基于大數據的財務風險導向管控體系

官蔚穎

摘 要：通過大數據構建從發現問題到解決問題的閉環管控，形成立體的財務風險導向管控體系，以期提高風險識別能力，提升管控效率，為企業防控風險提升價值發揮重要作用。

關鍵詞：大數據;財務風險導向;管控體系

中圖分類號：F275? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2020）09-0101-02

一、推進財務管理轉型，實施風險導向管控

（一）財務風險導向管控的內涵

基于大數據分析的財務風險導向管控，是以風險模型為基礎，進行風險識別、評估、派單、控制、監測等一系列閉環流程的財務管控。它應用大數據分析方法對企業管理進行全量數據分析，既全面考慮風險因素，又系統聚合業務域、管理域、運營域數據，更有利于綜合的風險評估，提高了精準度，確保將有限的資源科學地分配給高風險項目。

（二）新時代國家戰略的要求

當今世界，科技進步日新月異，互聯網、云計算、大數據等新技術深刻改變著人類的生產方式。十九大報告也提出，“推動互聯網、大數據、人工智能與實體經濟深度融合。”這表明，中國已將大數據視作戰略資源并上升為國家戰略，期望運用大數據推動經濟發展，完善社會治理，增強企業經營效力，提升政府服務和監管能力。

（三）現代企業治理的需要

企業迎接新時代的各項任務已為風險導向管控指明了方向，即以經營數據為關鍵要素，以信息系統為重要載體，通過大數據分析來推動財務管理轉型，提升管控效率。電信企業的大數據和物聯網等新興業務的發展，使風險區域和關鍵環節不斷變化，要求財務管控關口前移，由事后向事中及事前轉移，急需基于大數據構建風險導向的管控體系。

二、構建風險導向的財務管控體系

（一）構建信息支撐體系

風險導向信息支撐體系在硬件架構、網絡服務、數據整合、應用設計等方面都采用先進的理念與技術進行構建。

整個支撐體系構建在江西電信企業級大數據云平臺之上，為云平臺的一個租戶。企業級大數據云平臺為配備205臺服務器集群規模的云主機平臺，具有6.3P云存儲空間，能夠進行云資源統一管理，提供動態分配計算資源服務。大數據平臺作為企業級互聯網數據共享中心，匯聚了業務域、管理域、運營域的全量數據。對于支撐體系在硬件架構方面，擁有90T+N龐大的數據云存儲資源，可以按需快速擴展云存儲資源。

在網絡服務方面，基于“互聯網與DCN網”，以數據增加、使用、交互的模式從大數據云平臺共享云計算數據，保證數據的時效性、準確性和安全性。

在數據整合方面，將大數據云平臺數據作為接口層數據，再進行業務域、管理域、運營域數據的跨域整合和結合審計業務分析方法，形成具有綜合分析能力和審計特色的數據整合層、寬表層、應用層，確保數據完整性，從而審計業務能及時借助數學算法和大數據分析模型進行風險識別和評估。

在應用設計方面，實現了數據集市、畫像、風險掃描、風險派單、問題整改、案例總結、風險模型優化的端到端發現問題到整改問題的閉環管理。同時，實現任何人員、任何地方、任何時間，可單點登錄，分權、分域查詢各項數據。

（二）重構管理流程

一是建立標準化的制度，通過“流程規范+操作手冊”構建標準化制度。如在計劃階段，運用畫像評估結果來確定項目重點，應用畫像、數據集市等風險評估模型進行非現場管控。二是通過積分牽引，促使大家實踐標準化操作。三是逐步提高風險評估的智能化水平，探索出具“基于風向導向管控的自動化測試記錄和非現場分析報告”。

三、風險導向體系在企業中的應用

（一）發現問題：基本“面”引擎“畫像”

1.指標評價體系。畫像指標評價體系分為正向評價體系和負向風險預估體系，采用數據分析模型與業務分析結合的方式進行科學評價。評價指標體系分五大類45個指標（動態優化），分別為公司戰略、資源配置、網絡投資及資產運營效率、業務經營、市場拓展能力等，45個指標采用業務部門的核心評價指標。評價模型采用層次分析法和灰色評價法相結合科學、客觀設置指標權重，從單個指標、指標大類及評價總體三個層面提供評價結果，有效融合了業務經驗與科學算法，降低人為干預因素。層次分析法用于指標大類權重的計算。根據業務對指標大類的重要性和相關性分級，向不同崗位、不同層級的群體發放專家打分問卷，專家對指標大類的重要性進行兩兩比較后，通過機器運算獲得大類權重。灰色評價法用于畫像評價體系權重生成和指標評價。通過精準的數學手段處理模糊的評價對象，能對蘊含信息呈現模糊性的資料做出比較科學、合理、貼近實際的量化評價。算法先區分正向測度指標和負向測度指標，正向測度指標值越高越好，負向測度指標值越低越好。將指標值進行正反向歸一化處理。運用上、下限測試函數將所有指標進行正態分布，將分布結果進行方差加減標準差處理，形成“好”“中”“差”結論。

