• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      數據治理視角下的企業(yè)數智化內控的困境與破局

      2023-05-20 02:05:46喻春妍
      管理學家 2023年9期
      關鍵詞:數據治理風險管理

      喻春妍

      [摘 要]在數字經濟的大背景下,企業(yè)如何學會使用數據資源、充分發(fā)掘數據背后的價值成為企業(yè)核心競爭力的重要來源。同時,通過對數據進行有效的風險管控,也將不斷促進企業(yè)核心競爭力的提升。完善企業(yè)的數據治理體系有利于提高數據價值、實現(xiàn)數據驅動發(fā)展、強化內部風險管控能力。文章將結合數智化內控建設過程中數據治理的必要性,研究實現(xiàn)企業(yè)內控數智化涉及的數據治理困境,同時給出幾點策略,旨在幫助企業(yè)認識數據治理在數智化內控中的意義及可實踐的方式方法。

      [關鍵詞]數據治理;數智化內控;風險管理

      中圖分類號:F272;TP311 文獻標識碼:A 文章編號:1674-1722(2023)09-0049-03

      隨著人工智能在財務領域的興起,數智時代成為我國企業(yè)管理轉型的歷史背景,大量企業(yè)開始嘗試數字化轉型,內部控制也逐步從傳統(tǒng)的制度建設向數字化方向升級。在人工智能和數字化浪潮的推動下,無論是外部機構還是企業(yè)內部管理,越來越強調事中甚至事前的風險防控。企業(yè)內控的本質是在滿足業(yè)務發(fā)展要求的前提下,從數據和既定規(guī)則出發(fā),實現(xiàn)跨部門、跨崗位、跨系統(tǒng)的數據交叉比較和校驗,通過預先設置好的風險預警模型,及時發(fā)現(xiàn)并應對影響業(yè)務健康發(fā)展的風險。

      數據的質量、準確性和及時性是風險管理數字化、智能化的基石,流程驅動、源頭治理是解決“數據孤島”問題的核心。未來企業(yè)內控價值的發(fā)揮將基于結構化字段的及時分析、交互比較和深度挖掘,因此,為有效實現(xiàn)數智化內控,企業(yè)的數據治理工作成為當務之急[1]。

      (一)助推企業(yè)提高經營管理水平

      隨著外部環(huán)境的不確定性增加,企業(yè)為實現(xiàn)高質量發(fā)展,其識別風險、預警風險和應對風險的水平成為最重要的衡量因素。風險的有效防范,不是簡單地建立信息系統(tǒng)。數據治理的底層邏輯,需要企業(yè)充分結合業(yè)務發(fā)展情況,基于管理的要求建立需要予以重點識別的風險模型,將其深入數據產生的源頭,并實施動態(tài)評估與監(jiān)測風險。同時,又可以通過分析產生風險的深層次原因,審視風險模型的合理性,以更及時、更精準地管理風險。

      (二)有助于驅動企業(yè)的科學決策

      世界已進入數據爆炸的時代,需要的數據類型,包括文本、圖像、音視頻等各種形式來源于企業(yè)的內部信息系統(tǒng),有些則來源于外部的上下游企業(yè)或社交網絡。一方面,各類數據量呈指數級增長,會增加企業(yè)決策時的難度;另一方面,當多源的數據通過一定的組合形成有效的信息時,可以提升企業(yè)決策結果的精準性??茖又频墓局卫斫Y構必然會造成信息的衰減,真正制定決策的人無法準確、及時地獲得決策最需要的分析結果,而是靠人海戰(zhàn)術進行線下收集、分析、整理、匯報,既拉長了企業(yè)決策的時效,又可能造成決策判斷的偏離甚至失誤。

      數據驅動企業(yè)的科學決策成為時代發(fā)展的必然。數據治理能使企業(yè)清楚地認識自己的優(yōu)勢和劣勢,整合內部資源、聯(lián)動外部信息,加快數據的高效流轉,將有利于企業(yè)提高決策的科學性和合理性[2]。

