隨著金財(cái)工程的逐步推廣應(yīng)用，財(cái)政信息系統(tǒng)中收集了大量的數(shù)據(jù)。而現(xiàn)行的分析方法大都還停留在手工匯總報(bào)表的狀態(tài)，對(duì)這些財(cái)政數(shù)據(jù)分析方法的研究工作卻遠(yuǎn)遠(yuǎn)滯后。針對(duì)這一狀況，本文提出建立財(cái)政商業(yè)智能的設(shè)想，以政府采購為主題建立數(shù)據(jù)倉庫模型，并在多個(gè)維度上對(duì)數(shù)據(jù)進(jìn)行分析對(duì)比，預(yù)測(cè)其發(fā)展趨勢(shì)。相信隨著對(duì)財(cái)政數(shù)據(jù)處理的綜合性、及時(shí)性、可預(yù)測(cè)性等要求越來越高，商業(yè)智能和數(shù)據(jù)倉庫在財(cái)政業(yè)務(wù)上的應(yīng)用也將越來越廣泛。

隨著我國(guó)加入WTO，政府部門也面臨著與國(guó)際接軌的要求，對(duì)政府公共政策的制定會(huì)產(chǎn)生深刻的影響。各職能部門的針對(duì)性決策及政府部門的重大決策的確立越來越需要建立在對(duì)歷史數(shù)據(jù)、相關(guān)數(shù)據(jù)的科學(xué)分析的理性基礎(chǔ)上。發(fā)展電子政務(wù)，發(fā)展決策支持系統(tǒng)，可以大大提高公共政策制定的科學(xué)性和有效性。過去，在行政決策方面曾出現(xiàn)過這樣或那樣的問題。其中的一個(gè)重要原因，就是對(duì)信息的搜集和掌握不全面，或有片面性。決策支持系統(tǒng)的運(yùn)用將會(huì)對(duì)行政決策產(chǎn)生深刻的影響。同時(shí)，隨著民主建設(shè)的深入，政府的決策要求能夠體現(xiàn)公眾的觀點(diǎn)在政策決定上的影響。而商業(yè)智能系統(tǒng)正是實(shí)現(xiàn)政府決策支持的后臺(tái)核心技術(shù)。

財(cái)政商業(yè)智能系統(tǒng)的意義

財(cái)政部自1999年下半年開始著手規(guī)劃建立“政府財(cái)政管理信息系統(tǒng)”，并于2001年完成初步設(shè)計(jì)并開始試點(diǎn)。2002年初，國(guó)務(wù)院將“政府財(cái)政管理信息系統(tǒng)”定名為“金財(cái)工程”，并列為國(guó)家電子政務(wù)十二個(gè)重點(diǎn)工程之一。隨著金財(cái)工程的逐步啟動(dòng)、推廣，財(cái)政信息系統(tǒng)在近幾年中收集了大量的數(shù)據(jù)，而且這些數(shù)據(jù)還正在呈指數(shù)級(jí)增長(zhǎng)，于是新的問題也逐漸顯露出來:目前大部分的財(cái)政業(yè)務(wù)系統(tǒng)只是數(shù)據(jù)在服務(wù)器上物理存放上的“集中”，而在業(yè)務(wù)關(guān)聯(lián)上，各業(yè)務(wù)仍然是在各自的業(yè)務(wù)系統(tǒng)中獨(dú)立處理，并沒有橫向的數(shù)據(jù)關(guān)系，輸出的賬務(wù)成果，如基本報(bào)表、分析指標(biāo)等也是各自獨(dú)立的。因此，目前的各級(jí)財(cái)政部門都迫切地需要一個(gè)高效、精確、科學(xué)的分析數(shù)據(jù)的方法，找出其背后的寓意，了解財(cái)政資金需求、使用狀況，做出科學(xué)的決斷，進(jìn)而達(dá)到“讓資金轉(zhuǎn)起來，讓賬目透起來，讓管理細(xì)起來，讓財(cái)政強(qiáng)起來”的目的。而在目前這種“物理集中”狀況下，若是要進(jìn)行數(shù)據(jù)的匯總、合并，分析的橫向?qū)Ρ?、綜合指標(biāo)等，需在各自輸出的報(bào)表基礎(chǔ)上再進(jìn)行數(shù)據(jù)的加工。隨著對(duì)財(cái)政數(shù)據(jù)處理的綜合性、及時(shí)性、可預(yù)測(cè)性等要求越來越高，目前這種數(shù)據(jù)的加工方式越來越不能適應(yīng)財(cái)政工作的要求。

