程平 萬夢竹
【摘 要】 隨著大數(shù)據(jù)、人工智能等新一代信息技術(shù)的發(fā)展與應(yīng)用,傳統(tǒng)的企業(yè)風(fēng)險管理模式面臨著在模式、技術(shù)、流程方面的轉(zhuǎn)型。文章基于企業(yè)風(fēng)險管理理論及其演變,結(jié)合大數(shù)據(jù)和人工智能等新技術(shù)定義了企業(yè)大數(shù)據(jù)智能風(fēng)控的概念并闡述了其內(nèi)涵,構(gòu)建了企業(yè)大數(shù)據(jù)智能風(fēng)控的技術(shù)框架,探索了企業(yè)大數(shù)據(jù)智能風(fēng)控的實施流程,最后以采購業(yè)務(wù)中的供應(yīng)商評級為例闡述了大數(shù)據(jù)智能風(fēng)控如何具體實施,旨在建立較為通用的企業(yè)風(fēng)險控制理論方法體系,為企業(yè)風(fēng)險控制的實施、大數(shù)據(jù)智能風(fēng)控理論和方法體系的建設(shè)等提供參考和支持。
【關(guān)鍵詞】 風(fēng)險控制; 大數(shù)據(jù); 人工智能; 智能風(fēng)控
【中圖分類號】 F272;TP315? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937(2023)12-0143-07
一、引言
黨的二十大報告指出“高質(zhì)量發(fā)展是全面建設(shè)社會主義現(xiàn)代化國家的首要任務(wù)”,同時習(xí)近平總書記還強調(diào)要完善國家安全法治體系、戰(zhàn)略體系、政策體系、風(fēng)險監(jiān)測預(yù)警體系。對于想要提高競爭力的企業(yè)而言,量已經(jīng)不再是首要的發(fā)展目標(biāo),健全完善的企業(yè)管理體系、風(fēng)險控制體系才是企業(yè)持續(xù)發(fā)展的保障,才能夠讓企業(yè)有機會在日益激烈的市場競爭中獲得質(zhì)的有效提升和量的合理增長。
在科技加速進步、經(jīng)濟不斷發(fā)展的背景下,企業(yè)的經(jīng)營業(yè)務(wù)、經(jīng)營模式不斷發(fā)生著變化,同時也意味著企業(yè)將面臨諸多的不確定性,而傳統(tǒng)的企業(yè)風(fēng)險管理體系可能無法提前識別出隱藏的風(fēng)險,難以滿足現(xiàn)代企業(yè)的風(fēng)險控制需要。以大數(shù)據(jù)、人工智能為代表的新技術(shù)可以為風(fēng)險控制領(lǐng)域提供新的管理思路,大數(shù)據(jù)技術(shù)能夠幫助企業(yè)整合多方面的數(shù)據(jù),使風(fēng)險評估更多維、更客觀;人工智能技術(shù)可以構(gòu)建算法模型,更加準(zhǔn)確地分析與預(yù)測企業(yè)的風(fēng)險,提高風(fēng)控效率。因此,對于企業(yè)而言,將大數(shù)據(jù)、人工智能等新技術(shù)融入風(fēng)險控制過程,及時調(diào)整或重構(gòu)企業(yè)的風(fēng)險管理體系,提升企業(yè)在大數(shù)據(jù)時代的風(fēng)險控制能力,讓企業(yè)風(fēng)險控制從手工化、碎片化、定性化向智能化、系統(tǒng)化、定量化發(fā)展,才有可能繼續(xù)發(fā)揮風(fēng)險管理體系應(yīng)有的作用,保障企業(yè)穩(wěn)健發(fā)展,提升企業(yè)經(jīng)營績效。
大數(shù)據(jù)、人工智能時代下,運用新技術(shù)提升企業(yè)風(fēng)險控制水平逐漸受到學(xué)術(shù)界和實務(wù)界的關(guān)注。目前,已經(jīng)有許多企業(yè)將大數(shù)據(jù)運用于業(yè)務(wù)分析及處理,有利于企業(yè)更準(zhǔn)確地制定未來發(fā)展戰(zhàn)略,提高企業(yè)競爭力[1]。盧小賓等[2]基于傳統(tǒng)的銀行風(fēng)險分析體系以及大數(shù)據(jù)對風(fēng)險分析的影響,提出了面向風(fēng)險管理的銀行大數(shù)據(jù)分析系統(tǒng)架構(gòu),能夠有效整合不同類型的數(shù)據(jù),從而使風(fēng)險控制更精細(xì)、更全面。