一種地方財(cái)政綜合分析與群體智能決策支持系統(tǒng)架構(gòu)模型*

謝生龍 崔 祥 劉 瀟 溥 穎

（1.延安大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院 延安 716000）（2.子長(zhǎng)市財(cái)政局 子長(zhǎng) 717300）（3.西安電子科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 西安 710071）

1 引言

隨著近年來(lái)財(cái)政信息化建設(shè)的深入推進(jìn)和智能化發(fā)展，圍繞財(cái)政收支管理全過(guò)程的決策概念和智能決策方法已經(jīng)演變成為了一類(lèi)決策支持系統(tǒng)（DSS）。財(cái)政決策支持系統(tǒng)（FDSS）在現(xiàn)代財(cái)政管理中也隨之得到了廣泛的應(yīng)用，其以現(xiàn)代管理科學(xué)和信息技術(shù)為基礎(chǔ)，以計(jì)算機(jī)為工具，運(yùn)用定量經(jīng)濟(jì)學(xué)、模糊數(shù)學(xué)、控制理論和建模技術(shù)對(duì)財(cái)政管理過(guò)程中的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化問(wèn)題進(jìn)行分析和決策，同時(shí)基于各種信息資源和分析工具，為決策者提供問(wèn)題分析、模型建立、決策過(guò)程和方案模擬的支持，在推動(dòng)著財(cái)政管理在先進(jìn)信息管理系統(tǒng)支持下向智能化發(fā)展的同時(shí)，也幫助決策者提高了決策水平和質(zhì)量。眾所周知，對(duì)于任何地方機(jī)構(gòu)而言，戰(zhàn)略性財(cái)政決策都是一項(xiàng)至關(guān)重要的活動(dòng)。給定一定類(lèi)別財(cái)政資產(chǎn)，隨著時(shí)間的推移對(duì)資產(chǎn)組合進(jìn)行定義和管理，以便在各種不確定性、政策和法律約束及其他要求下實(shí)現(xiàn)最有利的回報(bào)。軟件產(chǎn)業(yè)界一直希望通過(guò)提出復(fù)雜的業(yè)務(wù)邏輯模型來(lái)解決這些問(wèn)題，因此，已有工程師和研究人員對(duì)此類(lèi)決策支持系統(tǒng)的架構(gòu)設(shè)計(jì)投入了不少的精力。早在1994 年董連勝等［1］為了解決遼寧省財(cái)政重大戰(zhàn)略決策問(wèn)題，從財(cái)政與經(jīng)濟(jì)關(guān)系入手，采用控制理論設(shè)計(jì)并實(shí)現(xiàn)了遼寧省的財(cái)政決策支持系統(tǒng)。李洪心等［2］也為財(cái)政局綜合計(jì)劃部門(mén)設(shè)計(jì)了由數(shù)據(jù)庫(kù)子系統(tǒng)、經(jīng)濟(jì)分析子系統(tǒng)、灰色模型預(yù)測(cè)子系統(tǒng)、經(jīng)濟(jì)計(jì)量模型子系統(tǒng)組成的一種實(shí)用性決策支持系統(tǒng)。針對(duì)決策支持系統(tǒng)的體系結(jié)構(gòu)和相關(guān)理論方法，Shi H W、Zhang M 等對(duì)其特點(diǎn)、實(shí)施基礎(chǔ)、建設(shè)目標(biāo)和功能進(jìn)行了詳細(xì)論述，并設(shè)計(jì)了具體的邏輯建設(shè)架構(gòu)［3～4］。Chen L 等也討論了智能財(cái)務(wù)決策支持系統(tǒng)的設(shè)計(jì)目標(biāo)、開(kāi)發(fā)方法、環(huán)境和整體結(jié)構(gòu)等問(wèn)題，以期為智能財(cái)務(wù)決策支持系統(tǒng)的改進(jìn)提供一定的理論參考［5］。為了解決地方財(cái)政業(yè)務(wù)數(shù)據(jù)源的異構(gòu)分布，文獻(xiàn)［6］在對(duì)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)和決策支持系統(tǒng)研究的基礎(chǔ)上，設(shè)計(jì)了江西省財(cái)政金融決策支持系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)，并介紹了系統(tǒng)的總體規(guī)劃和實(shí)現(xiàn)系統(tǒng)的關(guān)鍵技術(shù)。特別的，Beraldi P 等［7］提出了一個(gè)決策支持系統(tǒng)，該系統(tǒng)集成了用于預(yù)測(cè)未來(lái)不確定市場(chǎng)條件的模擬技術(shù)和基于隨機(jī)規(guī)劃范式的復(fù)雜優(yōu)化模型。該系統(tǒng)旨在通過(guò)網(wǎng)絡(luò)訪問(wèn)，并利用高性能計(jì)算平臺(tái)提供增強(qiáng)計(jì)算的能力。Peng H 也設(shè)計(jì)了一個(gè)高校財(cái)務(wù)決策支持系統(tǒng)的整體架構(gòu)，在該架構(gòu)主要目標(biāo)是提取、轉(zhuǎn)換學(xué)生收費(fèi)系統(tǒng)數(shù)據(jù)和消費(fèi)者信息［8］，同時(shí)，文獻(xiàn)［9］針對(duì)企業(yè)ERP 軟件系統(tǒng)靈活性差、維護(hù)困難的缺陷，通過(guò)采用面向服務(wù)架構(gòu)并基于MVC 模式設(shè)計(jì)了四層體系的系統(tǒng)架構(gòu)。此外，為了提高財(cái)政決策的智能化和實(shí)時(shí)性，以及便于管理者和決策者掌握綜合信息，做出更好的決策，部分學(xué)者還采用基于人工智能和大數(shù)據(jù)技術(shù)建立或改進(jìn)了財(cái)政決策支持系統(tǒng)［10～12］。

