浅谈如何构建企业大数据风险管理体系

1、浅谈如何构建企业大数据风险管理体系摘要：随着互联网时代的到来，大数据的应用越来越广泛，本文以中储粮集团公司业务信息系统为例，探讨通过对多个信息系统整合和数据标准化处理，实现风险识别和有效处置，构建企业大数据下的风险管理体系，提高企业风险管理水平。关键词：大数据;风险管理;计算机信息系统中图分类号：F275文献识别码：A文章编号：2096-3157202122-0069-02一、企业大数据风险管理体系的概念1.何为风险及风险管理1风险定义。迄今为止，关于风险的定义，学术界尚没有明确的定义，风险可以理解为不利事件发生的可能性，是可度量的不确定性。风险会随着环境、事件等客观事件的变化而变化。风险的分

2、类有多种，按照形成原因不同，可以分为自然风险、社会风险、经济风险、政治风险;按照能否分散，风险可分为系统风险和非系统风险等。企业风险的形成是多方面的，有企业内部原因和外部原因，有主观因素和客观因素。通过有效地预测风险，控制风险，对不同的风险采取不同的防范措施，到达风险管理的目的，是企业管理的重要组成局部。2风险管理。2021年COSO委员会在?企业风险管理框架草案?中将企业风险管理定义为：企业风险管理是一个过程，受组织的董事会、管理层和其他人员的影响，风险管理应用于战略制定，贯穿于整个企业。可以概括为：企业风险管理是指全面分析企业各个经营过程，通过对风险的识别和衡量，采用合理的经济手段对风险进

3、行处理，以最低的本钱获得最大平安保障的一种管理活动。3中储粮风险管理。中储粮集团公司高度重视风险管理工作，2021年下发了?关于推进总公司全面风险管理工作的通知?中储粮202114号，明确了各层级的风险管理职责权限，建立了较为完善的管理体系。中储粮面临的风险主要有政策风险、投资风险、市场经营风险、资金平安风险、社会舆论风险、信息系统平安风险、个人道德风险、运行控制风险、健康平安环保风险和法律风险等。本文论述的是中储粮系统企业能够控制的非系统风险，例如：市场经营风险、粮食库存管理风险、财务风险等，不包括政策风险等企业不可控的风险。2.企业大数据的概念“大数据是指以多元形式，自多来源的庞大数据组，

4、往往具有实时性。大数据无法用单台的计算机进行处理，必须采用分布式计算架构。它的特点在于对海量数据的挖掘，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。2021年以来，大数据一词成为了热门的词汇，大数据的应用影响我们生活、工作的方方面面。大家常提到的大数据是外部的的大数据，例如网购、浏览器数据等，这些需要专业人员和设备进行分析，而本文所探讨的是企业通过内部的信息管理系统生产的经营管理数据，叫做企业大数据。3.企业大数据风险管理体系前面分别对风险管理和企业大数据进行了阐述，企业大数据风险管理体系可以概括为企业对自身信息管理系统生产的经营管理数据进行整合分析，通过风险识别和衡量，对风险进

5、行处置，以最低的本钱获得最大平安保障的企业管理活动。本文以中储粮集团公司为例，通过改进业务信息系统存在的问题和缺乏，进行资源整合形成根底企业大数据，进行分析研究、风险预警和处置，实现全环节、全流程、全时段的企业风险管理。二、构建中储粮系统的企业大数据风险管理系统1.现有的中储粮内部信息化系统目前，中储粮信息系统已经涵盖所有业务，主要包括：办公自动化系统内网OA系统：邮箱收发、文件处理等;中储粮业务信息系统ERP内网系统：主要包括仓储管理、统计管理、全面预算、资产管理、财务管理等;资金日预算系统外网系统：费用报销、资金划拨等;合同审批系统外网系统：分级合同审批;政策性粮食管理系统外网系统：用于政

6、策性粮食的竞拍等。上述系统以下简称业务信息系统。2.业务信息系统存在的主要问题一是应用业务系统较多，相互融合程度不高。主要表现在：各项数据分别产生在企业内部网络和互联网，相互之间关联性不高。二是产生的业务数据只是业务流程的描述，没有进行综合分析应用，不能发挥合力。对企业风险控制主要通过内部控制、审计、检查等管理手段，对风险的响应速度较慢，预测周期较长，往往错过防控和化解风险的最正确时机。三是数据的时效性有待提高。局部业务数据需要人工录入，不是业务信息系统自动生成，实际业务与录入数据之间有时出现脱节现象。通过以上分析，業务信息系统产生的根底数据较多，但没有形成有效的企业风险管理数据，对企业风险控