王昕[3]通過分析電商企業(yè)財務(wù)風(fēng)險現(xiàn)狀與成因,以及大數(shù)據(jù)以哪些機制影響電商企業(yè)財務(wù)風(fēng)險管理,最終從數(shù)據(jù)產(chǎn)生層、數(shù)據(jù)分析層和數(shù)據(jù)應(yīng)用層三個層次構(gòu)建了基于大數(shù)據(jù)的電商企業(yè)財務(wù)風(fēng)險管理體系。王玉龍等[4]運用7種機器學(xué)習(xí)算法構(gòu)建了企業(yè)債務(wù)違約風(fēng)險預(yù)測模型,并通過實證研究表明該模型不僅能夠有效進行債務(wù)違約風(fēng)險預(yù)測,還有助于監(jiān)管部門針對性監(jiān)督上市公司財務(wù)狀況。崔宏[5]闡述了現(xiàn)階段稅收風(fēng)險管理存在的問題,深入分析了稅收大數(shù)據(jù)在風(fēng)險管理中的作用,并提出了通過稅收大數(shù)據(jù)發(fā)揮監(jiān)管效能、打通風(fēng)險管理、連接風(fēng)險分析鏈條等建議。何苗等[6]研究了數(shù)據(jù)經(jīng)濟時代下企業(yè)風(fēng)險的性質(zhì)變化與企業(yè)風(fēng)險管理的策略變化,探討了企業(yè)風(fēng)險管理各環(huán)節(jié)如何進行數(shù)字化轉(zhuǎn)型,得出了要在風(fēng)險識別階段提高數(shù)據(jù)化風(fēng)險感知能力、在風(fēng)險評估階段構(gòu)建智慧化標(biāo)準(zhǔn)體系以及在風(fēng)險應(yīng)對階段形成自動化應(yīng)急機制的結(jié)論。
現(xiàn)有文獻(xiàn)關(guān)于大數(shù)據(jù)和人工智能等新技術(shù)在企業(yè)風(fēng)險管理領(lǐng)域的研究大多集中在兩個方面:一是現(xiàn)有風(fēng)險管理體系在大數(shù)據(jù)時代的問題與建議等方面的理論研究;二是大數(shù)據(jù)和人工智能等新技術(shù)在銀行、電商等行業(yè)的風(fēng)險管理體系構(gòu)建。然而,企業(yè)大數(shù)據(jù)智能風(fēng)控到底為何物,不同行業(yè)的企業(yè)又該如何運用實施,這些都沒有統(tǒng)一的界定與標(biāo)準(zhǔn)。大數(shù)據(jù)智能風(fēng)控在企業(yè)中雖已有所實踐,但應(yīng)用領(lǐng)域仍有局限性,缺乏較為通用的風(fēng)險控制架構(gòu)。基于此,本文從企業(yè)大數(shù)據(jù)智能風(fēng)控的內(nèi)涵、技術(shù)框架、實施流程三個方面進行研究,為企業(yè)在不同業(yè)務(wù)流程中實施大數(shù)據(jù)智能風(fēng)控建立較為通用、系統(tǒng)的理論和方法體系。
二、企業(yè)大數(shù)據(jù)智能風(fēng)控的內(nèi)涵
本文基于對企業(yè)風(fēng)險管理理論內(nèi)涵的理解以及大數(shù)據(jù)和人工智能等新技術(shù)的應(yīng)用,將企業(yè)大數(shù)據(jù)智能風(fēng)控定義為使用大數(shù)據(jù)、人工智能等新技術(shù)在企業(yè)中進行業(yè)務(wù)流程梳理、風(fēng)險及風(fēng)險因素分析、風(fēng)險評估指標(biāo)/特征體系構(gòu)建、大數(shù)據(jù)采集、大數(shù)據(jù)預(yù)處理、數(shù)據(jù)倉庫構(gòu)建、風(fēng)險評估、風(fēng)險評估結(jié)果可視化和風(fēng)險評估報告生成等一系列風(fēng)險管理措施的過程。這一過程的核心思路是通過深入分析企業(yè)需要實施風(fēng)險評估的業(yè)務(wù)場景,對企業(yè)內(nèi)外部的大量數(shù)據(jù)進行采集、處理,再通過構(gòu)建算法模型和風(fēng)險評估指標(biāo)體系,以此進一步做出更加高效、準(zhǔn)確的決策。簡而言之,企業(yè)大數(shù)據(jù)智能風(fēng)控實際上就是對業(yè)務(wù)的分析、對數(shù)據(jù)的管理和對模型的構(gòu)建的過程。
企業(yè)大數(shù)據(jù)智能風(fēng)控中的“風(fēng)控”是指風(fēng)險控制,和內(nèi)部控制有所異同。相同之處在于,內(nèi)部控制的本質(zhì)是風(fēng)險控制,企業(yè)全面風(fēng)險管理涵蓋了內(nèi)部控制。不同之處在于,風(fēng)控主要圍繞企業(yè)戰(zhàn)略經(jīng)營目標(biāo),既關(guān)注內(nèi)部的財務(wù)、運營等風(fēng)險,又關(guān)注外部的市場、監(jiān)管等風(fēng)險;而內(nèi)控更加關(guān)注企業(yè)內(nèi)部業(yè)務(wù)流程、制度的合規(guī)性與完整性。
