论文部分内容阅读
证券公司数字化管理系统的建设必须考虑两个关键因素：一是要符合公司的发展战略，二是要满足相关业务需求和功能需求。
总体规划
系统以包含全公司数据的数据中心为基础，涉及了企业数字化管理的三个层次。业务处理层各子系统主要是向数据中心输入数据，企业管理层和决策支持层首先从数据中心提取数据，将数据处理成有用的信息，再输回到数据中心。业务处理层包含了证券公司的主要业务系统，多数券商已经实现；企业管理层的核心是财务系统，基础是市场研发管理系统，下一步发展重点是客户关系系统；而决策支持层主要包含绩效管理和综合智能两个方面，目前各个券商基本上都未涉及。
数据中心是证券公司数据资源的统一规划与整合的平台，是整个系统的基础和核心。因为财务数据是企业全部数据的核心，是从价值方而反映和监督企业的财务状况和各项业务的经营成果；财务信息系统在数字化管理系统中处于核心地位，所以财务数据应成为数据中心的核心。并且，研发部门应为其他各业务部门提供强有力的支持，所以研发数据是数据中心的基础。
数据中心数据来源的系统不同、平台不同，如何将这些数据整合在一起?另外，即使成立了数据中心，如何在这些海量数据中获取有意义的信息，增强企业管理，指导企业决策?商业智能系统能帮助我们解决这个问题。
实现保障——商业智能系统
商业智能(Business Intelligence，简称BI)是1990年代末首先在国外企业界出现的一个术语，是为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为“混沌世界中的智能”。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。
商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
BI的关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取(Extraction)、转换(Transfo rmation)和装载(Load)，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP-V具等对其进行分析和处理(这时信息变为辅助决策的知识)，最后将知识呈现给管理者，为管理者的决策过程提供支持。
实现
从证券公司实际状况出发，想要全面实现数字化管理，主要任务是逐步建立数据中心，利用BI开发企业管理层和决策支持层各系统。
对数据中心数据的分析要靠BI来完成。BI在国内的应用才刚刚开始，它实施的最大难度在于总体框架设计和需求分析。BI的建设是一个系统工程，需要不断地完善，它的实施和开发一定要做到总体规划、分步实施；需求分析同样重要，大部分企业的技术人员不了解业务，而业务人员又不知怎样提需求。没有好的需求分析是无法开发出好的系统的。
下面举一个利用BI对券商的财务、经纪业务数据进行一体化分析的简单需求模型，如右图所示。
因为手续费收入的主要构成是经纪业务的代买卖收入，此需求模型从利润表的手续费收入出发，完成了与之相关的经纪业务的各项业务指标的分析，找出手续费收入变化的原因。
模型按照“明细科目、部门分析、地区分析、经纪业务指标”四项内容分析手续费收入的构成，这四项内容可以交互查询，并有同比、环比等各项数据、各种图形及排序和汇总等统计功能。
通过这样的分析，实现了从财务到经纪业务的比较深入的一体化分析，随着其他业务数据的加入，面向全公司的包含所有数据的一体化分析以及管理层和决策层各系统的实现会让券商受益匪浅。
企业数字化管理进程一般可分为三个阶段：第一个阶段是建设数字化应用系统，是用计算机代替部分手工操作；第二个阶段是企业数字化，信息技术开始渗透到企业的业务中去，数字化管理系统对企业的经营影响越来越深；第三个阶段是造就数字化企业，整个企业的组织结构、运营模式都将是按照数字化管理系统的特点而设计，数字化管理系统将成为企业的灵魂。
我国证券业一开始就采用了“无纸化”信息技术，数字化管理系统建设步伐比较快。目前我国证券公司的数字化管理进程基本上处于第二个阶段的后期，正向第三个阶段迈进。随着证券公司数字化管理的深入，实现了数字化的证券公司将出现在我国证券市场上，并在行业竞争中赢得优势。
总体规划
系统以包含全公司数据的数据中心为基础，涉及了企业数字化管理的三个层次。业务处理层各子系统主要是向数据中心输入数据，企业管理层和决策支持层首先从数据中心提取数据，将数据处理成有用的信息，再输回到数据中心。业务处理层包含了证券公司的主要业务系统，多数券商已经实现；企业管理层的核心是财务系统，基础是市场研发管理系统，下一步发展重点是客户关系系统；而决策支持层主要包含绩效管理和综合智能两个方面，目前各个券商基本上都未涉及。
数据中心是证券公司数据资源的统一规划与整合的平台，是整个系统的基础和核心。因为财务数据是企业全部数据的核心，是从价值方而反映和监督企业的财务状况和各项业务的经营成果；财务信息系统在数字化管理系统中处于核心地位，所以财务数据应成为数据中心的核心。并且，研发部门应为其他各业务部门提供强有力的支持，所以研发数据是数据中心的基础。
数据中心数据来源的系统不同、平台不同，如何将这些数据整合在一起?另外，即使成立了数据中心，如何在这些海量数据中获取有意义的信息，增强企业管理，指导企业决策?商业智能系统能帮助我们解决这个问题。
实现保障——商业智能系统
商业智能(Business Intelligence，简称BI)是1990年代末首先在国外企业界出现的一个术语，是为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为“混沌世界中的智能”。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。
商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
BI的关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取(Extraction)、转换(Transfo rmation)和装载(Load)，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP-V具等对其进行分析和处理(这时信息变为辅助决策的知识)，最后将知识呈现给管理者，为管理者的决策过程提供支持。
实现
从证券公司实际状况出发，想要全面实现数字化管理，主要任务是逐步建立数据中心，利用BI开发企业管理层和决策支持层各系统。
对数据中心数据的分析要靠BI来完成。BI在国内的应用才刚刚开始，它实施的最大难度在于总体框架设计和需求分析。BI的建设是一个系统工程，需要不断地完善，它的实施和开发一定要做到总体规划、分步实施；需求分析同样重要，大部分企业的技术人员不了解业务，而业务人员又不知怎样提需求。没有好的需求分析是无法开发出好的系统的。
下面举一个利用BI对券商的财务、经纪业务数据进行一体化分析的简单需求模型，如右图所示。
因为手续费收入的主要构成是经纪业务的代买卖收入，此需求模型从利润表的手续费收入出发，完成了与之相关的经纪业务的各项业务指标的分析，找出手续费收入变化的原因。
模型按照“明细科目、部门分析、地区分析、经纪业务指标”四项内容分析手续费收入的构成，这四项内容可以交互查询，并有同比、环比等各项数据、各种图形及排序和汇总等统计功能。
通过这样的分析，实现了从财务到经纪业务的比较深入的一体化分析，随着其他业务数据的加入，面向全公司的包含所有数据的一体化分析以及管理层和决策层各系统的实现会让券商受益匪浅。
企业数字化管理进程一般可分为三个阶段：第一个阶段是建设数字化应用系统，是用计算机代替部分手工操作；第二个阶段是企业数字化，信息技术开始渗透到企业的业务中去，数字化管理系统对企业的经营影响越来越深；第三个阶段是造就数字化企业，整个企业的组织结构、运营模式都将是按照数字化管理系统的特点而设计，数字化管理系统将成为企业的灵魂。
我国证券业一开始就采用了“无纸化”信息技术，数字化管理系统建设步伐比较快。目前我国证券公司的数字化管理进程基本上处于第二个阶段的后期，正向第三个阶段迈进。随着证券公司数字化管理的深入，实现了数字化的证券公司将出现在我国证券市场上，并在行业竞争中赢得优势。