張敏 吳亭 李雨新

黨的十九大報告提出，要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合，新技術(shù)與企業(yè)管理的深度融合是其中極為重要的一個方面。本文在深入剖析企業(yè)傳統(tǒng)風(fēng)險管理存在不足的基礎(chǔ)上，構(gòu)建基于大數(shù)據(jù)技術(shù)的風(fēng)險管理模式、實(shí)施路徑，并介紹新模式下事前、事中、事后全方位風(fēng)險管控的實(shí)施過程。

一、企業(yè)傳統(tǒng)風(fēng)險管理存在的問題

新技術(shù)與企業(yè)管理不斷融合背景下，傳統(tǒng)技術(shù)下的風(fēng)險管理難以適應(yīng)復(fù)雜多變的風(fēng)險管理環(huán)境，風(fēng)險管理水平低下是企業(yè)面臨的一大難題。新技術(shù)沖擊下，傳統(tǒng)風(fēng)險管理存在的問題主要集中在風(fēng)險監(jiān)控主動性不足、風(fēng)險評估不夠全面、預(yù)見性管理有限、風(fēng)險應(yīng)對能力弱等方面。

1.風(fēng)險監(jiān)控主動性不足。由于缺乏先進(jìn)的數(shù)據(jù)采集和處理技術(shù)，以手工作業(yè)為主的傳統(tǒng)風(fēng)險管理無法及時獲得有效、準(zhǔn)確的信息。信息獲取的成本高且時效性差，造成傳統(tǒng)風(fēng)險管理不能對數(shù)據(jù)信息實(shí)施動態(tài)監(jiān)管，很難做到主動實(shí)施風(fēng)險監(jiān)控。

2.風(fēng)險評估不夠全面。傳統(tǒng)風(fēng)險管理系統(tǒng)擁有多個不同的數(shù)據(jù)系統(tǒng)，而且數(shù)據(jù)存儲大多彼此獨(dú)立。數(shù)據(jù)之間無法共通，數(shù)據(jù)信息難以及時被有效提取和整合，傳統(tǒng)風(fēng)險管理系統(tǒng)不能實(shí)時形成一個圍繞風(fēng)險事件的多元化數(shù)據(jù)信息流。聚焦于某一個或某幾個數(shù)據(jù)系統(tǒng)提供的信息，傳統(tǒng)風(fēng)險管理難以實(shí)現(xiàn)全面風(fēng)險評估。

3.預(yù)見性管理能力有限。新技術(shù)與企業(yè)管理融合使得風(fēng)險管理對象呈現(xiàn)出多樣性和復(fù)雜性特征。面對多樣復(fù)雜的風(fēng)險管理對象，企業(yè)單純依靠傳統(tǒng)方式（定期填制底稿表格、開展訪談）或建立信息系統(tǒng)來發(fā)現(xiàn)風(fēng)險并識別錯漏已顯得力不從心，傳統(tǒng)風(fēng)險管理工作嚴(yán)重滯后。另外，現(xiàn)有的一些風(fēng)險管理規(guī)則主要依賴于既定的指標(biāo)及標(biāo)準(zhǔn)，面對大智移云等新興信息化技術(shù)不斷滲入，傳統(tǒng)風(fēng)險管理規(guī)則的自我成長性及靈活性都較差，風(fēng)險管理實(shí)時監(jiān)督功能的靈敏度低，預(yù)見性管理的能力有限。

4.風(fēng)險應(yīng)對效能弱。傳統(tǒng)風(fēng)險管理模式中各職能部門、業(yè)務(wù)部門間的風(fēng)險管理工作被割裂和分塊化，面對復(fù)雜風(fēng)險時，如何對責(zé)任進(jìn)行準(zhǔn)確界定成為了傳統(tǒng)風(fēng)險管理的難點(diǎn)，風(fēng)險應(yīng)對效能被弱化。同時，受限于風(fēng)險管理智能化程度，數(shù)據(jù)分析、信息傳遞與反饋、人員績效考核評價以及風(fēng)險管理工作報告的自動化與智能化等方面的欠缺，使得風(fēng)險應(yīng)對效能被削弱。

二、基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理模式

大數(shù)據(jù)技術(shù)在企業(yè)風(fēng)險管理中的運(yùn)用重構(gòu)了企業(yè)風(fēng)險管理系統(tǒng)，緩解了傳統(tǒng)風(fēng)險管理中存在的問題。重構(gòu)后的企業(yè)風(fēng)險管理系統(tǒng)要求企業(yè)站在戰(zhàn)略的高度，綜合運(yùn)用大數(shù)據(jù)思維、技術(shù)、標(biāo)準(zhǔn)，重塑大數(shù)據(jù)思維下的風(fēng)險管理理念，創(chuàng)建基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理模式。