三、企業(yè)大數(shù)據(jù)智能風(fēng)控的技術(shù)框架
企業(yè)大數(shù)據(jù)智能風(fēng)控的技術(shù)框架是企業(yè)實施大數(shù)據(jù)智能風(fēng)控的基礎(chǔ),同時也明確了風(fēng)險控制過程中數(shù)據(jù)從采集到處理、存儲等過程的機制,以及如何基于數(shù)據(jù)搭建起針對多業(yè)務(wù)流程、應(yīng)用多技術(shù)工具、實現(xiàn)多方面應(yīng)用的風(fēng)控模型。企業(yè)大數(shù)據(jù)智能風(fēng)控技術(shù)框架分為數(shù)據(jù)采集層、數(shù)據(jù)處理層、數(shù)據(jù)存儲層、風(fēng)控服務(wù)層、風(fēng)控應(yīng)用層,如圖1所示。
(一)數(shù)據(jù)采集層
企業(yè)日常經(jīng)營活動中涉及的數(shù)據(jù)主要來源于企業(yè)的OA系統(tǒng)、財務(wù)系統(tǒng)、互聯(lián)網(wǎng)平臺、倉儲系統(tǒng)、生產(chǎn)管理系統(tǒng)等。在采集這些數(shù)據(jù)時,需要根據(jù)數(shù)據(jù)類型、來源的不同使用不同的采集方式,例如網(wǎng)絡(luò)爬蟲、分布式數(shù)據(jù)采集、連接公開應(yīng)用程序接口(API)和機器人流程自動化(RPA)采集等。網(wǎng)絡(luò)爬蟲可以根據(jù)預(yù)設(shè)好的規(guī)則自動抓取互聯(lián)網(wǎng)網(wǎng)頁的內(nèi)容;分布式數(shù)據(jù)采集可以通過Sqoop、Flume等工具采集數(shù)據(jù)并存儲到基于Hadoop的分布式文件存儲系統(tǒng)中,提高數(shù)據(jù)可靠性;連接API可以直接連接不同軟件、平臺的公開接口來實現(xiàn)數(shù)據(jù)互通;RPA采集可以模擬人的操作在企業(yè)內(nèi)部系統(tǒng)、互聯(lián)網(wǎng)平臺等抓取數(shù)據(jù)。
(二)數(shù)據(jù)處理層
大數(shù)據(jù)環(huán)境下,由于采集的數(shù)據(jù)來自于多個不同的數(shù)據(jù)源,相同的屬性在不同系統(tǒng)、不同數(shù)據(jù)表中可能具有不同的命名,容易阻斷數(shù)據(jù)之間的聯(lián)系;數(shù)據(jù)表數(shù)據(jù)量大,總會存在許多冗余屬性、缺失值等,所以在將數(shù)據(jù)存儲、應(yīng)用之前,必須將采集到的原始數(shù)據(jù)處理成符合后續(xù)操作要求的格式。大數(shù)據(jù)處理分為批量處理和實時處理兩種,也叫做離線處理和在線處理。在線處理可以在秒級或者毫秒級處理和展示實時數(shù)據(jù)流,例如數(shù)據(jù)庫的一次查詢;離線處理可以一次性處理大量的歷史數(shù)據(jù),例如批量地壓縮文檔。
(三)數(shù)據(jù)存儲層
數(shù)據(jù)存儲層主要通過依托Hadoop集群的HDFS分布式文件系統(tǒng)和數(shù)據(jù)倉庫來完成數(shù)據(jù)的管理與存儲工作。HDFS不僅可以存儲PB甚至更高量級的數(shù)據(jù),還可以通過多副本機制提高數(shù)據(jù)容錯性,數(shù)據(jù)更加安全可靠。其存儲的大量企業(yè)數(shù)據(jù)可以為數(shù)據(jù)倉庫的構(gòu)建提供穩(wěn)固的數(shù)據(jù)基礎(chǔ),數(shù)據(jù)倉庫可以從中抽取數(shù)據(jù)并按主題集成,提高了數(shù)據(jù)的訪問查詢效率。為了高效準(zhǔn)確地分析企業(yè)各業(yè)務(wù)板塊存在的風(fēng)險,企業(yè)可以按照業(yè)務(wù)流程來劃分?jǐn)?shù)據(jù)倉庫主題,例如供應(yīng)商準(zhǔn)入、供應(yīng)商評級、采購合同簽訂、采購驗收入庫、銷售計劃編制、銷售發(fā)貨等主題。
(四)風(fēng)控服務(wù)層
