企業集團運用大數據進行風險管理的方法和路徑

張仕元+劉行舟

摘要：本文立足于大型企業集團，以“大數據”在企業的應用為切入點，重點探討企業集團進行風險管理的大數據解決之道。針對我國企業集團在實施信息化過程中遇到的難題和困境，作者結合國內外跨國能源企業實施信息化的案例，創新地提出基于大數據平臺和大數據分析技術的全面風險管理模式，以及我國大型企業集團運用大數據技術進行風險管理的方法和路徑，并對企業管理者如何看待和利用大數據提出了建議。

關鍵詞：大數據；風險管理；企業集團

中圖分類號：G221 文獻識別碼：A 文章編號：1001-828X（2016）019-0000-03

引言

近年來，我國許多大型企業集團都在積極推進全面風險管理工作，集團總部如何有效地進行風險管理成為了高級管理人員必須面對和解決的一個問題。在以往的思路下，企業管理者通常會基于若干年積累的管理經驗，通過探尋風險事件的“因果關系”進行決策。但是，在“金字塔”型的管理架構下，企業高級管理人員所能得到的信息往往是經過層層上報和美化修正的匯總結果，不僅難以及時發現風險，更難以實現對風險的有效管控。

“大數據時代”的來臨為上述問題的解決提供了一種全新的思路。企業集團作為“大數據”的所有者，一方面可以深化利用自身的數據，真實地了解企業全方位生產運營的情況；另一方面，也可以通過“大數據”發現以前無法及時察覺、尚未發現的風險點和市場機會；更進一步，當企業管理者真正認同“大數據”應用的核心理念，即通過利用事物客觀存在的“相關性”進行干預和實施管理，將可能為許多無從下手、紛繁復雜的管理難題找到一條解決的新路。

本文立足于大型企業集團，以“大數據”在企業的應用為切入點，重點探討企業集團進行風險管理的大數據解決之道。

一、企業集團依托信息系統開展風險管理的主要模式

1.企業集團統一實施ERP信息系統

大型企業集團當進入相對平穩的發展階段，為了規范業務流程和防范風險，通常會采用實施ERP信息系統的方式固化業務流程、強化計劃執行并輔助公司決策，進而實現對企業資源高效利用的目標，而這種模式也為許多專業的ERP軟件公司提供了市場機會。目前，我國的大型企業集團主要采用了SAP、Oracle等國際主流的ERP軟件和配套服務，同時也在一些專業領域采用了浪潮、用友等國內相對成熟的管理軟件。

通過采用成熟的ERP軟件和配套服務，企業集團一方面節約了自行開發信息系統的時間和精力；另一方面，也在實施ERP項目的過程中，引進了同類行業成熟的管理理念和流程。統一實施ERP系統的另一個好處是：通過實施“標準化的流程”，進而形成了標準統一的“結構化數據①”，未來就可以直接運用基于標準化數據的大數據分析平臺進行分析，為經營決策提供高效支持。

在大數據技術廣泛應用的當下，國內外的ERP軟件服務也在與時俱進。例如，SAP公司近期就推出了基于ERP軟件的大數據分析平臺——SAP HANA，其實質就是先把企業的“大數據”全部統一到SAP的“標準框架”下，然后再進行高效的分析處理。在大型企業集團的實踐中，由集團總部統一實施ERP信息系統也是基于這個理念：通過把企業的全部生產經營活動轉化成唯一的“數據語言”，實現了企業集團數據標準的整齊劃一。

2.基于企業集團的各類原始數據搭建大數據分析平臺

在企業集團對公司架構的“頂層設計”相對完善的前提下，推進實施統一的ERP系統是較為簡單的一種模式，但在實際情況中，推行“大一統”信息系統面臨著諸多挑戰：首先，企業集團的成員單位在業務模式和管理架構方面存在差異，許多個性化的管理需求難以通過一個信息系統得到完全滿足；第二，一些企業集團通過兼并重組其他企業實現了快速發展，但在兼并后的業務整合既有可能影響原有管理架構和業務流程，也為ERP信息系統的整合帶來挑戰；第三，企業集團的“頂層設計”是一項系統性工程，而在“頂層設計”尚不完備的情況下，是先滿足業務發展的需求在集團一定范圍內實施ERP，還是“頂層設計”方案完成后再自上而下推進實施，許多企業集團都面臨實際的兩難選擇。

