日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

    首鋼自動化信息技術有限公司 陳 志
    四川大學計算機學院 王昊宇

    摘要：通過管理模型的應用，實現了利用財務成本倒推法來控制生產成本。通過逆向成本管理實現對財務成本的有效控制，并收到良好效果。

    關鍵詞：數據分析；成本；數學模型

    Abstract: Through the application of management model, we can control production costs by using financial back push costing method. Through reverse cost management, we can control financial cost effectively, and achieve good effect.

    Key words: Data analysis; Cost; mathematical model

    隨著社會對企業信息化建設認識理論的不斷深化與提升，企業信息化建設的內容與方法越來越貼近企業成本戰略發展的需要，其科學與應用水平也越來越高。當前，我國許多企業在信息化建設方面，企業的ERP建設已經初顯成效，下一步的重點該如何發展，也就是說在企業后ERP時代的信息化建設的主要內容是什么？許多企業都把目光關注到了數據，幾年來的企業信息化建設的長足發展，為企業積累了大量的數據資源，如何將這些數據資源進行科學合理的利用，使之進一步發揮作用，提升企業的核心競爭力等，都為今后的企業信息化建設提出了新的任務和課題。

    1 數據倉庫與數據挖掘

    企業數據的深層次應用，離不開數據倉庫與數據挖掘技術。

    1.1 數據倉庫

    數據倉庫（DW：data warehouse）的定義版本很多，經反復對比，來這樣描述數據倉庫可能會恰當一些：數據倉庫是支持管理決策過程的。面向主題的、集成的、穩定的、不同時間的數據集合。數據倉庫可以為用戶提供統一的目的性更強的數據視圖，為進一步的數據分析與應用提供可能。

    數據倉庫還可以將分布在不同應用系統中的數據集成在一起，并利用這些數據進行分析、提煉，推導出數據庫中的本質的和內在的聯系。同時，數據倉庫還要為其他系統提供數據，所以數據倉庫中的數據質量特別重要，數據進入系統時有多種途徑可以產生錯誤，修正這些錯誤需要將數據倉庫和數據質量控制過程融入到應用環境中。在這些應用環境中，需要定義相應的業務規則和數據標準，這些規則就是元數據，要保存在業務規則庫或主數據庫中。元數據（meta data ）是描述數據倉庫內數據的結構和建立方法的數據，是描述數據的數據，是定義數據倉庫對象的數據。元數據的典型表現為對象的描述，是抽象的數據，但其重要性也正體現在其所包含的信息中。如元數據用作目錄，可以幫助決策支持系統（DSS）的分析者對數據倉庫的內容定位；當數據由操作環境到數據倉庫環境映射時，作為數據指南。統一合理的元數據則能有效地描繪出信息的關聯性。

    在整個數據倉庫項目中ETL（數據抽取，Extract、Transform、load）規則設計和實施是工作量最大的。ETL包含了三方面的內容，首先是“抽取”，將數據從各種原始數據的業務系統中讀取出來； 其次是“轉換”，按照預先設計的規則將抽取出來的數據進行轉換，使本來異構的數據格式能統一起來。最后是“裝載”，將轉換完成的數據按計劃增量或全部導入到數據倉庫中。統一，合理的元數據則能有效地描述出信息的關聯性。

    元數據對于ETL過程產生的影響集中表現為：

    （1）定義數據源的位置和數據源的屬性。

    （2）確定從源數據到目標數據的對應規則。

    （3）確定相關的業務邏輯。

    （4）在數據實際加載前的其它必要的準備工作。

    元數據貫穿整個數據倉庫項目，ETL的所有過程必須最大化的參照元數據。

    1.2 數據挖掘

    在海量的原始數據內部蘊藏著豐富的內在關系和隱含信息，需要利用先進的技術去開采，這就是數據挖掘。數據挖掘（data mining DM）的定義雖然有許多種版本，但其基本內容都是一致的。筆者的個人觀點更傾向于這樣一種觀點，即：數據挖掘是從存放在數據庫、數據倉庫或其他信息庫中的大量數據中挖掘感興趣知識的過程。這些知識是隱含的、事先未知的、潛在有用信息，提取的知識表示為概念、規則、規律、模式等形式。利用數據庫技術與人工智能技術對數據庫中的大量數據信息進行處理，發現并合理利用這些數據，指導我們的生產實踐與管理，這就是數據挖掘的主要內容。數據挖掘工作主要有三種形式，即關聯分析、預測分析和演變分析。數據挖掘是一個多步驟、可能需要重復進行的過程，數據挖掘過程如圖1所示：圖1表示了實現數據挖掘任務的一般過程，用戶只要接入相應的數據源，數據挖掘系統就會自助輸出用戶可以理解的知識。
            
