尊龙凯时

尊龙凯时动态

数据剖析在企业危害管理中的应用与展望

  • 时间：2014-12-31
  • 泉源：尊龙凯时

管理头脑前进与实践需求是手艺立异的导向和牵引力 ，而手艺立异又成为管理立异的主要基��；在这个互动循环中 ，数据剖析是一个手艺立异的规范。早期的数据剖析主要是从古代爆发、生长而来的概率、数理统计理论的手艺与要领；而现在 ，又爆发了基于种种信息化系统、数据库的数据挖掘中剖析手艺 ，以及与大数据剖析相关的多种新兴盘算机手艺。云盘算、物联网、社交网络等革命性的手艺应用正在许多领域改变着人们的事情与生涯方法 ，以及企业组织的决议头脑模式、商业谋划模式。2006年6月 ，国务院国资委宣布《中央企业周全危害管理指引》（国资发刷新[2006]108号） ，鼎力大举推动国有企业的危害管理。关于危害管理来说 ，其管理工具是未来不确定性 ，量化剖析评估危害、合理展望未来是其焦点价值所在 ，也是难点所在；而数据剖析带来了新的手艺、要领和思绪 ，为此提供了有力支持。系统地相识数据剖析的手艺应用与生长趋势 ，对提高企业危害管理能力有着主要意义。
1　危害管理中的数据剖析
　　从许多关于危害管理的文献中可以看到 ，人们对危害的熟悉及、管理头脑可以追溯到远古时代 。企业的危害管理实践面临许多现实问题 ，支持危害决议的量化剖析就是其中一个重点和难点 ，而应用于危害量化的数据剖析正施展着越来越大的作用。
1.1　危害评估与危害的量化剖析
　　危害的实质特征决议了其量化剖析的主要性。差别视角、差别研究目的或差别的危害管理目的 ，对危害实质的明确熟悉各有差别。郭晓亭等曾把多位中外学者关于危害看法的研究归纳总结为7类 ，并划分给出了响应的危害数目表达式：危害是未来效果爆发的不确定性；危害是损失爆发的不确定性；危害是可能爆发损失的水平或大��；危害是损失巨细及爆发可能性；危害是由其组成要素因果递进的效果；金融领域的危害是对价钱等变量波动举行统计测算获得的损失值；危害（危害度）是对不确定性随机概率的数理形貌。
　　科学应对危害的一个主要条件是评估危害。在国务院国资委（2006）、美国COSO（2004）等许多中外机构推出的危害管理或内部控制框架中 ，都把危害评估作为一个要害要素或要害环节；危害评估常接纳定性和定量相团结的要领。测算危害的巨细是定量剖析、评估危害的主要内容。从差别的危害界说可以看到 ，危害评估主要涉及2个方面：①危害的可能性（likelihood） ，或称爆发概率（Probability） ，即某种状态或效果爆发的可能性（Possibility）；②危害的影响（Impact） ，或称危害爆发的效果、危害值或危害影响效果的巨细 ，某种状态或效果与预期效果的误差值。危害评估还包括对固有危害、剩余危害的评估 ，其作用不但是评价危害巨细 ，照旧展望和监控危害的主要手段。
