三、新技术，内存多维引擎，推动报告合并业务模式转型

1、 OLAP多维引擎，让数据更多维

多维数据表达是多维引擎的基础。包括维度、维值和度量值三部分。维度（Dimension）：是人们观察数据的特定角度。如报告系统中的期间维、组织维、科目维等。

维值（Member）：维的一个取值，是数据项在某维中位置的描述。（“某年某月”是在期间维上位置的描述）。层级（Hierarchy）：描述特定维度的层级关系。（科目维：资产、流动资产、货币资金、现金）。度量（Measure）：多维数组的取值。（2020 年12月，北京公司，收入，100）。

基于多维技术，可对数据进行多维组织查询分析：有钻取（Drill-up和Drill-down）、切片（Slice）和切块（Dice）、以及旋转（Pivot）等。满足数据的向上聚合，向下钻取，分析查询。

２、规则引擎，让数据模型更智能

对于常规合并业务，构建抵销对角科目后，系统按预置规则进行相关抵销处理。

对于复杂业务，以Python语法和规则函数，对多维数据多种复杂处理。如查询（Find(“A.1001”)、删除Clear(“A.1001”)、赋值Exp(“A.1001=A.1002+A.1003*0.6”) 、等种复杂处理，以实现复杂的业务场景。

３、内存计算，让数据计算展现更实时

近年来, 随着多核CPU的快速发展, 内存价格的不断下降, 以及系统架构的不断演进下, 为大数据处理在硬件方面提供了有利的条件。

在内存计算模式下, 所有模型的数据在初始化阶段全部加载到内存中, 数据及查询的操作都在高速内存中执行, CPU直接从内存读取数据, 进行实时地计算和分析, 减少了磁盘数据访问, 降低了网络与磁盘I/O的影响, 大幅提升了计算处理的数据吞吐量与处理的速度, 减少了原本占大量计算资源的I/O开销.通过内存计算的 应用, 避免了I/O瓶颈, 以前在数小时、数天时间内计算的结果, 在内存计算环境中, 可以在数秒内完成。

四、新模式，三步构建财管合一报表合并系统

新时代，业财大数据融合成为企业数智化发展的必然趋势，从报告合并产品技术来看，传统电子表格线上化技术已经难以满足现代企业发展报告的要求。基于OLAP的多维引擎，为企业数据多维化提供了较好的技术支撑；

基于Python语言脚本的规则引擎，为企业业财数据处理提供了良好方法；基于内存计算技术，保证了大数据下的性能。在理念和技术的支撑下，新一代的合并报表必将朝更多维度、更细粒度、更智能、更实时方向发展。

新一代合并报表系统应用模式如下，从数据、模型、展现上分步构建及应用。如下图所示

1、构建体系、多维模型

(1)构建多维框架体系

基于企业价值管理及精细化管理的要求，构建多维体系的框架。满足企业外部披露及内部管理的诉求。如期间维、科目维、项目维、产品维等。数据以多维模式采集，存储，数据与业务维度属性强关联，支持数据的多维分析。

(2) 实现“源”到目“目标”的多维转换

多维精益核算数据为报告系统的数据源，核算系统为OLTP交易类系统，其数据表达方式基本为二维模式；而报告为OLAP分析型系统，基数据表达式为多维式。

在新一代ETL数据转换工具， 通过源系统与目标系统维度映射的方式，实现二维数据的多维转换。为合并报表体系提供了较好的数据支撑。

2、构建模型、财管合一

基于合并准则要求，构建法人合并模型，以多维核算数据为基础，基于余额级（账务级）明细数据构建合并业务抵销模型，满足主表及附注同步合并的要求。

基于组织的多口径建模，构建管理口径合并模型。管理合并模型与法人合并共享底层最细组织数据，基础一致；规则模型，参照企业会计准则，与法人口径基本趋同。

个性化管理规则，以管理调整维度进行单独存储，以实现管理口径结果数据与法人口径整体趋同，差异可追溯分析的整体效果。   

3、结果输出，多维呈现

从多维数据为基础数据，从业务模驱动生成管理财融合的多维数据集，形成企业财务数据资产中心（数据银行）。从数据服务角度，提供对外披露服务和内部管理分析服务。

从对外披露角度，基于多维数据输出格式化报告，满足国资委、财政部、交易所等要求格式化报告输出。并支持从合并结果开始逐层追溯查询，分析整体数据的生成过程。

常见的追溯路径如下：从合并结果追溯到汇总数和抵销数，沿汇总数往下，可追溯至单体，直到最明细的底层数据；从抵销数往下追溯，可追溯到对账报告及关联交易统计相关信息。

黄贞发 用友公司高级专家

过去从学习及工作经历，主要聚焦财务领域，从事审计、核算及信息化工作；

近10年，主要聚焦于报告及合并相关业务。

擅长法人报告及管理报告规划、合并准则及管理报告规则设计、基础数据质量治理及系统集成。

整个职业生涯中，分别作为售前专家、实施专家、项目管理的角度，参与了20个以上合并项目的售前、实施，交付。