本课题研究希望找到一种跨行业、跨部门、交互功能的数据分析技术,主要针对一致的、可识别的关键绩效指标,对业务绩效进行衡量和分析,以支持业务绩效的管理。通过数据分析技术在企业绩效管理体系中的应用,即在多维数据库、数据挖掘、数据仓库、决策支持系统、流程管理系统等已经相当成熟的信息技术基础上,更进一步向组织管理领域和战略层次提升企业绩效管理技术。本文介绍了国内外企业信息系统的技术发展、信息管理的基础研究、企业绩效管理技术国内外的发展情况,详细阐述了将BP神经网络原理在以平衡记分卡为基础构建的战略性企业绩效评价指标体系的基础上,通过编程计算与数据仿真,从而切实反映企业的综合绩效情况。针对企业绩效管理需要寻找一种可以平衡财务绩效指标准确性、完整性和未来绩效动因等问题,企业综合绩效BP模型以平衡记分卡为基础构建了战略性企业综合绩效评价指标体系。针对企业综合绩效BP模型中标准BP网络学习算法存在与输入样本的顺序有关、收敛速度缓慢、易陷入局部极小等缺陷问题,在编程计算与数据仿真中采用Levenberg-Marquardt神经网络优化算法,它的优点在于网络权值数目较少时收敛非常迅速,比传统的BP及其他改进算法(如共轭梯度法,附加动量法、自适应调整法及拟牛顿法等)迭代次数少,收敛速度快,精确度高。