大数据+风险开拓风险管控能力新模式

  企业在经济环境下生存、在市场环境中竞争，面临着诸多不确定性；这些不确定性给企业的经营管理带来了极大的风险。为了及时识别这些风险并进行有效的管控，需要对各种数据进行分析，从中发现企业经营中的策略失误和执行缺陷。传统的风险识别方法主要是通过对财务数据的分析来展开的，然而由于财务数据的滞后性、统计口径形成的失真，以及频发的财务粉饰或财务欺诈，造成了仅仅用财务数据来识别分析企业经营风险的局限性。为克服上述缺点，发展利用大数据来进行风险识别与管理则是一条非常诱人并且实践证明具有现实意义的路径，这也是大数据应用的一个重要方向。

  大数据的意义是用新的数据处理模式，用具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资源。应用大数据来识别企业的经营风险就是要从全社会各个渠道将与企业经营相关的全方位信息进行采集、整合、处理，通过特定的风险管控模型辨识风险，从而采取有效的风险应对。目前金融业是应用大数据为风险管控服务的主要行业；工商企业也开始应用大数据来管理应收账款风险或信用风险、股权投资风险、板块或资产配置风险等。服务于风险管控的大数据主要来源于企业数据、供应链数据、工商数据、公检法及海关数据、征信数据、舆情或负面事件数据、环保数据、电商交易数据以及其他信息等，通过对这些大数据的统计分析构建了识别风险、应对风险的新型风险管控模式。

  企业内外部大数据构成

  应用大数据服务于风险管控，就是通过采集各种类型的、可以从不同侧面反映企业经营状态和经营能力的数据，通过对数据的采集、转换、存储、统计以及经过风险模型的加工处理，来进行风险揭示或风险预警，达成有效的风险管控。下面我们来分别阐述可以用于风险管控的各类“大数据”。

  1.企业财务及报表数据

  企业财务及报表数据主要由两类组成，第一是自身企业的数据，这个可以通过ETL工具快速实现；第二是市场化公司数据，随着经济的发展，大量的企业在全球范围内成为上市公司。这些企业多数通常经营业绩较好，在其所在的行业中颇具有代表性或先进性。因此广泛采集上市公司定期披露的财务报表及内控报告，可以较为便利地将相关指标加工成企业对标数据，通过对标来发现企业的经营管理风险。

  2.供应链数据

  大数据将用于供应链从需求产生，产品设计到采购、制造、订单、物流以及协同的各个环节，通过大数据的使用对其供应链进行全面管控，企业可以通过大数据平台把供应链数据进行整合，对于制造业或类制造业企业而言，仓储物流数据准确地反映了企业经营的“繁荣”程度，同时这个数据也是供应链金融或供应链融资的基础数据。掌握企业的仓储物流数据，就可以绕开通过财务报表来分析企业经营风险的缺陷。

  3.工商数据

  所谓工商数据是指来自于工商局的企业注册信息以及后续的变更信息，主要反映了企业的性质、经营范围以及股东或控制人的状况。这其中非常有价值的是股东数据，通过识别股东在多家企业的控股状况，当其中某一家企业出现风险时，有可能传递到或殃及其控制的其他企业。另外，通过股东的关联控股企业的监测与分析，也可以发现其中负面的或形成财务粉饰的关联交易数据。

  4.公检法及海关数据

  公检法数据目前主要是指来源于法院系统的经济案件数据以及来自于公安机关的金融欺诈报案数据。法院的经济案件数据已被商业银行广泛使用，通过经济纠纷事件来推断贷款企业或申请贷款企业的信用状况以及可能面临的道德风险；而公安局的报案数据对于发现金融欺诈、非法集资、恶性高利贷等有着直接的应用价值。

  中国外向型经济的特点以及中国经济与世界经济体系的日益融合，使得海关统计的企业进出口贸易数据集中地反映了商品进出口企业的经营状况，特别是较长周期的数据监测与分析，很好地揭示了这些企业的经营风险，是银行识别贷款客户风险以及工商企业识别应收账款风险的重要信息源。

  5.征信数据

  人民银行的征信数据是目前国内积累时间最久、覆盖面最大的数据源，涵盖了历史上在商业银行贷款违约的客户信息。目前人民银行征信数据属于限制开放的信息源，主要服务于商业银行以及准许的非银金融机构。各省在人民银行征信数据之外，还尝试建立了联合征信体系，是对人民银行征信数据的有效补充，在风险管控应用中也具有重要意义。

  6.舆情或负面事件数据

  舆情或负面事件数据是指在互联网上新闻、微信、微博、论坛以及博客等出现的关于特定机构的负面消息，其表现形式可以是一段文字、视屏、音频、图片或其他组合形式。关于特定机构的负面消息或负面事件，可能揭露了其面临的各种风险，甚至是面临的危机，这在各种风险管控中都不应该忽视的重要信息或风险预警信号。

