基于大数据的财务风险导向管控体系
来源:用户上传
作者:官蔚颖
摘 要：通过大数据构建从发现问题到解决问题的闭环管控，形成立体的财务风险导向管控体系，以期提高风险识别能力，提升管控效率，为企业防控风险提升价值发挥重要作用。
关键词：大数据;财务风险导向;管控体系
中图分类号：F275 文献标志码：A 文章编号：1673-291X（2020）09-0101-02
一、推进财务管理转型，实施风险导向管控
（一）财务风险导向管控的内涵
基于大数据分析的财务风险导向管控，是以风险模型为基础，进行风险识别、评估、派单、控制、监测等一系列闭环流程的财务管控。它应用大数据分析方法对企业管理进行全量数据分析，既全面考虑风险因素，又系统聚合业务域、管理域、运营域数据，更有利于综合的风险评估，提高了精准度，确保将有限的资源科学地分配给高风险项目。
（二）新时代国家战略的要求
当今世界，科技进步日新月异，互联网、云计算、大数据等新技术深刻改变着人类的生产方式。十九大报告也提出，“推动互联网、大数据、人工智能与实体经济深度融合。”这表明，中国已将大数据视作战略资源并上升为国家战略，期望运用大数据推动经济发展，完善社会治理，增强企业经营效力，提升政府服务和监管能力。
（三）现代企业治理的需要
企业迎接新时代的各项任务已为风险导向管控指明了方向，即以经营数据为关键要素，以信息系统为重要载体，通过大数据分析来推动财务管理转型，提升管控效率。电信企业的大数据和物联网等新兴业务的发展，使风险区域和关键环节不断变化，要求财务管控关口前移，由事后向事中及事前转移，急需基于大数据构建风险导向的管控体系。
二、构建风险导向的财务管控体系
（一）构建信息支撑体系
风险导向信息支撑体系在硬件架构、网络服务、数据整合、应用设计等方面都采用先进的理念与技术进行构建。
整个支撑体系构建在江西电信企业级大数据云平台之上，为云平台的一个租户。企业级大数据云平台为配备205台服务器集群规模的云主机平台，具有6.3P云存储空间，能够进行云资源统一管理，提供动态分配计算资源服务。大数据平台作为企业级互联网数据共享中心，汇聚了业务域、管理域、运营域的全量数据。对于支撑体系在硬件架构方面，拥有90T+N庞大的数据云存储资源，可以按需快速扩展云存储资源。
在网络服务方面，基于“互联网与DCN网”，以数据增加、使用、交互的模式从大数据云平台共享云计算数据，保证数据的时效性、准确性和安全性。
在数据整合方面，将大数据云平台数据作为接口层数据，再进行业务域、管理域、运营域数据的跨域整合和结合审计业务分析方法，形成具有综合分析能力和审计特色的数据整合层、宽表层、应用层，确保数据完整性，从而审计业务能及时借助数学算法和大数据分析模型进行风险识别和评估。
在应用设计方面，实现了数据集市、画像、风险扫描、风险派单、问题整改、案例总结、风险模型优化的端到端发现问题到整改问题的闭环管理。同时，实现任何人员、任何地方、任何时间，可单点登录，分权、分域查询各项数据。
（二）重构管理流程
一是建立标准化的制度，通过“流程规范+操作手册”构建标准化制度。如在计划阶段，运用画像评估结果来确定项目重点，应用画像、数据集市等风险评估模型进行非现场管控。二是通过积分牵引，促使大家实践标准化操作。三是逐步提高风险评估的智能化水平，探索出具“基于风向导向管控的自动化测试记录和非现场分析报告”。
三、风险导向体系在企业中的应用
（一）发现问题：基本“面”引擎“画像”
1.指标评价体系。画像指标评价体系分为正向评价体系和负向风险预估体系，采用数据分析模型与业务分析结合的方式进行科学评价。评价指标体系分五大类45个指标（动态优化），分别为公司战略、资源配置、网络投资及资产运营效率、业务经营、市场拓展能力等，45个指标采用业务部门的核心评价指标。评价模型采用层次分析法和灰色评价法相结合科学、客观设置指标权重，从单个指标、指标大类及评价总体三个层面提供评价结果，有效融合了业务经验与科学算法，降低人为干预因素。层次分析法用于指标大类权重的计算。根据业务对指标大类的重要性和相关性分级，向不同岗位、不同层级的群体发放专家打分问卷，专家对指标大类的重要性进行两两比较后，通过机器运算获得大类权重。灰色评价法用于画像评价体系权重生成和指标评价。通过精准的数学手段处理模糊的评价对象，能对蕴含信息呈现模糊性的資料做出比较科学、合理、贴近实际的量化评价。算法先区分正向测度指标和负向测度指标，正向测度指标值越高越好，负向测度指标值越低越好。将指标值进行正反向归一化处理。运用上、下限测试函数将所有指标进行正态分布，将分布结果进行方差加减标准差处理，形成“好”“中”“差”结论。