不過，隨著大數據分析技術的快速興起，通過搭建大數據分析平臺的企業風險管理模式，將可能成為解決上述難題的一條捷徑。大數據的“大”不僅體現在數據的“量（Volume）”上，還同時表現為“即時性（Velocity）”、“多樣性（Variety）”和“不確定（Veracity）”的特征，即大數據的“4V”。當企業集團處在多個ERP系統并行、信息管理系統林立的情況下，實際就面臨著數據結構不一、結構化數據和非結構化數據[1]②并存的龐雜局面。大數據分析正是將這些來自歷史的、模擬的、多元的、正在產生的龐雜數據，轉化為有價值的洞見，進而成為企業或組織決策輔助的選項。

二、大數據分析技術在企業風險管理中應用的可行性分析

1.大數據在金融行業風險管理中的應用

通過應用大數據分析技術，金融企業的競爭已在網絡信息平臺上全面展開，說到底就是“數據為王”：誰掌握了數據，誰就擁有風險定價能力，誰就可以獲得高額的風險收益，最終贏得競爭優勢。近一段時期，蓬勃興起的大數據技術正在與金融行業，特別是“互聯網金融”領域進行快速融合，這一趨勢已經給我國金融業的改革帶來前所未有的機遇和挑戰。

目前，中國金融業正在快步進入“大數據時代”。國內金融機構的數據量已經達到100TB以上級別，并且非結構化數據量正在快速增長。因此，金融機構在大數據應用方面具有天然優勢：一方面，金融企業在業務開展過程中積累了包括客戶身份、資產負債情況、資金收付交易等大量的高價值數據，這些數據在運用專業技術進行挖掘和分析之后，將產生巨大的商業價值；另一方面，金融行業的高薪酬不僅可以吸引到具有大數據分析技能的高端人才，也有能力采用大數據的最新技術。

具體來說，金融機構通過大數據進行風險管理的應用主要有以下兩個方面：

第一，對于結構化數據，金融機構可運用成熟的風險管理模型進行精確地風險量化。例如，VaR值模型目前已經成為商業銀行、保險公司、投資基金等金融機構開展風險管理的重要量化工具之一。金融機構通過為交易員和交易單位設置VaR值限額，可以使每個交易人員都能確切地了解自身從事的金融交易可承受的風險大小，以防止過度投機行為的出現。

第二，對于非結構化數據，金融機構根據自身業務需要和用戶特點定制和選用適合的風險模型，使風險管理更精細化。例如，在互聯網金融的P2P借貸平臺“拍拍貸”中，確保其開展業務的核心工作就是風險管理，而進行風控的基礎就是大數據。基于客戶多維度的信用數據③，風控模型將會預測從現在開始后3個月內借款人的信用狀態，并以此開展借貸業務。

2.大數據在企業集團開展風險管理的應用分析

相比金融行業，以能源、機械制造、航運為主業的企業集團所產生的大數據的龐雜程度則相對較低，有利于直接采用成熟的大數據分析技術開展風險管理。一方面，因為工業企業所采用的信息系統一般都是大型軟件廠商的標準ERP系統，產生的數據也多為結構化數據，便于直接用于分析決策；但另一方面，傳統行業在利用數據進行輔助決策的過程中，通常還是基于“因果關系”對可能影響企業生產經營的重要指標數據進行關注，而許多被認為“不重要”的數據并沒有被采集到企業的信息系統之中，這就會使大數據的價值實現打了折扣。

要在企業集團推進全面風險管理，不僅需要通過企業的ERP信息系統采集被認為“重要”的各類結構化數據，還需要對網頁數據、電子郵件和辦公處理文檔等半結構化數據④，以及文件、圖像、聲音、影片等非結構化數據進行及時有效的分析，才能夠充分客觀地掌握企業集團的全貌，讓企業和組織結合分析結果做出更好的業務決策，從而真正實現全面風險管理的目標。

具體而言，大型企業集團運用大數據開展風險管理將會有以下幾方面的好處：

首先，可以有效防范金融市場風險。例如，隨著我國利率市場化的加速推進，企業集團面臨的利率風險日漸顯著，在2013年6月出現的“錢荒”給許多企業集團的資金管理造成了不小的影響，而借助金融大數據并輔以模型分析，企業集團可以進一步提高利率風險的管理水平，提前防范金融市場風險。

第二，可以有效降低信用風險。雖然國有企業面臨的信用風險總體水平較低，但是在信用風險模型建立和風險預警系統的建設方面，我國的企業集團目前仍有較大的改進空間。集團總部可以調整單純依靠下級企業和客戶提供財務報表來獲取信息的方式，轉而對資產價格、賬務流水、相關業務活動等流動性數據進行動態和全程的監控分析，從而改進企業的信用風險管理。

第三，能夠降低企業管理和運行成本，降低操作風險。通過大數據的分析應用，企業集團可以準確地定位內部管理缺陷，制訂有針對性的改進措施，實行符合自身特點的管理模式，進而降低管理運營成本。此外，通過對數據的收集和分析，企業還可以有效識別業務操作中的關鍵風險節點，并借此改進工作流程以降低操作風險，從而提高整個業務流程的運行效率。

