智慧运营大数据下的电网企业风险管理深化应用

2019-09-24李海群陆煜

商业会计 2019年14期

李海群陆煜

【摘要】文章深入探索以大数据为抓手的电网企业风险管理运行机制的应用，以“精准风控”为目标，以大数据下风险管理框架为指导，从风险管理的难点、焦点问题出发，对大数据方法论、技术、标准、流程等在风险管理领域的融合应用进行可行性研究和重点攻关，为提高电网企业风险量化评估分析、提前预警及精准应对能力提供方法工具。

【关键词】风险管理;大数据;精准风控

【中图分类号】 F275 【文献标识码】 A 【文章编号】 1002-5812（2019）14-0004-04

一、传统风险管理与大数据风险管理的比较

大数据，作为电网企业发展的重要战略资源，也将深刻影响风险管理的变革，為风险管理谋求新的机遇。传统风险管理，过程是断续的，缺乏完整性，风控被看成是规避不利的因素，依靠职能拉动。而大数据下的风险管理，风险通过数据表达，数据依附业务体现，因此整个过程是连续不断的，依靠流程拉动，突出了风险在实现经营目标过程中的重要价值，使得风险管理工作的实质从在业务发展和风险规避之间寻求平衡转变为促进业务保值增值，谋求双赢。详见表1。

二、大数据下风险管理的创新思路

大数据下的电网企业风险管理以“一个目标，两个支撑，三个协同，四大环节”为主线，有效推进风险管理与经营业务的有机融合，全面提升风险管理的应用价值。

一个目标，即从价值链风险防范出发，通过风控的智能化管理，实现“精准风控”的目标，全面提升电网企业风险响应水平和决策辅助能力。

两个支撑是以数据和大数据技术为支撑。数据资源是大数据下风险管理的基础，是电网企业重要的战略资产，是生产管理过程中的基本要素。数据通过共享、交叉复用、有机整合后将产生新的信息，大幅增值，为生产经营提供更精准的服务。而大数据技术则是数据价值开发和释放的关键因素，数据资源的挖掘深度高度依赖于数据分析技术，通过数据分析技术可以将隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律，是大数据下风险管理的硬实力体现。

三个协同是确保全面风险管理委员会、全面风险管理办公室、专业风险管理部门三者在推动风险治理方面的协同。其中，全面风险管理委员会作为电网企业全面风险管理的领导机构，在客观数据支撑的基础上进行风险的科学决策和统筹部署，并定期监督风险应对方案的落实情况。风委会下设全面风险管理办公室，依靠风险量化模型分析风险成因和风险走向，及时向业务部门进行风险提示，并通过模型预测的风险值高低变化动态监控风险的整改情况。电网企业各业务部门负责专业风险防控，在大数据和风险量化技术的支持下及时发现早期风险，尽快完成整改，实现业务流程的不断优化。

四大环节是指通过“风险识别-量化评估-风险应对-监督改进”对风险管理的工作路径进行优化，形成管理闭环，持续提升风险管理的软实力。风险识别环节，通过数据的整合打通部门壁垒，形成以数据为载体的业务链条，并利用数据特征识别重要风险，形成风险特征链。量化评估环节，通过风险量化模型沿风险特征链向前端回溯，可定位其源头成因;向后延展，则可实现风险的预测预警，形成“风险+数据+场景”的全景风险展示，支撑风险管理的全局部署。风险应对环节，针对风险模型的预测结果和风险标签库向风险责任部门进行智能化的风险提示，形成差异化风险应对建议。监督改进环节，通过内控评价和实时监督等方式动态跟踪其改进结果，实现风险管理水平的持续优化。详见图1。

三、大数据下风险管理的创新做法

（一）协同化管控，优化风险识别

1.数据破冰，编织一体化风险网络。以风险为抓手，以业财数据共享为突破点，打造与风险相匹配的业务数据链条，超越部门的界限，从流程的视角治理风险，逐步形成与业务相匹配的一体化风险网络。通过数据的拉通，将识别无形的风险转化成识别有形的、可辨识的数据，为主观的风险管理赋予了客观的数据基础。详见图2。

2.内外融合，深化风险数据链协同。长期以来电网企业积累了大量的内部业务数据，但是对外部数据的关注度不够，不利于电网企业内部运营效率效果的深入分析。大数据打破了传统数据的边界，改变了过去业务分析仅仅依靠电网企业内部业务数据的局面。利用来自互联网和信息机构的各种外部数据，经过转化、装载，与电网企业内部数据进行整合、勾稽，形成多维度风险数据池，加快形成数据智慧集群，推动数据向高端价值跃升。

利用内部数据打通，外部数据融合，电网企业可以构建起以业务链为导向的大数据链条，抹平部门间的数据“鸿沟”，充分发挥数据的“集群优势”，展现业务全貌，给风险管理以扎实的业务“土壤”，实现风险从“局部治理”向“全局统筹”的跨越。详见图3。