      (三)滿足數據資源流動和共享需要

      大部分企業(yè)已經完成了財務系統(tǒng)、客戶管理系統(tǒng)、采購管理系統(tǒng)、生產管理系統(tǒng)和協(xié)同辦公系統(tǒng)等企業(yè)信息化系統(tǒng)的基礎建設,但由于在設計初期缺乏統(tǒng)一的數據定義和數據分類,因此存在數據不標準、數據不一致、數據完整性差等問題。

      信息技術承包商水平參差不齊,技術路線、開發(fā)平臺各不相同,產生了大量的技術壁壘、“信息孤島”和“數據孤島”現(xiàn)象。數智化內控的基礎就是標準化的數據,經過統(tǒng)一治理后的數據才能被高效地使用。同時,經過治理后的數據也將成為數據跨系統(tǒng)間流動與共享最重要的基礎,因此,推動企業(yè)數智化內控會加快推動企業(yè)突破數據共享和應用困難,推動企業(yè)信息化建設的長遠發(fā)展。

      (四)洞悉目標客戶的需求變化

      內控管理的目標是促進業(yè)務的發(fā)展,幫助管理層更及時地發(fā)現(xiàn)風險、更從容地應對風險。因此,數智化內控需要幫助企業(yè)洞察客戶的需求,找準企業(yè)價值的定位,以便讓企業(yè)能夠向內審視戰(zhàn)略方向是否合理、戰(zhàn)略執(zhí)行是否有偏差,促進經營管理層更多地關注如何精準確定目標市場、如何挖掘潛在顧客及如何深度創(chuàng)造企業(yè)價值。

      (一)對數據與內控關系的認知不充分

      傳統(tǒng)企業(yè)的管理者大多對標準化數據的理解不到位。他們通常認為,信息化已經實現(xiàn)了企業(yè)信息的電子化,即把原來以紙質形式存在的文件、數據、表單電子化,也就不需要再做什么中臺搭建、數據治理。但數據能夠被充分應用的前提是形成結構化的字段。簡單來說,就是劃分得更細致[3]。

      以合同文本為例,原來是紙質的方式存儲合同。在信息化背景下,合同變成了一份Word或PDF形式的電子文檔,但是需要把里面的核心信息形成結構化字段,例如供應商名稱、合同金額、付款條件、合同期限等。這些數據可能在業(yè)務端并沒有這個層級的拆分要求,導致數據細分度不夠,或者由人為手工錄入,導致數據準確性無法保證。

      (二)缺乏符合實際的數據管理體系架構

      其一,數據管理決策層面,由于未設立數據治理委員會等相關決策機構,將不利于數據作為企業(yè)級戰(zhàn)略的建設并對其實施統(tǒng)籌管理以及協(xié)調跨領域、跨職能的相關工作。

      其二,在數據管理制度層面,由于數據管理流程、制度、崗位職責等均嚴重缺失,導致無法有效指導系統(tǒng)建設過程中數據相關工作的落實。

      其三,在數據管理制度層面,數據管理流程、制度、崗位職責等均明顯缺失,無法有效指導體系建設過程對數據相關工作的遵守與實現(xiàn)。

      其四,在數據管理執(zhí)行層面,專職人員缺失、能崗不匹配的問題也較為明顯,數據管理相關人員嚴重不足,難以支撐未來數據管理工作的有效推進。

      其五,在數據治理方法層面,大數據技術出現(xiàn)得較晚,特別是我國在企業(yè)數據治理方面的經驗相對欠缺,再加上數字化轉型成功的企業(yè)并不多,更多的企業(yè)對數字化轉型是持觀望的謹慎態(tài)度。

      (三)未能從風險模型倒推數據治理的要求

      企業(yè)在數智化內控的建設過程中,不能一味地追求數據翔實、報表好看,而是應構建健全的、與業(yè)務發(fā)展相適應的模型風險管理體系和管理制度體系,建立模型信息管理機制,針對數據和模型的全生命周期,進行全面和主動管理,利用量化模型的精確估值能力,準確判斷風險敞口,實現(xiàn)風險的精細化計量;利用量化模型的高效計量統(tǒng)計能力,提高風險信息處理的時效性和頻度,實現(xiàn)及時監(jiān)控和預警風險。以精準的量化指標驅動風險管理手段的升級,有效支持風險發(fā)現(xiàn)分析與決策應用[4]。