三、企業集團運用大數據進行風險管理的實施路徑

運用大數據進行風險管理，實質上就是企業集團在應對各領域數據的快速增長時，基于對各類數據的有效存儲，進一步分析數據、提取信息、萃取知識，并且應用在風險管理和決策輔助上。

一般而言，運用大數據技術和大數據分析平臺進行風險管理和價值挖掘要經過以下幾個步驟：

1.實施數據集中，構建大數據基礎

要讓企業的大數據發揮價值，集團總部首先要能夠完全掌握全集團已有的和正在產生的各類原始數據。因為，只有先確保數據的完整性和真實性，才能通過足夠“大”的數據掌握集團的實際運行情況，而這必然意味著集團總部要求成員單位向總部進行“數據集中”。相應地，集團總部也需要“自上而下”地搭建數據集中的軟硬件設施、數據標準和組織機構。

具體而言，企業集團必須要完成前期的一系列基礎性工作：（1）建立用于集中存放數據的數據庫或“企業云”；（2）明確需要成員單位“自下而上”歸集的數據類型和數據標準；（3）建立專門的管理機構，負責數據庫的日常維護和信息安全。

2.搭建分析平臺，優化大數據結構

在實現了“大數據”集中后，還必須解決不同結構的數據不相容的問題，才可能充分利用企業集團的全部數據資源。基于前文提出的兩種風險管理模式，企業集團可以根據實際情況選擇其中一種，對集團的大數據進行標準化或優化。

具體而言：（1）對ERP系統覆蓋范圍廣、結構化數據占絕大多數的企業集團，可以通過建立ERP之間的“數據接口”，將標準不一的結構化數據轉換到統一標準的分析平臺上進行分析；（2）對未統一實施ERP系統或實施范圍小、非結構數據居多的企業集團，也可以通過建立大數據分析平臺（如Hadoop），構建數據模型，運用數據分析技術直接對原始數據進行分析。

3.打造專業團隊，開展大數據分析

企業集團要讓數據發揮價值，開展數據分析工作是核心。要確保這項核心工作落地，不僅需要建立專門的數據分析團隊，還要聘用統計學家和數據分析家組織數據分析和價值挖掘。因為相比行業專家和技術專家，數據分析家不受舊觀念的影響，能夠聆聽數據發出的聲音，更好的分辨數據中的"信號"和"噪聲"。

具體而言，要打造大數據團隊，一方面需要聘請從事統計建模、文本挖掘和情感分析的專業人員，另一方面也要吸收業務部門中善于研究、分析和解讀數據的“潛力股”人才。更重要的是，要培育重視數據分析的企業文化，大數據團隊的價值才能在企業中得以實現。

4.實現分析結果便捷化和可視化，輔助管理者進行決策

要運用大數據的分析結構輔助決策，就要讓企業管理者能夠輕松了解、使用和查詢數據，因此大數據平臺面向最終用戶的界面還需要提供簡單易上手的“使用接口”。這類“使用接口”不僅要具備數據搜索功能，還要能夠通過圖表等可視化的方式快速呈現分析結果，只有這樣才可以幫助企業管理者清晰地了解企業運營的情況，高效地輔助管理者進行數據化決策。

四、大型能源企業集團運用大數據優化管理的成功案例

1.埃克森美孚公司的依托標準化數據提升管理水平

作為能源行業的翹楚，埃克森美孚公司的業務遍布世界各地，對于這樣的大公司而言，技術和業務流程的標準化是企業成功的兩大關鍵。

埃克森美孚著重完善全球信息鏈接，使各個相對獨立的系統有效統一到同一平臺以保持數據的標準化，同時也避免了信息匯總在渠道和時間上的差異。在埃克森與美孚兩大公司合并期間，標準化的IT策略起到了推動作用，使合并后的公司得以精簡員工1.5萬人。追溯到2005年，埃克森美孚也是憑借這個策略在俄羅斯和安哥拉等地得以迅速開展新業務。

對于埃克森美孚，標準化帶來的最終回報不僅是實現了規模經濟和節省成本的管理目標，更重要的是通過采用標準一致的信息平臺和業務流程，為公司迅速進入新市場，在全球范圍調配工作任務提供了便利。

2.中海油基于量化模型和數據分析平臺實現高效的風險管理

中海油于2013年完成對尼克森公司并購后，隨即開始了對該公司核心業務的整合。在整合前，尼克森公司所處的北美地區、英國北海的市場環境復雜，為了有效管控風險，基于大數據的量化模型和信息系統在公司日常經營中發揮了舉足輕重的作用。

