第29卷第2期

2011年2月

文章编号：1004-3918（2011）02-0210-04河南科学HENANSCIENCEVol.29No.2Feb.2011

基于数据仓库与数据挖掘的会计决策支持系统研究

高

摘岩1，吴顺丽1，安浩平1，齐磊红2，何善普2（1．河南省自动化工程技术研究中心，郑州450008；2．平顶山市西部投资建设开发公司，河南平顶山467500）要：随着市场竞争的加剧和信息社会需求的发展，从大量数据中提取（检索、查询等）用于决策和分析的信息就

显得越来越重要.通过会计数据仓库设计、会计数据抽取、会计数据维护、会计决策需求设计、挖掘算法设计，以及挖

结果表达和解释等，可以从海量的财务数据中发掘有用的、重要信息组合，为企业发展、领导决策等提供科学掘操作、

的技术支持.

关键词：数据仓库；数据挖掘；会计决策支持系统

中图分类号：TP399文献标识码：A

DSS（DecisionSupportSystem）即决策支持系统，是在半结构化和非结构化决策活动过程中，通过人—机对话，向决策者提供信息，协助决策者发现和分析问题，探索决策方案，评价、预测和选择方案，以提高决策有效性的一种以计算机为手段的信息系统.会计决策支持系统（ADSS）是决策支持系统在会计领域中的应用，是在会计管理信息系统的基础上发展起来的.

目前，我国市场上的各种财务管理软件和决策支持系统很大程度上都是决策定量技术的具体表现.建立数学模型是其普遍的显著特点.然而在实际工作中并不是所有影响企业决策的信息都可以完全量化的.特别在复杂多变环境中企业所面临的许多决策问题，往往是目标含糊不清，多个目标相互冲突，方案的比较和选择没有固定规则或程序可循，所需信息不全或比较模糊的问题，这类决策问题，基于关系数据库的ADSS根本无法解决.基于数据仓库和数据挖掘技术构建会计决策支持系统的解决方案可以有效解决这种非结构化的会计决策问题.

1

1．1数据仓库与数据挖掘数据仓库

随着市场竞争的加剧和信息社会需求的发展，从大量数据中提取（检索、查询等）用于决策和分析的信

又涉及大量用于决策的数据，而传统的数据库系统已息就显得越来越重要了.这种需求既要求联机服务，

无法满足这种需求.其具体体现在3个方面：历史数据量很大；辅助决策信息涉及许多部门的数据，而不同系统的数据难以集成；由于访问数据的能力不足，它对大量数据的访问性能明显下降[1].

随着C/S技术的成熟和并行数据库的发展，信息处理技术的发

展趋势是从大量的事务型数据库中抽取数据，并将其清理转换为新

的存储格式，即为决策目标把数据聚合在一种特殊的格式中.随着

此过程的发展和完善，这种支持决策的、特殊的数据存储即被称为

数据仓库（DataWarehouse，DW）.

将数据仓库技术应用于构建会计决策支持系统，可以实现会计

数据的集中存储和管理，既减少了I/O时间和计算时间，降低了数据

冗余，又解决了DSS系统的数据库内数据不一致的问题.图1数据仓库框架数据仓库的关键技术包括数据的抽取、清洗、转换、加载和维护.

Fig.1Datawarehouseframework

数据仓库的基本框架如图1所示[2].

1．2数据挖掘

会计信息系统运行多年后积累了海量的、以不同形式存储的数据资料.但当面对越来越多迅速膨胀的收稿日期：2010-11-04

作者简介：高岩（1968－），男，河南郑州人，工程师，硕士，主要研究方向为计算机数据分析系统、自动化控制系统.