近年來，數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理及數(shù)據(jù)挖掘，這三種相互獨(dú)立又相互關(guān)聯(lián)的信息處理技術(shù)，已成為新一代決策支持系統(tǒng)的基礎(chǔ)，即所謂的商業(yè)智能(BI，Business Intelligence)。其中數(shù)據(jù)倉庫是基礎(chǔ)，聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘技術(shù)是兩種不同的分析工具。因此利用先進(jìn)的數(shù)據(jù)倉庫技術(shù)建立統(tǒng)一的數(shù)據(jù)模型，使用OLAP、報(bào)表分析、數(shù)據(jù)挖掘等技術(shù)來解決各種財(cái)政業(yè)務(wù)問題，成為財(cái)政實(shí)現(xiàn)加強(qiáng)財(cái)政資金管理和決策支持的重要方法。

作為一種將數(shù)據(jù)轉(zhuǎn)變?yōu)樾畔?、信息轉(zhuǎn)變成知識(shí)的工具，商業(yè)智能已經(jīng)在電子商務(wù)、客戶關(guān)系管理、信息門戶、ERP以及其他各類企業(yè)應(yīng)用系統(tǒng)中擔(dān)當(dāng)起核心技術(shù)的角色。近年來，隨著政府信息化的逐步深入，GRP概念的提出，商業(yè)智能在政府部門應(yīng)用的前景也是十分廣闊。

商業(yè)智能主要涉及四個(gè)層面:一是信息系統(tǒng)層面:稱為商業(yè)智能系統(tǒng)的物理基礎(chǔ)。表現(xiàn)為具有強(qiáng)大決策分析功能的單獨(dú)的軟件工具和面向特定應(yīng)用領(lǐng)域的信息系統(tǒng)平臺(tái)，如SCM、CRM、ERP。與事務(wù)型的MIS不同，商業(yè)智能系統(tǒng)能提供分析、趨勢(shì)預(yù)測(cè)等決策分析功能。二是數(shù)據(jù)分析層面:是一系列算法、工具或模型。首先獲取與所關(guān)心主題有關(guān)的高質(zhì)量的數(shù)據(jù)或信息，然后自動(dòng)或人工參與使用具有分析功能的算法、工具或模型，幫助人們分析信息、得出結(jié)論、形成假設(shè)、驗(yàn)證假設(shè)。三是知識(shí)發(fā)現(xiàn)層面:與數(shù)據(jù)分析層面一樣，是一系列算法、工具或模型。將數(shù)據(jù)轉(zhuǎn)變成信息，而后通過發(fā)現(xiàn)，將信息轉(zhuǎn)變成知識(shí);或者直接將信息轉(zhuǎn)變成知識(shí)。四是戰(zhàn)略層面:將信息或知識(shí)應(yīng)用在提高決策能力和運(yùn)營(yíng)能力上;企業(yè)建模等。商業(yè)智能的戰(zhàn)略層面是利用多個(gè)數(shù)據(jù)源的信息以及應(yīng)用經(jīng)驗(yàn)和假設(shè)來提高企業(yè)決策能力的一組概念、方法和過程的集合。它通過對(duì)數(shù)據(jù)的獲取、管理和分析，為貫穿企業(yè)組織的各種人員提供信息，以提高企業(yè)戰(zhàn)略決策和戰(zhàn)術(shù)決策能力。

商業(yè)智能系統(tǒng)應(yīng)具有的功能，一是數(shù)據(jù)管理功能。從多據(jù)個(gè)數(shù)源ETL(抽取、轉(zhuǎn)換、轉(zhuǎn)貯)數(shù)據(jù)、清洗數(shù)據(jù)、數(shù)據(jù)集成能力;大量數(shù)據(jù)高效存儲(chǔ)與維護(hù)能力。二是數(shù)據(jù)分析功能。具備OLAP等多種數(shù)據(jù)分析功能;終端信息查詢和報(bào)表生成能力;數(shù)據(jù)可視化能力。三是知識(shí)發(fā)現(xiàn)功能。從大型數(shù)據(jù)庫中的數(shù)據(jù)中提取人們感興趣的知識(shí)的能力。這些知識(shí)是隱含的、事先未知的、潛在有用的信息，提取的知識(shí)表示為概念、規(guī)則、規(guī)律和模式等形式。