軟件工程已經(jīng)發(fā)展多年，目前在許多決策場(chǎng)景以人類(lèi)為中心對(duì)領(lǐng)域問(wèn)題進(jìn)行了相應(yīng)的建模［13］，盡管這些模型逐漸向綜合分析和群體智能決策的模式發(fā)展，財(cái)務(wù)決策支持系統(tǒng)也借助特定信息技術(shù)工具實(shí)現(xiàn)了財(cái)務(wù)領(lǐng)域的決策應(yīng)用，幫助地方解決了財(cái)政面臨的一般分析和決策問(wèn)題。然而，由于這些系統(tǒng)立足局部性的業(yè)務(wù)需求，缺乏全局信息的共享和互動(dòng)。面對(duì)復(fù)雜過(guò)程和大量且分散數(shù)據(jù)的情況，整體業(yè)務(wù)流程還不是很暢通，諸如信息斷鏈、口徑不統(tǒng)一及決策沖突的現(xiàn)象是屢見(jiàn)不鮮，財(cái)政決策者在信息融合、追溯及決策沖突消解等方面仍然面臨著巨大的工作壓力。因此，如何設(shè)計(jì)一個(gè)滿足綜合分析和群體智能決策的支持系統(tǒng)體系架構(gòu)模型也一直困擾著軟件架構(gòu)設(shè)計(jì)人員。具體表現(xiàn)為：1）現(xiàn)有系統(tǒng)架構(gòu)多立足于局部性業(yè)務(wù)需求，僅為單方面業(yè)務(wù)設(shè)計(jì)，不能直觀反映如預(yù)算收支、預(yù)算監(jiān)控、財(cái)務(wù)管理等全貌，致使決策沖突風(fēng)險(xiǎn)增大。2）部分系統(tǒng)設(shè)計(jì)側(cè)重于專(zhuān)業(yè)人員完成某項(xiàng)特定業(yè)務(wù)，業(yè)務(wù)數(shù)據(jù)領(lǐng)域化特征明顯，決策結(jié)果的可視化有待提升。3）現(xiàn)有系統(tǒng)結(jié)構(gòu)雖然提供了大量的業(yè)務(wù)數(shù)據(jù)，但縱向業(yè)務(wù)數(shù)據(jù)分散，查詢繁瑣，關(guān)鍵的匯總、分析功能較差，橫向業(yè)務(wù)信息共享與協(xié)同存在先天的不足。因此，架構(gòu)中急需利用基礎(chǔ)財(cái)政業(yè)務(wù)數(shù)據(jù)建立財(cái)政“數(shù)據(jù)中心”，通過(guò)整合、分析、挖掘，為地方財(cái)政決策者提供支持。針對(duì)上述問(wèn)題，本文提出了一種地方財(cái)政綜合分析與群體智能決策支持系統(tǒng)架構(gòu)模型，旨在解決地方財(cái)政綜合分析與群體智能決策難題，希望推動(dòng)地方財(cái)政決策支持系統(tǒng)綜合化、智能化發(fā)展。

2 關(guān)鍵模型設(shè)計(jì)