                      


    首鋼在財務管理工作中，應用數據挖掘的技術，成功實現了目標成本倒推法，有效控制了生產成本，從而保證了鋼鐵生產，有效抵制了金融危機帶來的不利影響。

    2 首鋼數據支撐體系的建設

    要做好財務成本的管理工作，就要有一套完整的數據支撐體系做保證，所以，針對首鋼的具體實際，為了做好財務成本的管理工作，正確實現目標成本倒推法所要求實現的目標，設計了一套首鋼自己的數據支撐體系，在這套系統運行過程中，各種數據經過嚴格的數據選取、數據處理后，進入首鋼數據支撐體系，并作為資源再次進行整合和集中，并做邏輯化后，再根據不同的應用需求來合理進行資源的分配。

    按照數據生命周期原理，首鋼數據支撐體系共分為四個層面，即應用層、恢復層、保護層和歸檔層，四大層次各司其職，見表1。

                                         表1
           

    數據在應用層產生，并被存放在應用層，滿足ERP系統對數據的需要和管理；恢復層是為了快速恢復歷史生產數據而專門設立；保護層提供數據備份功能；歸檔層就是為了滿足存放歸檔數據而專門設立。四大層次之間的數據快速傳遞保證了首鋼數據支撐體系的快速、可靠的運行。與首鋼數據支撐體系相對應的是三層數據倉庫架構（如圖2所示）：

        

    客戶端，包括查詢和報表工具，OLAP（聯機分析處理）分析、數據挖掘等前端工具，為客戶提供最直接的信息資源。中間服務器，通過OLAP的應用，使管理人員能夠從多角度對信息進行快速交互地存取，獲得對數據更深入的了解。OLAP能夠支持復雜的分析操作，特別是決策支持，效果尤其明顯。

    通過數據倉庫服務器，對外部數據經過加工，提取形成數據庫系統。

    首鋼數據支撐體系具有如下優勢：

    （1）數據的集成性：可將各異構系統的數據集成在統一的信息平臺上使用。

    （2）數據的維一性：各項數據管理規則的制定和數據整合工具的使用保證了數據質量和數據的唯一性。

    （3）多維模型技術：采用星型架構的模型技術，可實現數據的動態多維分析。

    （4）動態更新機制：采用周期性增量數據抽取，保證系統數據的動態更新。

    （5）規范的數據服務：提供業務層面全方位的數據服務并按照各地區各專業不同需求實現數據共享

    （6）靈活的報表展現：提供靈活的報表展現工具和豐富的圖表支持，具備高性能的聯機分析功能。

    3 財務成本目標倒推法的實現

    鋼鐵業財務成本核算與管理前期一般都采用模擬方式進行，在企業應用ERP后，情況有所好轉。但由于ERP本身長期偏向于事物處理，在信息分析領域存在一定的不足，所以對企業來說，面向事物處理和面向決策分析的信息化內容同等重要，如果將二者結合起來，在企業事物處理領域以ERP為代表，在決策分析領域以數據倉庫為代表，企業信息化水平與應用效果將會產生質的飛躍。

    3.1 財務目標成本倒推法的應用首先要確定科學、合理的目標成本

    影響確定目標成本的因素很多，特別是在當前金融危機的影響下，對于目標成本的確定，首鋼的參考做法是從歷史數據倉庫中調出相關數據，運用成本分析模型，對兩年來財務成本進行分析、處理，在此基礎上，結合當前運營狀況進行倒推預測，最后通過加權計算，確定出合理、可行的目標成本。

    3.2 財務目標成本的倒推法則

    當財務目標成本確定后，要將確定的目標成本逆工藝流程倒推，采用以成本控制為中心的動態數據挖掘方法，包括根據目標成本倒推法則對成本數據進行樣本抽取，根據成本倒推法則的特性進行特征模式評價，以及根據成本倒推法則的特性建立成本預測模型以及成本關聯模型等。以此確定各個工藝流程節點的目標成本。