針對市場風險的管理，尼克森公司基于所在地區的歷史油價數據，運用VAR值模型為交易人員設置了一定的風險限額，確保公司開展的各類交易的風險時刻都處在可承受的范圍內；同時為彌補VAR值模型的不足，還會定期進行壓力測試和回溯測試，并對量化模型的進行及時的修正和調整。

在信用風險管理中，尼克森公司通過大數據平臺實現了不同結構數據的整合利用。由于歷史原因，公司在原油貿易、天然氣貿易和信用評分中分別采用了RightAngle、Allegro和CRAFT三個系統，為了使以上三類數據都能應用于信用風險管理，公司采用“標準接口”將各類數據都統一到ROME系統的數據標準下，并基于ROME系統實現了信用風險的動態管理。

中海油通過此次對尼克森公司的并購，不僅實現了對公司剩余經濟可采儲量和儲量替代率等指標的改善，還通過業務整合得以快速借鑒和吸收西方石油公司先進的管理經驗，這一點在運用量化模型和信息系統進行風險管理方面表現得尤為突出。

五、結語

當今，各行各業潛在的大數據資源正在被不斷發掘和分析，通過被一些具有前瞻性思維的企業管理者加以利用，大數據的價值得以迅速顯現。企業集團作為所在行業的“大數據”擁有者，通過分析和挖掘行業數據的價值并加以利用，將十分有利于在未來的市場競爭中進一步占得先機。

大數據時代的來臨，也在給全世界的企業帶來一場深刻的管理變革。通過大數據分析，企業的風險管理者不僅可以撥開籠罩在企業自身上許多復雜難解問題的“面紗”，及早地提出風險應對方案，也有望借此進一步幫助企業集團降低生產成本，提升規模效益。

但與此同時，風險管理者也需要清醒地認識到：通過侵犯隱私來獲取數據、過度依賴數據進行決策等“濫用”數據行為，也可能給企業的經營管理帶來威脅，企業管理者需要在大數據實際應用中找到一種適合自身發展的平衡，才能使大數據真正成為企業集團未來持續發展的競爭力。

注釋：

①結構化數據，指的是具有明確關聯性定義的固定結構數據，一般經過編碼后存放在數據庫應用系統內，必須完全以明確的預定格式被存放，通常以表格的形式呈現。

②非結構化數據，是指沒有固定格式、難以以統一的概念或邏輯分析的數據，這類數據包括文件、圖像、聲音、影片等。以文件為例，就有純文本檔、Word文件、PDF文檔等不同的格式。

③在拍拍貸2.0模型中，所使用的信用數據的信息維度可分為三類：一是，用戶的基本信息，如性別、年齡、學歷、婚姻狀況等。二是，互聯網信息，如微博、Qzone，以及登錄拍拍貸的各種行為數據等。三是，用戶的歷史借款和還款記錄。此外，模型還基于以上信息對人群進行了細分，可以有近十個群體維度。

④半結構化數據，是非純表格形式、也非純文本形式的數據，例如：XML或HTML格式的網頁數據、電子郵件和辦公處理文檔等。半結構化數據雖然已有程序編碼既定的邏輯和格式，但不容易被數據庫理解，尤其是內容含有許多不必要的噪音和混雜的不同的格式。

參考文獻：

[1]維克托·邁爾-舍恩伯格，肯尼思·庫克耶， 盛楊燕 （譯者）， 周濤：《大數據時代》，浙江人民出版社，2013年第1版

[2]奧爾霍斯特，王偉軍，劉凱，楊光：《大數據分析：點“數”成金》人民郵電出版社（2013-09）

[3]胡世忠：《云端時代殺手級應用：大數據分析》，人民郵電出版社（2013-06）

[4]道格拉斯·W.哈伯德（DouglasW.Hubbard），鄧洪濤：《數據化決策：大數據時代，《財富》500強都在使用的量化決策法》，世界圖書出版廣東有限公司（2013-09）

[5]BillFranks，黃海，車皓陽，王悅：《駕馭大數據》人民郵電出版社（2013-01）

[6]納特·西爾弗（NateSilver），胡曉姣，張新，朱辰辰：《信號與噪聲》中信出版社（2013-09）

[7]王曉云，埃克森信息化啟示，能源，2013-09

[8]武劍，金融大數據的戰略與實施，CF40論壇

[9]劉新，韓耀強，陳靚，金融行業大數據應用解析，電子信息產業研究中心

[10]中央企業管理提升系列叢書之《企業管理信息化輔導手冊》

作者簡介：

張仕元，工作單位：中國海洋石油總公司，所在部門：資金部，職務：衍生工具主管。

劉行舟，工作單位：中海石油財務有限責任公司，所在部門：法律和風險管理部，職務：風險監測主管。