具體而言，基于大數(shù)據(jù)技術(shù)的風(fēng)險管理模式為：構(gòu)建風(fēng)險管理大數(shù)據(jù)處理中心，綜合全面地配備工作人員，以全集團(tuán)統(tǒng)一的信息標(biāo)準(zhǔn)與數(shù)據(jù)處理方法實(shí)時采集、存儲與處理內(nèi)外部數(shù)據(jù)，并借助大數(shù)據(jù)技術(shù)對其加以分析運(yùn)用。這一過程貫穿于事前控制、事中控制和事后控制各階段，從而實(shí)現(xiàn)基于大數(shù)據(jù)技術(shù)的風(fēng)險管理（如圖1所示）。

在此模式下，數(shù)據(jù)采集維度、數(shù)據(jù)分析手段以及數(shù)據(jù)應(yīng)用能力都有很大提高，風(fēng)險預(yù)警和監(jiān)督功能得到根本性改變，風(fēng)險事后應(yīng)對效能得到增強(qiáng)。如圖1所示，寬口徑數(shù)據(jù)的采集，將使得風(fēng)險管理工作的基礎(chǔ)更加堅實(shí)；機(jī)器學(xué)習(xí)、可視化技術(shù)、自然語言處理以及社會網(wǎng)絡(luò)分析等大數(shù)據(jù)分析手段的應(yīng)用，極大地提升了風(fēng)險管理中相關(guān)數(shù)據(jù)的應(yīng)用與分析能力。大數(shù)據(jù)技術(shù)的運(yùn)用使得風(fēng)險管理工作的關(guān)口被前移，風(fēng)險管理的時效性得到很大提升，從源頭上改進(jìn)了風(fēng)險管理的預(yù)警和監(jiān)督功能。大數(shù)據(jù)技術(shù)的事前、事中和事后全過程控制，將企業(yè)內(nèi)部數(shù)據(jù)信息進(jìn)行梳理打通和關(guān)聯(lián)整合，并結(jié)合相關(guān)外部數(shù)據(jù)分析（宏觀經(jīng)濟(jì)形勢、行業(yè)信息、供應(yīng)商及客戶的稅務(wù)、財政、銀行、證券系統(tǒng)等），增強(qiáng)企業(yè)風(fēng)險應(yīng)對效能。

圖1 基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理模式

圖2 風(fēng)險管理大數(shù)據(jù)處理中心的人員配備

三、基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理實(shí)施路徑

為了有效實(shí)施基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理模式，企業(yè)需要重塑風(fēng)險管理理念，創(chuàng)建數(shù)據(jù)共享平臺，利用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)系統(tǒng)數(shù)據(jù)的整合、分析，構(gòu)建風(fēng)險管理大數(shù)據(jù)處理中心。

（一）重塑風(fēng)險管理理念

基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理將徹底摒棄局部風(fēng)險管理的理念，實(shí)現(xiàn)全過程、實(shí)時、綜合性管理理念。大數(shù)據(jù)技術(shù)應(yīng)用背景下，風(fēng)險管理要求企業(yè)站在戰(zhàn)略高度，以全局視角綜合考慮風(fēng)險問題，利用大數(shù)據(jù)技術(shù)、統(tǒng)一的信息標(biāo)準(zhǔn)與數(shù)據(jù)處理方法，采集、存儲和處理企業(yè)內(nèi)外部數(shù)據(jù)，可以實(shí)時形成一個圍繞風(fēng)險事件的數(shù)據(jù)信息流，實(shí)現(xiàn)企業(yè)風(fēng)險管理全過程實(shí)時監(jiān)控。

（二）構(gòu)建風(fēng)險管理大數(shù)據(jù)處理中心

基于大數(shù)據(jù)技術(shù)的風(fēng)險管理模式，核心就是構(gòu)建風(fēng)險管理大數(shù)據(jù)處理中心，企業(yè)將以此中心作為企業(yè)集團(tuán)開展風(fēng)險管理工作的據(jù)點(diǎn)。該中心通過不間斷作業(yè)、實(shí)時反饋的工作方式，寬口徑多維度地對數(shù)據(jù)進(jìn)行收集和分析，實(shí)現(xiàn)對風(fēng)險的事前控制、事中控制和事后控制。風(fēng)險管理大數(shù)據(jù)處理中心的構(gòu)建需從以下幾點(diǎn)展開：

1.人員配備。風(fēng)險管理大數(shù)據(jù)處理中心，不僅肩負(fù)著對海量數(shù)據(jù)資源的技術(shù)性收集與處理，而且還要承擔(dān)事前、事中和事后的全過程風(fēng)險管理。多重角色定位決定了其應(yīng)有的人員配備結(jié)構(gòu)，如圖2所示。