2.1 數(shù)據(jù)倉(cāng)庫(kù)模型構(gòu)建

地方財(cái)政綜合分析與智能決策支持系統(tǒng)架構(gòu)按照數(shù)據(jù)源類(lèi)型的不同，可以把數(shù)據(jù)分為核心業(yè)務(wù)數(shù)據(jù)和其他相關(guān)數(shù)據(jù)兩種。其中，核心業(yè)務(wù)數(shù)據(jù)主要來(lái)源于市本級(jí)及區(qū)縣財(cái)政數(shù)據(jù)中心；其他相關(guān)數(shù)據(jù)來(lái)源于歷年數(shù)據(jù)、歷史檔案及外部有關(guān)單位。核心業(yè)務(wù)數(shù)據(jù)和其他相關(guān)數(shù)據(jù)共同組成財(cái)政綜合查詢與分析的數(shù)據(jù)源，通過(guò)前端各類(lèi)工具為相關(guān)應(yīng)用和決策提供支持。架構(gòu)模型設(shè)計(jì)時(shí)數(shù)據(jù)主要通過(guò)兩種途徑進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)。其一，通過(guò)預(yù)先設(shè)置的數(shù)據(jù)采集接口，自動(dòng)抽取、清洗轉(zhuǎn)換及驗(yàn)證后自動(dòng)加載到財(cái)政綜合查詢數(shù)據(jù)倉(cāng)庫(kù)中。這種數(shù)據(jù)采集方法充分利用了金財(cái)工程應(yīng)用支撐平臺(tái)的優(yōu)勢(shì)，高效地實(shí)現(xiàn)原始數(shù)據(jù)結(jié)構(gòu)基本相同，范圍和內(nèi)容變化不大的規(guī)范化財(cái)政數(shù)據(jù)處理。具體實(shí)現(xiàn)時(shí)只需事先設(shè)定好相應(yīng)數(shù)據(jù)表的結(jié)構(gòu)，確定數(shù)據(jù)抽取、清洗轉(zhuǎn)換及驗(yàn)證的規(guī)則，然后由前置采集服務(wù)器根據(jù)設(shè)置的相應(yīng)調(diào)度指令自動(dòng)執(zhí)行數(shù)據(jù)采集過(guò)程，將清洗轉(zhuǎn)換且驗(yàn)證無(wú)誤的數(shù)據(jù)加載到地方財(cái)政綜合分析與智能決策支持系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)中來(lái)。其二，通過(guò)業(yè)務(wù)人員手動(dòng)采集、清洗轉(zhuǎn)換并進(jìn)行數(shù)據(jù)驗(yàn)證。具體實(shí)現(xiàn)中，業(yè)務(wù)人員手動(dòng)將數(shù)據(jù)導(dǎo)入地方財(cái)政綜合分析與智能決策支持系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)中。這種數(shù)據(jù)采集方法與常規(guī)財(cái)政綜合查詢與分析的數(shù)據(jù)采集方法類(lèi)似，從數(shù)據(jù)的采集到驗(yàn)證，均采用手動(dòng)的方式進(jìn)行操作，并且需要再在系統(tǒng)中進(jìn)一步核對(duì)、校驗(yàn)、審核這些數(shù)據(jù)，最后再導(dǎo)入地方財(cái)政綜合分析與智能決策支持系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)中，作為財(cái)政綜合查詢與分析數(shù)據(jù)的一部分。

在財(cái)政綜合查詢與分析系統(tǒng)的開(kāi)發(fā)實(shí)踐中，上述兩種方法往往需要結(jié)合起來(lái)使用，針對(duì)不同的數(shù)據(jù)源和不同的數(shù)據(jù)格式，采取不同的數(shù)據(jù)采集方法，從而形成完整的地方財(cái)政綜合分析與智能決策支持系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)。本文中建立數(shù)據(jù)倉(cāng)庫(kù)的統(tǒng)一邏輯結(jié)構(gòu)步驟如下：首先將各區(qū)縣財(cái)政數(shù)據(jù)中心采集的數(shù)據(jù)、知識(shí)存儲(chǔ)在統(tǒng)一數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)數(shù)據(jù)空間；其次，將通過(guò)數(shù)據(jù)完整性和一致性驗(yàn)證的數(shù)據(jù)與知識(shí)全部保存在統(tǒng)一數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用數(shù)據(jù)空間，且根據(jù)保存數(shù)據(jù)的使用權(quán)限范圍，將這些數(shù)據(jù)在邏輯上進(jìn)一步分為各應(yīng)用系統(tǒng)特有數(shù)據(jù)和應(yīng)用系統(tǒng)公用數(shù)據(jù)，其在物理環(huán)境中均存儲(chǔ)在統(tǒng)一的數(shù)據(jù)空間中供聯(lián)機(jī)分析處理（on-Line Analytic Pro?cessing，OLAP）服務(wù)使用；最后，前端相應(yīng)工具在進(jìn)行具體的查詢與分析時(shí)，應(yīng)用系統(tǒng)將直接訪問(wèn)統(tǒng)一數(shù)據(jù)倉(cāng)庫(kù)獲得相應(yīng)數(shù)據(jù)，且這里的數(shù)據(jù)獲取主要以增量方式進(jìn)行，對(duì)于無(wú)法判斷增量的數(shù)據(jù)再以全量方式獲取。圖1描述了這一基本過(guò)程。

圖1 數(shù)據(jù)采集過(guò)程

由于數(shù)據(jù)倉(cāng)庫(kù)需要提供不同的應(yīng)用數(shù)據(jù)，故數(shù)據(jù)倉(cāng)庫(kù)的建立適合采用“數(shù)據(jù)倉(cāng)庫(kù)—數(shù)據(jù)倉(cāng)庫(kù)”結(jié)構(gòu)，即財(cái)政數(shù)據(jù)中心－信息采集與綜合查詢數(shù)據(jù)倉(cāng)庫(kù)，在這種結(jié)構(gòu)下，財(cái)政數(shù)據(jù)中心可以滿足數(shù)據(jù)的規(guī)范性、一致性、安全性及兼容性等規(guī)則。此外，模型需要滿足不同主題域、不同角色及不同業(yè)務(wù)環(huán)節(jié)的綜合查詢與分析，因此，本文采用多層模式來(lái)構(gòu)建地方財(cái)政綜合分析與智能決策支持系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)。在模型以各區(qū)縣財(cái)政數(shù)據(jù)中心為基本數(shù)據(jù)源的前提下，實(shí)現(xiàn)各分主題數(shù)據(jù)倉(cāng)庫(kù)的快速創(chuàng)建，并分散數(shù)據(jù)倉(cāng)庫(kù)整體性能維護(hù)的工作開(kāi)銷(xiāo)，從而減輕在單一數(shù)據(jù)倉(cāng)庫(kù)上讀寫(xiě)操作的負(fù)載。具體的多層數(shù)據(jù)倉(cāng)庫(kù)建模步驟如下。