風險預估指標體系分為四大類型，分別為經營收入、成本費用、資金資產、業務發展質量。評價模型采用平衡指標風險方式，每個指標預估一個風險點，將指標值進行無量綱化，根據灰色理論的要求，將有量綱的屬性轉換為無量綱的數值。轉換后數據以近似正態分布散列在[0，1]之間，有效避免了風險指標的相互干擾，將轉換后的數值聚合分析形成風險預估結論。

2.多維分析應用。畫像具備自助分析能力，為個性化分析思路提供發揮空間。多維分析應用提供本地網視圖、綜合視圖、指標視圖、趨勢視圖四個能力，可進行指標值、指標評價分數、指標評價結果三類個性化分析。

3.智能分析報告及風險提示應用。畫像不僅能提供自助分析數據能力，還能通過已有數據根據分析思路，智能提供畫像數據分析結論，更準確、更快速地找到風險。

畫像從綜合分析、經責分析、風險分析三種角度提供畫像結論，將風險一一剖析，并提出優化建議，形成“數據、結論和報告”的有機整體。

（二）發現問題：風險“點”雷達“風險預警掃描”

風險預警掃描是以風險庫為藍本，通過大數據分析方法建立風險模型。以周期性掃描對微觀風險點進行識別和評估，并對發現的具體風險進行風險派單，目前已在收入保障、終端補貼、渠道傭金、客戶積分等場景開展了風險掃描。

（三）發現問題：“線”脈絡“數據集市”

數據集市是根據項目類型標準內容為框架，進行數據整合，形成按內容分類的專題性應用，是“畫像”和“風險預警掃描”之間的專業橋梁，用于為項目提供數據支撐，包括經責集市、工程建設集市和財務收支集市。

經責集市是根據經責標準化七大專題板塊，以風險為導向進行數據分析，以圖表結合的方式呈現，按風險大小、問題程度進行分類統計，通過“所見即所得”的方式從統計數據直接獲取明細清單數據。

工程建設集市通過匯聚分散于各管理系統的工程項目數據，以風險掃描的方式將重點關注并需要長期跟蹤的重要問題進行掃描，并預警呈現，有助于快速定位風險，輕松跟蹤問題整改情況。

財務收支集市根據標準化程序，從收支兩條線出發，將財務收支特色應用進行固化，重點挖掘管理域數據應用。

（四）解決問題：“風險派單”和“問題整改”流程

風險派單和問題整改是通過流程管控，將日常風險掃描、項目成果以信息化手段進行展示，并跟蹤派單及整改情況，形成“四單一書”（整改通知單、整改督辦單、風險提示單、風險派單、管理建議書）和“問題整改銷號機制”功能應用，將涉及整改的部分進行統籌管控，形成可視化整改銷號臺賬，達到顯性化管控執行情況和整改效果的目的。

（五）經驗總結：“風險庫及案例庫”

風險庫作為審計知識的百科全書，既是風險導向體系的源頭，又是終結。源頭在于無論是畫像中風險預估，還是風險掃描中風險點都以風險庫為基礎;終結在于風險導向審計體系將審計發現的問題整改銷號之后，同樣也需要對審計風險庫進行補充完善。對于在審計風險庫未涵蓋的風險點，需要以首發風險上報集團，再對風險庫進行補充。

案例庫是江西本地特色應用，將歷年發現的問題及解決方式與風險庫進行逐一對應，并作為例證對風險庫應用的有力補充。實現“有理和有例”，便于審計人員使用與理解。目前，江西省已在61個風險點中進行案例對應。

四、應用成效

從2016年應用以來，實現工程領域風險掃描模型10個，發出風險掃描派單8張，涉及金額7.85億元。通過風險掃描派單，前移管控關口，促進了工程管理部門優化管理制度，明顯提升了工程質量，一些老大難問題得到改善。

從2016年應用以來，實現經營領域風險掃描模型44個，涉及應收資金、終端補貼、傭金等7個專題，發出風險掃描派單4張，涉及金額1.87億元，為經責、財務收支、內控評價項目提供風險數據及證據支撐，防范風險效果明顯。

從2016年應用以來，充分運用“四單一書”狠抓問題整改，共發出風險派單12個，提示單6個，整改督辦單2個，提出管理建議398條，推動省公司層面完善翼支付等各類業務管理制度12個，推動完善資本性支出流程2個。

通過畫像、風險掃描及風險庫等大數據分析應用，對全省各分公司經營管理、發展潛力、投資效能等基本面精確定位，統籌分析對比后，制訂年度計劃，使資源分配更合理，重點更明確，成果更豐碩。

參考文獻：

[1]? 王漢生.數據思維：從數據分析到商業價值[M].北京：中國人民大學出版社，2017.

[2]? 崔勇.視界——“互聯網+”時代的創新與創業[M].北京：清華大學出版社，2016.

[3]? 畢然.大數據分析的道與術[M].北京：電子工業出版社，2016.

[責任編輯 劉兆峰]