運用大數據分析提高軍工行業法律風險預警準確度

周立雯

運用大數據分析提高軍工行業法律風險預警準確度

周立雯

法律風險預警準確度的提高能夠有效支撐企業的防御性核心風險管控，而大數據分析技術為預警準確度的提升提供了技術通路。軍工行業應提前做好信息化基礎建設和研究儲備，為軍工企業法律風險防控贏得主動。

隨著國家法治化進程的加快和軍工行業自身業務的不斷發展，企業法律風險的范圍不斷擴大，數量激增，形式多變，傳統的憑經驗判斷風險的做法已無法滿足企業的法律風險管控要求。軍工企業通過建立法律風險防控體系，設立風險預警機制，對核心風險提前預警，能使企業有針對性地進行風險管控。但在實際操作中，法律風險預警存在只能報警、不能預測的問題，預警準確性有待提高。這里將分析預警不準確的原因，結合大數據分析原理，探索提高法律風險預警準確度的可能通路，并對軍工行業的法律風險防控戰略提出建議。

法律風險預警的功能定位

法律風險防控體系由風險識別、量化測評分析、風險管控、監督改進四大模塊構成，通過四個模塊的有序運行使企業法律風險管控形成動態、完整的閉環。法律風險預警是指在量化測評分析階段，收集樣本數據，選擇適合的測評方法，對法律風險發生概率和法律風險影響程度進行計算，并給出風險預警區間指標，當風險發生概率和風險影響程度任一指標達到預警值時，系統自動報警，提示企業決策者及時作出風險決策。

法律風險預警不準確的原因

引起法律風險的因素是多方面的，因素之間產生復雜的相互作用，共同形成法律風險。但測評指標的選取標準、指標的權重設置，往往依靠專家的經驗判斷，從邏輯上的因果關系進行推測和賦值，這就無法保證指標選取的全面、準確。

在測評方法的使用上也存在問題。量化測評方法分為客觀分析法和主觀分析法。客觀分析法是通過采集客觀數據，建立計算模型對數據進行計算分析得出測評結果，從而判斷風險水平。企業往往采取小樣本抽樣的方法采集數據，這很難保證分析的準確度。在企業法律風險測評實踐中，有時風險事件發生具有很高的不確定性，難以通過客觀的數據計算來得出風險水平。這時可由專家或決策者進行主觀測評，這就是所謂主觀分析法。此法對定性風險不失為一種合適的測評手段，但容易受到主觀因素影響，導致測評結果發生偏差。

大數據的概念、特點及國內外戰略

大數據技術即是從大數據中快速獲得有價值信息的技術，其核心功能就是預測：基于對海量數據的收集和分析，建立模型預測未來某件事情的發生。全球各國已經展開對大數據的應用研究，研究范圍擴展到醫療、金融、軍事、零售、交通、人口統計等各個領域。

基于大數據將對社會乃至全球帶來的重大影響，美國于2012年3月宣布啟動大數據研究與開發計劃，以解決美國在科學與工程中諸多最緊迫的挑戰問題，實現教育與學習方式的轉變。我國政府也于2015年10月提出“實施國家大數據戰略”，并在《“十三五”規劃綱要》中要求將大數據作為基礎性戰略資源，全面實施促進大數據發展行動，助力產業轉型升級和社會治理創新。

大數據對提高法律風險預警準確度的可行性

一是通過大數據分析，可以發現事物和事物之間的相互關系，幫助其準確找出風險因素，架設起適當的指標體系。在當今信息化時代，我們擁有極大的數據資源、高級的機器計算能力，不再需要依靠單一的“先假設，再求證”的方法來尋找風險因素。測評指標的選取不再僅僅靠經驗或小部分相似數據分析，而是通過采集文本、圖形、音頻、視頻等多格式海量數據，并通過數據分析模型對數據進行全景分析，幫助我們高效、準確地找出風險因素，架設起合適的指標體系。

二是大數據對風險事件的所有數據進行收集，信息無丟失，能提高微觀層面分析結果的準確度。與抽樣分析不同，大數據對構成本體的所有數據進行收集，數據種類既有歷史的、靜態的，也有場景的、動態的。分析某年度合同文本簽訂的法律風險，以企業當年簽訂的所有合同文本作為分析對象，采集合同簽訂的歷史數據如類型、份數、條款內容、簽訂時間等，數據顆粒度細化到具體的單份合同，同時加入實時場景數據，對合同承辦人員在合同立項、草擬階段的行為數據進行收集。通過對合同簽訂整個數據庫的分析，能夠提高微觀層面分析的準確性，甚至能推測出某個細分類型合同的簽訂狀況。

三是用人的邏輯思維作為大數據法律風險預警結果的驗證手段，可以防止出現不必要的錯誤。在大數據采集中，數據采集量應當達到多大，也就是數據規模的閾值問題，可能影響分析結果出現系統性偏差。數據少于閾值，無法預警；數據達到閾值，則可以準確預警；數據規模超過閾值，對于預警也沒有更多幫助，甚至可能因為混入錯誤數據而導致分析發生嚴重錯誤。因此在對如何確定閾值的問題給出解決方法以前，仍然需要以人的邏輯思維對分析結果進行驗證。恰當的驗證可以使大數據法律風險預警結果更加準確。