（二）价值化转型，量化风险评估

1.特征发现，聚焦数据价值新内涵。将电网企业SG186系统、采集系统、SAP系统，以及外部多渠道收集的数据，进行标准化处理，实现各系统间、系统与外部的数据链贯通，推动各系统搭载的电量、电费、核算等业务模块有机整合。通过技术手段完整还原业务全貌，追踪风险轨迹，寻找数据规律，继而发现风险特征。详见下页图4。

2.决策辅助，培育风险管理新动能。在经济新常态下，推动风险管理与战略决策的协同支撑，实现传统风险管理的转型升级，从“单引擎”驱动向“双引擎”驱动平衡发展，成为拉动业务发展的“一驾马车”。本文从SG186系统中电动车充电桩用户入手，作为电网企业实现电能替代，寻找新的利润增长点的特色亮点，探索以数据为抓手培育风险管理新动能的可能性，即，通过数据挖掘风险，通过风险发现机会，通过机会指导决策，形成“数据客观、风险增值、决策科学”的良性互动。详见图5。

（三）个性化响应，深化风险应对

1.标签管理，创新精准施策新模式。利用大数据建模，将营销数据、用户数据、地理环境数据等进行有机整合。以“标签”的形式，构建多层次、多视角、立体化的电力用户画像，全面刻画用户特征，使营销业务人员能够快速获取用户的基本信息、用电习惯、行为特征、缴费行为等信息，针对不同用户提出不同的响应方案，从而精准发力，推广差异化应对策略，构建更高效的风险防范机制。详见图6、图7。

2.早期预警，打造过程性解决方案。与传统管理“治已病”不同，大数据下的风险管理更注重“治未病”，防风险于未然。通过对历史数据的分析挖掘，刻画电力用户的行为特征，并利用行为惯性，提前预测未来风险发生的可能性，大大前置了风险防控关口，将治理风险本身转化为治理风险发生的过程，不仅为风控预留了足够的响应时间，也为风控与业务流程的融合提供了一种新的思路，从“被动”提示向“主动”预警转变。详见下页图8。

（四）智能化应用，强化风险监督

1.技术进步，升级大数据硬件支撑。本文对风险量化模型进行了进一步的升级，在传统逻辑回归模型的基础上，利用机器学习技术提升风险量化水平和风险预测能力。相较传统依赖于硬件代码和事先人为定义的规则搭建风险量化模型，机器学习可以“数据自学习，规律自寻找，特征自识别，风险自预测，模型自成长”，实现从“单模型”向“多模型”的跨越，初步显现了人工智能的特征。详见下页图9。

2.規则重构，提高风险多维度监督。机器学习的使用以及大数据处理模型的优化，大幅提升了电网企业对风险实时监督的效率及效果。传统实时监督规则主要依赖于人为设置的阈值和指标，这种做法在实际应对外部环境及用电行为变化时，由于预设的数值无法及时修改，灵活性较差，且存在一定的滞后性。而利用机器学习模型的自我学习和自我成长特性，则可在没有人为干预的情况下，自发寻找风险的实时监督规则，并且根据反馈的结果不断动态优化自己的模型表达，保证监督规则的持续完善，使监督规则“活了起来”。

四、大数据下风险管理的实践效果

通过大数据下的风险管理实践，电网企业进一步推动风险和业务的融合，突出风险管理在经营活动中决策辅助和业务提升的作用。借助大数据技术，风险管理不再是一项单独的活动，而是从价值角度对前台业务进行量化的事前预测预警，并把这些重要的信息反馈到风险的主责部门，从而为其行动提供参考，扮演了策略咨询专家的角色。

（一）着力传统风控动能升级，创造新型风控管理价值

在以对风险纠偏，满足合规要求为目标的传统风控方面，利用大数据技术可以快速、高效、实时、全量、多样化地定位流程中的风险漏洞，发现数据的逻辑错误，提升风控效率效果，实现合规升级，为业务全力守住风险红线。

（二）突破关键风险孤立防范，提升一体化抗风险能力

大数据下风险管理的视野超越了传统的风险管理范畴，避免因“部门墙”导致的信息孤岛，使各部门形成统一的控制目标和行动计划，协调和整合各部门的风险管理职能，实现在全电网企业范围内有效分配和管理风险。

（三）借助数据特征标签管理，个性定制风控应对方案

利用标签技术对风险进行细分，形成差异化的风险应对方案，避免“一刀切”粗放式的风险治理方式，真正实现风险的“精益”管理。

（四）融合技术体系硬件创新，实现风控管理模式变革

通过近些年大数据下风险管理项目的实战积累，电网企业引入数据治理、分析模型、机器学习，在大数据技术方面和管理模式方面，均实现了重大突破，为风险管理的创新发展提供了新的机遇和思路。J

【主要参考文献】

[1] 马淼，温素彬.基于大数据的电信企业风险管理及应用[J].会计之友，2017，（22）.