1.2　危害量化剖析中的数据剖析
　　不确定性所包括的随机性、重大性使危害量化剖析一直是个难题 ，加优势险的分类标准、种类也不统一 ，难以形成通用的危害剖析手艺、要领或系统。金融包管等行业、项目管理等领域的危害剖析手艺生长较为成熟 ，这也是受益于现代数学、信息化、盘算机手艺的生长 ，使数据剖析手艺一直提高 ，应用领域也更为普遍。参考海内外现有危害剖析模子及要领的主要效果 ，凭证危害事务的数目、相关事项的数据量及关系、预期效果的性子来划分 ，以数据剖析为基础的危害定量剖析从简朴到重大的大致分类。
　　1) 初级数据剖析。主要是凭证概率论等数理统计理论来剖析、测算简单事务的概率 ，用于解决类似抛硬币、判断正背面的概率等简朴危害剖析问题。
　　2) 中级数据剖析。主要是凭证确定相关的一个或有限数目的相关事务爆发状态或数值举行统计、剖析 ，以测算某一个事务某种或多种可能状态的爆发概率；例如信用危害管理中使用多元回归剖析、数学妄想等统计剖析要领的信用评分模子等。
　　3) 基于数据挖掘等信息手艺的高级统计剖析。主要是凭证众多确定或尚未确定的相关事务信息数据、爆发状态或数值举行统计、剖析 ，来测算多个事务多个可能状态的爆发概率；例如信用危害管理中 ，基于Levenberg-Marguardt 算法的前向神经网络模子等人工智能模子和神经网络等信息手艺的新要领；尚有应用于项目及手艺危害管理领域的蒙特卡洛模拟、盘算机仿真中剖析模子。
　　4) 基于大数据情形信息手艺的重大统计剖析。主要是凭证众多确定或尚未确定的相关事务信息数据 ，爆发状态或数值举行统计、剖析 ，来测算多个事务多个可能状态或未知状态的爆发概率。
　　在大数据情形下 ，数据剖析不但可应用于已知的危害剖析 ，还可凭证数据间或有关系来发明和剖析未知危害。某电力公司借助尊龙凯时咨询及IT 实力 ，乐成搭建现金流缺口展望模子、融资决议模子和预警模子 ，接纳MSTR（Microstrategy）平台 ，运用数据盘问手艺、数据挖掘手艺 ，将电力企业财务和各营业部分数据整合成一个集中的、标准的、可比的剖析数据源 ，在此数据源的基础上建设资金决议支持系统 ，通过企业管理驾驶舱、现金流展望、融资决议、预警模子等功效 ，为资金决议者建设起多维度、智能化、动态化资金管理综合剖析应用平台。
 