但是，引入大數據分析給法律風險預警也帶來一些挑戰。首先，大數據也存在尚待突破的技術難題。在數據處理系統方面，對大容量數據如何進行存儲、對多格式數據之間如何進行融合、數據處理的速度如何大幅提升等都需要解決；在大數據分析技術方面，大數據的異構性、快速多變等使得傳統的數據計算方法不能有效進行支持，需要突破傳統計算的局限性，研究面向大數據的新型高效計算模式。

其次，使用大數據進行法律風險預警可能帶來一些倫理和法律問題。例如對結果的過度預判會消減社會主體自由探索的勇氣，剝奪個人、企業、政府的決斷機會；數據的收集和使用可能侵犯個人隱私，侵犯數據所有權人的權利；大數據預測在經濟發達地區的運用將導致地區性、階層性的信息壟斷，剝奪了偏遠貧困地區弱勢群體的平等競爭機會等。

最后，軍工行業的信息化基礎建設也存在一些問題。目前軍工行業因為受到傳統工作方式的影響，加上武器裝備保密的要求，采用內網與互聯網物理隔離的方法，阻斷了內外部數據的自由交互。同時，集團本部與下屬多層級企業之間的上下信息傳遞方法還停留在報表匯總數據、人工統計上報、實地走訪座談的階段，信息阻隔在各單位內部。信息化建設程度不高，已有的信息系統之間相互孤立，極大降低了數據傳遞效率。

對運用大數據提高軍工行業法律風險預警準確度的建議

一是軍工行業亟待整體布局法律風險信息網絡，打通行業內的法律風險數據共享通道，形成統一的開放式信息化格局。隨著全球信息網絡化速度的加快，數據共享是未來的必然趨勢。軍工行業作為信息化社會格局中的重要行業，亟待打破信息隔離，創新手段以實現多層級之間的法律風險信息共享。在信息化的時代，信息傳遞的落后使企業遭受的已經不僅僅是經營效率低下，而是無法有效駕馭風險，在高成本的同時仍然負擔高風險。軍工行業亟需在全行業范圍內集中統一開展法律風險的信息化戰略布局，通過集團總部、直屬單位和成員單位多級架構設計，實現法律風險信息的橫向溝通與縱向貫通，逐步建立起行業板塊一體化的法律風險大數據系統，實現全級次主體的法律風險數據共享。

二是軍工企業需要充分認識法律風險預警系統與其他信息系統的區別。與財務系統、人力資源系統等偏重內部管控的系統不同，法律風險預警系統偏重于對法律風險的準確識別、預測。在全球一體化趨勢下，軍工企業乃至整個行業與社會、與全球的交互是密不可分的，引發法律風險的因素也不單存在于企業內部，而是內外共同作用的結果。這就在客觀上要求預警系統必須以整個社會的法治現狀為基礎，綜合評判企業與社會之間的有機互動，而不能將預警系統人為地阻隔在企業內部。大部分軍工行業的核心法律風險領域都不涉及國家秘密，法律風險預警的信息化應該朝著開放共享的思路設計。軍工企業可以嘗試創新信息架構模式，研究對涉密與非涉密信息區域進行劃分管理，在保證涉密系統安全的前提下，對非涉密系統逐步放開，使風險預警能夠充分借力互聯網信息，為大數據分析積累基礎。

三是建議軍工行業立足法律風險整體防控戰略，加強基于大數據分析的法律風險預警研究力度，推動預警指標體系的升級重構。以大數據為手段重構軍工行業法律風險預警指標體系的關鍵，是整個軍工行業對大數據應用于法律風險防控的深刻理解和聯合研發的能力。大數據作為世界前沿學科，具有技術發展更新迅速的特點，沒有普適性成果可以為企業所用，民營企業已經率先研究取得一定成果，并成功應用于商業預測，引領著商業模式的變革。機會稍縱即逝，抓住了就是機遇，抓不住就是挑戰。軍工行業作為肩負國家國防科研巨大責任的行業，需要緊跟創新機遇，聯合高校和研究機構，匯集各方研發力量，協同開展基于大數據分析的法律風險預警研究，提前培養大數據法律風險跨界人才，升級重構適用于軍工企業和軍工行業法律風險的預警指標體系。

在當前軍工行業面臨外部法律環境變化和內部發展變革的雙重壓力的情況下，法律風險預警準確度的提高能夠有效支撐企業的防御性核心風險管控。而大數據分析技術為預警準確度的提升提供了技術通路。運用大數據深入推進法律風險預警及法律風險防控體系建設，已經成為越來越現實的行動圖景。建議軍工行業提前做好信息化基礎建設和研究儲備，在即將到來的大數據信息時代為軍工企業法律風險防控贏得主動。（中航工業成都飛機工業集團有限責任公司）