[发明专利]集团企业报表数据提取方法及系统

说明书

本发明公开了集团企业报表数据提取方法及系统；将企业中单列式报表与矩阵式报表进行结构拆解，单列式报表穷尽报表的所有项目、矩阵式报表穷尽报表所有行与所有列的有效组合形成报表项；将拆解后的报表项通过系统自动化剖析清理进行内容重组，消除来源于不同报表相互重复的数据，实现报表项向指标及维度的转换，建立企业关键指标体系；引入源生、通用、派生值类型概念，厘清指标公式与关联，通过公式逐层定义，建立由计算、取数等方式组成的层级计算和网状关联体系；通过系统ETL从报表获取量子化的指标数据，建立维度表及事实表的关键指标信息资源池，达到企业报表数据提取、转换、关联、扩展、应用的目标。

技术领域

本发明涉及一种集团企业报表数据提取方法及系统。

背景技术

由于报表是一种半结构化文档，现有的报表数据提取方式主要是对报表单元格数据进行特征标记的技术手段来实现报表数据的识别与提取，但这种方法对原报表侵入性强，报表更改后难以维护，同时标记无法解决单元格数据之间的关联运算等关系以及满足用户动态扩展的需求。

发明内容

本发明的目的就是为了在不改造原有报表系统的条件下实现报表项数据识别、提取、关联等问题，提供一种集团企业报表数据提取方法及系统，本发明通过对二维报表的结构拆解、内容重组、体系优化、形式再造等方式建立集团企业指标体系标准，实现报表格式与数据分离，实现半结构化文档向全结构化数据转变，为集团企业关键信息多维反映及自助分析挖掘奠定基础。

为了实现上述目的，本发明采用如下技术方案：

集团企业报表数据提取方法，包括：

步骤(1)：获取电子集团企业报表，将集团企业报表拆解为报表项；

步骤(2)：对报表项进行预处理，对预处理后的报表项按逻辑进行去重处理，消除重复数据；将处理后的报表项存储到EXCEL表中；

步骤(3)：对报表项进行维度抽取和内容重组，将含有所述报表项的EXCEL表转化为多维的指标体系；

步骤(4)：利用值类型定义指标计算公式，建立指标体系中的指标关联关系；

步骤(5)：基于指标体系从集团企业报表中抽取、转换及加载指标数据，构建指标数据仓库DW(Data Warehouse)。

所述步骤(1)的步骤为：

将集团企业报表中的单列式报表与矩阵式报表进行结构拆解，形成报表项；

将单列式报表进行结构拆解是指取单列式报表的所有列表头作为报表项；

将矩阵式报表进行结构拆解是指将矩阵式报表拆分为矩阵式报表所有行表头与矩阵式报表所有列表头的组合。

所述单列式报表是指第一列为报表项、其他列为值类型的报表；例如：第一列为货币资金、结算备付金的报表项。

所述矩阵式报表是指第一列与报表头一起构成报表项的报表；所述矩阵式报表项例如发电成本_购入电力费、售电成本_购入电力费。

所述步骤(2)的预处理包括：

(21)去掉特殊符号；

(22)去掉说明性文字；

(23)每个组合都是先引用列表头再引用行表头，列表头与行表头之间通过下划线“_”连接；

(24)对于存在中英文的指标，先引用中文，再引用英文，英文放在括号中间；

(25)对于存在上下级关系的多层指标，按照用户设定规则简化为两层指标；

所述特殊符号，包括：空格、三角形、冒号、括号、顿号、逗号、引号、星号等符号；