企业决策层想要在海量的数据中提取出有效的信息,可以使用决策支持系统(decision support system,DSS)。决策支持系统使用到的主要技术有数据仓库及其相关的OLAP技术和数据挖掘技术。本文基于中国东方电气集团有限公司的财务状况及需求,结合笔者的工作实践,利用OLAP和DM技术,研究、分析、设计、建设了一个具有财务分析和数据挖掘功能的财务分析系统,以便为企业决策层提供快速的财务分析支持。本文除了引言以及对系统设计运用到的相关技术进行基础介绍外,重点研究并完成了以下工作:(1)根据公司财务分析的实际需求,笔者对系统做了详细的需求分析。(2)在系统需求分析的基础上,笔者利用OLAP和DM技术,对财务分析系统的整体体系结构和各功能模块进行设计,包括对系统数据源建模、设计数据仓库的星型模型。(3)在功能模块的设计过程中,笔者重点运用两种算法以实现系统设计目的:一是多维分析模块的分组序号聚集算法。分组序号聚集算法关键是连接维表的分组序号以达到缩减事实表记录关键字长度的目的,从而提高排序分组的效率,提高系统的可用性。二是指标分析模块的模糊识别算法。在试验证明出模糊聚类算法无法完成识别样本集等级的基础上,使用了模糊识别算法。该算法是利用训练样本集的模糊识别矩阵计算出模糊聚类中心矩阵,再利用模糊聚类中心矩阵反算出测试样本集的最优模糊识别矩阵,从而克服了传统的模糊聚类算法只能聚类的缺点。(4)详细分析了公司财务分析系统的实现过程及其效果。包括数据仓库的建模、数据的处理以及各模块查询报表的开发与实现,并以各模块实现的关键代码和报表截图对系统予以展示。笔者利用上述方法、技术和算法所设计的该财务分析系统,在中国东方电气集团有限公司的应用是十分成功的。它不仅减轻了财务人员日常繁琐的数据统计和汇总的工作,并且避免了数据误差和数据孤岛的产生;不仅使决策层能够随时查询到所关心方面的准确数据信息,而且能够挖掘出财务指标数据的隐含信息,实现企业财务预警,从而为企业的下一步发展做好规划和调整。