风险预估指标体系分为四大类型，分别为经营收入、成本费用、资金资产、业务发展质量。评价模型采用平衡指标风险方式，每个指标预估一个风险点，将指标值进行无量纲化，根据灰色理论的要求，将有量纲的属性转换为无量纲的数值。转换后数据以近似正态分布散列在[0，1]之间，有效避免了风险指标的相互干扰，将转换后的数值聚合分析形成风险预估结论。
2.多维分析应用。画像具备自助分析能力，为个性化分析思路提供发挥空间。多维分析应用提供本地网视图、综合视图、指标视图、趋势视图四个能力，可进行指标值、指标评价分数、指标评价结果三类个性化分析。
3.智能分析报告及风险提示应用。画像不仅能提供自助分析数据能力，还能通过已有数据根据分析思路，智能提供画像数据分析结论，更准确、更快速地找到风险。 画像从综合分析、经责分析、风险分析三种角度提供画像结论，将风险一一剖析，并提出优化建议，形成“数据、结论和报告”的有机整体。
（二）发现问题：风险“点”雷达“风险预警扫描”
风险预警扫描是以风险库为蓝本，通过大数据分析方法建立风险模型。以周期性扫描对微观风险点进行识别和评估，并对发现的具体风险进行风险派单，目前已在收入保障、终端补贴、渠道佣金、客户积分等场景开展了风险扫描。
（三）发现问题：“线”脉络“数据集市”
数据集市是根据项目类型标准内容为框架，进行数据整合，形成按内容分类的专题性应用，是“画像”和“风险预警扫描”之间的专业桥梁，用于为项目提供数据支撑，包括经责集市、工程建设集市和财务收支集市。
经责集市是根据经责标准化七大专题板块，以风险为导向进行数据分析，以图表结合的方式呈现，按风险大小、问题程度进行分类统计，通过“所见即所得”的方式从统计数据直接获取明细清单数据。
工程建设集市通过汇聚分散于各管理系统的工程项目数据，以风险扫描的方式将重点关注并需要长期跟踪的重要问题进行扫描，并预警呈现，有助于快速定位风险，轻松跟踪问题整改情况。
财务收支集市根据标准化程序，从收支两条线出发，将财务收支特色应用进行固化，重点挖掘管理域数据应用。
（四）解决问题：“风险派单”和“问题整改”流程
风险派单和问题整改是通过流程管控，将日常风险扫描、项目成果以信息化手段进行展示，并跟踪派单及整改情况，形成“四单一书”（整改通知单、整改督办单、风险提示单、风险派单、管理建议书）和“问题整改销号机制”功能应用，将涉及整改的部分进行统筹管控，形成可视化整改销号台账，达到显性化管控执行情况和整改效果的目的。
（五）经验总结：“风险库及案例库”
风险库作为审计知识的百科全书，既是风险导向体系的源头，又是终结。源头在于无论是画像中风险预估，还是风险扫描中风险点都以风险库为基础;终结在于风险导向审计体系将审计发现的问题整改销号之后，同样也需要对审计风险库进行补充完善。对于在审计风险库未涵盖的风险点，需要以首发风险上报集团，再对风险库进行补充。
案例库是江西本地特色应用，将历年发现的问题及解决方式与风险库进行逐一对应，并作为例证对风险库应用的有力补充。实现“有理和有例”，便于审计人员使用与理解。目前，江西省已在61个风险点中进行案例对应。
四、应用成效
从2016年应用以来，实现工程领域风险扫描模型10个，发出风险扫描派单8张，涉及金额7.85亿元。通过风险扫描派单，前移管控关口，促进了工程管理部门优化管理制度，明显提升了工程质量，一些老大难问题得到改善。
从2016年应用以来，实现经营领域风险扫描模型44个，涉及应收资金、终端补贴、佣金等7个专题，发出风险扫描派单4张，涉及金额1.87亿元，为经责、财务收支、内控评价项目提供风险数据及证据支撑，防范风险效果明显。
从2016年应用以来，充分运用“四单一书”狠抓问题整改，共发出风险派单12个，提示单6个，整改督办单2个，提出管理建议398条，推动省公司层面完善翼支付等各类业务管理制度12个，推动完善资本性支出流程2个。
通过画像、风险扫描及风险库等大数据分析应用，对全省各分公司经营管理、发展潜力、投资效能等基本面精确定位，统筹分析对比后，制订年度计划，使资源分配更合理，重点更明确，成果更丰硕。
参考文献：
[1] 王汉生.数据思维：从数据分析到商业价值[M].北京：中国人民大学出版社，2017.
[2] 崔勇.视界——“互联网+”时代的创新与创业[M].北京：清华大学出版社，2016.
[3] 畢然.大数据分析的道与术[M].北京：电子工业出版社，2016.
[责任编辑 刘兆峰]
转载注明来源:https://www.xzbu.com/2/view-15203814.htm
