[摘要]信息集成能够消除信息孤岛，实现企业信息资源共享。应用数据库和数据仓库技术创建信息集成环境，并以此为基础构建会计决策支持系统，能为企业各级管理者提供决策相关信息，提升会计信息系统的应用层次。本文分析了产生信息孤岛的原因，阐述了信息集成对会计信息系统的重要影响，并且详细论述了基于数据仓库技术的会计决策支持系统的构建方法。
[关键词]信息集成；会计决策支持系统；数据库；数据仓库
[中图分类号]F275.5 [文献标识码]A [文章编号]1006－5024(2012)02－0077－04
信息系统是对信息进行采集、处理、存储、检索和传输，必要时能向有关人员提供信息的系统。会计是管理信息系统的一种，输入会计信息系统的是企业经营活动的相关数据，输出的是对决策者有用的信息。会计信息系统可以是手工的，也可以是计算机的，但当前理论研究中提及的会计信息系统一般指把计算机信息技术应用到会计工作后的信息系统。计算机会计信息系统的发展方向是网络化、集成化，从传统的核算型向管理决策型软件发展。如何应用信息集成的相关理论和技术方法，构建面向各级管理者的会计决策支持系统，是一个值得研究的课题。
一、企业信息孤岛及其产生原因
信息孤岛是指相互之间在功能上不关联互助、信息不共享互换以及信息与业务流程和应用相互脱节的计算机应用系统。企业管理系统中的信息孤岛就是指在一个单位的各个部门子系统之间完全孤立，各种信息无法顺畅地在部门与部门之间流动。其具体表现是：信息无法共享，软硬件资源、信息资源不能合理配置，手工传递数据浪费时间资金，数据分析无法有效完成，重复建设性资源浪费问题，无法保证数据一致性等。这一系列的问题都严重影响了企业的经营发展。
信息孤岛产生的原因总结起来有以下几点：
(一)企业信息化发展的阶段性。企业在信息化过程中没有统一规划，信息化建设过程中是围绕不同的业务部门和工作，开发或引进不同的计算机应用系统，这些系统是按照各业务部门的需求独自完成，并没有考虑企业整体的需求。如财务部使用财务软件，人力资源部采用人事管理软件，库房采用物资管理软件等。每个部门建立一个应用系统就单独应用一种软件和数据库，这些软件和数据库可能来自不同的厂商、不同版本，各个部门的信息系统自成体系，互相之间没有联系，数据编码和信息标准也不统一，于是形成了信息孤岛。
(二)现有系统无法满足信息交换的要求。随着技术的不断成熟、新技术的不断涌现以及企业实际发展的需要，原有系统无法满足新的需求。如财务部与销售部、库房的系统软件无法实现信息的共享和及时交换，由此导致信息传递速度慢，无法适应运行速度越来越快的市场和企业的需求，更谈不上为高层决策提供更大的帮助。
(三)软件系统产品本身存在的缺陷。系统之间出现新的信息共享需求，但由于系统产品设计及架构存在缺陷或其他原因，无法通过调整系统配置或软件局部修改实现相互之间的沟通，必须重新进行信息资源规划，从而导致没有解决原来的信息孤岛，反而产生了新的信息孤岛。
二、信息集成环境对会计信息系统的影响
信息孤岛只能回答局部的问题，提供某一个业务部门的数据，而无法有效地提供跨部门、跨系统的综合性信息。当管理者需要站在企业管理的战略高度进行决策时，这些信息孤岛就无法提供与决策相关的综合性数据支持。企业管理者要求随时可得到市场、财务、物流、人力资源等实时的信息，迅速调动、消化企业资源以反映市场需求。但是在信息孤岛普遍存在的情况下，各类数据不能形成有价值的信息，而局部的信息又不能提升为管理知识，决策支持只能是空谈。因此，有必要应用信息技术，建立一个信息集成环境，并以此为基础构建会计决策支持系统。
信息集成是指企业主体运用集成的思想和方法，创造性地对企业各种信息资源进行优化，并按照一定的集成模式将企业信息构造成一个有机的整体，从而在更大程度上提升企业信息的整体效能，更加有效的支持企业特定目标实现的动态过程。通过信息集成这种优化与整合的过程，企业面对的将不再是一个个“信息孤岛”，而是一个高效的信息资源整体。信息集成环境对会计信息系统主要产生三方面的影响：
