大數據背景下如何做好全面預算

隨著大數據概念的普及，商業智能、多維分析、數據挖掘、人工智能、機器學習等概念紛紛引入到企業管理應用領域。在大數據背景下，如何通過全面預算與大數據相結合的方式，發揮大數據在數據分析、數據挖掘方面的價值，使全面預算管理真正成為連通企業戰略和經營的利器，為企業決策支撐提供助力，是當下企業信息化建設中必須重點考慮的一環。

針對當前企業密切關注的“大數據背景下如何做好全面預算”問題，本土化全面預算系統領軍企業智達方通認為，企業想成為大數據時代的弄潮兒，不僅需要建立完備的全面預算體系，還需在全面預算系統的基礎上，運用大數據為全面預算管理提供新路徑、新工具和新方法，變現大數據價值，助力企業更全面、更深刻的洞察經營管理狀態，為企業決策提供數據支撐。

全面預算軟件系統作為企業的預算管理以及決策支持平臺系統，會有很多業務系統與其對接，以提供業務實際數據，如財務總賬、項目管理、資金管理、人事、生產制造、庫存管理、資產管理等各系統。隨著企業的業務越來越復雜，規模越來越大，各業務系統產生的數據也會越來越多。盡管推送到預算系統的數據經過清洗轉換降低了數據量，但其數據量仍然會隨企業業務的變化而增長。這時就在實際發生的業務數據層面上形成了大數據。

在預算編報和測算角度，隨著企業規模和業務復雜程度的增加，編報產生的計劃預算數據也會越來越多，加上多版本，多場景，以及數年的累計，數據量增長到億、百億級別也是非?？赡艿?。

全面預算作為管理會計信息化和財務分析領域的傳統業務，其可以采用的數據分析方式主要有兩種：EDA(Exploratory Data Analysis)-探索性數據分析;CDA(Confirmatory Data Analysis)-驗證性數據分析。

探索性數據分析(EDA)用于找到數據間的模式和相關性，是一種“參考答案”的獲取。應用場景包括大家熟知的“啤酒尿布”類數據挖掘應用，工具包括SAS，SPSS這類數據挖掘軟件以及R語言類語言工具。探索性數據分析的優點是可以從一堆貌似雜亂無章的數據中找到一些相關性和模式來輔助決策，其缺點是有可能會找到一些無意義的相關性，比如所有生過孩子的用戶都是女性。

驗證性數據分析(CDA)，是在明確了分析模型和算法的情況下，需要基于已有數據計算出結果，可以稱之為是一種“準確答案“的獲取。典型的應用場景就是基于多維數據倉庫的OLAP分析應用。在企業應用最廣泛的就是EPM-Enterprise Performance Management(企業績效管理)，其中包括全面預算，商業智能等應用。與"啤酒尿布”這種探索性數據挖掘應用相比，OLAP分析的結果只能是唯一的準確答案。比如通過企業管理要求設定的業務規則，計算出的利潤率只能是一個數字，不可能是“利潤率有可能是11.5%”這種參考答案。驗證性數據分析類系統包括Oracle Hyperion, IBM Cognos以及智達方通Intcube EPM，其共同特點為都是基于多維數據倉庫的OLAP分析工具平臺。

另外，基于Hadoop，HBase，Kylin等開源項目的方案，目前仍然不能滿足全面預算或財務分析信息化領域的需求，原因是企業在全面預算或財務分析方面的需求，不是僅僅基于大數據的查詢或搜索這些“只讀操作”就能滿足需求。全面預算領域需要能夠支持復雜的業務規則計算，并且這些業務規則在實際應用中可以經常由最終使用者，如財務部門，業務部門人員調整更改，而無需開發人員通過編寫程序或者SQL腳本實現分析方法的調整。這就要求支持MDX的OLAP計算引擎成為全面預算軟件系統的必要條件，而以上這幾個開源項目并不能支持MDX等計算腳本功能。

與Tableau和一些BI儀表板項目的只讀數據可視化工具相比，全面預算的編報過程，以及業務規則的運算過程，會產生大量的寫操作。因此，對數據倉庫平臺的要求有兩點：一是支持頻繁的寫操作，二是支持業務規則腳本計算。目前對于國內的商用數據倉庫軟件提供商來說，實現這兩點并非難事，但真正的難點在于如何在十億級甚至百億級的數據量下，保證單個數據集市-CUBE能有很好的讀寫和業務規則計算性能，這是所有多維數據倉庫軟件廠商需要面臨的挑戰。針對該問題，國內多維數據倉庫領域及企業績效管理領域技術專家、北京智達方通總經理蔡志宏先生認為，其解決方案應該是在數據倉庫核心功能開發時，支持數據的分布式存儲，通過數據的多節點存儲，提升讀寫IO效率，同時要優化動態計算效率，優化預計算和動態計算之間的平衡，以及優化動態計算時數據塊中的尋址效率。

可以預見的是，大數據時代的到來將改變傳統全面預算實施的局限性，為企業實施全面預算提供更全面可靠的全樣本數據支撐，給全面預算管理提供新機遇和新思路。未來，智達方通將以匠人之心，繼續深入研究大數據背景下的企業全面預算管理模式，為企業實現信息化管理提供更優質的全面預算解決方案。