英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
财务共享服务中心业务量的均衡优化方法
尹阳，魏亮
武汉纺织大学会计学院，武汉,中国
中国船舶重工集团公司722研究所，武汉，中国
关键词：业务量，平衡优化，Zipf，财务共享服务中心
摘要
本文提出使用ZIPF型分布来平衡和预测财务共享服务中心的业务量，它可以根据业务量发生的现有统计量来估计预测参数。首先，我们借助财务共享服务中心对业务量进行分类，并通过业务特征量来分析预测率。然后，将分析结果以不同的预测时间粒度和预测业务量序列进行综合。最后，我们利用财务共享服务中心的实际数据来讨论预测方法的有效性，而这次讨论和分析的结果表明，这种预测方法可以有效地平衡业务量。
引言
许多应用程序的访问模式表现出一定的特点——工作量大，用户数量大，数据量大，存储节点多。但是这种访问模式最显着的特点是：80％的输入输出请求（IO请求）只访问20％的数据，这被称为“帕累托原则”[1]。这些特点导致了财务共享服务中心业务量的出现，因此，如何平衡这些业务量是优化财务共享服务中心的关键研究点。我们根据Zipf型分布开发了一个新的业务量预测模型（PBQM）。首先，根据业务量发生的现有统计量来预估参数，比如：alpha;（阿尔法）参数、时间粒度以及业务量发生频率的增长率、业务队列数量、最小准确率等辅助参数。然后，我们使用财务共享服务中心的实际数据来讨论业务量预测模型的有效性。同时，对业务量的类型进行分类，并通过分类业务量的特征来分析预测率。最后，我们综合了不同时间粒度和业务队列预测量的分析结果，上述讨论和分析结果表明，业务量预测模型可以有效预测和平衡业务量。
随着企业业务在世界范围内不断扩散和壮大，跨地区、跨行业的业务特点越来越明显。随着各国的跨国公司及其地区总部逐年增加，企业的国际竞争力显得至关重要。因此，确保会计记录和报告按时和具有标准的一体化结构是来自不同国家、地区或行业的会计和金融业务所面临的一个或多个最重要的问题之一。从而，新型管理模式的出现在历史上是不可避免的。
财务共享服务中心是公司新的组合共享管理模式在财务管理上的新应用，其目的是实现财务共享服务、财务管理和货币管理的一体化，建立企业集中的财务共享服务中心，支持多个终端，最终实现检查、报销、资金和决策的协作型应用[2]。将财务管理转变为财务共享服务中心之后，它很快成为管理更新的引擎，使集团总部和各级管理层的财务管理和会计核算功能更加清晰细致，以使其从共享层面上升到真实及时的管理和决策。同时，它也让财务管理者更多地参与商业运作，深化管理会计，并通过突破地域、时间和传统核查权限的边界和限制，促进财务控制向业务控制转移。然而财务共享服务中心是一种集成的共享后台模式，其分配给每个成员巨大的工作量，由于所有的成员单位都是在财务共享服务中心共同解决的，并且工作的时间和数量是不平衡的，难以确定在财务共享服务中心下员工的工作时间，因此过度工作是不可避免的。长期负荷过重不仅会降低员工的积极性，还会削减财务管理和会计核算的准确性，这与建立财务共享服务中心的初始理由背道而驰[3]。因此，财务共享服务中心的业务量和平衡优化分析引起了人们的广泛关注。供应商和财务工作者们不仅要在精神上加强对业务量的重视，还需要采取系统的关键技术，从财务共享服务中心业务量方面有效地提高财务共享服务中心业务量的均衡性，并通过考虑多种理论和技术，实现平衡优化和业务量分析模型的关键技术。为了达到高效率处理业务的需求，本文将从影响财务共享服务中心下业务平衡的数量开始[4]。
针对关注财务共享服务中心的高效业务处理需求，本文将从财务共享服务中心环境下影响业务平衡的业务量开始，分析财务共享服务中心下各类业务的不同特点，建立基于Zipf定律的业务量分析模型。此外，将获得和统计财务共享服务中心所有业务处理结束时当前的工作量等统计数据。 因此，可以预估模型所需的参数。通过使用ZIPF定律模型、估计参数和多个应用环境的数据集来检验这些模型是否具有准确的预测率，从而在未来的金融共享服务中心时代，可以预测到关于这些业务处理结束的新的工作量和排序情况。此外，在未来的时间内，可以针对高业务量和低业务量的不同预测的业务处理结果，进行业务改进的再分配。
为了在财务共享服务中心的基础上实现业务量均匀化的目标，本文在理论基础上深入研究了财务共享服务中心环境下的业务量分析模型和均衡改进。该目标不仅是提出更加灵活高效的业务量分析模型和均衡改进的关键技术，而且能够科学合理地安排企业员工的工作量和工作时间，从而提高员工的积极性和工作效率、业务处理的准确性以及财务工作效率。因此，它可以充分发挥财务共享服务中心的优势作用。本文不仅具有重大的现实意义、科学意义和可观的经济效益，而且有利于我国财务共享服务中心产业健康、稳定以及快速地发展。