      (四)需要技術工具解決內部管理問題

      專項數據治理是一項長期系統(tǒng)性的工程,它是業(yè)務、系統(tǒng)與數據三位一體的整合理念,基于明確的數據治理組織架構和管理程序,保障數據的準確性、及時性與全面性。結合數據治理工作的成果,以業(yè)務應用為驅動、以業(yè)務視角為導向,建立面向各業(yè)務條線的、支持各類專業(yè)風險應用的風險數據集市,為各類風險管理功能的數據需求提供有效的支撐,支持對風險進行有效識別、計量、監(jiān)測預警和控制,也為企業(yè)未來中長期風險管理能力的提升夯實技術和數據基礎。

      (一)系統(tǒng)梳理企業(yè)的關鍵業(yè)務、重點流程、核心數據管理問題

      數據治理需要加強頂層設計,從公司層面通盤考慮業(yè)務板塊、系統(tǒng)架構及其相互關聯(lián),建立明確、清晰的業(yè)務流和數據流。在跨系統(tǒng)數據管理方面,建立主數據管理系統(tǒng),確保上下游系統(tǒng)代碼、信息、指標在源頭上的統(tǒng)一性。

      在跨業(yè)務板塊方面,比如全域的投資項目、風控管理、績效評價、銷售管理、采購管理等業(yè)務,需要建立統(tǒng)一的數據、指標標準,包括明確管理邊界、指標定義、計算邏輯和口徑、評估模型,確保各系統(tǒng)間指標含義的一致性。對于多部門共同維護、使用的系統(tǒng),需要建立系統(tǒng)、數據管理的牽頭部門和統(tǒng)一的數據管理機制,明確數據管理權責,從數據源頭上控制數據質量。

      因此,系統(tǒng)梳理企業(yè)的關鍵業(yè)務、重點流程、核心數據管理問題,明確主數據管理規(guī)則,是解決“數據孤島”問題、實現(xiàn)數據流轉與數據交互的前提。只有從頂層考慮系統(tǒng)平臺的架構設置,在企業(yè)層面從源頭統(tǒng)一客戶、供應商、企業(yè)的內部編碼,規(guī)范業(yè)務流程,才能有效實現(xiàn)數智化內控[5]。

      (二)根據數據管理主要矛盾制定數據治理的規(guī)劃和標準

      數智化內控的本質含義就是在業(yè)務流程、組織結構、管理方法、量化工具及數據之間開展基于平臺建設的協(xié)同整合。

      企業(yè)首先應深度分析目前在數據管理方面的主要問題,針對性構建并持續(xù)完善與發(fā)展戰(zhàn)略相適應的風險防控體系框架,包括可操作的管理制度、健全的組織架構、量化的風險指標體系、專業(yè)的人才隊伍及有效的風險應對機制等,基于可靠的信息技術系統(tǒng)建設、規(guī)范的數據標準、扎實的數據基礎,持續(xù)提高風險管理的能力和效率。如以API方式實現(xiàn)數據的業(yè)務領域內及跨業(yè)務共享,這樣能夠讓數據中心保留所有權,同時在數據中心實現(xiàn)數據使用申請管理、限流、并發(fā)管理、權限校驗、調用統(tǒng)計、質量監(jiān)控等功能,通過這種方式建立清晰的系統(tǒng)間數據交互和數據流轉脈絡,便于數據的“血緣關系”管理及追蹤,實現(xiàn)數據的安全有序流動。通過構建風險數據集市,保證風險數據的準確性、及時性與全面性,以滿足風險管理的需要。

      (三)強化業(yè)務負責人的風險防控意識,從源頭上落實數據入口質量

      數據治理的過程,要重點保證數據的完整性、準確性、一致性和及時性。為保證數據治理的有效性,避免“頭疼醫(yī)頭、腳疼醫(yī)腳”的問題,需要從數據源頭規(guī)范業(yè)務流程,規(guī)范第三方數據采集來源,通過系統(tǒng)控制,減少人工錄入、人工維護和數據修改,建立清晰的系統(tǒng)間數據交互和數據流轉脈絡。從業(yè)務視角開展數據資產全面梳理工作。數據治理工作涉及范圍廣,是長期且見效較慢的工作[6]。

