建設數據分析型企業的風險及管控機制設計

【摘 要】 數據要經過有目的性的數據分析才能轉換成為資產。在大數據時代，為防止數據泛濫，提升數據價值，企業必須構建會計大數據分析型企業。但是由于企業大會計數據分析都是建立在網絡有效、可信運行基礎上，必然會產生難于預測的風險。如商業秘密的保護風險、數據質量安全問題、數據人為操縱、數據壟斷等風險。為避免這些風險，企業必須從機制設計的角度提出管控機制：數據收集階段，誰從事業務，誰承擔收集相應業務的數據并保證數據質量；在數據分析階段，誰主張，誰舉證；數據應用階段，誰使用，誰負責。

【關鍵詞】 大數據； 數據分析法； 管控機制

隨著物聯網等信息技術的發展，大數據時代已經來臨。數據要經過有目的性的分析才能轉換成為資產。否則，企業要花費成本收集數據、分析數據與存儲數據。數據分析型企業的本質是建設以事實為依據，數據分析為量化手段進行經營與管理的企業。因此，企業會計大數據分析就是以會計大數據的獲取、存儲、計算與可視化等數據分析的作業流程為主線，確保數據來源和數據質量的可靠性和真實性，數據分析結果的合理性、準確性和有效性。但是由于這個作業流程都是建立在網絡有效、可信運行基礎上，必然會產生難以預測的風險。也就是說，如果建設數據分析型企業過程中沒有處理好商業秘密的保護、數據質量的安全、數據人為操縱、數據壟斷等風險，數據分析型企業建設所具有的優勢將不復存在。正是基于這種認識，分析構建會計大數據分析型企業的核心風險，并對其進行揭露，以及從機制設計的角度提出管控機制。

一、風險揭露：構建會計大數據分析型企業的核心風險

（一）商業秘密與個人隱私暴露在“第三只眼”的風險

由于網絡的虛擬化、無邊界、流動性等特征，數據及其系統面臨較多的安全問題——黑客入侵、惡意代碼攻擊、拒絕服務攻擊、網絡釣魚或敏感信息外泄等。具體的表現：

1.數據或系統被第三方攻擊而不能夠應用，網絡中的病毒、木馬、惡意軟件對公司的數據或系統的監測、攻擊，導致公司的數據或系統不能夠正常運轉與應用。

2.商業機密與個人隱私暴露在“第三只眼”。商業機密是企業的生命線，不能夠被第三方所利用。商業機密與個人隱私的數據在網絡、服務器、存儲、平臺到應用的過程經常被第三方竊取和泄露。特別是公司內部員工惡意利用實體的方式，接觸備份敏感數據，或是利用在系統上的權限，存取第三數據，竊聽重要會議機密，獲取商業機密。

3.商業機密或個人隱私的數據會被別有用心的人“惡意”利用。黑客以及公司的惡意員工等第三方利用病毒、木馬、惡意軟件竊取公司的數據進行惡意使用，以獲取非法商業利益，從而傷害到公司的利益。

4.系統內部自然、人為因素導致數據或系統不能夠正常運作。由于火災、地震等自然因素，或硬件與軟件運行過程的正常與不正常因素，導致數據或系統不能夠正常運作。這就要提高系統的容災備份機制，重要的系統、異地容災備份。建立完善的應急響應機制，提高異常情況和突發事件的應急響應能力。

（二）數據質量問題導致數據的誤用

“與有形產品不同，垃圾的數據只能產生垃圾的信息。”由于在大數據過程中經常出現數據不準確、不完整、不及時等數據質量的問題，因此，在數據分析處理的過程中必須確保大數據的質量，大數據的質量主要有大數據的準確性、完整性、一致性、時效性、可信性、可解釋性等。數據的準確性是指不包含錯誤或存在偏離期望的值；數據的完整性是指數據不缺屬性值，或僅含聚集數據；數據的一致性是指數據之間不存在差異，相互可內洽；數據的時效性是指數據的及時性；數據的可信性是指反映有多少數據是用戶依賴的；數據的可解釋性是指數據是否容易理解。

（三）數據被人為操縱的風險

數據分析的目的是解決企業業務問題、提升業務決策有效性。由于業務的理解因人而異，業務決策的目標也因人而異。數據分析所應用的數據、模型不同、數據分析的結果將也會因人而異。也就是說，數據分析如果不能夠客觀，將會產生被人為操縱的風險。一方面，由于人認知能力的有限性，人對數據的理解、對數據反映業務的理解、數據分析模型的選擇，甚至數據分析結果的理解等各個方面，會導致數據分析被人為無意識所操縱；另一方面，由于人經濟利益的驅動，數據分析必須被經濟利益所操縱。錯誤的前提導致錯誤的結論。”有時由于數據質量不佳而導致錯誤的結果，而大部分是由于誤用了數據分析的結果。曾經擔任英國首相的本杰明·迪斯累里曾經說過，“世上有三種謊言：謊言、可惡的謊言和統計數字。”數據分析在不誠實的人手里有可能被濫用。因此，企業必須杜絕那種自私的操縱統計數據的做法，并增強注重客觀性的企業文化。