首先，將財(cái)政數(shù)據(jù)中心、區(qū)縣財(cái)政數(shù)據(jù)中心作為規(guī)范數(shù)據(jù)的提供者，構(gòu)建基礎(chǔ)層數(shù)據(jù)倉(cāng)庫(kù)，同時(shí)根據(jù)數(shù)據(jù)的開(kāi)放范圍，進(jìn)一步劃分該層中的數(shù)據(jù)倉(cāng)庫(kù)，分別建立公共數(shù)據(jù)子倉(cāng)庫(kù)和業(yè)務(wù)數(shù)據(jù)子倉(cāng)庫(kù)，以減輕對(duì)財(cái)政數(shù)據(jù)倉(cāng)庫(kù)的資源占用，減小占用財(cái)政數(shù)據(jù)中心時(shí)間窗口，在保留基本數(shù)據(jù)特征的同時(shí)降低數(shù)據(jù)冗余，并參考少量歷史數(shù)據(jù)，有針對(duì)性地全量分析從而增強(qiáng)數(shù)據(jù)統(tǒng)一性；其次，基于基礎(chǔ)層數(shù)據(jù)倉(cāng)庫(kù)按照財(cái)政業(yè)務(wù)主題域等多角度分主題建立主題層數(shù)據(jù)倉(cāng)庫(kù)，面向主題規(guī)范整合業(yè)務(wù)數(shù)據(jù)，提升綜合查詢的效率；再次，針對(duì)特定應(yīng)用需求，特定專(zhuān)題等建立匯聚層的數(shù)據(jù)倉(cāng)庫(kù)，提煉應(yīng)用，對(duì)數(shù)據(jù)進(jìn)行預(yù)加工，形成明細(xì)與匯總，從而提升綜合查詢與分析過(guò)程中對(duì)特定需求應(yīng)用和專(zhuān)題的查詢與分析效率，降低查詢過(guò)程中的不必要開(kāi)銷(xiāo)；最后，在以上三層數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上，面向相關(guān)應(yīng)用和數(shù)據(jù)處理業(yè)務(wù)的需求，按需定制后構(gòu)建面向應(yīng)用層的數(shù)據(jù)倉(cāng)庫(kù)，從而減少綜合查詢過(guò)程中頻繁數(shù)據(jù)處理與計(jì)算的請(qǐng)求，提高綜合查詢過(guò)程中逐級(jí)逐項(xiàng)查詢與決策分析的效率，降低系統(tǒng)開(kāi)銷(xiāo)，并借助以信息采集和綜合查詢?yōu)槟繕?biāo)的應(yīng)用支撐工具，兼顧數(shù)據(jù)查詢分析應(yīng)用要求的靈活性、擴(kuò)展性及完備性，進(jìn)一步豐富地方財(cái)政決策支持系統(tǒng)的應(yīng)用功能，減輕對(duì)數(shù)據(jù)庫(kù)的查詢負(fù)載。

2.2 沖突消解模型

為實(shí)現(xiàn)不同利益Agent 決策的沖突消解，本文建模了仲裁Agent，其主要由仲裁信息收集模塊與裁決模塊兩部分構(gòu)成。其中，仲裁信息收集模塊負(fù)責(zé)匯集待仲裁的多個(gè)利益沖突Agent 信息，而裁決模塊負(fù)責(zé)結(jié)合從決策支持規(guī)則庫(kù)獲取的規(guī)則對(duì)沖突信息進(jìn)行優(yōu)化裁決，并將裁決得到的結(jié)果進(jìn)行優(yōu)劣排序，最終輸出仲裁Agent 針對(duì)當(dāng)前收集到的沖突信息裁決的結(jié)果。仲裁Agent 的基本模型如圖2所示。

圖2 Agent決策沖突消解過(guò)程

圖2 中，模型中沖突Agent是具有PoI或偏好的利益?zhèn)€體，其可以被仲裁信息收集模塊感知，并遵循決策規(guī)則來(lái)對(duì)它們的策略選擇進(jìn)行排序［16］；而仲裁Agent 通過(guò)感知并匯總各Agent 利益沖突信息，供裁決模塊結(jié)合決策規(guī)則和興趣點(diǎn)排序結(jié)果進(jìn)行沖突消解并形成決策結(jié)論。