首先，配備一定數(shù)量的技術(shù)型人才。技術(shù)型人才是構(gòu)建風(fēng)險管理大數(shù)據(jù)處理中心的基礎(chǔ)，一方面保障風(fēng)險管理大數(shù)據(jù)處理中心的正常高效運(yùn)轉(zhuǎn)，另一方面幫助相關(guān)新方案、新構(gòu)想實(shí)現(xiàn)技術(shù)落地。

其次，配備足夠的技術(shù)+業(yè)務(wù)+風(fēng)險管理的復(fù)合型人才。同時具備這三項(xiàng)技能的復(fù)合型人才是風(fēng)險管理大數(shù)據(jù)處理中心的核心力量，在很大程度上決定著處理中心工作的效率和效果。即懂業(yè)務(wù)又懂風(fēng)險管理的人才能夠根據(jù)不同業(yè)務(wù)的類型和特征，篩選出需采集的數(shù)據(jù)源并選擇適當(dāng)?shù)臄?shù)據(jù)處理方式，然后基于現(xiàn)有需求提出貼合實(shí)際的風(fēng)險管理工作方案。同時精通業(yè)務(wù)和技術(shù)的人才既能避免純技術(shù)人員因缺乏業(yè)務(wù)感知而方向錯誤，又能減少業(yè)務(wù)人員因技術(shù)知識的匱乏而過于天馬行空。“技術(shù)+業(yè)務(wù)+風(fēng)險管理”的復(fù)合型人才對于各種方案在技術(shù)上的可行性與運(yùn)行效果有清晰的認(rèn)知，在模型運(yùn)行結(jié)果的解釋能力與業(yè)務(wù)歸因能力方面，也遠(yuǎn)超只懂技術(shù)或業(yè)務(wù)的一般員工。

最后，風(fēng)險管理大數(shù)據(jù)處理中心還需要配備一定數(shù)量的專家顧問。擁有豐富行業(yè)經(jīng)驗(yàn)的專家顧問以其高瞻遠(yuǎn)矚的視角，從技術(shù)方案抉擇到工作重點(diǎn)調(diào)整，均能夠?qū)︼L(fēng)險管理工作予以戰(zhàn)略意義上的指導(dǎo)和糾偏，及時對處理中心的工作方向與關(guān)鍵細(xì)節(jié)提出建議，使處理中心的運(yùn)行效率持續(xù)保持增長活力。

2.工作內(nèi)容設(shè)計。風(fēng)險管理大數(shù)據(jù)處理中心工作內(nèi)容的設(shè)計，是指利用大數(shù)據(jù)處理中心的數(shù)據(jù)信息流，將事前控制、事中控制與事后控制的全生命周期風(fēng)險管理工作內(nèi)容抽象出來。工作內(nèi)容具體體現(xiàn)為：數(shù)據(jù)的采集、清洗、存儲、分析和反饋（如圖3所示）。

圖3 風(fēng)險管理大數(shù)據(jù)處理中心的工作內(nèi)容

圖4 基于大數(shù)據(jù)技術(shù)的風(fēng)險管理事前控制

圖5 風(fēng)險管理進(jìn)度看板示例

數(shù)據(jù)的采集工作就是對與風(fēng)險管理工作相關(guān)的所有信息進(jìn)行實(shí)時獲取。采集的數(shù)據(jù)包括財務(wù)數(shù)據(jù)與非財務(wù)數(shù)據(jù)、內(nèi)部數(shù)據(jù)與外部數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)（或半結(jié)構(gòu)化數(shù)據(jù)），這些數(shù)據(jù)可體現(xiàn)為文本、音頻、視頻、圖像、數(shù)據(jù)表等多種形式。就數(shù)據(jù)的載體而言，采集的數(shù)據(jù)可來源于內(nèi)部文件、會議記錄、新聞報道、訪談記載、生產(chǎn)流水、郵件往來、微博以及社交媒體等等。內(nèi)部數(shù)據(jù)可通過在業(yè)務(wù)邏輯中嵌入采集代碼完成收集，即埋點(diǎn)采集。外部數(shù)據(jù)可使用爬蟲技術(shù)實(shí)現(xiàn)大規(guī)模的數(shù)據(jù)采集，其中獲得授權(quán)的上下游單位、社會公眾組織的外部數(shù)據(jù)采集也可通過API接口等技術(shù)實(shí)現(xiàn)采集。