1.3　数据挖掘与大数据剖析
　　数据挖掘与大数据是近十几年快速生长起来的新看法、新手艺；只管各界的熟悉与明确并不统一 ，但它们已经在日益普遍的领域爆发着越来越大的作用和影响。数据挖掘的主要原理是通过对海量相关商业数据举行抽取、转换、剖析或模子化处置惩罚 ，以获取有助于决议剖析的要害信息。数据挖掘可以明确为一种对数据举行高级处置惩罚的方法、历程 ，用于从大宗数据中提取人们感兴趣的隐含信息或知识 ，并以分类清晰、可靠、简朴、易明确的形式泛起出来。数据挖掘主要有2类 ，一是对现有数据库举行纪律（或特征）剖析、归纳和总结的形貌性挖掘 ，又称看法形貌 ，是数据挖掘的基本形式；二是凭证现有数据库举行推断、展望的展望性挖掘。
　　大数据是一个较为笼统的看法 ，主要通过特征形貌界说大数据。较有代表性的一种看法以为 ，大数据应具有3V特点：大容量（又称规模性 ，Volume） ，多样性（Variety）、高速率（Velocity）。另外也有关于第4个V的讨论 ，国际数据公司（International Data Corporation ，IDC）以为大数据还应具有价值（Value） ，而IBM以为大数据应具有真实性（Veracity）。与古板的数据库、数据管理相比 ，大数据的革命性转变主要体现在以下几个方面：数据规模从“池塘”转换为“大海”；数据类型从简朴的结构化数据转换为包括半结构化、非结构化的多种类重大数据；模式（Schema）不再是预设 ，而是随着数据的种类、数目一直演变；数据不再是简朴的处置惩罚工具 ，而是用来剖析、解决诸多领域问题的资源；而处置惩罚数据的工具、要领也越发多样化 ，大数据的处置惩罚流程包括数据抽取与集成、数据剖析以及数据诠释 ，“数据剖析”在这里不再是普遍意义上的看法 ，而是一个详细的数据处置惩罚环节；相关于大数据剖析手艺来说 ，数据挖掘、机械学习与统计剖析等已经属于古板的数据剖析手艺 ，而大数据剖析在数据收罗、存储、剖析以及可视化等方面都有很大突破 ，使其在商业智能、决议支持等许多领域获得应用。电力企业自己掌握着大宗购售电信息 ，掌握着企业及民众的用电数据 ，使用大数据工具 ，可有用提升自身危害预警能力 ，并为提高全社会的危害抵御能力保驾护航。某电力公司借助尊龙凯时咨询及IT 实力 ，通过该资金决议支持系统在电力企业的实验 ，实现了资金决议的细腻化管理的周全应用 ，取得了显著效果。首先 ，对该电力企业资金的历史数据在线剖析 ，提高了数据剖析的实时性、科学性和准确性 ，减轻了财务职员沉重的重复劳动 ，镌汰了展望数据的主观性；其次 ，对资金相关数据提出高质量要求 ，促使企业一直提升资金相关数据的质量 ，管理严谨水平一直提高；再次 ，资金决议支持剖析模子提供了越发精益的系统支持。系统从融资规模、时点、是非期比例、用度等多维度剖析 ，出具可视化融资决议选择计划 ，并且时时监控资金危害 ，深化资金清静管理；最后 ，该系统有利于财务管理和营业管理的深度融合 ，提升整个企业的管理水平。使用大数据头脑 ，挖掘财务数据、营业数据、外部数据和其他数据的关系 ，不但提升资金集中管理价值 ，还提升了整个企业的价值。
2　数据剖析的应用研究
　　从科技文献资料可以看到 ，海内外已经有不少关于企业财务报告、谋划管理行为、经济情形因素转变等信息数据剖析在企业危害管理领域的应用研究。主要有供应链管理领域的信用危害管理 ，银行等金融行业的信用危害管理 ，特定行业的市场危害、谋划危害管理 ，企业财务危害、会计舞弊危害、审计危害等管理领域。
2.1　供应链领域的危害管理应用
 