假設(shè)有G 為n 個(gè)有關(guān)系統(tǒng)決策支持的利益Agent 集合，集合P 為決策時(shí)刻t 系統(tǒng)觀測(cè)到的Agent群體興趣點(diǎn)（Points of Interest，PoI）集合，另外確定一個(gè)評(píng)估結(jié)果等級(jí)集合R，并由決策者給出給地方財(cái)政某個(gè)決策項(xiàng)的pi，AgentaiG分配一個(gè)評(píng)級(jí)ri,jR給這個(gè)piP。同時(shí)為特定群體G 的PoI集PG定義為。

為了構(gòu)建一個(gè)沖突消解提案，仲裁Agent 為每個(gè)pi計(jì)算一個(gè)如下所示的群策率rG,i：

其中，rai為Agentai對(duì)決策項(xiàng)pi的評(píng)級(jí)。仲裁Agent 負(fù)責(zé)構(gòu)建并向ai發(fā)送沖突消解提案。而每個(gè)提案都是一個(gè)PoI 集合，可以表示為P={p1,p2,…,pm}m≤n。如果提案被所有Agent接受，那么該提案即為最終的群體智能決策方案。此時(shí)，由系統(tǒng)計(jì)算的解決方案是維數(shù)為m(m≤n)且為P的一個(gè)子集，它代表了個(gè)體用戶偏好之間的折中。對(duì)于ai來(lái)講，此時(shí)排序最高的PoI的集合，在時(shí)間t時(shí)刻的最優(yōu)值為

1）Uai(pt)≥OPTai(t-1)，Agent接受裁決報(bào)價(jià)并置Uai(pt)=1/2*OPTai(t)。

2）Uai(pt)≥OPTai(t-1)-Δai(t)，Agent 接受在其效用中可以存在Δai(t) 的偏差，并置OPTai(t)=Uai(pt)。

3）在其他情況下，Agent拒絕報(bào)價(jià)，并通過(guò)隨機(jī)效用進(jìn)行還價(jià)，如OPTai(t)=OPTai(t-1)-Δai(t)。

3 系統(tǒng)架構(gòu)模型

地方財(cái)政局綜合查詢及決策架構(gòu)設(shè)計(jì)工作根據(jù)業(yè)務(wù)過(guò)程和決策支持系統(tǒng)應(yīng)用場(chǎng)景，分為三個(gè)步驟進(jìn)行。第一步，完成財(cái)政預(yù)算執(zhí)行分析、市級(jí)支出預(yù)算分析和預(yù)算單位綜合分析等模塊（主題）概要分析，把其涉及的基礎(chǔ)數(shù)據(jù)整合起來(lái)，基于支撐模塊建立數(shù)據(jù)倉(cāng)庫(kù)。通過(guò)層次數(shù)據(jù)模型將負(fù)責(zé)理清地方財(cái)政局財(cái)政數(shù)據(jù)業(yè)務(wù)邏輯并建立數(shù)據(jù)標(biāo)準(zhǔn)模型，使數(shù)據(jù)存儲(chǔ)和組織更加合理，使數(shù)據(jù)易于被高效分析，并形成數(shù)據(jù)分析的長(zhǎng)效機(jī)制。此階段將以信息采集和綜合查詢數(shù)據(jù)準(zhǔn)備為實(shí)現(xiàn)重點(diǎn)。第二步，完成其余核心業(yè)務(wù)系統(tǒng)數(shù)據(jù)的整合工作及細(xì)化工作，并以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)，通過(guò)數(shù)據(jù)可視化展示工具，支持構(gòu)建面向最終決策者使用的，且集綜合數(shù)據(jù)分析、信息加工、統(tǒng)計(jì)報(bào)表、報(bào)表展示和信息發(fā)布等于一體的綜合分析與決策支持系統(tǒng)，進(jìn)一步提高財(cái)政業(yè)務(wù)的自動(dòng)化處理水平，最終形成地方財(cái)政局整體性的綜合查詢及決策分析應(yīng)用支持。第三步，通過(guò)沖突消解模型，對(duì)出現(xiàn)沖突的Agent信息進(jìn)行挖掘、分析、排序，形成仲裁結(jié)果，供面向主題的查詢與分析請(qǐng)求應(yīng)用。依照上述過(guò)程及地方財(cái)政綜合分析與智能決策支持系統(tǒng)架構(gòu)的設(shè)計(jì)目標(biāo)和原則，本文設(shè)計(jì)的地方財(cái)政綜合分析與群體智能決策支持系統(tǒng)整體架構(gòu)如圖3所示。