在大數(shù)據(jù)時代,僅對企業(yè)數(shù)據(jù)進行簡單的環(huán)比、同比等已無法滿足現(xiàn)有的需求,因此企業(yè)需要綜合運用大數(shù)據(jù)和人工智能等新技術(shù),從企業(yè)內(nèi)外部海量的數(shù)據(jù)中挖掘風(fēng)險信息,并實現(xiàn)量化評估。企業(yè)可以利用基于機器學(xué)習(xí)算法與業(yè)務(wù)模型構(gòu)建財務(wù)風(fēng)險預(yù)警模型、供應(yīng)商評級模型、銷售預(yù)測模型、資產(chǎn)配置決策模型等;也可以構(gòu)建大數(shù)據(jù)風(fēng)險評價指標(biāo),例如準(zhǔn)入資質(zhì)合格性、應(yīng)收賬款可回收性、資產(chǎn)閑置率、商業(yè)折扣合規(guī)性等,以定量和定性相結(jié)合的方式,充分利用企業(yè)內(nèi)外部數(shù)據(jù),發(fā)揮風(fēng)控服務(wù)層作為大數(shù)據(jù)智能風(fēng)控的技術(shù)基礎(chǔ)層的作用。
(五)風(fēng)控應(yīng)用層
大數(shù)據(jù)智能風(fēng)控可應(yīng)用于采購業(yè)務(wù)、銷售業(yè)務(wù)、資產(chǎn)管理、人力資源管理、財務(wù)管理、生產(chǎn)制造、倉儲管理等多種場景,但企業(yè)需要根據(jù)自身技術(shù)水平、行業(yè)特殊性以及具體的業(yè)務(wù)場景,從業(yè)務(wù)需求、流程優(yōu)化和技術(shù)選型等方面分析自身具體的問題,從而實現(xiàn)更有精準(zhǔn)的風(fēng)險控制。大數(shù)據(jù)和人工智能等新技術(shù)可以通過風(fēng)險實時監(jiān)測、統(tǒng)計分析、智能預(yù)警、生成可視化風(fēng)險評估報告等方法輔助企業(yè)實現(xiàn)風(fēng)險控制,既便于企業(yè)內(nèi)不同層級的信息傳遞,又便于風(fēng)險報告使用者及時做出風(fēng)險管理決策。
四、企業(yè)大數(shù)據(jù)智能風(fēng)控的實施流程
結(jié)合傳統(tǒng)風(fēng)險管理流程與大數(shù)據(jù)和人工智能等新技術(shù)特點,本文提出了企業(yè)大數(shù)據(jù)智能風(fēng)控的實施流程,包括業(yè)務(wù)流程梳理、風(fēng)險及風(fēng)險因素分析、風(fēng)險評估指標(biāo)/特征體系構(gòu)建、大數(shù)據(jù)采集、大數(shù)據(jù)預(yù)處理、數(shù)據(jù)倉庫構(gòu)建、風(fēng)險評估、風(fēng)險評估結(jié)果可視化和風(fēng)險評估報告生成,如圖2所示。
(一)業(yè)務(wù)流程梳理
業(yè)務(wù)流程梳理是基于某些原則,結(jié)合實際的業(yè)務(wù)場景和業(yè)務(wù)需求,明確企業(yè)應(yīng)當(dāng)采取的行動和步驟。無論業(yè)務(wù)是基于線下還是線上開展,都存在其相對固定的操作流程。在梳理該流程的過程中,風(fēng)控人員一定要和業(yè)務(wù)人員溝通和確認(rèn),最大限度地還原業(yè)務(wù)流程,否則容易忽略核心環(huán)節(jié)。梳理時可以先提煉流程主線,再明晰每個活動的具體內(nèi)容,最后考慮各環(huán)節(jié)之間的流轉(zhuǎn)條件。除此之外,還應(yīng)當(dāng)思考一些關(guān)鍵問題,比如梳理流程是按照現(xiàn)狀梳理,還是按照預(yù)期的流程梳理?流程中哪些細(xì)節(jié)是一定要體現(xiàn)的?是按照操作的變化、角色的分工還是按照數(shù)據(jù)的流轉(zhuǎn)來梳理流程?這些問題都會對業(yè)務(wù)流程梳理產(chǎn)生重要影響。
(二)風(fēng)險及風(fēng)險因素分析