(一)会计信息实时收集获取和传递。信息集成环境下，企业的会计系统和业务系统融为一体，将会计流程嵌入到企业的业务流程之中，数据信息无缝连接，在业务发生的同时采集会计数据，各个系统的数据都可以相互之间进行传递和调用，能够做到数据的实时采集与事中控制。会计信息系统的大部分数据直接来自于其他业务系统，会计信息系统本身手工录入的数据只是少部分，最大限度地避免了由于数据重复录入而产生的效率低下、易出错等问题。如果想要看到这些信息，便可以通过输出打印、查询浏览等方式；如企业使用的是网络版财务软件，则可通过网络从服务器获取实时数据，在线查看。
(二)合理地简化了业务处理流程。信息集成下的会计信息系统并不是对数据的简单堆砌，而是建立在业务流程优化基础上的，最大程度地实现了企业内部人、财、物、信息资源的共享。同时，大量减少了数据的重复处理、重复录入及过程的重复控制，使系统面临的各种风险进一步降低。业务过程的简化也在保证系统安全的前提下减少控制环节，提高系统效率。
(三)使会计的职能得到更全面的发挥。信息集成环境下的会计信息系统充分面向信息使用者，通过系统提供的各种查询与分析数据的工作，能满足信息使用者面向决策的需求。财务信息和业务信息的实时传递，有效地实现了事中控制、事前计划，在这样的情况下，会计职能便得到了更加充分的发挥，促进了会计职能从核算职能向决策职能的转变。
从技术角度来看，可以应用数据库或数据仓库技术建立统一的“企业信息中心”，形成信息集成环境，消除信息孤岛。建立“企业信息中心”的流程是：首先制定出企业内部统一的数据交换标准；其次采集企业内部各专业子系统的原始数据，对于来自企业外部的数据，也应采集后将其转化为符合企业交换标准的数据；最后按专业子系统的需要经初级分类后，分发给相应的专业子系统。各专业子系统从“企业信息中心”收到标准数据后，将其转化为本系统可以处理的数据；信息发布前本专业子系统的数据也要转化为企业的标准数据后，通过“信息中心”发布。
三、基于数据库技术的会计决策支持系统
应用数据库技术，能构建一个面向各级管理者、提供综合数据查询功能的会计决策支持系统。该系统以整个企业的生产、经营、财务各方面的汇总与明细数据为基础，能从企业经营管理的不同方面为管理者提供决策相关信息。
基于数据库技术的会计决策支持系统有两个主要的数据来源：
一是ERP各子系统的财务业务数据。企业内部各子系统的数据是会计决策支持系统的主要数据来源。这些数据经过用户的提取，并进行分类、合并、归纳、整理后，存储在企业中央数据库中。
二是与决策问题有关的组织外部数据。这些外部数据包括政策法规、经济统计数据、市场行情、同行数据与科技进展等。这些数据需要以一定的方式采集，并将其转化为企业标准数据格式后再存储在中央数据库里。
基于数据库技术的会计决策支持系统提供决策信息的方式主要有静态查询、动态分析两种。
静态查询，即从系统预先定义的数据分析表获得信息。系统从财务决策的常见问题出发，预先定义固定格式的信息表供用户使用，常见的信息表包括财务指标分析、资金日报表、量本利分析、订单或合同执行情况等。
动态分析，即系统应能以一定的方式存储和管理与决策问题有关的各种模型和方法，由用户指定数据，运用模型与方法进行加工、汇总、分析、预测，得出决策所需的综合信息，分析结果能以报表、图形方式显示。动态分析能让用户自行选择分析方法与数据，提高了决策者分析问题的能力，也使决策支持系统与一般ERP系统的数据查询功能有所区别。
基于数据库的会计决策支持系统的功能模型如(图1所示)。
四、基于数据仓库技术的会计决策支持系统构建