由于商業(yè)智能系統(tǒng)的需求往往是不明確的，而且是不斷變化與增加的，也就是說商業(yè)智能系統(tǒng)開發(fā)必然是一個(gè)經(jīng)過不斷循環(huán)、反饋而使系統(tǒng)不斷增長(zhǎng)與完善的過程。因此，采用原型法來進(jìn)行商業(yè)智能的開發(fā)是比較合適的，因?yàn)樵头ǖ乃枷胧菑臉?gòu)建系統(tǒng)的簡(jiǎn)單的基本框架著手，不斷豐富與完善整個(gè)系統(tǒng)。

圖1是財(cái)政商業(yè)智能系統(tǒng)的結(jié)構(gòu)示意圖:數(shù)據(jù)源最終要涉及多個(gè)業(yè)務(wù)系統(tǒng)，并且這些系統(tǒng)采用了不同的數(shù)據(jù)庫，包括ORACLE、SQL SERVER和SYBASE?？紤]到不增加業(yè)務(wù)系統(tǒng)的負(fù)載，在系統(tǒng)中增加了一個(gè)中間數(shù)據(jù)庫。每天將業(yè)務(wù)系統(tǒng)的備份數(shù)據(jù)導(dǎo)入到中間數(shù)據(jù)庫，并對(duì)數(shù)據(jù)進(jìn)行抽取和清洗，然后載入到數(shù)據(jù)倉庫中。數(shù)據(jù)倉庫包括多個(gè)主題的數(shù)據(jù)集市，為OLAP、報(bào)表和數(shù)據(jù)挖掘提供數(shù)據(jù)服務(wù)。

財(cái)政商業(yè)智能系統(tǒng)的開發(fā)和設(shè)計(jì)

下面就以政府采購主題為例，描述財(cái)政商業(yè)智能系統(tǒng)的開發(fā)和設(shè)計(jì)。

(一)政府采購管理系統(tǒng)分析

圖2是政府采購系統(tǒng)的模塊示意圖。通過對(duì)業(yè)務(wù)的分析，可以看出整個(gè)采購業(yè)務(wù)都是圍繞著采購計(jì)劃和采購合同來進(jìn)行的。因此在數(shù)據(jù)倉庫中也是以采購計(jì)劃單和采購合同的信息作為事實(shí)表。在這個(gè)主題中，我們需要了解一個(gè)采購計(jì)劃的采購物品的名稱、類型、數(shù)量、參考單價(jià)，采用什么采購方式，采購單位是誰，使用什么預(yù)算科目，成交價(jià)格是多少等等?？紤]到今后功能的擴(kuò)展，在倉庫這一層將盡量保存詳細(xì)原子數(shù)據(jù)。

(二)數(shù)據(jù)倉庫設(shè)計(jì)

數(shù)據(jù)倉庫的設(shè)計(jì)應(yīng)該使得系統(tǒng)能夠完成對(duì)政府采購的采購計(jì)劃、采購方式、采購金額、節(jié)約率等各種信息的分析及KPI監(jiān)控。

根據(jù)上述要求，數(shù)據(jù)倉庫的關(guān)鍵維度包括:

(1)采購方式、物品分類、采購計(jì)劃申報(bào)時(shí)間、物品名稱、數(shù)量等。

(2)預(yù)算科目、預(yù)算金額等。

(3)采購單位、單位類型、部門代碼、合同簽訂時(shí)間、合同金額等。

(4)供應(yīng)商名稱、單位地址、開戶行信息等。

通過數(shù)據(jù)倉庫的應(yīng)用，我們希望能夠快速獲得下面的信息，以提高政府工作的質(zhì)量:

(1)采購總金額是多少及其按時(shí)間變化的情況?

(2)采購的節(jié)約率是多少?

(3)采購節(jié)約率的變化情況及原因?