梳理完業(yè)務(wù)流程后,應(yīng)結(jié)合企業(yè)以往風(fēng)險發(fā)生情況、市場客觀因素等方面,來分析、判斷哪些環(huán)節(jié)可能存在哪些風(fēng)險,并對風(fēng)險的成因進行分析。風(fēng)險因素就是風(fēng)險發(fā)生的潛在成因,進行風(fēng)險因素分析時應(yīng)當(dāng)對這些潛在的、可能導(dǎo)致風(fēng)險發(fā)生的因素進行評估與分析,從而確定風(fēng)險發(fā)生概率大小。為了確保企業(yè)穩(wěn)健發(fā)展,風(fēng)險對企業(yè)實際工作的影響是一個重要的考慮因素,應(yīng)該根據(jù)風(fēng)險對企業(yè)的潛在影響進行風(fēng)險排序,最終可根據(jù)各個風(fēng)險值對整體工作或項目的風(fēng)險進行評估。除此之外,還應(yīng)當(dāng)考慮不同風(fēng)險因素對同一風(fēng)險的影響程度,并分別為其設(shè)置相應(yīng)權(quán)重,以此反映各因素對風(fēng)險的影響。
(三)風(fēng)險評估指標(biāo)/特征體系構(gòu)建
該步驟是指構(gòu)建大數(shù)據(jù)風(fēng)險評估指標(biāo)體系,以及構(gòu)建智能風(fēng)控算法模型所需的特征體系。大數(shù)據(jù)風(fēng)險評估指標(biāo)體系可以快速識別出某些業(yè)務(wù)環(huán)節(jié)存在的風(fēng)險,適用于能夠結(jié)合固定的風(fēng)險評價標(biāo)準(zhǔn)直接通過計算公式、條件判斷等實現(xiàn)風(fēng)險評估的業(yè)務(wù)場景,或每次評估彼此獨立、對后續(xù)評估沒有影響的單次風(fēng)險評估。比如將貨物驗收時的抽樣合格情況與AQL對照表中的相應(yīng)標(biāo)準(zhǔn)進行對比;又比如通過資產(chǎn)負(fù)債率指標(biāo)來評估企業(yè)的舉債經(jīng)營風(fēng)險。企業(yè)構(gòu)建智能風(fēng)控算法模型可以通過對現(xiàn)有數(shù)據(jù)的不斷學(xué)習(xí),挖掘企業(yè)內(nèi)外部大數(shù)據(jù)背后隱藏的信息,從而更準(zhǔn)確、更客觀、更科學(xué)地實施風(fēng)險評估與控制。比如通過對企業(yè)未來銷量的預(yù)測,可以識別出銷售計劃編制是否存在風(fēng)險。無論是指標(biāo)還是特征,設(shè)計時都需要遵循可操作性、客觀性、重要性等原則[7]。
(四)大數(shù)據(jù)采集
企業(yè)大數(shù)據(jù)智能風(fēng)控涉及的數(shù)據(jù)主要可分為互聯(lián)網(wǎng)數(shù)據(jù)、數(shù)據(jù)庫數(shù)據(jù)、日志數(shù)據(jù)和其他數(shù)據(jù)四種類型?;ヂ?lián)網(wǎng)數(shù)據(jù)包括大量的圖片、音頻、視頻等半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù),通常通過網(wǎng)絡(luò)爬蟲或連接API等方式將數(shù)據(jù)提取再統(tǒng)一轉(zhuǎn)換。數(shù)據(jù)庫數(shù)據(jù)主要來自于企業(yè)OA系統(tǒng)、ERP系統(tǒng)、SCM系統(tǒng)等關(guān)系型數(shù)據(jù)庫,多為結(jié)構(gòu)化數(shù)據(jù),數(shù)據(jù)量大但采集難度較小,可通過連接數(shù)據(jù)庫或使用Sqoop工具進行采集。日志數(shù)據(jù)包含來源于企業(yè)各種系統(tǒng)、互聯(lián)網(wǎng)平臺等產(chǎn)生的大量日志文件,多采用分布式架構(gòu)工具進行采集。其他數(shù)據(jù)涵蓋企業(yè)生產(chǎn)設(shè)備、機器系統(tǒng)等的能耗數(shù)據(jù)、視頻數(shù)據(jù)、圖片數(shù)據(jù)等,以及供應(yīng)商資料復(fù)印件、發(fā)票等企業(yè)本地保管的紙質(zhì)文件,可通過專用接口、OCR識別等途徑采集。
(五)大數(shù)據(jù)預(yù)處理
企業(yè)內(nèi)外部所產(chǎn)生、涉及的數(shù)據(jù)很多,但并非所有都適合用于大數(shù)據(jù)智能風(fēng)控,其中有些數(shù)據(jù)可能并非風(fēng)險評估所關(guān)注的內(nèi)容,甚至有些數(shù)據(jù)還會對最終結(jié)果形成干擾,所以大數(shù)據(jù)預(yù)處理主要是為了整合來自不同數(shù)據(jù)源的數(shù)據(jù),既能提高原始數(shù)據(jù)的質(zhì)量,又為后期分析工作夯實了基礎(chǔ)。大數(shù)據(jù)預(yù)處理方式通常包括刪除重復(fù)數(shù)據(jù)、填補缺失值、數(shù)據(jù)降維、轉(zhuǎn)換數(shù)據(jù)類型等操作。
