT技術的應用局限難以解決，而商務智能技術中多維度、多層次、能計算、適宜分析預測的特點能夠彌補其中一些不足，立足用商務智能技術解決全面預算理論中遇到的上述問題。
BI技術在企業全面預算管理中的應用在石油行業的一些項目實踐效果已經驗證，對于其他行業的預算業務相信也可以適用。石油行業全面預算管理系統同很多典型的大型集團全面預算一樣，同時受到行業特點、上市公司財務及審計制度(Sarbanes-Oxley等)的要求，面臨預算目標分解、預算目標監控、預算編制博弈過程、預算分析預測、滾動預算分析監控、石油價格波動(非季節波動)等問題，而如果依靠商務智能技術建立的一個模型，利用多維模型、數據權限、審計、防止欺詐、非季節性預測、相關性分析等數據庫相關領域的技術就可以很好的解決企業全面預算管理中面臨的共性和本行業的特性。并且可以將企業管理理論和信息化實踐真正結合，也為預算管理理論在應用中的找到了一個切入點，將會為更多的企業提供全面預算管理的綜合解決方案。
二、背景
1. 項目介紹
近年來，中國的石油供給問題已經上升到國家石油安全的高度。在能源緊缺和市場完全放開的雙重壓力下，中國石油化工企業倉促“走出去”的腳步，凌亂而真實。為了支持高速度、高質量發展的戰略目標，××公司的規模還將持續快速增長，迫切需要提升公司管理的科技手段以提高公司的管理效率，優化資源配置，完善決策控制機制，建立規范的全面預算管理體系，形成一整套全面預算管理制度及其配套實施細則。為繼續深入推進××公司的全面預算管理項目，進一步完善預算編制、執行、報告和考核等方面的管理，啟動了“××公司全面預算管理信息系統”項目。在不久的將來，越來越多的企事業單位將越來越關注該領域的應用，雖然項目帶有一些行業特色，但項目經驗和實施內容具有很強的推廣價值。
2. 國內外相關研究狀況
商業智能(Business Intelligence，簡稱BI)的概念最早是由Gartner Group于1996年提出來的。在過去的 15 年中，Ralph Kimball 和 Bill Inmon 一直是商業智能領域中的革新者，開發并測試了新的技術和體系結構。Bill Inmon 通過“面向主題”表示應該圍繞主題來組織數據倉庫中的數據，特定數據集市中的所有數據都應該來自于面向主題的數據存儲。Ralph Kimball 說“數據倉庫僅僅是構成它的數據集市的聯合”，他認為“可以通過一系列維數相同的數據集市遞增地構建數據倉庫”。在實際的商務智能應用發展中，也主要是這兩個流派的相關理論的實際應用，現在的商業智能就像幾年前的ERP一樣，成為CIO們關注的焦點。在ERP等基礎信息系統部署完之后，企業能夠對其業務數據進行更為有效的管理，于是如何利用這些數據創造價值成為企業下一步思考的問題，希望藉此來實現多重企業目標。
上個世紀80年代一份權威調查統計數據顯示，美國幾乎所有大型公司都采用全面預算管理。全面預算管理作為一種含金量極高的管理工具，早已融會于美國大型企業管理文化的血脈之中，成為它們市場利益追逐歷久彌新的財富基因。近10年來，同樣經歷過市場無數次實踐驗證，中國大中型企業也逐步認識到全面預算管理的工具價值，并以“中國特色”的方式予以確認和發揚。從最簡單最容易上手的電子表格到企業管理信息系統。這些系統大都是將全面預算管理系統定位在MIS系統之上，但預算管理有著與其他MIS系統不一樣的業務特色。從管理體制上看，企業是以企業資源分配作為預算的主要依據，在完全市場經濟下其預算目標是“單一化”的，即確保股東權益的增值;而國內企業的預算目標則是“多元化”的，所下達的預算目標并不與完全資源分配掛鉤，在某種程度上造成預算目標的混亂，進而使預算失去方向。實行全面預算管理的主要目的是為了控制企業關鍵經營指標，制定合理預算目標的關鍵，是要依托企業戰略。預算目標就是企業戰略目標的分解和細化，是保證企業戰略意圖得以實現的有效手段和工具。而傳統的MIS系統也就是大家常說的業務系統，其思想確是根據實際發生情況而構建的，并非對目標進行分解，因此傳統的解決方法很難奏效。而商務智能技術有著先天的層次匯總和目標分解能力，因此，將商務智能技術引入全面預算管理系統將會是一個發展趨勢。