      企業(yè)應基于業(yè)務角度構建完善的數據框架,例如按照研發(fā)、供應鏈及銷售等業(yè)務種類建立科學的數據域,同時依據先進的信息化手段建立數據快速搜索機制,幫助業(yè)務人員更快地了解數據資產的分布,優(yōu)化重點領域的數據質量,通過數據分析挖掘工作賦能業(yè)務的經營及管理,實現(xiàn)數據資產的價值。

      (四)完善公司治理結構、細化管理要求,不斷“刀刃”向內深耕細作

      數智化內控的最終目標是使企業(yè)能夠有效預警風險和應對風險,是企業(yè)在不確定性下穩(wěn)定發(fā)展的核心競爭力。企業(yè)要主動認知風險,積極管控風險,在經營與風險之間找到平衡點。針對風險的管理,不只是建立一些模型、做一個系統(tǒng)或搭建一個平臺,而是要做到風險的閉環(huán)管理,即有效識別風險、精準預警風險、量化評估風險、從容應對風險,同時聯(lián)動考核機制優(yōu)化上述環(huán)節(jié)。

      企業(yè)要審視公司治理結構的合理性,細化各項管理規(guī)定與要求,不斷“刀刃”向內深耕細作,通過固化工作場景、明晰工作思路、沉淀工作經驗,打造以系統(tǒng)、數據驅動的工作流程,實現(xiàn)風險數據的全覆蓋和底層穿透可視化的管理。

      企業(yè)的數智化本質是通過跨部門、跨系統(tǒng)、跨流程的數據匹配關系,及時準確地發(fā)現(xiàn)影響企業(yè)經營管理的風險點。數據治理這項工作的關鍵不只是IT部門的事情,而是需要貫穿到業(yè)務一線,只有從業(yè)務的源頭出發(fā),讓數據按照一定的規(guī)范去儲存和流轉,數智化內控才有可能真正發(fā)揮作用。數據治理的深度延伸和廣度的拓寬,將為企業(yè)提升未來中長期風險管理能力奠定堅實的基礎。

      [1]劉奇燕,張建華,徐路寧.數據治理奠定精益管理基礎[J].中國管理信息化,2015(16):86-87.

      [2]Leo.yuan.從數據規(guī)劃、業(yè)務分析到管理決策的數據治理方案[EB/OL].2016-12-26.

      [3]劉桂鋒,錢錦琳,盧章平.國內外數據治理研究進展:內涵、要素、模型與框架[J].圖書情報工作,2017(21):137-144.

      [4]陽卓霈,董亮.知識型企業(yè)的數據治理之道[J].上海信息化,2016(03):27-29.

      [5]王苗苗.企業(yè)數據治理平臺的設計與實現(xiàn)[D].西安電子科技大學,2021.

      [6]祝守宇,蔡春久.數據治理:工業(yè)企業(yè)數字化轉型之道[M].北京:電子工業(yè)出版社,2020.

      猜你喜歡
      數據治理風險管理
      探討風險管理在呼吸機維護與維修中的應用
      房地產合作開發(fā)項目的風險管理
      商周刊(2018年23期)2018-11-26 01:22:28
      基于本體的企業(yè)運營數據治理
      云端數據治理初探
      運用流程化手段提升資產管理水平
      大數據治理模型與治理成熟度評估研究
      護理風險管理在冠狀動脈介入治療中的應用
      大數據時代城市治理:數據異化與數據治理
      本地化科技翻譯的風險管理
      風險管理在工程建設中的應用
      长乐市| 巴楚县| 东阿县| 资中县| 城市| 杭锦后旗| 揭西县| 漾濞| 靖江市| 全南县| 盐城市| 临邑县| 区。| 玛曲县| 潼关县| 鹤庆县| 普安县| 西乡县| 汶川县| 汝城县| 潮州市| 喀喇沁旗| 科技| 阆中市| 平乡县| 隆昌县| 依兰县| 深泽县| 克拉玛依市| 洞口县| 南丰县| 和静县| 邹城市| 华宁县| 安丘市| 四川省| 丰镇市| 镇江市| 定远县| 名山县| 正蓝旗|