近日,我校教育学院张浩博士团队在计算科学领域1区TOP期刊Information Processing and Management(IF=7.466)发表题为“Developing scalable management information system with big financial data using data mart and mining architecture”的研究论文。
本研究发现用于企业财务诊断传统的大财务数据(BFD)的管理信息系统(MIS)具有许多局限性,例如数据没有汇总,这将导致查询时间增加及分析复杂性提高。数据集市(DM)的创建导致了对数据的大量汇总,从而只包含基本的业务信息。通过使用数据挖掘技术,我们可以从DM中提取未知的有用信息,并将其应用于业务的重要决策。因此,本文采用了六层架构;界面层、分析层、提取转换负载层、数据集市层、数据挖掘层和评估层,提出了使用DM和数据挖掘的大财务数据管理信息系统,它不仅允许在决策支持中使用DM和数据挖掘技术,而且可以充分利用企业持有的非财务/财务信息。本文提供了DM与数据挖掘的构建和集成的好处。还确定了DM和关系数据库之间的区别,以供决策者获取信息。测试和分析是根据有用的度量(准确度、平衡准确度、F度量、准确度、召回率和时间)进行的。因此,从排列的星形模式返回的数据远比ERD(实体关系图)快。因此,SVM(支持向量机)在混淆矩阵参数方面优于其他算法。
![](/__local/5/12/FD/66B0CB2DA5CA4888F1AD57F2BC5_562DDD33_B374.jpg)
论文信息
![](/__local/B/77/7E/8AACB62FA5DD50246476DF9C6BB_A7DEDA5F_1E222.jpg)
Block diagram of SMIS-BFD-DMM
![](/__local/9/84/6A/F5486F21EEEF9E815543EF32503_76C0B3AD_D6B8.jpg)
Data warehouse architecture
![](/__local/C/30/BA/0D5DDB0B91E5122356354659A53_9240A194_6266.jpg)
Simple offer for Naïve Bayes classifier
![](/__local/C/55/B7/FA8EEC22CC01733FBFE9CCB1276_C175D453_DD33.jpg)
Report about the number of equipment
该研究得到了国家自然科学基金(72164004)和贵州省哲学社会科学规划课题(21GZYB54)的联合资助。
论文链接:https://doi.org/10.1016/j.ipm.2023.103326