采集到的內(nèi)外部數(shù)據(jù)往往存在噪音，數(shù)據(jù)的清洗處理工作顯得十分必要。譬如：采集的數(shù)據(jù)可能存在大量相關(guān)非結(jié)構(gòu)化數(shù)據(jù)，需對其進(jìn)行預(yù)處理；數(shù)據(jù)中存在的重復(fù)值、異常值、缺失值等可能影響數(shù)據(jù)分析的準(zhǔn)確性；不同數(shù)據(jù)量綱差異過大造成標(biāo)準(zhǔn)化程度低，難以開展有效分析等等。鑒于此，在數(shù)據(jù)清洗環(huán)節(jié)可運(yùn)用PowerBI的Powerquery模塊、Python的Pandas庫、NumPy庫等工具，通過數(shù)據(jù)分箱、啞變量處理、行列操作等步驟，對海量原始數(shù)據(jù)進(jìn)行處理，以提升數(shù)據(jù)的標(biāo)準(zhǔn)化程度和一致性。

如何將清洗處理后的數(shù)據(jù)變成有用的數(shù)據(jù)信息？首先需要解決數(shù)據(jù)的存儲問題。數(shù)據(jù)存儲是數(shù)據(jù)應(yīng)用的前提，其涵蓋的內(nèi)容是豐富的風(fēng)險管理基礎(chǔ)數(shù)據(jù)資源。企業(yè)可結(jié)合自身規(guī)模、安全級別以及對實(shí)時性、準(zhǔn)確性的需求，選取適當(dāng)數(shù)據(jù)存儲模式，如購買云存儲服務(wù)、選擇工業(yè)常用的大型實(shí)時數(shù)據(jù)庫等。

圖6 實(shí)時風(fēng)險坐標(biāo)圖

圖7 風(fēng)險熱力圖示例

圖8 基于大數(shù)據(jù)的銀行貸款決策支持效果

圖9 2000條工程安全事故類型分布圖

數(shù)據(jù)分析是風(fēng)險管理大數(shù)據(jù)處理中心的工作核心，可以將清洗處理后的數(shù)據(jù)變成有用的數(shù)據(jù)信息。數(shù)據(jù)分析工作以時效性很強(qiáng)的風(fēng)險管理相關(guān)數(shù)據(jù)為基礎(chǔ)，借助RPA、機(jī)器學(xué)習(xí)、自然語言處理、社會網(wǎng)絡(luò)分析等技術(shù)，以自動化和智能化的方式，增強(qiáng)企業(yè)風(fēng)險管理的控制功能，提升企業(yè)風(fēng)險管理過程的可視化程度，最終將智能分析生成的信息自動生成風(fēng)險管理報告。

經(jīng)智能分析生成的信息將反饋至相關(guān)部門與人員，以便及時應(yīng)對易發(fā)的風(fēng)險環(huán)節(jié)和已出現(xiàn)的風(fēng)險事項(xiàng)，并對數(shù)據(jù)采集、分析等環(huán)節(jié)進(jìn)行相應(yīng)調(diào)整，提高風(fēng)險管理大數(shù)據(jù)處理中心的工作效率。

3.工作方式轉(zhuǎn)變。企業(yè)風(fēng)險管理大數(shù)據(jù)處理中心，因其高度自動化、智能化的特點(diǎn)，能夠以不間斷作業(yè)和實(shí)時反饋的形式開展工作。RPA、爬蟲與埋點(diǎn)采集等技術(shù)的運(yùn)用，能夠日夜不停地進(jìn)行數(shù)據(jù)采集與提取，給大數(shù)據(jù)處理中心帶來源源不斷的實(shí)時數(shù)據(jù)。不同業(yè)務(wù)的各個風(fēng)險管理模型無休運(yùn)轉(zhuǎn)，像分布在企業(yè)各個關(guān)鍵部位的傳感器與儀表盤，時刻對業(yè)務(wù)運(yùn)行進(jìn)行風(fēng)險監(jiān)控，并實(shí)時反饋。數(shù)據(jù)的實(shí)時反饋不僅能夠形成企業(yè)整體的實(shí)時風(fēng)險清單，而且能夠在業(yè)務(wù)單元層面、個別崗位層面實(shí)現(xiàn)風(fēng)險預(yù)警與應(yīng)對。企業(yè)風(fēng)險管理大數(shù)據(jù)處理中心極大地提高了風(fēng)險管理工作的精度與強(qiáng)度。

四、基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理過程

在大數(shù)據(jù)處理中心的支撐下，企業(yè)風(fēng)險管理能夠獲得源源不斷的實(shí)時數(shù)據(jù)，并實(shí)現(xiàn)不間斷的數(shù)據(jù)處理、加工與反饋。數(shù)據(jù)在風(fēng)險管理大數(shù)據(jù)處理中心的流轉(zhuǎn)過程是企業(yè)風(fēng)險管理工作內(nèi)容的抽象體現(xiàn)，將數(shù)據(jù)的流轉(zhuǎn)映射到企業(yè)具體風(fēng)險管理工作中去，則可將企業(yè)風(fēng)險管理分為事前控制、事中控制、事后控制三個階段，也就是基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理全過程。