三、解決方案創新
全面預算管理系統定位是一個企業管理業務系統，卻存在著一些和傳統MIS系統不相同的問題。因此在項目中創新性的借鑒商務智能技術，將系統構建在多維數據庫上。但這種創新也遇到一些新的問題，在文章中簡單的做一個經驗總結，希望能夠和大家分享。
1. 依靠BI技術構建企業績效管理流程
全面預算管理理論從最初的計劃、協調生產發展而成的現在兼具控制、激勵、評價等功能的一種綜合貫徹企業戰略方針的經營機制。全面預算管理是將企業的決策目標及其資源配置以預算的方式加以量化，并使之得以實現的企業內部管理活動。全面預算反映的是企業未來某一特定期間的全部生產、經營活動的財務計劃。因此我們借助了ETL、OLAP數據庫、報表、數據倉庫、數據挖掘等BI技術，構建一個商務智能模型應對企業績效管理過程中的各個管理流程。通過構建的BPM模型幫助企業進行目標設定、建模、計劃、監控、分析、報表等環節，形成一個閉環模型，這個閉環上的所有的活動都共享OLAP數據庫的數據信息，就是通過這樣一個閉環模型擴展開就能夠形成一個企業績效的信息化方法論。
2.建立多維模型以適應企業全面預算要求
企業全面預算一般包括營業預算、資本預算、財務預算、籌資預算等部分，但各個企業實際業務、市場環境和戰略目標卻不盡相同，因此對于企業全面預算管理要求建立的數據模型如果沿用關系型數據模型則不適合解決，因此要求建立多維數據模型以反映不同企業的預算要求。
企業全面預算的制定應當是各參與方之間重復博弈的過程，在這個過程中，信息流動是多向的，也是反復的，直至達到最后的一致。建立統一的多維數據模型是為企業設計完整、系統的全面預算管理體系方案中最為重要的部分。在這個多維模型中要求能夠確定組織架構，堅持“戰略、預算與績效高效互動”的原則，以“運作計劃體系”、“預算執行評估體系”和“預算調整體系”為設計的3大重點建立全面預算管理體系，以業務活動為驅動，設計切實可行、科學合理的全面預算模型體系。同時能夠結合企業的預算周期、關注指標、分析預測等特點來建立多維模型。
在這個多維模型中抽象出幾個適合全面預算要求的公共維度，currency(貨幣)、account(科目)、entity(實體或業務單元)、year(年份)、time period(期間)、scenario(情景)、version(版本)。基于此，針對不同的業務需求，可以適當增加維度，不過不可以太多，超過13個維度會嚴重影響多維模型性能。并且對各個維度的存儲情況按照數據聚合程度分別設計成Store或Dynamic Calculation等不同存儲屬性，以提高數據計算和訪問的綜合性能。
3.通過目標分解算法將企業戰略變為企業預算
全面預算管理系統定位是一個企業管理業務系統，卻存在著一些和傳統MIS系統不相同的問題，例如傳統MIS系統通常處理的是實際發生的事實的明細數據，并將數據層層匯總，傳統的BI系統也都如此，但企業戰略目標制定實施執行卻往往不是如此，它是從目標從上往下，層層分解，這就要求能夠利用信息化幫助企業去執行戰略目標。這是全面預算管理理論中即使借助信息化手段也難于實現的部分。在實際應用中，可以基于多維數據庫語言來實現。目前MDX語言已經成為多維數據庫的標準通用語言，但在目前掌握這類語言的人并不多，在國外這一技術已經變得非常普及，它能夠幫助采用統一的語言標準設計和實現不同多維數據庫的。在MDX中可以活用一些集合函數，如Parent、Children、Descendants、Ascendants、Ancestor、ParallelPeriod、YTD等，可以很好的幫助我們設計多維數據庫的計算腳本，通過多維模型語言建立“Top-Down”、“Bottom-Up”以及上下結合的目標分解算法，并將幾種腳本分別測試，研究腳本和目標分解方法的適用性進行對比，幫助企業領導者部署企業戰略，縮短預算編制形成時間，減輕預算試算工作量。
