财务成本数据多维度分析探讨 摘要：随着数据仓库、数据挖掘、大数据技术的不断发展，国内外越来越多的数据分析工具应用于数据价值的挖掘。传统的静态数据分析，更适合于业务数据的统计汇总,对业务预测较少,网络技术发展、采集设备及物物互联的普及，适合于大量动态、实时数据，充分展示数据趋势及相关性的数据分析工具更多的开发出来。本文通过对工厂财务成本相关数据通过整理、清洗，采用可视化数据分析工具FineReport展示交互式的可视化数据，实现数据及图表关联展示，提升数据分析效率。 关键词：大数据；数据可视化；商业智能 随着信息技术不断创新发展，互联网+、物联网、大数据等各类技术工具不断推陈出新，国内外各类数据分析软件涌现，除了Hadoop、spark大数据平台的等大品牌开源工具，近年来，越来越多的可视化分析工具，为企业生产、销售等各环节数据快速分析和判断提供了便利。数据可视化借助图形化的图表，更便于快速发现问题，识别问题，从而进行探索式分析。本文选用FineReport开发成本分析作为成本管理的重要手段，为企业生产经营决策提供重要依据，是企业管理重点。 一、信息技术迅速发展 （一）大数据概念 大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合, 具有体量大、高速度、多维度、应用价值高、真实性等特征。[1]大数据平台的开源工具很多，包含语言工具类、ETL工具、数据存储工具、分析计算等等，如Hadoop、spark开源工具。 数据可视化是通过图形化手段, 将复杂的数据模型表达出来, 从而清晰有效地表达数据中的信息, 用户通过数据可视化可以“洞察”数据中的规律..[2]用可视化方式来展示数据的相关性、趋势和规律。通过深入到图表和图形的具体细节，用交互的方式改变数据及数据的处理方式。数据可视化技术包含多元素多维的数据空间、数据开发、数据分析、④数据可视化 （二）数据分析概念 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。[3]在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。[4] 商业智能 (Business Intelligence)，简写为BI，能够辅助的业务经营决策，可以是操作层的、战术层或战略层的决策。它是数据仓库、OLAP和数据挖掘等技术的综合运用。 二、工厂财务及成本信息化应用现状 本文开展成本数据分析为某中烟集团式管控模式下的卷烟工厂，集团部署了多个跨地区生产点的企业资源计划系统、生产制造执行系统等信息系统，工厂自行建设的原辅料物流系统和零配件信息管理系统，通过企业服务总线系统实现各系统间数据传输和规范化管理，积累了大量的历史业务数据。工厂生产原辅料生产数据通过生产制造系统传输到企业资源计划系统中进行财务成本核算，零配件相关数据通过零配件信息管理系统传输到企业资源计划系统中进行核算，成本在企业资源计划系统中以各卷烟工厂为会计核算主体，通过业务范围核算各卷烟厂账务情况，为管理层对各卷烟厂的内部绩效的评价与考核提供准确信息。同时，企业资源计划系统中进行了全面预算管理，将业务计划、财务预算和分析考核通过经营目标体系紧密相连。 财务及成本信息化管理特点： 1.集成地体现工厂财务与产供销业务的高度无缝联结，从资金流反馈市场及企业内部信息。 2.通过细化成本费用的分配、强化对成本的控制，有益于成本的降低。 3.通过流畅的业务处理程序提高资金运用率。 三、财务成本数据管理的瓶颈问题 分析手段缺乏：原有信息系统只能通过简单查询功能或者SQL查询语句进行信息查询，效率低，关联性低，重用性差。 分析深度不够：原有信息系统主要关注数据的统计，对于不同数据的不同视角、相互关联、历史轨迹等的深层次需求暂时无法满足。 成本精细化管控待提升: 原有统计分析方式提取的数据有限，无法形成较为准确的分析结果。而揭示历史大量数据隐含的内在规律、发掘有用的信息，需要通过数据分析工具挖掘精细化管理的着手点。 四、卷烟工厂对成本分析的探索实践 工厂定期召开成本分析会，对工厂生产成本、管理费用、财务指标等进行分析，分析查找成本增加或减少的原因，采取控制措施。 