　　供应链融合物流、资金流、信息流 ，是企业生涯生长的主要支持。但由于供应链加入主体多、生意环节多 ，还常涉及差别地区的执法、市场情形等多种因素 ，使供应链管理在时间、质量、本钱等多目的约束下面临着多种危害。例如 ，来自供应商等生意伙伴的信用危害就是主要危害之一。张存禄等先容了数据挖掘在供应商危害管理中的应用 ，其焦点头脑是在供应商特征属性的客观统计资料中提取相关数据 ，接纳信息增益剖析要领举行相关剖析 ，为评价和选择供应商提供决议依据。谢江林等也先容了数据挖掘在供应链金融危害控制中的应用 ，主要接纳形貌性数据挖掘中“维相关剖析要领” ，通太过析高还款危害经销商的企业规模等特征属性来展望、判断其还款能力。
2.2　银行等金融领域的危害管理应用
　　危害管理在各国的银行、证券、包管等金融行业生长较为成熟。评估企业或小我私家客户的信用危害是银行业危害管理的主要内容之一。于立勇以为古板的信用危害评估模式所反应的有限信息不可充分知足信贷危害决议需求 ，提出可以把信用危害度作为权衡标准 ，使用人工神经网络构建银行信用危害评估展望模子；使用基于Levenberg-Marguardt 算法的前向神经网络模子 ，以某商业银行信贷营业数据为例举行实证剖析 ，证实这种要领可以更为客观、准确地评估信用危害。陈为民等在以往研究的基础上提出了针对信用卡客户信用数据剖析的“两阶段混淆数据挖掘要领” ，构建了一个包括自组织神经网络聚类和支持向量机分类两阶段的神经网络信用危害管理模子 ，并通过实证剖析先容了模子应用。
2.3　特定商品市场的危害管理应用
　　
　　随着各国政府的市场羁系日益成熟 ，许多在境内外上市的中国企业已经建设了较好的危害管理系统 ，尤其是中央直属的电力、能源、电信行业中的国有企业。商品商业是中国五矿的一项主要谋划营业 ，该企业在“中央企业管理提升运动”中先容了其接纳危害量化手段管理市场危害的相关履历。以影响钢材等商品市场价钱的相关因素剖析为基础 ，其市场危害量化模子包括敞口头寸、浮动盈亏（MtM）、敏感性剖析和在险价值（VaR）四个部分 ，是以商品价钱系统和营业持仓结构为数据基础 ，通过量化估值来评估市场危害。
　　电价是同时影响电网企业购电本钱和供售电收入的主要因素 ，电价波动是电网企业面临的主要谋划危害�？沟缂畚：ζ饰龉赜诘缤笠道此岛苁侵饕� 。尊龙凯时在加入某省电力公司承接的国家电网公司“谋划危害管控系统研究”课题中 ，通过构建多目的管理的指标系统 ，把影响电价的上下游多种因素融合到电价危害关联关系剖析模子中 ，使用蒙特卡洛模拟对大宗指标数据举行仿真测算 ，实现对电价危害目的水平的概率预计。
2.4　企业财务、审计及信息化领域的危害管理应用
　　　　
　　企业的资金管理等财务危害、会计舞弊相关的审计危害也是海内外企业危害管理的一个焦点。王会金凭证美国信息系统审计与控制协会宣布的信息及相关手艺的控制目的（简称COBIT）相关要求 ，提出了应用数据挖掘手艺构建中观信息系统审计危害控制系统的构想 ，叙述了设计控制框架与明细控制标准 ，确定详细挖掘流程及危害控制原型系统 ，从而整合成为完整系统的历程。管理信息化爆发的数据库是数据剖析的主要基础 ，但同时也带来了信息保密性、完整性和可用性等清静属性问题。赵冬梅等研究了使用反向撒播神经网络（BP网 ，一种人工神经网络）举行信息清静危害评估 ，并团结案例先容了危害评估流程和办法 ，以为这种非线性要领战胜了主观性等人为因素 ，更为简朴、高效、客观 。
3　结语
　　　　
　　从宏观经济情形的不规则波动及其全球化伸张 ，到企业中、微观情形的重大多变 ，以及信息数据的异质性、高度非线性等现实问题 ，有许多因素影响着企业危害管理量化剖析模子的准确性和有用性。通过数据剖析的应用研究及案例剖析可以看到 ，数据挖掘、大数据剖析等新手艺的应用正在多方面提升企业的危害管理能力。数据剖析从现实市场情形中提取相关真实数据 ，大大降低了主观性对危害评估的影响 ，也使危害管理与现实营业团结得越发细密。
　　随着信息手艺及企业管理信息化的生长 ，经济大情形已经进入了大数据时代。展望未来 ，数据剖析将在企业谋划管理中更多的领域中施展更大的作用。在经济领域 ，数据剖析不但能够在煤炭、钢材、石油、电力等简单要素商品市场危害展望与管理方面施展作用 ，还会在多种相关要素联动危害剖析方面施展作用 ，例如用电量对经济活跃度的展望剖析等 ，也将使克强指数等经济剖析工具的准确性和适用性获得改善 ，为企业的战略危害管理提供决议参考。
　　但数据剖析也面临许多应用的局限性。例如 ，企业的信息化基础。大数据剖析主要应用于管理信息化应用与生长较为成熟的领域。若是管理信息化基础薄弱、有用数据缺乏或数据获取、处置惩罚的手艺有限 ，都将使数据剖析的应用受到限制。因而 ，面临信息手艺革命带来的机缘与挑战 ，企业要快速推广管理信息化 ，提高数据信息的剖析手艺 ，使危害管理更为细腻化 ，推动企业管理的周全提升。（此文主要内容选编自杨智勤的博士后研究事情报告)




网站地图