基于数据挖掘的智能财务决策支持系统研究

摘要

随着企业信息化建设的深入发展,企业积累的业务数据越来越多,同时不断变化的市场环境和激烈的竞争,都促使管理人员对更深入信息的渴望。智能财务决策支持系统是传统决策支持系统与人工智能中的专家系统集成后,在财务领域的具体应用。运用智能财务决策支持系统可以帮助企业对数据进行分类、整理、加工和分析,将以往无法进一步使用的历史数据转化成能为高层决策者所用的知识库信息。但是现有的大多数智能财务决策支持系统的研究中,对于数据挖掘技术的应用不够具体详细,仅仅是笼统得给出模型库、知识库的构建,同时也很少结合企业实际情况,可操作性不强。
　　 针对实际应用中出现的问题,本人首先深入ZT集团实地调研,结合集团信息化建设现状及管理层需求,分析系统的目标和需要实现的功能,详细定义各模块的功能,采用包含四个层次的系统结构完成了对zT集团智能财务决策支持系统的总体设计,确定了财务预测与决策、财务计划与控制、财务分析与报告及考核评价四个主题。由于本系统中的许多功能需要依靠先进的数据挖掘技术,因此本文对系统中的三个关键挖掘技术分别进行了研究:1)聚类方法。在对模糊聚类方法和灰色聚类方法进行了对比后,本文选择采用后者,并将其运用于“存货预测与决策”模块中;2)决策树技术。依据ZT集团项目投资的特点和功能需求,本文采用决策树方法解决投资项目的选择问题;3)关联规则挖掘技术。在分析了关联规则经典挖掘算法存在的不足后,本文采用函数映射的方法,将对数据库的扫描转变为对矩阵的扫描,将对重复率的计算转变为对矩阵内积的计算,从而实现对其运算效率的优化,最后运用JAVA编程语言,对算法进行开发实现,通过对比改进前后算法的运算效率,验证优化效果。并且根据ZT集团需求,将改进后的算法运用于投资决策子系统中对股票规则的挖掘。
　　 论文的最后以投资决策子系统为例,分析ZT集团智能财务决策支持系统的构建与开发。首先确定该子系统的目标与功能结构,及其运用的数据挖掘技术,包括决策树技术与关联规则挖掘技术。其次对子系统进行总体结构分析,将整个处理过程分为四个层次:基础数据层、数据仓库层、应用逻辑层或结果展现层。然后确定系统的模块,详细定义各模块实现的功能。最后采用JAvA编程语言,实现投资决策子系统的开发工作。