（一）事前控制

大數(shù)據(jù)技術(shù)下企業(yè)風(fēng)險管理的事前控制，是基于關(guān)聯(lián)分析的思想，利用智能分析技術(shù)對企業(yè)海量多源異構(gòu)的內(nèi)外部數(shù)據(jù)進(jìn)行挖掘與分析，以了解企業(yè)運(yùn)行狀況和態(tài)勢，從而構(gòu)建基于機(jī)器學(xué)習(xí)的各業(yè)務(wù)模塊風(fēng)險預(yù)警模型，匯總實(shí)時風(fēng)險清單或設(shè)置風(fēng)險管理進(jìn)度看板，識別和預(yù)警可能存在的風(fēng)險并及時反饋（如圖4所示）。

大數(shù)據(jù)技術(shù)的運(yùn)用促使企業(yè)風(fēng)險管理關(guān)口前移。大量事實(shí)證明，利用大數(shù)據(jù)技術(shù)對企業(yè)內(nèi)部的會議文件、合同、業(yè)務(wù)流程職責(zé)、內(nèi)控制度、年報、財務(wù)文本信息等大量文檔進(jìn)行分析，并判斷企業(yè)的重大決策流程、內(nèi)部控制的合規(guī)性，有助于增加企業(yè)風(fēng)險管理提前干預(yù)的可能性。例如，已有文獻(xiàn)研究發(fā)現(xiàn)上市公司年報披露的語氣（正面詞頻vs負(fù)面詞頻）波動性越大，則代表企業(yè)風(fēng)險越大（Campbell等，2020）；還有研究通過對企業(yè)董事會會議記錄進(jìn)行詞頻分析并呈現(xiàn)為詞云圖，能夠迅速直觀地了解企業(yè)戰(zhàn)略目標(biāo)與工作重點(diǎn)，繼而與業(yè)務(wù)報告、崗位職責(zé)等文件進(jìn)行智能比對，能夠看出企業(yè)在業(yè)務(wù)層面是否如實(shí)遵循戰(zhàn)略目標(biāo)。

企業(yè)風(fēng)險管理關(guān)口前移和隨之而來的海量、多源、異構(gòu)的數(shù)據(jù)洪流，使得風(fēng)險管理領(lǐng)域成為大數(shù)據(jù)技術(shù)（如機(jī)器學(xué)習(xí)技術(shù)、流程自動化技術(shù)）的重點(diǎn)應(yīng)用場景之一。借助機(jī)器學(xué)習(xí)技術(shù)，基于實(shí)時的數(shù)據(jù)信息，根據(jù)不同業(yè)務(wù)類型的相應(yīng)流程與內(nèi)控環(huán)節(jié)，企業(yè)風(fēng)險管理人員能夠有針對性地設(shè)計不同業(yè)務(wù)模塊的風(fēng)險預(yù)警模型。構(gòu)建基于機(jī)器學(xué)習(xí)的各業(yè)務(wù)模塊風(fēng)險預(yù)警模型，包括以下幾個步驟：

1.規(guī)則定義與歷史數(shù)據(jù)的收集，這是搭建風(fēng)險預(yù)警模型的基礎(chǔ)。所謂規(guī)則定義實(shí)質(zhì)上就是形成一個“規(guī)則知識庫”。無論是企業(yè)宏觀層面上的戰(zhàn)略重點(diǎn)，還是業(yè)務(wù)單元層面上的具體目標(biāo)，都是形成“規(guī)則知識庫”的指引和依據(jù)，更是完成這一步驟的支撐和參考。在這一規(guī)則庫中，包含了建構(gòu)基于機(jī)器學(xué)習(xí)的風(fēng)險預(yù)警模型所需的知識，主要體現(xiàn)為對規(guī)則定義的組合及預(yù)警條件的確定。例如，借助決策樹模型等算法，通過自動化規(guī)則挖掘，同時結(jié)合專家經(jīng)驗(yàn)，可以圍繞不同業(yè)務(wù)各自的控制目標(biāo)，得出適當(dāng)?shù)目勺晕业膬?nèi)外部規(guī)則。這些內(nèi)外部規(guī)則包括欺詐檢測規(guī)則、評分規(guī)則、投資風(fēng)險預(yù)警規(guī)則、供應(yīng)鏈上下游企業(yè)協(xié)作風(fēng)險規(guī)則等。