（四）數據獨裁的風險

IBM公司在東京的辦事處上有一個標語：“計算機： 迅速 精確 愚蠢；人：緩慢 粗心 聰明。”計算機有許多優點，但它畢竟不能夠取代人。同樣，數據及其數據分析有許多優點，但不能夠走向極端，為數據而數據，為量化而量化。除了由于數據的質量問題，數據分析錯誤或誤導外，數據有可能根本達不到量化的目的。由于對數據的過分執迷，從而導致賦予數據過多的信任。一方面，數據根本不能夠被完全、充分的收集，或者說收集到完全、充分的數據的成本非常大，或耗費的時間非常長。而等到收集到數據早已錯過決策的最佳時間。這也就是“機不可失，時不再來”的道理。數據的分析大多是基于相關性的分析，而不是基于因果關系的分析。卓越的才華并不依賴于數據。雖然由于人類獨有的弱點、錯覺等第一系統的決策需要數據的分析來提升，但是，人類的冒險精神、創造力、直覺和天賦卻是數據分析所不能夠比擬的。因此，數據的分析要與具有遠見卓識的天賦相結合。

二、機制設計：數據分析型企業建設的制度保障

針對上述數據分析過程中所暴露出的風險，可以從人的角度、技術的角度來設計制度，規避風險。這里從人的角度來設計數據分析過程的機制設計。而數據安全等技術制度將在其他文章中詳細討論。

“機制”一詞最早源于希臘文，原指機器的構造和動作原理，后被引入到生物學、醫學、經濟、社會、管理等領域，如經濟機制、管理機制等。機制一般泛指系統內部的有機制約關系及其運行機理。在借鑒Hayek（1945）將不同組織視為信息交流系統基礎上，Hurwicz（1960）把機制視為一個信息交流系統。作為信息交流系統的機制設計，Hurwicz、Eric S.Maskin和Roger B.Myerson開創了經濟機制設計理論①。機制設計理論應用大到對整個經濟制度的一般均衡設計，小到對某個經濟活動的局部均衡設計。至今，機制設計被應用于經濟組織設計、計劃、委托—代理理論、契約理論、規制理論、最優稅制設計和社會選擇理論等。

機制設計的功能與意義可以用簡單的例子來說明。母親給孩子分一個蘋果，也不管母親是如何公正，孩子都會認為，母親所分的蘋果不公正。因為，人的心里因素的作用，每個孩子都會主觀地認為，另外一個孩子所得的蘋果比自己的大。而如果讓一個孩子分蘋果，卻讓另外一個不分蘋果的孩子先拿蘋果。那么，這樣的分蘋果機制，自然就公平了。因此，本項目將吸收機制設計理論，來設計解決數據分析過程中所披露的人為風險。

解決數據分析過程風險的機制設計將遵循成本最低、風險規避最好的原則來設計。具體的機制主要有：在數據收集階段針對控制數據質量風險的機制是“從事業務，誰承擔數據質量”、數據分析階段針對促進數據分析的機制是“誰主張、誰舉證”；在數據應用階段針對數據被人所操縱及數據所濫用的機制是“誰使用，誰負責”。具體如下：

1.數據收集階段：誰從事業務，誰承擔收集相應業務的數據并保證數據質量

數據來源于業務。只有足夠多或豐富的數據，才能夠進行數據分析；只有真實全面的數據，才能進行數據分析；只有可信的數據，才有必要進行數據分析；如何保證企業低成本采集到足夠豐富的數據、數據的真實與可靠機制就是誰從事業務，就承擔收集相應業務分析數據并保證數據質量。因為，只有從事業務的人熟悉該業務的數據，收集起來相對方便，也能夠知道所收集數據的質量。

2.數據分析階段：誰主張，誰舉證

數據分析的目的是使用數據尤其是量化數據來為決策者提供決策所需要的事實或信息。因此，在數據分析階段針對促進數據分析的機制是“誰主張，誰舉證。”

“誰主張，誰舉證”就是說，方案的提議者負責提供事實證據來支持決策。方案提議者負責在形成提案的過程中，從各種渠道收集數據，及時地分析數據和信息，并形成方案的提案。在決策過程中，提議者關心可能的提案及其合理性，需要對提案進行數據分析來提供充分的、及時的信息，并利用這些信息快速驗證各種設想的合理性并對可能的后果作出預估。

3.數據應用階段：誰使用，誰負責

為了防止數據被濫用和數據的二次利用所帶來的商業機密或個人隱私暴露在“第三只眼”等風險，在數據應用階段所設計的機制是“誰使用，誰負責”。

傳統對財產采用“接觸許可”制度可以杜絕財產的濫用和機密的泄露。保護財產的責任在于所有者或財產的擁有者。但是，在信息社會中，數據的收集及首次利用并不能夠知道數據在將來會如何被二次及再次利用，如何利用，用于什么目的等。因此，傳統對數據的“接觸許可”制度已經不適應大數據時代的實際情況。為了防止數據被濫用和數據的二次利用所帶來的商業機密或個人隱私暴露在“第三只眼”等風險，將責任從數據所有者或擁有者轉移到數據使用者上很有意義，也存在充分的理由。因為，只有數據使用者才能比任何人都明白他們想要如何利用數據。數據的使用者是數據二次應用的最大受益者，這就理所當然應該對他們自己的行為負責。

【參考文獻】

[1] [英]Viktor Mayer-Schonberger.大數據時代：生活、工作與思維的大變革[M].浙江人民出版社，2013.