(六)數(shù)據(jù)倉庫構(gòu)建
越來越多的信息系統(tǒng)被企業(yè)所應(yīng)用,但各數(shù)據(jù)源之間沒有很好的信息交互與共享功能,導(dǎo)致海量數(shù)據(jù)與“孤島信息”的情況并存[8]。為了全面高效地使用企業(yè)內(nèi)外部數(shù)據(jù),提升數(shù)據(jù)價值,必須構(gòu)建數(shù)據(jù)倉庫。數(shù)據(jù)倉庫可以根據(jù)不同的分析主題將不同數(shù)據(jù)源的數(shù)據(jù)整合,再從中提取對風(fēng)險評估有價值的信息,提高數(shù)據(jù)的利用效率。數(shù)據(jù)倉庫構(gòu)建的基礎(chǔ)是數(shù)據(jù)倉庫模型,該模型會明確數(shù)據(jù)的內(nèi)容、數(shù)據(jù)之間的聯(lián)系,其質(zhì)量不僅會影響風(fēng)險評估的質(zhì)量,還會影響風(fēng)險評估的效率。
(七)風(fēng)險評估
在運用大數(shù)據(jù)技術(shù)實施風(fēng)控時,風(fēng)險評估是指對大數(shù)據(jù)風(fēng)險評估指標(biāo)計算或判斷,得到指標(biāo)結(jié)果后,再結(jié)合預(yù)先設(shè)定好的指標(biāo)評價標(biāo)準(zhǔn)進行風(fēng)險評價;在運用人工智能技術(shù)實施風(fēng)控中,風(fēng)險評估是指智能風(fēng)控算法模型構(gòu)建與應(yīng)用,包括特征提取、訓(xùn)練模型、評估模型、部署模型和監(jiān)控模型等內(nèi)容。
(八)風(fēng)險評估結(jié)果可視化
風(fēng)險評估模型結(jié)果可視化是指通過大數(shù)據(jù)可視化技術(shù)來呈現(xiàn)風(fēng)險評估指標(biāo)計算結(jié)果或風(fēng)險評估結(jié)果。在大數(shù)據(jù)智能風(fēng)控過程中,可以從數(shù)據(jù)應(yīng)用場景或數(shù)據(jù)之間關(guān)系兩個角度來考慮呈現(xiàn)的可視化效果。
(九)風(fēng)險評估報告生成
風(fēng)險評估報告生成是指將風(fēng)險評估指標(biāo)計算結(jié)果、風(fēng)險評估結(jié)果以及風(fēng)險控制措施等內(nèi)容以PDF、Word等格式文檔呈現(xiàn)。風(fēng)險評估報告中各個板塊的內(nèi)容都可以使用自動化技術(shù)實現(xiàn)填寫,其中風(fēng)險控制措施在企業(yè)剛開始實施大數(shù)據(jù)智能風(fēng)控時會由人工有針對性地設(shè)置一些初始化的建議,而隨著后期數(shù)據(jù)量的增加以及算法的不斷優(yōu)化,這些風(fēng)險控制措施的內(nèi)容將結(jié)合歷史數(shù)據(jù)、市場環(huán)境數(shù)據(jù)等變得更加智能,更加契合企業(yè)實際情況。
五、實例分析
大數(shù)據(jù)智能風(fēng)控可以在企業(yè)的采購管理、銷售管理、生產(chǎn)制造、庫存管理、資產(chǎn)管理、財務(wù)管理等多個方面實施,而供應(yīng)商評級作為企業(yè)進行供應(yīng)商選擇、管理、監(jiān)督和改善等一系列活動的基礎(chǔ)和標(biāo)準(zhǔn),在企業(yè)風(fēng)險控制中是重要一環(huán),做好這項工作不僅能夠有效地保障企業(yè)的采購供應(yīng),還能控制采購成本,提升企業(yè)競爭力。由于篇幅有限,下面以采購管理中供應(yīng)商評級環(huán)節(jié)為例,展示企業(yè)大數(shù)據(jù)智能風(fēng)控的實施流程。
(一)業(yè)務(wù)流程梳理
供應(yīng)商評級過程會涉及到采購部、質(zhì)檢部、生產(chǎn)部和銷售部等,其中采購部還包括供應(yīng)商評估專員、采購專員和采購經(jīng)理等崗位人員。根據(jù)不同部門、崗位的職責(zé)以及采購執(zhí)行過程中相關(guān)表單的流轉(zhuǎn)情況,梳理出的供應(yīng)商評級流程如圖3所示。
(二)風(fēng)險及因素分析