2.將歷史數(shù)據(jù)分為訓(xùn)練集與測試集，通過調(diào)用Python工具包的方式，使用適當(dāng)?shù)乃惴ㄍ瓿蓪δＰ偷挠?xùn)練和測試?；跈C(jī)器學(xué)習(xí)的風(fēng)險預(yù)警模型，所面對樣本的一大特點(diǎn)就是負(fù)樣本在所有樣本中所占的比例極少。換言之，可供學(xué)習(xí)的有標(biāo)簽的樣本較為稀缺，如內(nèi)控失效、合謀舞弊等情形，并非日常頻頻出現(xiàn)。這些特征決定了在風(fēng)險管理事前控制這一場景中，半監(jiān)督算法與無監(jiān)督算法的適用程度更高。

3.調(diào)試模型參數(shù)，增強(qiáng)模型的時效性與解釋度。由于風(fēng)險預(yù)警模型主要是運(yùn)用在事前控制環(huán)節(jié)，其功能定位和時效性要求模型在初始設(shè)置時可適當(dāng)降低模型的復(fù)雜度與精度。

4.在實(shí)際應(yīng)用中，風(fēng)險預(yù)警模型根據(jù)反饋信息不斷優(yōu)化，進(jìn)一步增強(qiáng)模型的預(yù)警功能與適用性。

隨著各業(yè)務(wù)單元的風(fēng)險預(yù)警模型的持續(xù)運(yùn)行，基于大數(shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理系統(tǒng)可以匯總形成集團(tuán)公司層面的實(shí)時風(fēng)險清單，將其中的風(fēng)險事項(xiàng)、關(guān)鍵風(fēng)險環(huán)節(jié)、重點(diǎn)風(fēng)險責(zé)任人、風(fēng)險影響范圍等信息以可視化的形式呈現(xiàn)出來。具體而言，可以在公司領(lǐng)導(dǎo)及業(yè)務(wù)部門負(fù)責(zé)人的辦公場所設(shè)置風(fēng)險管理進(jìn)度看板（如圖5所示）；或者將各業(yè)務(wù)環(huán)節(jié)風(fēng)險狀況進(jìn)行匯總，并借助餅圖、折線圖、詞云圖、儀表盤、散點(diǎn)圖等形式加以展現(xiàn)；也可以將風(fēng)險影響范圍與發(fā)生的可能性以不同顏色標(biāo)示直觀地呈現(xiàn)出來，如使用紅色代表緊急重大風(fēng)險、使用黃色代表一般風(fēng)險等等，從而使相關(guān)人員能夠第一時間接收到風(fēng)險狀況變化的信息。

此外，一旦風(fēng)險預(yù)警模型或文本挖掘分析過程中識別到風(fēng)險跡象，企業(yè)風(fēng)險預(yù)警模型可借助流程自動化技術(shù)（RPA），設(shè)置信息的自動反饋機(jī)制，自動將相關(guān)信息在辦公系統(tǒng)內(nèi)發(fā)送給相應(yīng)的部門及管理人員。這一過程，不僅有助于風(fēng)險狀況的實(shí)時反饋與提醒，同時也有助于責(zé)任歸屬的劃分，避免企業(yè)內(nèi)部各職能部門間推諉“懶政”。

（二）事中控制

事中控制是指風(fēng)險管理人員對事前控制環(huán)節(jié)形成的風(fēng)險相關(guān)事項(xiàng)進(jìn)行實(shí)時監(jiān)控。換言之，事中控制可以通過對事前識別到的關(guān)鍵環(huán)節(jié)與關(guān)鍵事項(xiàng)設(shè)定相應(yīng)的監(jiān)控機(jī)制，一旦相關(guān)指標(biāo)異?；蛴|發(fā)監(jiān)控報警規(guī)則，則代表風(fēng)險的出現(xiàn)，此時基于大數(shù)據(jù)技術(shù)的風(fēng)險管理系統(tǒng)就會引發(fā)報警并實(shí)施風(fēng)險應(yīng)對。這一環(huán)節(jié)，風(fēng)險應(yīng)對的智能化顯得尤為重要，其中主要包括關(guān)鍵風(fēng)險點(diǎn)實(shí)時監(jiān)控與風(fēng)險應(yīng)對決策的智能化分析兩大部分。

1.關(guān)鍵風(fēng)險點(diǎn)的實(shí)時監(jiān)控是指利用機(jī)器學(xué)習(xí)技術(shù)，對事前預(yù)警中涉及的風(fēng)險信息關(guān)鍵點(diǎn)進(jìn)行實(shí)時監(jiān)控。對關(guān)鍵風(fēng)險點(diǎn)的實(shí)時監(jiān)控，有助于風(fēng)險管理關(guān)口的前移，增強(qiáng)風(fēng)險管理人工干預(yù)和應(yīng)對工作的主動性與及時性。具體步驟如下：