    成本管理有自己的一套管理思想與方法，所以首鋼數據分析與決策支持系統成本分析中大量采用同比分析、環比分析、定基比分析方法，來研究成本變化的影響因素。首鋼成本變化的影響因素既有產品結構影響，又有不同生產技術水平的產線影響，同時還有鋼坯來源的影響等。

    （1）利用數模實現目標成本的倒推

    成本模型的建立，不僅僅要考慮成本本身的需求，還要將ERP的需要考慮在內。所以，界定模型的邊界和主題域是十分必要的，通過建模，將ERP的先進管理模式與模型的先進算法有機的結合成一個整體。采用數據模型的方式，就是用特性來表示影響因素，用關鍵指標來表示分析方法。例如，同廠比較用的是全廠的成本綜合水平，而同車間比較用的是車間成本水平，這是兩個不同的值，需用兩套關鍵指標來表示。

    （2）采用虛擬指標技術， 在數學模型中，增加虛擬關鍵指標。

    虛擬指標技術就是通過創建一個虛擬的關鍵指標，然后在運行查詢時通過接口程序動態得到指標值來實現數據的顯示。在成本分析和采購分析中就采用了虛擬指標技術來實現指標的動態計算。

    鋼鐵業成本數據模型構建成一個層次結構，數據流向也是按從下到上流轉的，形成下圖中的鋼鐵業成本核算數據流。通過這樣一個層次結構模型，工序順序處理方式，實現了鋼鐵業成本倒推核算，如圖3所示。
               

    目標成本倒推法則的好壞，取決于從數據信息中獲得的決策能力。所以，數據質量控制是一個十分關鍵的問題，如果數據信息缺乏足夠的質量保證，那么成本模型的運算也是經不起推敲的。梳理和加工后的數據，可以作為鋼鐵業倒推成本核算的基礎數據。其中一個是原料價格數據源，另一個是成本構成數據源。

    同時根據工藝進行財務成本目標的倒推方式，需要按照生產工藝過程建立不同的成本核算倒推數據模型來支持，逐級核算出鋼鐵業成本從鋼材->材廠->鋼水->鐵水->結礦->冶金焦等，這樣就可以實現：

    計算原燃料剔除關聯交易后的鋼鐵業價格。

    生產消耗成本項目按成本核算要求重新歸集。

    供生產性成本中心輔材差異還原到生產成本。

    4 財務成本目標倒推法則為企業降低成本的作用明顯

    （1）首鋼數據分析系統強有力的數據挖掘功能使得對鋼鐵業生產成本倒推核算的逐級量化分析成為可能。當接到生產任務訂單后，首先測算出成本目標，然后以成本目標開始，按工藝流程倒推各個工藝環節的生產成本目標，然后再落實到原料、燃料、動力等各個成本環節，當倒推過程中出現異議或相悖等現象時，通過對價格模型與成本構成模型的調整，直到全部成本任務得到科學合理的落實。改變了過去由人工逐層匯總分析的局面，而且分析的角度更多、粒度更細，大大提高了工作效率。通過數據倉庫模塊的實施，逐步建立起企業決策數據信息支撐體系。通過按關鍵指標對數據進行歸集、整理和數據挖掘，深度分析成本業務活動的起因和變化趨勢，便于中高管理層對企業成本運行業務流程結果給予評估和指導，平衡和運籌企業資源的合理流向，實現公司領導層的決策管理。

    （2）首鋼財務成本目標倒推法則上線運行，為首鋼公司高層領導、中層管理快速地掌握首鋼鋼鐵業在成本構成、質量、影響因素等各方面的運行狀況提供了平臺，為領導提供了及時、準確的決策依據。對目標成本的制定和措施的實施，目標成本與解決落實，以及實時解決目標成本落實過程中出現的各種問題，特別是針對市場銷售價格的隨時變化情況，采取相應的解決措施等，都起到了積極的促進作用。

    （3）通過首鋼數據分析和目標成本倒推法則的實施，加快了ERP優化的進度，通過對管理制度的健全、業務流程的落實，使流程管理更規范和細化，能更有效地加強數據流的監控。實現了復雜的人工計算成本指標到系統自動計算過程的轉變，并應用于日常成本統計管理的實際。同時，提出了核算整個鋼鐵業成本的方法及技術方案，并實現了企業鋼鐵業成本的準確計算，進一步增強了企業的抗風險能力，為首鋼的經濟發展，提供了有力的支撐和保證。

    摘自《自動化博覽》2010年第七期