本文在财务共享服务中心环境下研究业务量分析模型建立与平衡完善的基础上，主要从以下几个方面入手：财务共享服务中心是财务管理中的最新应用；也是应对企业全球化发展以及如何加强分布在全球各个行业的子公司管理问题的一种企业集中共享管理模式；其不仅降低了企业的管理成本，而且提高了企业的运营效率[5]。另外，从不同的处理端来看，业务量的不平衡性也在不断上升，导致了财务共享服务中心工作效率低下的现实处境。根据国内外最新的财务共享服务中心的业务数量和均衡优化的关键技术，本文将从统计和获取财务共享服务中心下各业务终端的处理能力开始，并结合Zipf定律的数学方法。另外，为了使财务共享服务中心更好地发挥作用，也将继续开展业务量分析模型研究和均衡优化关键技术研究。最终，它在未来能够适应财务共享服务中心的巨大需求，实现业务量分析预测产业化和提升平台运作均衡性的目标。
业务量预测模型
很久以前，Zipf就观察到英语中词频的分布规律，即排名r的的分布率为Pr [6]。 同时，在财务共享服务中心，我们也观察到业务量在工作流程中的分布。M表示所有业务量，B表示财务共享服务中心中的一个业务量，所以业务量的概率分布为
=， （1）
参数alpha;是一个变量，但在Zipf定律中，固定的时间内的alpha;值是一个常数，并且从等式1可知C（kT）= C（T）。当财务共享服务中心的工作时间为T或KT时，如果在高频业务量队列中的业务量fr表示业务量工作频率，则Br和Br#39;的业务量工作概率为：
（2）
为了简化计算，假设M从时间0到kT保持不变，并且假设F（业务量工作频率的总数）是仅由时间决定的线性函数（该条件符合实际财务共享服务中心环境下大部分业务量工作模式）。 因此可以得出：
（3）
将等式2与等式3结合，可以得出：
（4）
当财务共享服务中心的时间t = kT时，我们只计算了fr（T）/ fr（kT）的比率。但考虑到极端情况，Br的业务量工作频率从时间T到kT [fr（T）/ fr#39;（kT）]没有增加，因此我们将等式4修改为等式5，Qh表示高频业务量队列，如下：
（5）
业务量预测模型的参数估计
alpha;参数的估计。在Zipf型分布中，根据等式1，我们首先得出：C等于工作中业务量的最常值，即出现在财务共享服务中心的概率为P1，如果r = 1，则P1 = C。
为了获得更多估计alpha;值的方法，我们重新计算等式2，并令r lt;j，则有：
（6）
根据等式6，我们估算了多个alpha;值并获得其算术平均值和几何平均值。当t = T时，我们选择业务量工作频率N为10万。如果我们从1到10中选择两个不同的r和j，则可以估算45个不同的alpha;值。判断alpha;值是否合理的最简单的方法是：当qr = Pr且C = P1时，转换为等式1，可以得出：
（7）
表1.财务共享服务中心1中最合理的alpha;配合比
|
alpha; |
p1/q1 |
p2/q2 |
p3/q3 |
p4/q4 |
p5/q5 |
p6/q6 |
p7/q7 |
p8/q8 |
p9/q9 |
p10/q10 |
|
1.042963395 （算术平均数） |
1 |
1.84 |
1.08 |
1.36 |
1.52 |
1.23 |
1.09 |
1.24 |
1.25 |
1.34 |
|
0.889309111 （几何平均数） |
1 |
1.65 |
0.92 |
1.1 |
1.19 |
0.85 |
0.81 |
0.9 |
0.89 |
0.94 |
|
0.329392 |
1 |
1.12 |
0.5 |
0.51 |
0.48 |
0.31 |
0.27 |
0.28 |
0.26 |
0.26 |
|
0.94 |
1 |
1.71 |
0.97 |
1.18 |
1.29 |
0.94 |
0.89 |
1 |
1 |
1.06 |
总体而言，如果qr接近pr，alpha;是合理的，否则alpha;是不合理的。我们使用（配合比）Pr/q r来判断qr（拟合频率）是否接近pr。当 Pr/q r越接近1，qr就越接近pr。例如在实际的财务共享服务中心（FSSC1）中，当r = 9，j = 10时，我们估算alpha;的值为0.329392，该alpha;的拟合比率如表1所示。其中大部分拟合比率接近0（即远小于1），所以这个alpha;值是不合理的。根据我们的计算，最合理的alpha;值是0.94。在财务共享服务中心2、财务共享服务中心3和财务共享服务中心4中最合理alpha;的拟合比率分别为0.62、1.34和0.68。
k参数的估计。最重要的评估标准是高频业务量预测准确度（HPA），即真正的正向预测高频业务量与高频业务量队列的比率，如下：
（8）
在等式 5，我们可以知道是在新的流行数据库中的边界值，如果数据等级小于或等于这个值，那么它仍然是流行数据。所以可以得出：
（9）
在等式9中，如果将定义为最小高频业务量量预测精度（HPAm）。 那么我们可以得到：如果HPAm值较高，则预测时间较短，并且业务量预测模型不能反映效率; 如果HPAm值较低，则预测时间较长，并且预测模型的结果可能不准确。 因此，我们首先选择5个关于HPAm的值：10％，20％，3
全文共6648字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[17292]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