首先，形成重點(diǎn)實(shí)時監(jiān)控風(fēng)險對象清單?；诖髷?shù)據(jù)技術(shù)的企業(yè)風(fēng)險管理系統(tǒng)對集團(tuán)所有業(yè)務(wù)進(jìn)行常規(guī)監(jiān)控的同時，還應(yīng)根據(jù)事前控制中識別出的高風(fēng)險客戶或業(yè)務(wù)流程中的隱患風(fēng)險，形成相應(yīng)的重點(diǎn)實(shí)時監(jiān)控風(fēng)險對象清單。

其次，設(shè)計相應(yīng)的動態(tài)風(fēng)險監(jiān)控規(guī)則與指標(biāo)。根據(jù)重點(diǎn)實(shí)時監(jiān)控風(fēng)險清單上列明的具體風(fēng)險事項(xiàng)與監(jiān)控流程，運(yùn)用機(jī)器學(xué)習(xí)技術(shù)構(gòu)建模型并設(shè)計相應(yīng)的動態(tài)風(fēng)險監(jiān)控規(guī)則與指標(biāo)?；跈C(jī)器學(xué)習(xí)技術(shù)的模型具有自我學(xué)習(xí)和自我成長特性，能夠在人為不加干預(yù)的情況下，學(xué)習(xí)尋找風(fēng)險管理事中控制的規(guī)則，并保證這種規(guī)則始終處于動態(tài)重構(gòu)與不斷優(yōu)化的過程中。

最后，實(shí)時繪制風(fēng)險坐標(biāo)圖?；跈C(jī)器學(xué)習(xí)技術(shù)的模型會主動按照風(fēng)險發(fā)生的可能性及其影響程度生成不同等級的提示，為人工干預(yù)和風(fēng)險應(yīng)對提供判斷依據(jù)。在實(shí)時監(jiān)控中，該模型對風(fēng)險發(fā)生的可能性及其影響程度加以展示時，可以借助可視化技術(shù)，實(shí)時自動繪制風(fēng)險坐標(biāo)圖，并通過直觀的顏色表示來進(jìn)行風(fēng)險情況的提示和監(jiān)控。如圖6、圖7所示，對于紅色區(qū)域予以特別關(guān)注，應(yīng)及時進(jìn)行分析匯報。

關(guān)鍵風(fēng)險點(diǎn)的實(shí)時監(jiān)控將產(chǎn)生不同等級的風(fēng)險情況，如何對不同等級的風(fēng)險情況實(shí)施有效的人工干預(yù)和應(yīng)對是事中控制環(huán)節(jié)的重要任務(wù)。針對不同風(fēng)險情況所實(shí)施的人工干預(yù)和應(yīng)對策略可以從可規(guī)避性、可接受性等視角，做出風(fēng)險回避、降低、分擔(dān)或承受等不同等級的方案。面對多種風(fēng)險應(yīng)對方案，如何選擇是關(guān)鍵。風(fēng)險應(yīng)對策略的智能分析顯得尤為重要，決策智能分析系統(tǒng)應(yīng)運(yùn)而生。

2.決策智能分析系統(tǒng)通過建立智能決策模型，對多種風(fēng)險應(yīng)對策略進(jìn)行智能化分析，并幫助風(fēng)險管理人員作出合理的選擇。它能夠在大量歷史經(jīng)驗(yàn)的基礎(chǔ)上，對多種風(fēng)險應(yīng)對方案進(jìn)行智能比較，篩選出符合公司長遠(yuǎn)目標(biāo)的風(fēng)險應(yīng)對選項(xiàng)，從而給出判斷結(jié)果并輔助決策，最終由人工選擇采取何種風(fēng)險應(yīng)對方案。這一職業(yè)判斷結(jié)果，又將作為新的訓(xùn)練數(shù)據(jù)輸入至決策模型中。與傳統(tǒng)的人工決策相比，輔以智能分析決策的風(fēng)險應(yīng)對，能夠提高風(fēng)險管理工作的事中控制效果。

以銀行貸款決策為例，如圖8所示，大數(shù)據(jù)決策模型相較于傳統(tǒng)決策模型而言，由于其信息量大，判斷標(biāo)準(zhǔn)更為豐富（電腦自動處理），其貸款拒絕率較低，同時貸款違約率也很低（秦璐，2018）。

（三）事后控制

風(fēng)險管理工作的事后控制環(huán)節(jié)，是對事前控制和事中控制的結(jié)果進(jìn)行匯總、分析和評價。開展完善切實(shí)的事后控制，是提升風(fēng)險管理工作效率效果、形成風(fēng)險管理閉環(huán)的必要環(huán)節(jié)?；诖髷?shù)據(jù)技術(shù)進(jìn)行風(fēng)險管理工作事后控制，主要體現(xiàn)為非標(biāo)準(zhǔn)化風(fēng)險管理報告、事后進(jìn)行歷史風(fēng)險事故分析和建立風(fēng)險管理業(yè)績評分模型等三個方面。

