大數(shù)據(jù)背景下如何做好全面預(yù)算

隨著大數(shù)據(jù)概念的普及，商業(yè)智能、多維分析、數(shù)據(jù)挖掘、人工智能、機(jī)器學(xué)習(xí)等概念紛紛引入到企業(yè)管理應(yīng)用領(lǐng)域。在大數(shù)據(jù)背景下，如何通過全面預(yù)算與大數(shù)據(jù)相結(jié)合的方式，發(fā)揮大數(shù)據(jù)在數(shù)據(jù)分析、數(shù)據(jù)挖掘方面的價(jià)值，使全面預(yù)算管理真正成為連通企業(yè)戰(zhàn)略和經(jīng)營的利器，為企業(yè)決策支撐提供助力，是當(dāng)下企業(yè)信息化建設(shè)中必須重點(diǎn)考慮的一環(huán)。

針對當(dāng)前企業(yè)密切關(guān)注的“大數(shù)據(jù)背景下如何做好全面預(yù)算”問題，本土化全面預(yù)算系統(tǒng)領(lǐng)軍企業(yè)智達(dá)方通認(rèn)為，企業(yè)想成為大數(shù)據(jù)時(shí)代的弄潮兒，不僅需要建立完備的全面預(yù)算體系，還需在全面預(yù)算系統(tǒng)的基礎(chǔ)上，運(yùn)用大數(shù)據(jù)為全面預(yù)算管理提供新路徑、新工具和新方法，變現(xiàn)大數(shù)據(jù)價(jià)值，助力企業(yè)更全面、更深刻的洞察經(jīng)營管理狀態(tài)，為企業(yè)決策提供數(shù)據(jù)支撐。

全面預(yù)算軟件系統(tǒng)作為企業(yè)的預(yù)算管理以及決策支持平臺系統(tǒng)，會(huì)有很多業(yè)務(wù)系統(tǒng)與其對接，以提供業(yè)務(wù)實(shí)際數(shù)據(jù)，如財(cái)務(wù)總賬、項(xiàng)目管理、資金管理、人事、生產(chǎn)制造、庫存管理、資產(chǎn)管理等各系統(tǒng)。隨著企業(yè)的業(yè)務(wù)越來越復(fù)雜，規(guī)模越來越大，各業(yè)務(wù)系統(tǒng)產(chǎn)生的數(shù)據(jù)也會(huì)越來越多。盡管推送到預(yù)算系統(tǒng)的數(shù)據(jù)經(jīng)過清洗轉(zhuǎn)換降低了數(shù)據(jù)量，但其數(shù)據(jù)量仍然會(huì)隨企業(yè)業(yè)務(wù)的變化而增長。這時(shí)就在實(shí)際發(fā)生的業(yè)務(wù)數(shù)據(jù)層面上形成了大數(shù)據(jù)。

在預(yù)算編報(bào)和測算角度，隨著企業(yè)規(guī)模和業(yè)務(wù)復(fù)雜程度的增加，編報(bào)產(chǎn)生的計(jì)劃預(yù)算數(shù)據(jù)也會(huì)越來越多，加上多版本，多場景，以及數(shù)年的累計(jì)，數(shù)據(jù)量增長到億、百億級別也是非常可能的。

全面預(yù)算作為管理會(huì)計(jì)信息化和財(cái)務(wù)分析領(lǐng)域的傳統(tǒng)業(yè)務(wù)，其可以采用的數(shù)據(jù)分析方式主要有兩種：EDA(Exploratory Data Analysis)-探索性數(shù)據(jù)分析;CDA(Confirmatory Data Analysis)-驗(yàn)證性數(shù)據(jù)分析。