在供應(yīng)商評級環(huán)節(jié),可能存在舞弊風(fēng)險或經(jīng)營風(fēng)險,深入分析便可以梳理出舞弊風(fēng)險可能是由于供應(yīng)商評級體系不夠合理、供應(yīng)商評級權(quán)力過于集中等風(fēng)險因素所導(dǎo)致;經(jīng)營風(fēng)險的表現(xiàn)形式包括采購成本高、采購商品質(zhì)量差、服務(wù)品質(zhì)低等,這些都可能是由于未及時更新對供應(yīng)商的評級而未能選擇更優(yōu)質(zhì)供應(yīng)商所導(dǎo)致。
(三)風(fēng)險評估指標(biāo)/特征體系構(gòu)建
風(fēng)險評估指標(biāo)體系設(shè)計的內(nèi)容應(yīng)當(dāng)包含指標(biāo)名稱、針對的風(fēng)險點、指標(biāo)評估頻率、指標(biāo)功能、指標(biāo)如何運用、風(fēng)險評價標(biāo)準(zhǔn)等。特征體系的構(gòu)建則需要先選取與風(fēng)險評估業(yè)務(wù)相關(guān)的特征,并說明其作用、描述其定量計算公式等,過程和風(fēng)險評估指標(biāo)體系構(gòu)建類似。在供應(yīng)商評級環(huán)節(jié),為了判斷企業(yè)是否存在未及時對供應(yīng)商進行評級或評級不準(zhǔn)確等情況,可以設(shè)計由“供應(yīng)商評級準(zhǔn)確性”“供應(yīng)商評級及時性”“供應(yīng)商評級變化合理性”等一級指標(biāo)構(gòu)成的大數(shù)據(jù)風(fēng)險評估指標(biāo)體系。由于篇幅有限,下面以大數(shù)據(jù)風(fēng)險評估指標(biāo)體系中的“供應(yīng)商評級變化合理性”指標(biāo)為例,展示后續(xù)的大數(shù)據(jù)智能風(fēng)控流程。
(四)大數(shù)據(jù)采集
“供應(yīng)商評級變化合理性”指標(biāo)涉及到的數(shù)據(jù)主要來源于企業(yè)內(nèi)部的供應(yīng)商管理系統(tǒng)的供應(yīng)商評級表,為結(jié)構(gòu)化數(shù)據(jù)。供應(yīng)商評級表包括供應(yīng)商名稱、評級時間、各個評分項目的得分以及評定等級等字段。采集時可以從系統(tǒng)中直接導(dǎo)出Excel表,也可以連接供應(yīng)商管理系統(tǒng)的數(shù)據(jù)庫讀取數(shù)據(jù)。
(五)大數(shù)據(jù)預(yù)處理
“供應(yīng)商評級變化合理性”指標(biāo)在運用時需要判斷供應(yīng)商的評定等級是否發(fā)生變化以及變化的方向,而等級“A”“B”等屬于字符型,無法直接進行大小比較,所以需要在預(yù)處理時進行數(shù)值化。該指標(biāo)可以進行的大數(shù)據(jù)預(yù)處理操作包括規(guī)范數(shù)據(jù)類型、數(shù)值化、缺失值插補、刪除非法字符、刪除無關(guān)信息等。
(六)數(shù)據(jù)倉庫構(gòu)建
在采購業(yè)務(wù)中,可以選取供應(yīng)商評級主題以反映供應(yīng)商評級是否及時、準(zhǔn)確等情況?!肮?yīng)商評級變化合理性”指標(biāo)對應(yīng)的供應(yīng)商評級數(shù)據(jù)倉庫模型包括1個事實表和3個維度表。其中供應(yīng)商等級評定事實表包括與供應(yīng)商評級相關(guān)的數(shù)據(jù),日期維度表、供應(yīng)商維度表和等級維度表可以提供不同的角度分析供應(yīng)商評級情況。
(七)風(fēng)險評估
運用“供應(yīng)商評級變化合理性”這一指標(biāo)時,需要判斷供應(yīng)商的評定等級是否發(fā)生變化以及變化的方向,即本次與上次的評定等級數(shù)值化后再作差。若本次評定等級數(shù)值大于或等于上次評定等級數(shù)值,則視為等級變化合理,不存在風(fēng)險,在同一水平下可以優(yōu)先選擇這部分評級穩(wěn)定或者等級上升的供應(yīng)商進行合作;若本次評定等級數(shù)值小于上次評定等級數(shù)值,則視為等級變化不合理,存在風(fēng)險,對評級下降的供應(yīng)商就作風(fēng)險提示,需謹(jǐn)慎考慮進一步合作。
(八)風(fēng)險評估結(jié)果可視化
