0引 言
　　
　　联机分析处理(On-Line Analytical Processing,OLAP) 能对多维数据进行分析操作,给用户提供一幅幅直观的视图,从而对数据获得更深入的了解,具有快速性、可分析性、多维性、一致性和交互性等特点[1]。OLAP服务器一般作为数据仓库系统的中间层,是用户预定义的多维数据视图,它对数据仓库的信息进行统计分析处理,可为具有明确分析范围和分析要求的用户提供高性能的决策支持。
　　本文通过分析高校财务决策的若干需求,应用数据仓库建模分析方法,对财务决策数据仓库的主题域维度模型进行设计和实现,并对基于OLAP的高校财务决策应用作了一些研究。Microsoft SQL Server 2005的Analysis Services 多维数据集对数据仓库中的所有数据提供了统一和集成的视图,可作为传统报表、OLAP 分析和数据挖掘的基础,本文的研究都是采用Analysis Services 多维数据集完成的。
　　
　　1 高校财务决策业务分析
　　
　　1.1 高校财务信息化状况
　　目前高校的财务管理已基本实现了信息化,并建立了相应的财务网络,通过财务数据库来实现财务信息的管理。然而,数据库中的财务信息相对孤立,财务信息系统一般也只注重财务数据的汇总核算和自动生成财务报表等功能,没有对各项指标进行多角度分析,与其他相关的管理系统也没有良好的接口。高校的财务数据分布在各个部门,财务数据往往来自多个数据源,数据算法不同,结果当然存在差异。财务信息系统中没有足够的历史数据,不利于查询和分析[2]。高校财务决策数据仓库能高效地利用财务数据,并产生相应的财务图表,为各级部门提供有效财务数据信息,帮助决策人员进行分析决策。
　　1.2财务决策业务流程及数据
　　高校财务决策业务流程如图1所示。财务决策需要对学校的基本财务数据进行数据提取,再分类实施财务历史数据比较和未来数据预测,数据分析处理后输出决策数据信息。
　　高校财务决策数据仓库中的数据源来自能提供财务数据的计划财务处、人力资源处、科研管理处、资产设备处、基本建设处和后勤管理处等部门的管理信息系统。例如计划财务处提供历年的各部门的财务信息和职工的工资信息;人力资源处提供历年的人才培养和人才引进所发生的财务费用信息;科研管理处提供历年科研成果转化和项目开发所产生的费用信息;资产设备处提供历年设备购买和设备使用情况的详细信息;基本建设处提供学校的基建项目费用信息;后勤管理处提供高校历年进行的后勤建设详细信息。
　　财务决策数据仓库的数据采集是把各业务系统中的数据加载到数据仓库中,它需要考虑采集的周期和时间,以满足数据的及时性和实时性等特点,通常分为面向数据的采集和面向报表的采集。面向数据的采集是从各业务系统的源数据库或某些文件中直接取得;面向报表的数据采集是将一些影响决策分析的信息从报表中读取或人工录入。对于决策的不同主题,除了基本数据外还必须有汇总数据。汇总分财务科目汇总和项目汇总。在财务决策数据仓库中,需要处理的数据都面向某一个主题,如何分析和处理,需要区别对待。
　　
　　2 高校财务决策数据仓库的设计
　　
　　2.1高校财务决策的需求分析
　　高校的决策者,必须经常关注很多问题,并得出有价值的答案。如:学校的科研项目业绩怎样,哪些项目处于稳定发展,哪些项目需要继续扶持?学校职工工资待遇怎样,哪些职工需要调整工资?学校需要引进哪些人才,哪些是急需人才,人才的专业方向怎样定位,人才培养教育计划和目标怎样?学校的资产状况怎样,当前需要更新哪些资产?而这一切都需要钱,学校的财务状况怎样,分别能投入多少钱?
　　2.2财务决策数据仓库主题域的设计思路
　　面向主题是财务决策数据仓库的主要特征,财务决策数据仓库的数据都围绕主题组织,主题所包含的数据个体都是与高校决策有关的数据。财务决策就是资金管理决策。教学、科研、资产、职工工资、学生收费、后勤、基建等都离不开资金,所以财务决策数据仓库的主题域归根到底就是资金管理。高校领导需要对整个学校和各部门、各项目所需资金做出总决策,而各部门、各项目内部的资金,也需要进一步做出决策,为此有一个资金管理主主题域,主主题域又分出若干子主题域,如职工工资、学生收费、后勤信息、资产信息、科研信息、教学信息等子主题。
　　2.3财务决策数据仓库的具体设计
　　2.3.1财务决策数据仓库总体结构
　　财务决策数据仓库的总体结构如图2所示。它从多个数据源中获取数据,经过ETL工具对数据进行清洗、分类后,存储在数据仓库的内部数据库中。在具体决策主题下,根据需要获取不同维度的数据,分析维度数据的层次,建立相应的事实表和维度表,内部数据库中的数据再通过数据加载工具向数据仓库提供数据信息,从而实现数据仓库。数据仓库建立并载入数据信息后就可对其中的数据进行查询和OLAP分析应用。
　　2.3.2数据仓库的数据设计
　　财务决策数据仓库的数据可分为详细数据和综合数据。详细数据是每天发生的所有数据,综合数据是汇总后的数据。数据仓库的数据量不断增加,常用数据与不常用数据会自然分化,不常用数据需要存储在备用存储器中。决策者可能会有各种决策需求,因此应对数据进行相应的划分。按数据的使用频率不同将数据划分为:详细数据、轻度综合数据(每月的汇总数据)和高度综合数据(每年的汇总数据)。高校财务数据是必须长期连续存放的,财务一般都是按月过账,数据文件每月生成一次,数据历史记录很多,数据文件很大。汇总数据是综合数据,数据量相对较小,而各类决策的结果数据其数据量更小,是高度综合数据。
　　在数据仓库中,基础数据始终处于关键位置,要保证在任何时候、任何过程都能选取,以便以此为依据作出正确的决策。
　　
　　3 数据仓库系统实现
　　
　　财务决策数据仓库的逻辑模型采用星型模型与雪花模型相结合的方式,根据决策要求,按主题的需要,建立事实表和维度表。然后,从各数据源中抽取数据,集成到数据仓库中。
　　事实表是数据仓库的核心,包括键和可以用于汇总统计的详细指标,是构成数据仓库的所有类型表中体积最大的,它通过键将各维度表组织起来[3]。根据不同主题设定的逻辑模型,有不同的事实表。为了将数据按内在的逻辑关系有序地存放在维度表中,维度表提供了所描述对象的详细属性[4]。 (责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）