  7.环保数据

  环保部以及各地环保局关于对违反环境保护法企业的立案及处罚数据，一方面反映了当事企业的社会责任管理缺失、信用状况恶化的状态；另一方面也反映了由于环保限制或环保处罚，而可能导致的企业经营的不确定性或者可能面临的巨大经营风险。这部分数据往往也是银行或交易对手进行相关决策的重要参考信息。

  8.电商交易数据

  电商网站上的交易数据较好地反映了商品生产企业或商品销售企业的经营状况，据此数据来评定商户的信用等级或信用风险在以往获得了较为满意的准确度。因此，对于从事贷款业务和投资业务的金融机构，如果能获得企业的交易数据就可以较便利地识别企业经营风险。之所以仅提及电商是因为其上的交易数据是电子化的，并且数据管理集中、商品生产企业或商品销售企业的覆盖面较大。

  除了上述各种类型已经存在的“大数据”外，权威机构的行业研究报告、行业的经济分析报告、国家宏观经济指标数据、市场利率、汇率以及其他的市场指数指标数据等也是揭示企业可能受此影响而面临特定风险的重要信号，也应该纳入大数据应用于风险管控的范畴。

  大数据风险识别技术

  在前述大数据采集、转换、存储的基础上，形成了面向风险管控应用的数据集合或数据仓库。然而要想迅捷、有效地使用这些数据为风险管控服务，还必须发展和创立一些专项的技术，包括大数据检索技术、基于大数据的风险识别模型以及风险预警机制等。

  1.大数据检索技术

  大数据搜索引擎是大数据应用的基本工具，通过搜索引擎快速地提取我们需要的风险信号，进行风险分析和风险预警。市面上主流的Hadoop大数据搜索引擎，对于服务于风险管控的大数据而言有着成本过于高昂的缺点，需要发展一种专门用于二次信息采集、围绕着风险管控主题组织数据的低成本检索工具，作为各种风险管控应用提取所需信息的工具。

  2.风险识别模型

  利用大数据来识别特定对象的风险，必然面临着风险信号出处多样、内容繁杂、质量良莠不齐的状况。在这种情况下，传统的风险识别模型往往不能胜任有效识别风险的任务，需要发展多种基于规则的、基于业务的、基于多种信息整合的以及基于统计学原理的大数据风险识别模型，才能保证大数据有效地服务于风险管控。

  3.风险预警机制

  在风险识别模型的基础上，需要开发出一整套基于大数据的风险管控系统，针对识别出的风险决策是否发出预警。在这个领域，华博一直在研发华博大数据，有效的突破了实时在线预警问题。作为一种集中式的大数据服务平台，由于其服务对象的多样性，风险容忍度必然是多样化的，这使得建立适用于多种服务对象的风险容忍度体系存在着工作量繁重、提取风险偏好困难的障碍，需要广泛地调查研究、收集信息来建立有实用价值的容忍度体系。

  大数据风控落地运行新模式

  在从前，企业风险管控大多都依托主观上的经验判断，数据在那时也只起到辅助作用，导致企业的风险管控能力较差。而在现如今社会经济“新常态”下，企业正处在内、外部竞争压力“双夹”环境，依托数据感知风险并提升企业的风险管控能力及水平，成了企业转型升级的必然选择，由此提升整体竞争力显得更加重要。

  信息系统业务循环以数据为基础，数据主要来源于公司已有的信息系统数据及外部行业数据，如：ERP、MES等和非信息化的业务手工上报数据、运用爬虫技术搜集的行业数据。通过对数据分析，发现公司存在的缺陷、疑点和问题。针对公司存在的缺陷、疑点和问题参照政策法规和公司制度，发现公司存在的风险，除此之外，通过对公司违规损失进行分析，识别公司风险事件，最终形成公司风险数据库，以风险数据库为基础，对公司风险进行管理，制定控制措施，控制措施的效果会以数据的形式流回公司总体数据中，通过企业业务循环进行风险管控，通过内部审计与评价对业务及流程进行全面监控，实现业务可控可查，形成公司风险管控工作的闭环管理。

  大数据改变了风险管控的手段，比如对企业内部风险的识别。原来的识别模式是通过业务梳理及业务抽样的方式进行，现在是通过大数据的方式，实现企业数据的整合和实时监控。现在的风险管控模式是“互联网+大数据+风控”，今后突破的重点也是大数据在风险管控方面的应用，特别是基于人工智能的风险管控模型。

点击进入》 主数据管理  企业数据治理  信息资源规划  数据安全管理