圖3 系統(tǒng)整體架構(gòu)模型

按照系統(tǒng)整體架構(gòu)設(shè)計(jì)，平臺(tái)分為公用模塊（或基本模塊）、應(yīng)用模塊及支撐模塊。其中，支撐模塊主要包括基于區(qū)縣數(shù)據(jù)中心的有關(guān)應(yīng)用支撐平臺(tái)；公用模塊主要包括為平臺(tái)開(kāi)發(fā)、運(yùn)行、維護(hù)提供各類(lèi)支持的工具化組件與數(shù)據(jù)倉(cāng)庫(kù)；應(yīng)用模塊主要包括面向最終用戶的交互應(yīng)用，如：市級(jí)支出預(yù)算分析、預(yù)算單位綜合分析等。架構(gòu)整體遵循從下到上的分層建模原則，首先將區(qū)縣財(cái)政數(shù)據(jù)中心及補(bǔ)報(bào)數(shù)據(jù)作為統(tǒng)一的數(shù)據(jù)提供者，支持支撐模塊基礎(chǔ)應(yīng)用平臺(tái)的業(yè)務(wù)處理；其次，通過(guò)對(duì)這些基礎(chǔ)應(yīng)用平臺(tái)的業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、加載、轉(zhuǎn)換及清洗，構(gòu)建應(yīng)用模塊中滿足面向主題、集成存儲(chǔ)及個(gè)性配置管理等需求的數(shù)據(jù)倉(cāng)庫(kù)，供不同的工具挖掘、分析；最后，由應(yīng)用模塊的仲裁分析中心，對(duì)不同分析挖掘的結(jié)果進(jìn)行決策打包生成，以支持不同主題的分析、查詢與決策應(yīng)用；模型的頂層表示通過(guò)統(tǒng)一的身份認(rèn)證后，系統(tǒng)可支持不同角色用戶的應(yīng)用需求。

4 架構(gòu)評(píng)估

本文設(shè)計(jì)的架構(gòu)遵循了財(cái)政應(yīng)用支撐平臺(tái)基本思想，并基于標(biāo)準(zhǔn)編碼體系，將綜合查詢的關(guān)鍵數(shù)據(jù)進(jìn)行規(guī)范化處理，規(guī)范了數(shù)據(jù)口徑，統(tǒng)一了多要素結(jié)構(gòu)，可作為財(cái)政決策支撐平臺(tái)在數(shù)據(jù)深度應(yīng)用方面的有力延伸。實(shí)踐中，系統(tǒng)的質(zhì)量往往取決于系統(tǒng)架構(gòu)的設(shè)計(jì)，而穩(wěn)定性、決策準(zhǔn)確性及適用性是分析一個(gè)基于特定架構(gòu)系統(tǒng)性能的關(guān)鍵方面。因此，下面就架構(gòu)穩(wěn)定性、決策準(zhǔn)確性及架構(gòu)適用性方面對(duì)其進(jìn)行評(píng)估。

4.1 穩(wěn)定性分析

為了測(cè)試架構(gòu)的穩(wěn)定性，實(shí)驗(yàn)基于本文提出的系統(tǒng)架構(gòu)，以及成熟的Eclipse、MongoDB、Pycharm等開(kāi)發(fā)環(huán)境和J2EE 架構(gòu)初步實(shí)現(xiàn)了B/S 模式的某地方財(cái)政綜合分析與智能決策支持系統(tǒng)的原型開(kāi)發(fā)，包含了預(yù)算申報(bào)、決策審批等功能，界面樣例如圖4。

圖4 主系統(tǒng)原型界面之一

實(shí)驗(yàn)在Intel（R）Core（TM）i5-75700 CPU @3.40 GHz 3.41 GHz，內(nèi)存為8 GB，Win10 OS 的PC機(jī)上使用Jmeter 模擬了來(lái)自市級(jí)1000 個(gè)用戶的預(yù)算執(zhí)行分析、預(yù)算支出分析、財(cái)政收入查詢分析、預(yù)算單位綜合分析、專(zhuān)題查詢分析等請(qǐng)求。首先，我們通過(guò)從原型系統(tǒng)數(shù)據(jù)庫(kù)中選擇主鍵標(biāo)識(shí)符的子集來(lái)構(gòu)建測(cè)試請(qǐng)求數(shù)據(jù)，并以制表符分隔的形式保存在TXT 文件中，且為了確保URL（Uniform Re?source Locator）請(qǐng)求的客觀性，這些請(qǐng)求被計(jì)時(shí)器隨機(jī)化。其次，JMeter從TXT 文件中逐行讀取請(qǐng)求數(shù)據(jù)進(jìn)行測(cè)試，并將標(biāo)識(shí)符添加到生成的HTTP 請(qǐng)求中。最后，實(shí)驗(yàn)對(duì)設(shè)計(jì)的工作負(fù)載進(jìn)行模擬測(cè)試，并觀察所有HTTP響應(yīng)狀態(tài)碼為200的請(qǐng)求，測(cè)試結(jié)束后，JMeter對(duì)每個(gè)請(qǐng)求的平均響應(yīng)時(shí)間進(jìn)行了記錄，得到出預(yù)算分析、預(yù)算單位綜合分析及預(yù)算比較分析等請(qǐng)求的平均響應(yīng)時(shí)間可視化結(jié)果如圖5所示。