“供應(yīng)商評級變化合理性”指標(biāo)在運用時以單個供應(yīng)商的單次評級結(jié)果為對象。風(fēng)險評估的結(jié)果分為合理與不合理兩種情況,在可視化時可以考慮從整體上呈現(xiàn)單一年份的風(fēng)險評估情況,即合理與不合理情況的數(shù)量、比例等對比;也可以呈現(xiàn)局部內(nèi)容,如單獨篩選出評級變化不合理的供應(yīng)商,或查看某部分供應(yīng)商近年評級變化情況趨勢等。部分風(fēng)險評估結(jié)果可視化如圖5所示。
(九)風(fēng)險評估報告生成
企業(yè)的管理者、決策者可能并不會參與風(fēng)險評估過程,但他們需要了解風(fēng)險的評估、控制情況,并且風(fēng)險評估指標(biāo)的分析過程也需要被記錄,因此在完成風(fēng)險評估后,需要將風(fēng)險評估指標(biāo)計算結(jié)果、風(fēng)險評估結(jié)果等可視化內(nèi)容以及建議的風(fēng)險控制措施等記錄在風(fēng)險評估報告中。大數(shù)據(jù)智能風(fēng)控評估報告中包括封面、目錄、風(fēng)險評估目的、風(fēng)險評估思路、風(fēng)險評估方法、風(fēng)險評估標(biāo)準(zhǔn)、風(fēng)險評估結(jié)果以及應(yīng)對風(fēng)險的措施建議等內(nèi)容。
六、結(jié)語
風(fēng)險管理是企業(yè)生產(chǎn)經(jīng)營活動順利開展的保障,也是新興技術(shù)在大數(shù)據(jù)時代的又一應(yīng)用領(lǐng)域。企業(yè)風(fēng)險多種多樣,存在于企業(yè)的各個業(yè)務(wù)環(huán)節(jié),降低企業(yè)風(fēng)險的關(guān)鍵因素之一就是能夠提前識別風(fēng)險。大數(shù)據(jù)和人工智能等新技術(shù)與風(fēng)險管理的融合,一定程度上推動了企業(yè)風(fēng)險管理體系的改革。將企業(yè)內(nèi)外部大量的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)整合用于風(fēng)險分析,有利于風(fēng)險管理部門更快速、更全面地識別風(fēng)險,從而降低甚至避免風(fēng)險帶來的損失。因此,本文基于傳統(tǒng)的風(fēng)險管理體系,針對大數(shù)據(jù)時代下企業(yè)風(fēng)險管理存在的手工化、碎片化和定性化等問題,提出了企業(yè)大數(shù)據(jù)智能風(fēng)控的技術(shù)框架和利用大數(shù)據(jù)與人工智能技術(shù)加強風(fēng)險識別的實施流程。本文提出的技術(shù)框架與實施流程具備一定的通用性和可拓展性,可以為企業(yè)大數(shù)據(jù)智能風(fēng)控在不同領(lǐng)域的實施提供理論與方法體系建設(shè)支持,能夠?qū)ζ髽I(yè)大數(shù)據(jù)智能風(fēng)控的相關(guān)研究與具體應(yīng)用起到推動作用。
【參考文獻(xiàn)】
[1] 王秋菲,秦爽,石丹.基于大數(shù)據(jù)的審計風(fēng)險識別與控制問題研究[J].會計之友,2018(24):93-100.
[2] 盧小賓,徐超.面向風(fēng)險管理的銀行大數(shù)據(jù)分析系統(tǒng)架構(gòu)研究[J].信息資源管理學(xué)報,2018(2):4-12.
[3] 王昕.大數(shù)據(jù)對電商企業(yè)財務(wù)風(fēng)險管理的影響分析[J].人民論壇·學(xué)術(shù)前沿,2019(24):122-125.
[4] 王玉龍,周榴,張滌霏.企業(yè)債務(wù)違約風(fēng)險預(yù)測——基于機器學(xué)習(xí)的視角[J].財政科學(xué),2022(6):62-74.
[5] 崔宏.關(guān)于稅收大數(shù)據(jù)賦能風(fēng)險管理的思考[J].稅務(wù)研究,2022(7):131-136.
[6] 何苗.數(shù)字經(jīng)濟下企業(yè)風(fēng)險的性質(zhì)轉(zhuǎn)變與管理策略[J].財會月刊,2021(15):117-123.
[7] 程平,廖婧宇.基于COSO的重慶海事局內(nèi)部控制評價指標(biāo)設(shè)計[J].會計之友,2018(6):154-157.
[8] 程平,杜姍.基于數(shù)據(jù)倉庫的行政事業(yè)單位采購管理內(nèi)部控制評價——以重慶海事局為例[J].財會月刊,2019(17):53-57.