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

驗(yàn)證性數(shù)據(jù)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(shù)據(jù)計(jì)算出結(jié)果，可以稱之為是一種“準(zhǔn)確答案“的獲取。典型的應(yīng)用場景就是基于多維數(shù)據(jù)倉庫的OLAP分析應(yīng)用。在企業(yè)應(yīng)用最廣泛的就是EPM-Enterprise Performance Management(企業(yè)績效管理)，其中包括全面預(yù)算，商業(yè)智能等應(yīng)用。與"啤酒尿布”這種探索性數(shù)據(jù)挖掘應(yīng)用相比，OLAP分析的結(jié)果只能是唯一的準(zhǔn)確答案。比如通過企業(yè)管理要求設(shè)定的業(yè)務(wù)規(guī)則，計(jì)算出的利潤率只能是一個(gè)數(shù)字，不可能是“利潤率有可能是11.5%”這種參考答案。驗(yàn)證性數(shù)據(jù)分析類系統(tǒng)包括Oracle Hyperion, IBM Cognos以及智達(dá)方通Intcube EPM，其共同特點(diǎn)為都是基于多維數(shù)據(jù)倉庫的OLAP分析工具平臺。

另外，基于Hadoop，HBase，Kylin等開源項(xiàng)目的方案，目前仍然不能滿足全面預(yù)算或財(cái)務(wù)分析信息化領(lǐng)域的需求，原因是企業(yè)在全面預(yù)算或財(cái)務(wù)分析方面的需求，不是僅僅基于大數(shù)據(jù)的查詢或搜索這些“只讀操作”就能滿足需求。全面預(yù)算領(lǐng)域需要能夠支持復(fù)雜的業(yè)務(wù)規(guī)則計(jì)算，并且這些業(yè)務(wù)規(guī)則在實(shí)際應(yīng)用中可以經(jīng)常由最終使用者，如財(cái)務(wù)部門，業(yè)務(wù)部門人員調(diào)整更改，而無需開發(fā)人員通過編寫程序或者SQL腳本實(shí)現(xiàn)分析方法的調(diào)整。這就要求支持MDX的OLAP計(jì)算引擎成為全面預(yù)算軟件系統(tǒng)的必要條件，而以上這幾個(gè)開源項(xiàng)目并不能支持MDX等計(jì)算腳本功能。

與Tableau和一些BI儀表板項(xiàng)目的只讀數(shù)據(jù)可視化工具相比，全面預(yù)算的編報(bào)過程，以及業(yè)務(wù)規(guī)則的運(yùn)算過程，會(huì)產(chǎn)生大量的寫操作。因此，對數(shù)據(jù)倉庫平臺的要求有兩點(diǎn)：一是支持頻繁的寫操作，二是支持業(yè)務(wù)規(guī)則腳本計(jì)算。目前對于國內(nèi)的商用數(shù)據(jù)倉庫軟件提供商來說，實(shí)現(xiàn)這兩點(diǎn)并非難事，但真正的難點(diǎn)在于如何在十億級甚至百億級的數(shù)據(jù)量下，保證單個(gè)數(shù)據(jù)集市-CUBE能有很好的讀寫和業(yè)務(wù)規(guī)則計(jì)算性能，這是所有多維數(shù)據(jù)倉庫軟件廠商需要面臨的挑戰(zhàn)。針對該問題，國內(nèi)多維數(shù)據(jù)倉庫領(lǐng)域及企業(yè)績效管理領(lǐng)域技術(shù)專家、北京智達(dá)方通總經(jīng)理蔡志宏先生認(rèn)為，其解決方案應(yīng)該是在數(shù)據(jù)倉庫核心功能開發(fā)時(shí)，支持?jǐn)?shù)據(jù)的分布式存儲，通過數(shù)據(jù)的多節(jié)點(diǎn)存儲，提升讀寫IO效率，同時(shí)要優(yōu)化動(dòng)態(tài)計(jì)算效率，優(yōu)化預(yù)計(jì)算和動(dòng)態(tài)計(jì)算之間的平衡，以及優(yōu)化動(dòng)態(tài)計(jì)算時(shí)數(shù)據(jù)塊中的尋址效率。

可以預(yù)見的是，大數(shù)據(jù)時(shí)代的到來將改變傳統(tǒng)全面預(yù)算實(shí)施的局限性，為企業(yè)實(shí)施全面預(yù)算提供更全面可靠的全樣本數(shù)據(jù)支撐，給全面預(yù)算管理提供新機(jī)遇和新思路。未來，智達(dá)方通將以匠人之心，繼續(xù)深入研究大數(shù)據(jù)背景下的企業(yè)全面預(yù)算管理模式，為企業(yè)實(shí)現(xiàn)信息化管理提供更優(yōu)質(zhì)的全面預(yù)算解決方案。