7、制还停留在内部控制、审计、检查等管理手段，对风险的响应速度较慢，预测周期较长，往往错过了防控和化解风险的最正确时机。3.整合数据资源1标准业务数据标准。建立统一业务编码，在不同业务信息系统中具有唯一性，到达数据共享的目的是实现企业大数据应用的前提和根底。中储粮集团公司的根底业务是粮食仓储管理，涉及粮食储存、采购、销售等业务环节，在采购、入库、储存、销售出库以及粮食调拨过程中，均采用统一的数据标准信息，可以产生完整的数据流，在每个环节均能快速识别。2标准数据关联。一是业务信息系统各模块之间的对接和相互访问。最好是一个系统能够整合OA、ERP等所有系统的资源信息。二是实现业务模块与预算模块的关联。

8、预算编制、反响、调整环节实现与仓储、购销等模块的对接，各项费用开支与资金日预算模块对接。三是信息系统与内部控制的关联。将中储粮集团公司内部控制采用的“一图流程图、两库制度库、风险数据库、三册岗位手册、部门手册、内控手册流程和制度内嵌到业务信息系统中固化下来并严格执行，防止出现编制内部控制制度与实际操作不一致情况发生，到达风险防控的目的。三、企业大数据在中储粮风险管理中应用1.企业大数据收集企业大数据来源于日常业务，一般分为两大类，一是资源信息数据，例如：客户名称、银行账号等，属于静态数据。二是资源互动记录数据，这类数据是企业业务活动产生的，例如：粮食的采购、销售、调拨等。此类数据具有实效性，如

9、果事后补录就容易数据失真，即时发生，即时记录是此类数据的根本要求。数据的系统不同，采集方法也不同，例如：对员工信息使用OA系统来完成;对客户信息使用合同审批系统完成;对粮食储存、采购、销售使用业务信息系统完成;对费用信息收集使用资金日预算系统完成等。每天在业务信息系统中产生大量的数据信息，通过分析、加工，产生有价值的企业风险管理数据。2.风险识别1创立分析模型。企业大数据收集完成后，需要一个判断标准，即分析模型或者对标管理。企业大数据风险识别的根本要求：实现每一笔业务在物流、信息流、现金流三个方面交互验证，并且资金流最终通过外部银行进行验证，库存数量通过监控系统进行验证，确保企业大数据的真实性

10、。例如：政策性粮食采购业务，在物流方面，采购时有粮食采购的实物流动，通过仓储、购销业务信息表现，通过视频监控系统进行实物检验。信息流方面，采购时的检验、入库等数据与实际检验一致。资金流方面，粮食采购资金支付与粮食采购进度一致，完成后粮食库存值与发行贷款一致。设计数据模型。根据业务要求和特性，合理设计数据分析模型。例如：当粮食期末库存不等于统计库存、财务存货库存，不等于期初数量加减当期购销数量时预警。粮食采购数量不等于合同数量、不等于财务资金支出库存值等。2风险识别分析。关键要素分析。对于中储粮集团公司而言，粮食、资金最为重要，这是企业大数据分析的重点。例如：粮食库存数量分析：主要通过企业大数据

11、进行比對，仓储管理模块数据与统计管理、财务管理数据同一时点是否一致;一段时期的粮食购销数量是否一致等。资金分析：期末账面余额与银行余额是否一致;发生的业务与资金流是否配比等。应收账款分析：业务信息系统的销售资金回笼金额是否与财务管理系统的银行账一致，回笼时间与记账时间是否一致等。差异分析。主要是对同一单位不同时期或者不同单位同一时点的数据比照。例如：在财务管理中，在粮食采购数量同比相当的情况下，装卸费用急剧增加就需要进行进一步判断产生的原因，通过资金日预算系统检查装卸费用明细单据、在线监控系统查看作业仓房情况进行详细分析，判断是否是粮情出现异常等状况。特征分析。通过企业大数据的不断积累，中储粮

12、业务企业大数据呈现出一定的特征性，例如粮食购销业务在不同的月份呈现出不同的走势并与粮食生长周期呈现一定的规律性。将企业的粮食购销业务与业务特征进行比较，找出差异点进行重点分析。例如：冬季粮食上层温度没有与外温同比例下降，就要判断测温电缆埋藏过深还是粮食发热等。奇异点分析。因为企业大数据是全面的数据，所有奇异点都会被发现，要对奇异点进行分析，对其相关的业务过程进行原因剖析，是人为造成、业务特殊性还是其他原因。3风险分级处置。对风险预警数据，根据轻重缓急合理进行处置：一般处理。对于出现的轻微预警差异，要求相关单位作出解释。企业解释不符合企业大数据分析结果的，需要进一步查明原因。高度关注。对于多个企业出现相同预警的，要分析差异原因是否具有系统性，对于临界红线、底线预警范围的，例如：赊销行为、粮情异常等情况，要及时进行预警，果断进行处理。即时处置。对出现预警的整改完成情况，由分公司、中储粮集团公司进行实地核实，确保整改到位。4风险管理措施升级完善。一是重新修改企业大数据分析模型。对于出现的预警数据，经过分析确认为不符合实际情况造成的，要