财务决策支持系统
2010-3
上海财大
饶艳超 编
228
财务决策支持系统是财务管理类专业的一门专业必修课程：本课程的教学目的是为了使学生了解决策和决策支持系统的基本概念和相关理论；学会应用决策理论理解市场经济条件下现代管理决策和企业财务决策问题；了解并尝试应用决策支持系统工具解决日常决策问题；掌握财务决策支持系统开发的基本原理和实施方法；通过课程实验，提高学生综合分析、解决决策支持系统研发过程中实际问题的能力。 由于决策支持系统构建和使用涉及的技术工具较多，有的技术工具甚至对于专业人士来说都非常复杂，很难掌握。考虑到财务管理专业学生计算机课程设置和知识能力方面的相对欠缺以及学生日后的岗位需求，本课程将避过一些过于复杂的技术工具，从应用管理的角度出发，重点介绍决策支持系统的基本概念、决策基本理论、构建决策支持系统的方法和需要注意的问题。在理论讲授的同时配合常用的决策支持系统工具的应用，帮助学生更好地理解、掌握并学会应用本课程所学知识和技能。
引言第一章 财务决策支持系统概述第一节 为什么要学习决策支持系统第二节 财务决策基础知识第三节 决策支持系统概述第四节 财务决策支持系统应用复习思考题讨论分析题阅读分析材料农业银行总行营业部资金财务分析决策支持系统第二章 决策理论及基本概念第一节 决策过程模型第二节 决策的有效性第三节 决策问题分析复习思考题讨论分析题阅读分析材料巨人“大厦”坍塌启示录第三章 业务系统第一节 企业资源计划系统概述第二节 企业资源计划功能模块简介第三节 甲骨文财务管理系统第四节 思爱普财务管理系统第五节 海波龙产品概述第六节 用友财务管理系统复习思考题讨论分析题阅读分析材料上海汽车工业销售总公司思爱普财务系统实施案例第四章 数据库和数据仓库第一节 数据库及其管理系统第二节 数据仓库主要概念第三节 数据库、OLTP和数据仓库第四节 数据仓库的开发第五节 构建基于数据仓库的决策支持系统第六节 企业资源计划和数据仓库第七节 数据仓库典型产品第八节 主流数据仓库产品对比分析复习思考题讨论分析题阅读分析材料赛贝斯数据仓库解决方案招商银行应用案例第五章 数据挖掘和OLAP第一节 数据挖掘概述第二节 数据挖掘技术和工具第三节 数据挖掘技术的应用第四节 联机分析处理技术复习思考题讨论分析题阅读分析材料数据挖掘的相关学术会议介绍第六章 决策支持系统的开发第一节 决策支持系统开发概述第二节 决策支持系统开发方法论第三节 DSS开发中的系统分析方法第四节 DSS开发工具第五节 DSS系统效益评估复习思考题讨论分析题阅读分析材料微软：BI应为大众服务Excel就是很好的BI展示工具第七章 实验指导实验1 了解财务管理软件／决策支持系统产品实验2 用友财务管理软件操作实验3 企业财务决策和其他经营决策综合实验实验4 产供销决策游戏——啤酒游戏实验5 VBA工具应用——销售统计分析实验6 VBA财务模型——等额现金流终值现值计算支持系统实验7 VBA财务模型——混合现金流现值与终值计算系统实验8 VBA财务模型——不确定性存货的蒙特卡洛模拟系统参考文献
在过去许多年，管理者制定决策是一门纯粹的艺术，是通过很长一段时间的经验所获得的一项天赋。管理之所以被看成一门艺术，是因为许多个体风格被用于处理并成功地解决了同一类型的管理问题。这些风格源于创造力、判断力、直觉和经验，而不是建立在科学方法基础上的系统化的定量分析方法。但如今，管理所面临的外部环境正在发生迅速变化，商业及其本身的环境也比以往更加复杂，而且这种复杂性日益增加。这些都对现代企业的管理决策带来了新的挑战。 1.对决策质量的要求更高 随着技术的迅速发展，客户获得产品和服务的渠道更为畅通，客户的选择余地更大。同时，大规模生产使得产品出现了供过于求的状态，客户成为最稀缺的资源。这迫使企业必须采取“以客户为中心”的经营策略，努力提高产品和服务的质量。 2.决策时要考虑的因素更复杂 随着经济全球化的趋势，尤其是中国加入WTO之后，无论是否自愿，企业都将面对全球的竞争者和全球范围的消费市场。由于环境的恶化、消费者权益意识的增强等原因，政府颁布了更详尽的法令和制度来约束企业的经营行为。企业管理者在进行决策时需要考虑更多、更复杂的制约因素。 3.对决策速度的要求更高随着通信方式的发展、交通的便利以及金融体系的完善，企业更难以长久维持自己的竞争优势。企业必须不断地创新，从以规模取胜向以速度取胜转变。这些都要求管理者能够迅速做出正确的决策。 4.决策失败的代价更高企业中采购、生产、销售和服务等方面的联系日益紧密，企业的整个运作系统更加复杂和精密。某一环节的判断失误将产生连锁反应，造成企业重大的损失。 面对这些趋势和变化，管理者必须变得更加精明。他们需要新的工具和技术来帮助他们制定有效的决策。而传统的企业信息管理系统却不具备这样强大的分析功能。这主要体现在以下几方面。 （1）分析工作量大。企业通常的运营系统只能提供面向交易的数据。因此，许多管理者几乎要花费80％的时间进行数据的分析，真正用于决策的时间只有20％。许多大型企业还必须为之配备庞大的专业分析队伍。
