随着大数据时代的来临，数据作为一项资产被企业所重视，如何将数据应用价值和全面预算结合成为企业发展的关键。作为国内技术领先的全面预算系统厂商，智达方通正是基于数据分析和全面预算的紧密结合的模式，搭建多维度、灵活分析的全面预算管理平台，不仅能满足企业预算管理过程中基本预算需求，如预算编报，预算控制和分析，而且还可以提供强大的业务计算和预算预测模型，帮助企业应对日趋复杂的竞争环境。
大数据技术可采用的分析方式主要有两种：EDA（Exploratory Data Analysis）-探索性数据分析；CDA（Confirmatory Data Analysis）-验证性数据分析。全面预算作为管理会计信息化和财务分析领域的传统业务，属于典型的验证性数据分析业务。
探索性数据分析(EDA)用于找到数据间的模式和相关性，是一种“参考答案”的获取。应用场景包括大家熟知的“啤酒尿布”类数据挖掘应用，工具包括SAS，SPSS这类数据挖掘软件以及R语言类语言工具。探索性数据分析的优点是可以从一堆貌似杂乱无章的数据中找到一些相关性和模式来辅助决策，其缺点是有可能会找到一些无意义的相关性，比如所有生过孩子的用户都是女性。
验证性数据分析(CDA)，是在明确了分析模型和算法的情况下，需要基于已有数据计算出结果，可以称之为是一种“准确答案“的获取。典型的应用场景就是基于多维数据仓库的OLAP分析应用。在企业应用最广泛的就是EPM-Enterprise Performance Management(企业绩效管理)，其中包括全面预算，商业智能等应用。与"啤酒尿布”这种探索性数据挖掘应用相比，OLAP分析的结果只能是唯一的准确答案。比如通过企业管理要求设定的业务规则，计算出的利润率只能是一个数字，不可能是“利润率有可能是11.5%”这种参考答案。验证性数据分析类系统包括Oracle Hyperion, IBM Cognos以及智达方通Intcube EPM，其共同特点为都是基于多维数据仓库的OLAP分析工具平台。
大数据对全面预算系统未来发展的影响
另外，基于Hadoop，Hbase，Kylin等开源项目的方案，目前仍然不能满足全面预算或财务分析信息化领域的需求，原因是企业在全面预算或财务分析方面的需求，不是仅仅基于大数据的查询或搜索这些“只读操作”就能满足需求。全面预算领域需要能够支持复杂的业务规则计算，并且这些业务规则在实际应用中可以经常由最终使用者，如财务部门，业务部门人员调整更改，而无需开发人员通过编写程序或者SQL脚本实现分析方法的调整。这就要求支持MDX的OLAP计算引擎成为全面预算软件系统的必要条件，而以上这几个开源项目并不能支持MDX等计算脚本功能。
与Tableau和一些BI仪表板项目的只读数据可视化工具相比，全面预算的编报过程，以及业务规则的运算过程，会产生大量的写操作。因此，对数据仓库平台的要求有两点：一是支持频繁的写操作，二是支持业务规则脚本计算。目前对于国内的商用数据仓库软件提供商来说，实现这两点并非难事，但真正的难点在于如何在十亿级甚至百亿级的数据量下，保证单个数据集市-CUBE能有很好的读写和业务规则计算性能，这是所有多维数据仓库软件厂商需要面临的挑战。针对该问题，国内多维数据仓库领域及企业绩效管理领域技术专家、北京智达方通总经理蔡志宏先生认为，其解决方案应该是在数据仓库核心功能开发时，支持数据的分布式存储，通过数据的多节点存储，提升读写IO效率，同时要优化动态计算效率，优化预计算和动态计算之间的平衡，以及优化动态计算时数据块中的寻址效率。
如何将大数据和全面预算结合，是智达方通一直致力研究的重点，智达方通建议在全面预算系统选型时企业应留意以下几点：一、 软件是否是基于多维数据仓库开发的。全面预算业务需要做大量的数据分析和业务规则。业务数据的多维建模和强大的计算引擎是必要条件。二、 软件厂商是否具有自主的多维数据仓库技术，换句话说，是不是数据仓库厂商。因为数据仓库的性能和功能直接影响了全面预算软件的使用体验。如果依赖其他商用数据仓库产品，甚至是开源数据仓库引擎开发，成本和可靠性都很难控制。三、是否有独立的工作流引擎，以及预算执行控制产品。国内的企业对预算执行控制和审批流程要求很高。国外的计划预算厂商不做这些功能。
免责声明：本文为厂商推广稿件，企业发布本文的目的在于推广其产品或服务，站长之家发布此文仅为传递信息，不代表站长之家赞同其观点，不对对内容真实性负责，仅供用户参考之用，不构成任何投资、使用等行为的建议。请读者使用之前核实真实性，以及可能存在的风险，任何后果均由读者自行承担。