(4)某類產(chǎn)品的采購金額的情況。

(5)單位的采購模式等等。

圖3是數(shù)據(jù)倉庫的模型結(jié)構(gòu)圖，其中CONTRACT和STOCKITEM為事實(shí)表，CONTRACTDETAIL為連接CONTRACT和STOCKITEM兩事實(shí)表的連接表。

(三)抽取、清洗、裝載(ETL)和更新

1、歷史數(shù)據(jù)的ETL步驟

首先確定保存在數(shù)據(jù)倉庫里數(shù)據(jù)的粒度。粒度是數(shù)據(jù)倉庫的重要概念，粒度是對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)的綜合程度高低的一個(gè)度量，它既影響數(shù)據(jù)倉庫中的數(shù)據(jù)量的多少，也影響數(shù)據(jù)倉庫所能回答詢問的種類。數(shù)據(jù)倉庫中會(huì)存在著不同的數(shù)據(jù)綜合級(jí)別，粒度越大，表示數(shù)據(jù)的細(xì)節(jié)程度越低，綜合程度越高?？紤]到財(cái)政業(yè)務(wù)系統(tǒng)的數(shù)據(jù)基本上是按年度劃分存放的，跨年度的數(shù)據(jù)分析十分困難。同時(shí)對(duì)財(cái)政數(shù)據(jù)的分析需求是不斷增加和變化的，因此在數(shù)據(jù)倉庫中盡量保存了最細(xì)節(jié)的數(shù)據(jù)。

2、追加數(shù)據(jù)的ETL步驟

定期向數(shù)據(jù)倉庫追加數(shù)據(jù)也是一個(gè)十分重要的工作。我們知道數(shù)據(jù)倉庫中的數(shù)據(jù)是來自財(cái)政業(yè)務(wù)系統(tǒng)的數(shù)據(jù)庫中，問題是我們?nèi)绾沃谰烤鼓男?shù)據(jù)是在上一次追加過程之后新生成的。在這里我們采用的方法是時(shí)標(biāo)方法，根據(jù)合同表中的狀態(tài)和時(shí)間來決定哪些數(shù)據(jù)是新的應(yīng)該追加到數(shù)據(jù)倉庫中?？紤]到政府采購也是商業(yè)行為，因此對(duì)于合同的認(rèn)定是以簽訂為標(biāo)準(zhǔn)的，既采用權(quán)責(zé)發(fā)生制的會(huì)計(jì)準(zhǔn)則。

(四)常用算法

1、關(guān)聯(lián)分析算法:

關(guān)聯(lián)分析是指發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系，這些關(guān)聯(lián)展示屬性-值頻繁地在給定數(shù)據(jù)集中一起出現(xiàn)的條件。

設(shè)I={i1，i2，..，im}是項(xiàng)集，設(shè)任務(wù)相關(guān)的數(shù)據(jù)D是事務(wù)集，其中每個(gè)事務(wù)T是項(xiàng)集，使得TI。每一個(gè)事物有一個(gè)標(biāo)識(shí)符，稱作TID。設(shè)A是一個(gè)項(xiàng)集，且事務(wù)T包含A當(dāng)且僅當(dāng)AT。

關(guān)聯(lián)規(guī)則是形如AB的邏輯蘊(yùn)涵，其中AI， AI，且A∩B=。關(guān)聯(lián)規(guī)則具有如下兩個(gè)重要的屬性:

支持度: 規(guī)則AB在事務(wù)集D中成立，具有支持度s，其中s是D中事務(wù)包含AB(即A和B二者皆有)的百分比。它的概率是P(BA)。

置信度: 規(guī)則AB在事務(wù)集D中具有置信度c，如果D中包含A的事務(wù)同時(shí)也包含B的百分比是c。這是條件概率P(B|A)。即是:

Support (AB)=P(BA)

Confidence((AB)=P(B|A)

同時(shí)滿足最小支持度閾值和最小置信度閾值的規(guī)則稱為強(qiáng)規(guī)則。給定一個(gè)事務(wù)集D，挖掘關(guān)聯(lián)規(guī)則問題就是產(chǎn)生支持度和可信度分別大于用戶給定的最小支持度和最小可信度的關(guān)聯(lián)規(guī)則，也就是產(chǎn)生強(qiáng)規(guī)則的問題。

2、分類規(guī)則挖掘

分類規(guī)則挖掘有著廣泛的應(yīng)用前景。對(duì)于分類規(guī)則的挖掘通常有以下幾種方法，不同的方法適用于不同特點(diǎn)的數(shù)據(jù):貝葉斯方法、 決策樹方法、 人工神經(jīng)網(wǎng)絡(luò)方法、 粗糙集方法、 遺傳算法。

貝葉斯分類方法是一種具有最小錯(cuò)誤率的概率分類方法，可以用數(shù)學(xué)公式的精確方法表示出來，并且可以用很多種概率理論來解決。

貝葉斯定理:假設(shè)C1，C2…互斥且構(gòu)成一個(gè)完全事件，已知它們的概率P(Ci)(i=1，2，…，)現(xiàn)觀察到某事件X與C1，C2…相伴隨而出現(xiàn)，且已知條件概率P(X|Ci)，求P(Ci|X)。貝葉斯公式為:

P(Ci|X)=

樸素貝葉斯分類的工作過程:

每個(gè)數(shù)據(jù)樣本用一個(gè)n維特征向量X={x1，x2，…，xn}表示，分別描述對(duì)n個(gè)屬性A1，A2，…，An樣本的n個(gè)度量。

假定有m個(gè)類C1，C2，…，Cm。給定一個(gè)未知的數(shù)據(jù)樣本X(即沒有類標(biāo)號(hào))，分類法將預(yù)測(cè)X屬于具有最高后驗(yàn)概率(條件X下)的類。即，樸素貝葉斯分類將未知的樣本分配給類Ci，當(dāng)且僅當(dāng)

P(Ci|X)〉P(Cj|X) 1 j m j i

這樣，最大化P(Ci|X)。其P(Ci|X)最大的類Ci稱為最大后驗(yàn)假定。

其中:

P(Ci|X)=

(五)數(shù)據(jù)倉庫的應(yīng)用展示

1、政府采購的金額

在政府采購管理系統(tǒng)中，會(huì)按時(shí)間和采購方式顯示采購金額，并顯示針對(duì)某一采購的具體信息，包括采購金額、采購方式、匯總的時(shí)間等(如圖4)，還顯示了預(yù)算來源為財(cái)政撥款，采購目錄為計(jì)算機(jī)和服務(wù)器，按時(shí)間和采購單位匯總的采購金額。

從上面的數(shù)據(jù)可以看出，無論是政府集中采購的總金額，還是單個(gè)采購類別的采購金額都是以較大的幅度增加的。這主要有兩個(gè)原因:

(1)集中采購目錄的不斷擴(kuò)大。2005年把市級(jí)單位單項(xiàng)或批量采購金額達(dá)到50萬元以上的貨物和服務(wù)項(xiàng)目、100萬元以上的建設(shè)工程(房屋和建筑物的新建、擴(kuò)建、改建、裝修、修繕)項(xiàng)目等納入了政府集中采購的范圍。2006年把 會(huì)展、物業(yè)、市級(jí)重大科技項(xiàng)目招標(biāo)等納入了政府集中采購的范圍。

(2)隨著政府采購制度的不斷完善，越來越多的行政事業(yè)單位被納入了政府采購。

隨著絕大多數(shù)的行政事業(yè)單位納入了政府采購范圍，第二個(gè)因素對(duì)集中采購金額的影響將越來越小。因此，以后政府采購工作的重點(diǎn)應(yīng)該是進(jìn)一步擴(kuò)大集中采購目錄。

2、節(jié)約率

節(jié)約率=(采購資金計(jì)劃數(shù)-實(shí)際成交數(shù))/采購資金計(jì)劃數(shù)

圖5是以采購單位和時(shí)間顯示預(yù)算金額、采購金額和節(jié)約率。

下面我們用KPI (Key Performance Indicators——關(guān)鍵績(jī)效指標(biāo))來全面監(jiān)控節(jié)約率的變化狀態(tài)。

圖6是協(xié)議采購(計(jì)算機(jī)類)、2004年四季度、單位是南京市幾家醫(yī)院的節(jié)約率(KPI)。由于協(xié)議采購的價(jià)格是在協(xié)議供貨招標(biāo)時(shí)決定的，單位購買時(shí)只需要根據(jù)協(xié)議價(jià)申報(bào)采購預(yù)算，所以協(xié)議采購的節(jié)約率基本為零，趨勢(shì)為下降。

圖7是競(jìng)爭(zhēng)性談判、2004年四季度、單位是南京市幾家醫(yī)院的節(jié)約率(KPI)，節(jié)約率為9.74%，趨勢(shì)為下降。

圖8是網(wǎng)上采購、2004年四季度、南京市幾家單位的節(jié)約率(KPI)，節(jié)約率為6.16%，趨勢(shì)為下降。

經(jīng)過分析可以得出以下結(jié)論:

首先節(jié)約率的高低是和采購物品的類型、采購方式相關(guān)的。不同的物品的節(jié)約率不一樣，競(jìng)爭(zhēng)激烈、市場(chǎng)價(jià)格比較透明的產(chǎn)品節(jié)約率就比較低，反之就比較高。采購方式和節(jié)約率的關(guān)系比較復(fù)雜，但總的來說，采購?fù)惍a(chǎn)品使用競(jìng)爭(zhēng)性談判的方式往往節(jié)約率會(huì)比較高。

其次從政府采購的發(fā)展規(guī)律看，在實(shí)行政府采購之初，由于新舊采購模式上的明顯差異，百分之十幾甚至二十幾的資金節(jié)約率無疑是合理的，也是令人鼓舞的。但隨著采購工作的規(guī)范和成熟，資金節(jié)約率必然會(huì)呈現(xiàn)逐年遞減的態(tài)勢(shì)。原因如下:

(1)協(xié)議采購范圍的不斷擴(kuò)大。由于協(xié)議采購的價(jià)格是在協(xié)議供貨招標(biāo)時(shí)決定的，單位購買時(shí)只需要根據(jù)協(xié)議價(jià)申報(bào)采購預(yù)算，并且在協(xié)議采購電子產(chǎn)品時(shí)，用戶還可以通過選購相關(guān)配件將采購預(yù)算用滿。所以協(xié)議采購的節(jié)約率基本為零。

(2)隨著采購項(xiàng)目的不斷增多，采購對(duì)象的市場(chǎng)價(jià)格對(duì)于用戶和采購中心也相對(duì)透明，加上對(duì)供應(yīng)商價(jià)格折扣方式的熟悉以及采購經(jīng)驗(yàn)的積累，使得用戶在制定采購預(yù)算時(shí)心中有數(shù)。這就使得采購預(yù)算和采購成交價(jià)格相差不大，節(jié)約率自然就下降了。

(3)財(cái)政預(yù)算部門因?yàn)橛辛苏少弮r(jià)格作為參照，預(yù)算更科學(xué)更精確了。不斷完善的政府采購預(yù)算制度，提高了預(yù)算編制的科學(xué)性、準(zhǔn)確性，擠干各部門政府采購計(jì)劃中的水分。這也是節(jié)約率下降的原因之一。

通過以上分析可以得出:政府集中采購金額的增長(zhǎng)和節(jié)約率的降低是政府采購實(shí)施的內(nèi)在需求所決定的。實(shí)施政府采購的成效，不僅體現(xiàn)在節(jié)約財(cái)政預(yù)算資金上，還體現(xiàn)在健全財(cái)政職能，提高理財(cái)?shù)膶哟魏退缴希瑥脑搭^上鏟除腐敗，促進(jìn)了廉政建設(shè)。與此同時(shí)，在決策上可以看出擴(kuò)大集中采購目錄是今后的政府采購工作的一個(gè)重點(diǎn)，而且應(yīng)改變過去盲目追求節(jié)約率的工作思路。

與傳統(tǒng)的報(bào)表分析相比，財(cái)政商業(yè)智能系統(tǒng)可以找到采購金額、節(jié)約率變化的趨勢(shì)和政府采購、部門預(yù)算等財(cái)政職能逐步健全的關(guān)系，并為下一步政府采購工作和決策提供依據(jù)的;可以在多維度(時(shí)間、單位、預(yù)算科目等)上對(duì)數(shù)據(jù)進(jìn)行分析對(duì)比，預(yù)測(cè)其發(fā)展趨勢(shì)，從而找出這些數(shù)據(jù)背后寓意的。

財(cái)政商業(yè)智能的建設(shè)是一項(xiàng)復(fù)雜且不斷變化的過程，它的需求是隨著財(cái)政業(yè)務(wù)的變化而不斷變化的。它是結(jié)合數(shù)據(jù)倉庫、分析展示、數(shù)據(jù)挖掘等技術(shù)理論與財(cái)政業(yè)務(wù)、會(huì)計(jì)實(shí)務(wù)等技術(shù)的綜合性應(yīng)用體系。財(cái)政商業(yè)智能的研究是一個(gè)極具挑戰(zhàn)性、現(xiàn)實(shí)性的項(xiàng)目，隨著對(duì)財(cái)政數(shù)據(jù)處理的綜合性、及時(shí)性、可預(yù)測(cè)性等要求越來越高，財(cái)政商業(yè)智能將是一個(gè)應(yīng)用前景廣闊、蘊(yùn)含著巨大經(jīng)濟(jì)潛值的項(xiàng)目。

(作者單位:南京市財(cái)政局計(jì)算中心)