建立在数据库技术之上的会计决策支持系统，它们面向的是日常事务处理与管理，主要是为特定业务处理服务的，属于“操作型系统”，由此产生的是操作型数据。操作型数据是实时的、分散的、细节的，面向的是处理某项具体业务的工作人员，关心的是系统响应时间、数据的安全性和完整性。而企业高层管理者参与的是数据分析与决策制定工作，他们需要的是分析型数据。分析型数据一般是针对某个主题的综合集成数据，而且要求数据的时间段有比较长的延伸，因为许多决策分析方法必须要有大量的历史数据为依托。很明显，高层管理者对决策相关数据在空间和时间的广度上都有了更高的要求，而建立在数据库技术之上的“操作型系统”无法满足此要求。以上原因导致企业虽然积累了大量财务、业务数据，可高层管理者很难便捷地对数据进行多维度的查询与分析，也缺乏数据分析与挖掘的工具。要提高会计决策支持系统的效率和有效性，就必须把分析型数据从操作型系统中提取出来，按照会计决策的需要重新组织，建立单独的分析处理环境，数据仓库技术正是为了构建这种新的分析处理环境而出现的一种数据存储和组织技术。
建立数据仓库并不是要取代原有的数据库系统，而是为了将企业多年来收集到的数据按照一个统一的、一致的企业级视图组织、存储，数据仓库是一个方案，而不是买来就可直接使用的产品，应该采用逐步完善的原型法的开发方法，快速建立起系统原型，尽快让系统运行起来，在系统使用过程中，不断地理解用户需求，改善系统。
一个完整的数据仓库方案主要包括4个部分的内容：数据仓库的设计建模、数据析取、数据仓库的日常管理和维护、数据的分析展现。数据仓库的实施方案如(图2所示)。
(一)数据仓库的设计建模。根据用户的具体决策需求确定主题、维及维的层次。会计决策支持系统一般以财务、采购、销售、存货、生产等作为主题，满足企业高层管理者对不同角度的数据的查询要求。
(二)数据析取。数据析取是构建数据仓库的重要环节，它包括了数据抽取、转换、加载等过程。数据抽取是根据事先定义好的数据源、数据抽取规则，对来自于不同数据平台、不同数据形式、不同性能要求的业务系统的数据进行提取；转换是指对抽取获取的源数据进行清洗、拆分、汇总，保证数据的一致性和完整性；加载就是将转换后的数据按不同决策主题的要求装入数据仓库中。实际工作中数据析取一般通过数据仓库厂商提供的工具来完成，对部分有特殊要求的析取工作以手工编写程序来辅助。
(三)数据仓库的日常管理和维护。主要是管理数据仓库日常数据加载的工作，包括：刷新数据仓库的当前数据，将超过一定时间段的数据转化成历史数据，清除不再使用的数据，以及利用数据析取工具定期从操作型数据库向数据仓库追加数据等。
(四)数据分析和展现。基于数据仓库的分析工具有日常报表查询、多维数据分析、数据挖掘等。
数据仓库经常与OLAP(On－Line Analytical Pro－cessing，联机分析处理)技术联合在一起使用。
0LAP的目标是满足高层管理者决策支持的要求，它能在多维数据环境下根据决策主题进行特定的报表和图形生成，通过直观的方式从多个维度、多种数据综合地将信息展现给决策者。
OLAP以数据仓库为基础，能对数据进行上卷、下钻、切片、切块、旋转等各种分析操作。
1.上卷(Roll－up)。上卷是在多维数据立方体执行聚集操作，通过提升维的级别或消除某个维来观察更新过数据。例如，将图3所示的数据立方体沿时间维的层次上卷，由季度上升到半年、年。
2.下钻(Drill－Down)。下钻是通过下降维级别或引入某个维来更观察更细致的数据。例如，将图3的数据立方体通过沿时间维进行下钻，将1季度下降到月，就可得到1、2、3月的产品销售额。
3.切片(slice)。在给定的数据立方体的一个维上进行的选择操作就是切片，切片的结果是得到一个二维的平面数据。如对图3的数据立方体在时间维上指定条件“时间＝1季度”进行选择，就相当于在原来的立方体中切出一片，结果如表1所示。
4.切块(Dice)。切块是指在数据立方体的两个或多个维上进行的选择操作，切块的结果是得到了一个子立方体。例如对图3的数据立方体，使用条件：
产品类别＝“电器”OR“玩具”
And时间＝“1季度”OR“2季度”
And城市＝“广州”OR“上海”
进行选择就相当于在原立方体中切出一小块，切块结果如表2所示。
5.旋转(Rorate)。旋转就是改变一个报告或页面显示的维方向。旋转操作包括交换行和列，或把某一个行维移到列维中去，或是把页面显示的一个维和页面外的维进行交换。例如，将表2所示的报表进行旋转操作，把行维、列维互换后可得到不同视角的数据，如表3所示。