4.利用回歸模型輔助制定企業戰略
企業預算的編制合理性依賴于企業戰略目標的制定，然而企業戰略目標使企業領導者以及董事會根據分析企業所處的生存環境，包括國家宏觀政策、行業發展趨勢、競爭對手狀況等內容，并據此制定企業營銷、產品、研發、投資、融資等方面策略，更重要的是結合企業往年實際經營情況和預算執行情況的分析進行預測。因此研究預測模型對預算基礎因子有著十分重要的意義。
例如在石油行業，預算編制過程和結果都與國際油價(WTI價格)有著非常強的相關性。原油的價格水平與原油需求量有著直接關系，原油需求的這種增長趨勢導致油價提升，油價提升會刺激原油生產增加，當供大于求時，高價位又會有所回落，周而復始。在國際油價的變化中，客觀上存在著線性趨勢部分。此外，還經常有一些致使油價發生突變的因素。由此可見，國際油價變化的線性構成與波動構成都是客觀存在著的。
因此研究一個改進了的原油價格預測方法對基準預算因子國際油價的準確確定能夠幫助企業關鍵經營指標有著非比尋常的意義。項目中先用數學公式推導并設計了一個基于時間序列的線性趨勢和波動趨勢相結合的預測回歸模型，并通過MDX語言將它實現，形成一個能夠幫助預算編制測算的預測模型，并經過歷史數據的驗證完善預測因子和預測算法模型。但MDX并非能夠解決一些計算中產生的問題，很多時候可以借助目前主流的一些Data Mining工具和統計分析工具來完成。這也許是實際應用中的一個捷徑，很多時候這些工具和產品都提供了目前數學和數據挖掘上的許多算法，并不需要我們重新設計和實現算法，這樣我們就只需要將研究時間放在模型建立和模型因子的確定上了。
四、研究方法創新
企業面臨新的管理需求，績效管理擺在了一個十分重要的地位。目前國內實際應用水平主要停留在基本的數據整合階段和統計分析，實施效果有限，在國外，項目應用也僅僅處于探索階段，尚未形成完善的、普遍的理論體系，用于指導項目實踐。相信將來有越來越多的數據庫工程師借鑒成熟的商業智能方法論和軟件管理過程模型，來歸納一般性思路、方法、規范和原則，并在項目實施的過程管理方面做出探索和研究，依靠信息技術在大型集團客戶中實施信息系統，幫助企業提升管理能力。
多維數據模型將采用迭代方法進行設計實施，圍繞以下技術路線：調研→可行性研究→全面預算業務模型研究→多維模型設計→數據導入→算法設計(目標分解、預測回歸模型)→算法驗證(目標分解、預測回歸模型)→技術改進，將這些步驟迭代組成一個研究閉環，借用CMMI過程改進IDEAL模型(Initiating、Diagnosing、Establishing、Acting、Learning)，通過兩至三次迭代循環就可以形成一套適合企業的預算管理信息化方法論。
總結
數據倉庫技術和OLAP技術的引入將可以幫助預算信息化項目和預算管理理論很好的結合;同時，它的創新性應用也幫助企業提高管理水平，縮短預算編制周期;幫助實施企業戰略;幫助預算提供預測依據使企業預算目標與實際執行情況進一步拉近。因此，在很大程度上，可以說這種應用并非在理論上或是技術上有很大突破或是創新，它只是需要設計者或是工程師積累更多的數據庫應用經驗，轉變原先一成不變的數據庫傳統思路，將現有的成熟技術經過一些改良，或許就能夠收到一些創造性成果，解決許多實際應用中存在的問題。
【編輯推薦】