從圖5 中的記錄結(jié)果來(lái)看，最大的支出預(yù)算分析（budgetExpAnalysis）的請(qǐng)求平均響應(yīng)時(shí)間為619ms，最小的平均響應(yīng)時(shí)間為預(yù)算單位綜合分析（budgetCompAnalysis）請(qǐng)求僅為292ms，尤其是在所有的響應(yīng)時(shí)間記錄中第90百分位數(shù)僅為516ms，每一類(lèi)請(qǐng)求的平均響應(yīng)時(shí)間均不超過(guò)1s，說(shuō)明基于該架構(gòu)的系統(tǒng)具有較快的響應(yīng)時(shí)間，具備系統(tǒng)用戶的關(guān)注的時(shí)間性能穩(wěn)定性。

圖5 平均響應(yīng)時(shí)間

此外，實(shí)驗(yàn)還以100 個(gè)線程進(jìn)行不同區(qū)縣收入數(shù)據(jù)采集過(guò)程模擬，觀測(cè)架構(gòu)在5min 時(shí)間內(nèi)的內(nèi)存、CPU使用、系統(tǒng)負(fù)載及數(shù)據(jù)寫(xiě)入等情況，并使用Jmeter 的PerfMon 插件配合serverAgent 進(jìn)行采集、同時(shí)對(duì)所有區(qū)縣以Nmon作為實(shí)時(shí)監(jiān)控工具對(duì)服務(wù)器資源監(jiān)控，最終形成的聚合報(bào)告結(jié)果如圖6 所示。

圖6 聚合報(bào)告

從采集過(guò)程來(lái)看，因?yàn)閿?shù)據(jù)倉(cāng)庫(kù)的構(gòu)建是直接面向結(jié)構(gòu)標(biāo)準(zhǔn)、數(shù)據(jù)規(guī)范的數(shù)據(jù)中心，而不需要考慮原始數(shù)據(jù)的結(jié)構(gòu)和內(nèi)容，數(shù)據(jù)中心在數(shù)據(jù)源和數(shù)據(jù)倉(cāng)庫(kù)之間形成了一個(gè)緩沖域，大大減少了數(shù)據(jù)源的變化對(duì)數(shù)據(jù)倉(cāng)庫(kù)的影響，具有較好的讀寫(xiě)速率，最大達(dá)到了6.3Mb/s。并且基于財(cái)政數(shù)據(jù)中心建立地方財(cái)政綜合分析與智能決策支持系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)，避免了直接在數(shù)據(jù)源上建立數(shù)據(jù)倉(cāng)庫(kù)所引起的數(shù)據(jù)不一致和重復(fù)抽取等問(wèn)題，這也大大減輕了ETL的工作負(fù)載，使得系統(tǒng)的負(fù)載保持在50%以下，且CPU只在剛開(kāi)始出現(xiàn)了短暫的峰值過(guò)程，而內(nèi)存使用也未出現(xiàn)達(dá)到峰值的情況。從測(cè)試結(jié)果來(lái)看，說(shuō)明該框架適合現(xiàn)有流行的開(kāi)發(fā)與運(yùn)行支撐環(huán)境，可以在一定的服務(wù)資源支持下指導(dǎo)組件化的產(chǎn)品和完整平臺(tái)規(guī)范集成，能夠?qū)崿F(xiàn)數(shù)據(jù)規(guī)范化操作與互聯(lián)互通，保障財(cái)政系統(tǒng)的數(shù)據(jù)共享、查詢與分析所占用的資源量整體穩(wěn)定且可控。

4.2 準(zhǔn)確性分析

針對(duì)架構(gòu)的決策準(zhǔn)的確性，實(shí)驗(yàn)基于4.1 小節(jié)中的原型系統(tǒng)，模擬寫(xiě)入了三個(gè)市級(jí)決策用戶針對(duì)1024 次查詢到的預(yù)算編制結(jié)果進(jìn)行合理性決策，將每次預(yù)算與寫(xiě)入預(yù)算的絕對(duì)誤差作為自己所關(guān)注的興趣點(diǎn)，形成“同意”與“不同意”兩種結(jié)論，評(píng)級(jí)由歸一化后的絕對(duì)誤差確定，由興趣點(diǎn)降序序列確定排序最高的PoI 集合，最優(yōu)值通過(guò)式（2）計(jì)算，并按照2.2 小節(jié)所述的消解模型，根據(jù)效用值的比較結(jié)果形成自己的決策結(jié)論，最終采用硬投票法形成決策結(jié)果，并采用表1 所示的列聯(lián)表分析法評(píng)價(jià)基于該架構(gòu)下系統(tǒng)的決策效能。其中，主對(duì)角線上是TP 和TN，即正確的決策，而不在主對(duì)角線上的則是錯(cuò)誤的決策。本文選用準(zhǔn)確率（Accuracy，A）、精確率（Precision，P）、召回率（Recall，R）、效率（Ef?fectiveness，E）及F1 值來(lái)衡量框架決策的好壞，具體計(jì)算方法見(jiàn)公式（3）～（7），決策評(píng)價(jià)結(jié)果見(jiàn)表2。