1.在非標(biāo)準(zhǔn)化風(fēng)險管理報告的呈現(xiàn)上，風(fēng)險管理系統(tǒng)可借助自動化流程，將生成的“個性化”風(fēng)險管理報告自動發(fā)送至相應(yīng)的風(fēng)險管理報告使用者。同時，風(fēng)險管理系統(tǒng)也可借助語音自動播報與可視化技術(shù)等手段，使風(fēng)險管理報告的使用更為便捷和直觀。目前業(yè)界已有運(yùn)用自然語言處理技術(shù)自動生成審計報告的先例，極大地節(jié)省了人的精力。自然語言處理技術(shù)能夠通過人與計算機(jī)之間的“語言交互”，實(shí)現(xiàn)文本情感分析、文本分類、機(jī)器翻譯、自動文摘、生成文本等功能。更進(jìn)一步地，自然語言處理技術(shù)也可用于滿足公司不同主體層級的需求，結(jié)合不同使用對象的關(guān)注點(diǎn)，有針對性地選擇不同的顆粒度與側(cè)重范圍，自動生成非標(biāo)準(zhǔn)化的公司層面、專項(xiàng)層面、業(yè)務(wù)層面、崗位層面的風(fēng)險管理報告。由于省去了繁瑣的人工編寫及校對時間，風(fēng)險管理報告的及時性也將得到極大提升。

2.在事后進(jìn)行歷史風(fēng)險事故分析時，風(fēng)險管理系統(tǒng)可以以集團(tuán)歷史風(fēng)險數(shù)據(jù)庫中的完整風(fēng)險管理報告作為分析樣本，利用自然語言處理技術(shù)讀取文本，結(jié)合風(fēng)險事件的原因、經(jīng)過、結(jié)果、影響因素等大量信息進(jìn)行分類或聚類，開展針對風(fēng)險因素和風(fēng)險發(fā)生次數(shù)的分析，生成風(fēng)險因素分布圖，能夠明顯識別出集團(tuán)自身的關(guān)鍵風(fēng)險因素。如：黃亞春（2019）從美國職業(yè)安全與健康管理局（OSHA）數(shù)據(jù)庫中搜集到大約2000條建設(shè)工程安全事故歷史報告，利用大數(shù)據(jù)技術(shù)對其進(jìn)行文本分析，并借助可視化技術(shù)，用圖表展示的形式替代對文本內(nèi)容冗長的解釋，生成依據(jù)事故發(fā)生原因分類的事故類型分布圖（如圖9所示）。 分布圖中信息顯示跌落事故占比 32.45%，非常突出且遠(yuǎn)高于其他事故。這意味著，可以在之后的安全風(fēng)險管理中著重關(guān)注此類風(fēng)險因素。

3.在建立風(fēng)險管理業(yè)績評分模型方面，基于大數(shù)據(jù)技術(shù)的風(fēng)險管理系統(tǒng)可以根據(jù)系統(tǒng)日志等元數(shù)據(jù)及大量全面的其他基礎(chǔ)數(shù)據(jù)，得到在各流程節(jié)點(diǎn)上關(guān)于接到預(yù)警的具體崗位、接到預(yù)警的時間、做出應(yīng)對的時間、采用的具體應(yīng)對措施、具體事項(xiàng)造成損失的定量估算等重要評價因素。這些評價因素的具體責(zé)任人、該責(zé)任人做出應(yīng)對是否及時、是否符合智能決策系統(tǒng)的判斷（包括：不采用智能決策系統(tǒng)推薦方案的原因記錄）以及風(fēng)險應(yīng)對的成果、跟蹤評價等信息也可以通過基礎(chǔ)數(shù)據(jù)獲得。

在上述評價因素的基礎(chǔ)上，依據(jù)專家經(jīng)驗(yàn)，公司根據(jù)實(shí)際情況選取評價因素，并確定這些評價因素的合理權(quán)重，進(jìn)而建立風(fēng)險管理業(yè)績評分模型。這一模型可以對責(zé)任人在風(fēng)險管理過程中的表現(xiàn)做出評價，自動生成考核結(jié)果?？己私Y(jié)果作為相關(guān)人員業(yè)績考核的重要指標(biāo)，與職位晉升、人員薪酬相掛鉤。

上述事后控制的整個過程，使風(fēng)險管理工作形成閉環(huán)。事后控制在匯總形成不同層級的風(fēng)險管理報告、加強(qiáng)風(fēng)險管理結(jié)果分析的同時，還可以監(jiān)督考核風(fēng)險管理工作的執(zhí)行力度。