针对工厂成本分析涉及的成本因素进行整理，形成成本分析业务模型。依托企业资源系统中已存在的大量财务数据，通过应用数据分析工具及技术，综合运用钻取、切片等分析手段，进行成本多维度分析数据的运算和展示，实现基于辅助生产成本、生产总成本、重点牌号等成本统计分析结果。 （一）成本分析基本维度 1.基于辅助生产成本维度。通过制丝、卷包、动力车间的辅助生产工段的自制半成品数量、成本和增长等分析，为工厂提供同比、环比数据，查找成本偏差分析。 2.基于生产总成本分析维度。通过对全厂卷烟原料、主要材料、燃料动力、工资福利、制造费用五个成本项目分析，为工厂决策层提供生产总成本偏差分析。 3.基于重点牌号分析维度。通过对产品结构、成品原料和烟用材料分析，为各类牌号进行成本偏差分析。 （二）数据提取及模型设计实现 1.分析源数据为企业资源计划系统导出的报表制式数据，各类数据组合式放置于报表中，不便于按逻辑取数，及判断当月产品编码和名称；数据分散冗余，采用Microsoft SQL Server 2005数据库进行管理。Finereport（数据库支持Oracle、sqlserver、DB2主流的关系型数据库和多维数据库）中按照配置格式，设置好局域网IP、端口号、数据库名称等参数，实现对数据源的访问。 2.服务器搭建：帆软本身支持AIX、Linux、Unix,。支持Tomcat、Jboss、WeB/Sphere、T等web应用服务器，最终采用Windows操作系统，Tomcat应用服务器，使用Chrome浏览器进行展示。 3. 结合卷烟成本按月结算规律，每个页面（表单）中对比多个数据源数据、分区域显示；如第自制半成品当月的产量、总成本、单位成本、领用原料的平均单价对比，并在表单上显示成本对比表格数据。建成模型后按月进行对比并能实时导出结果。成本原始数据经过数据间计算得出结果，简化中间计算环节及存储过程，实时显示数据和图表。 4.系统采用数据分析工具搭建数据决策分析系统的web数据分析平台，进行数据对比、查询和录入。数据表单通过SELECT语句形成数据集，分区域进行不同数据源数据运算、清理和对比。 成本数据分析涵盖工厂全部半成品、成品、总成本、重点品牌，分析深度覆盖到机台，通过数据分层钻取和多维度数据挖掘，实现工厂成本费用多层次、全方位的对比，达到工厂成本分析实际需求。 通过对工厂成本分析中涉及的品牌、自制半成品、生产总成本要素提取数据集，实现基于成本单元的生产成本要素的纵向对比、基于成本单元的同类产品间的横向对比、基于当月生产牌号及相关机台分层对比。同时，按照总生产成本、当月重点牌号、机台三个层次通过关联性参数，对比各牌号及对应机台消耗。 五、数据分析对成本分析的影响和作用 传统的统计方法偏重于以局部推断全局进行统计，如抽样统计和调查。采用数据分析工具对历史积累大数据统计分析，更有利于了解整体情况，分析的结果和目的不再限于设定的调查目的，更加促进去发现和反映真实情况。[6] 通过对工厂成本分析的实践应用，改善了原有成本分析多维度和分层钻取的需求，但在针对物料BOM等指标提供事前成本预测方面还有很大差距，在转变思维模式方面仍需继续努力。 参考文献： [1]广东省政府发展研究中心创新产业研究处课题组广东大数据产业发展研究报告 (上)广东经济 2019,(05),6-17 [2]陈伟，居江宁 基于大数据可视化技术的审计线索特征挖掘方法研究审计研究 [3]苏若葵 中小企业一体化管理体系与数据分析方法研究全国流通经济2019,(05),83-85 [4]数据分析.百度百科http://baike.baidu.com-2017.5 [5] 张超，肖聪，朱卫东，陈绪龙，李正西 财务智能可视化分析与文献综述 财会月刊 2019-02-11 17:49 [6]《大数据时代下数据分析理念的辨析》[J].统计研究 2014.朱建平,章贵军,刘晓葳, 本文来源：https://www.wddqw.com/doc/53abacf52c3f5727a5e9856a561252d381eb2006.html