表1 決策混淆矩陣

表2 決策結(jié)果評(píng)價(jià)/%

表2中最終的實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果表明，在1024次的測(cè)試中，有447 次預(yù)算編制申請(qǐng)被正確“不同意”，28 次預(yù)算編制申請(qǐng)被錯(cuò)誤“不同意”；528 次預(yù)算編制申請(qǐng)被正確“同意”，而21 次預(yù)算編制被錯(cuò)誤“同意”。A、P、R、E 及F1 依次為95.21%、96.17%、94.96%、94.11%、95.57%，均在94%以上，表現(xiàn)出了較好的決策準(zhǔn)確性，說(shuō)明其能夠?yàn)樨?cái)政業(yè)務(wù)處理提供科學(xué)的決策支持。

4.3 適用性分析

在財(cái)務(wù)領(lǐng)域的軟件系統(tǒng)中，國(guó)外Oracle 公司提供的Hyperion平臺(tái)［15］，將整套的財(cái)務(wù)管理應(yīng)用和完整的、面向報(bào)表和分析的商務(wù)智能工具集成在了一個(gè)解決方案中，目的是幫助企業(yè)將戰(zhàn)略轉(zhuǎn)化為行為計(jì)劃，并監(jiān)控計(jì)劃的執(zhí)行情況，從而提升企業(yè)面對(duì)變化的反應(yīng)速度。然而，在其加入BI+、PFF（平衡記分卡）及SF（戰(zhàn)略財(cái)務(wù)）等模塊后技術(shù)架構(gòu)變得越來(lái)越龐大復(fù)雜，導(dǎo)致服務(wù)成本增加，產(chǎn)品的易用性和財(cái)政業(yè)務(wù)的貼合程度越來(lái)越遠(yuǎn)，技術(shù)債務(wù)風(fēng)險(xiǎn)愈加難控，很難借鑒到國(guó)內(nèi)地方財(cái)政決策支持系統(tǒng)中。而在用友財(cái)務(wù)軟件作為國(guó)內(nèi)比較成熟的財(cái)務(wù)處理系統(tǒng)，其引入了部分管理會(huì)計(jì)的功能［16］，但是該系統(tǒng)框架也不能完全遷移到地方財(cái)政事務(wù)的決策支持中。因?yàn)椋瑔渭兊馁~務(wù)系統(tǒng)不適合跟蹤整個(gè)地方財(cái)政事務(wù)流程，如無(wú)法實(shí)現(xiàn)地方財(cái)務(wù)審編、預(yù)算等相關(guān)業(yè)務(wù)的處理。并且其在面向服務(wù)的架構(gòu)設(shè)計(jì)過(guò)程中大量使用存儲(chǔ)過(guò)程，這可能會(huì)對(duì)于地方財(cái)政決策支持系統(tǒng)實(shí)現(xiàn)面向主題定制、按需即時(shí)查詢分析產(chǎn)生一定時(shí)效性影響。而本文在設(shè)計(jì)時(shí)充分考慮了高效性、規(guī)范性、可擴(kuò)展性等問(wèn)題，基本滿足地方財(cái)政決策支持系統(tǒng)的需求。綜上分析，相比流行的財(cái)務(wù)領(lǐng)域軟件系統(tǒng)來(lái)講，本文提出的架構(gòu)模型最大的特點(diǎn)是能夠彌補(bǔ)大型財(cái)務(wù)系統(tǒng)對(duì)于地方財(cái)政“水土不服”的一些缺陷。

5 結(jié)語(yǔ)

本文提出了一種基于知識(shí)（數(shù)據(jù)）表示和混合Agent推理的地方財(cái)政綜合分析與群體智能決策支持系統(tǒng)架構(gòu)模型。該模型支持對(duì)區(qū)縣財(cái)政數(shù)據(jù)中心數(shù)據(jù)進(jìn)行相應(yīng)的清洗和轉(zhuǎn)換，為數(shù)據(jù)倉(cāng)庫(kù)的建立提供規(guī)范的、標(biāo)準(zhǔn)的、一致的數(shù)據(jù)源，數(shù)據(jù)倉(cāng)庫(kù)模型可直接為群體智能決策提供知識(shí)服務(wù)。通過(guò)數(shù)據(jù)倉(cāng)庫(kù)模型的構(gòu)建，保障了系統(tǒng)綜合分析的時(shí)效性，而采用仲裁的決策方式，實(shí)現(xiàn)了群體決策過(guò)程中Agent 利益沖突消解，從而進(jìn)一步提高了財(cái)政決策支持系統(tǒng)的智能性。整個(gè)架構(gòu)以數(shù)據(jù)倉(cāng)庫(kù)模型為基礎(chǔ)，可以靈活地根據(jù)分析的需求對(duì)數(shù)據(jù)結(jié)構(gòu)和要素進(jìn)行加工，而不必?fù)?dān)心影響數(shù)據(jù)中心，這很好地兼顧了地方財(cái)政綜合分析與智能決策支持系統(tǒng)的通用型與專(zhuān)業(yè)性，可助推財(cái)政管理科學(xué)化規(guī)范化進(jìn)程，提升財(cái)政管理效能。從穩(wěn)定性、決策能力及適用性分析，本文設(shè)計(jì)的架構(gòu)模型能夠聚焦地方財(cái)政業(yè)務(wù)實(shí)際需求，具有一定的參考意義。