建设数据分析型企业的风险及管控机制设计
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在 。正 是 基于 这 种 认识 ， 分 析 构建 会 计 大数 据 分 析型 企
（ 二Ｊ 数据质量 问题导致数据的误用
“ 与有形产 品不 同， 垃圾的数据只能产 生垃圾 的信 息 。” 由于在大数据过 程中经 常出现数据不准确 、 不完 整、 不及 时等数据质量的问题 ， 因此 ， 在数据分析处理的
量化手段进行经营与管理的企业。因此 ， 企业会计大数 “ 恶意” 利用。 黑客 以及公司的恶意员工等第三方利用病
据分析就是 以会计大数据的获取 、 存储、 计算与可视化 毒、 木马、 恶意软件窃取公司的数据进行恶意使用 ， 以获
等数据分析的作业流程为主线 ， 确保数据来源和数据质 取 非法 商 业利 益 ， 从 而伤 害 到公 司 的利 益 。
２ ． 商业机 密与个人隐私暴露在“ 第三只眼” 。商业机 策有效性。由于业务的理解因人而异 ， 业务决策的 目标 密是企业 的生命线 ， 不能够被第三 方所利用。商业机 密 也 因人而异。 数据分析所应用的数据、 模型不 同、 数据分 与个人隐私的数据在网络 、 服务器 、 存储、 平 台到应用的 析 的结果将也会 因人而异 。也就是说 ， 数据分析如果不
表现 ：
指反映有多少数据是用户依赖的 ； 数据的可解释性是指
１ ． 数据或系统被 第三方攻击而不能够应用 。 网络 中 数据是否容易理解。 的病毒、 木马、 恶意软件对公司的数据或系统的监测、 攻 击， 导致公司的数据或系统不能够正常运转与应用。 （ 三） 数据被人为操纵 的风险 数据分析的 目的是解决企业业务问题 、 提升业务决
过 程经 常被 第 三 方窃 取和 泄 露 。 特 别是 公 司 内部 员工 恶 能够客观 ， 将会产生被人 为操纵的风险。 一方面。 由于人
团
● 一
瑚
系 列文章（ ｏ ９ ）
认知能力的有限性 ， 人对数据的理解、 对数据反映业务 有机制约关系及其运行机理。在借鉴 Ｈ ａ ｙ ｅ ｋ【 １ ９ ４ ５ ） 将 的理解 、 数据分析模型的选择 ， 甚至数据分析结果的理 不 同 组织 视 为 信 息 交 流 系统 基 础 上 。 Ｈ ｕ ｒ ｗｉ ｃ ｚ （ １ ９ ６ ０ ） 把 解等各个方面 ，会导致数据分析被人为无意识所操纵 ： 机制视为一个信息交流系统。 作 为信息交流系统 的机制 另一方面 ， 由于人经济利益的驱动 ， 数据分析必须被经 设计 ， Ｈ ｕ ｒ ｗ ｉ ｃ ｚ 、 Ｅ ｒ ｉ ｃ Ｓ ．Ｍ ａ ｓ ｋ ｉ ｎ和 Ｒ ｏ ｇ ｅ ｒ Ｂ ．Ｍ ｙ ｅ ｒ ｓ ｏ ｎ
须构建会计 大数据 分析型企 业。但是 由于企业 大会计 数据分析都是 建立在 网络有效 、 可信运行基础上 ， 必然会 产生难于预
测的风 险。 如商 业秘 密的保护 风险、 数据质量安全 问题 、 数据人为操纵 、 数 据垄断等风险。为避免这 些风 险， 企业必须从 机制
设计 的角度提 出管控机 制 ： 数据收 集阶段 ， 谁从事业务 ， 谁 承担 收集相应业务的数据并保证数据质量 ； 在数据 分析 阶段 ， 谁主 张， 谁举 证 ； 数据应 用阶段 ， 谁使用 ， 谁 负责。
风 险
（ 一） 商业 秘 密与个 人 隐私暴 露在 “ 第 三只 眼 ” 的风 险
由于 网络的虚拟化 、 无边界 、 流动性等特征 ， 数据及 值 ； 数据的完整性是指 数据不缺属性值 ， 或仅含聚集数 其系统面临较多的安全问题——黑客入侵 、 恶意代码攻 据 ； 数据的一致性是指 数据之 间不存在差异 。 相互可 内 击、 拒绝服务攻击 、 网络钓鱼或敏感信息外泄等。 具体的 洽 ； 数据的时效 性是指数据的及时性 ； 数据 的可信性是
物 联 网会 计 问 题 系 列文 章（ ｏ ９）
ＦＲＩ ＥＮＤＳ ＯＦ — ● — — ■ ■ ＿
建设数据 分析 型企业 的风 险及管控机制设计
上 海 大 学管理 学 院 许金 叶 许 琳 【 摘 要】 数据要 经过 有 目的性 的数据分析才能转换成 为资产。 在 大数 据时代 ， 为 防止数据泛滥 ， 提 升数 据价值 ， 企业必
量 的可 靠 性 和 真 实 性 ， 数 据 分 析 结 果 的 合理 性 、 准确 性 ４ ． 系 统 内部 自然 、 人 为 因素 导致 数 据 或 系统 不 能 够
和有效性 。但是 由于这个作业流程都是 建立在 网络 有 正 常运 作 。 由于火 灾 、 地 震等 自然 因素 ， 或 硬件 与 软件 运 效、 可信运行基础上， 必然会产生难 以预测的风险。 也就 行过 程 的正 常 与不 正 常 因素 ， 导致 数 据 或 系统 不能 够 正 是说 ， 如果建设数据分析型企业过程 中没有处理好商业 常运作。 这就要提高系统的容灾备份机制 ， 重要的系统、 秘密的保护、 数据质量 的安全 、 数据人为操纵 、 数据垄断 异地容灾备份。建立完善 的应急 响应机制 ， 提 高异常情 等风险 ，数据分析 型企业 建设所具有 的优势将不复存 况和突发事件的应急响应能力。
【 关键词 】 大数据 ； 数据分析法 ； 管控机 制
随着物联 网等信息技术的发展 ， 大数据时代已经来 意利用实体的方式 ， 接触备份敏感数据 ， 或是利用在 系 临。 数据要经过有 目的性的分析 才能转换成为资产。否 统上的权限 ， 存取第三数据 ， 窃听重要会议机 密， 获取商 则， 企业要花费成本收集数据、 分析数据与存储数据。 数 业 机 密。 据分析型企业的本质是建设 以事实为依据 ， 数据分析为 ３ ． 商业机密或个人隐私的数据会被别有用心的人
业的核心 风险 ， 并对其进行揭露 ， 以及从机制设计 的角 度提 出管控机制。
一
、
风险揭露 ： 构建会计大数据分析型企业的核心 过程中必须确保大数据的质量， 大数据 的质量主要有大 数据的准确性、 完整性、 一致性、 时效性、 可信 性、 可解释 性等。 数据的准确性是指不包含错误或存在偏离期望的
（ 二Ｊ 数据质量 问题导致数据的误用
“ 与有形产 品不 同， 垃圾的数据只能产 生垃圾 的信 息 。” 由于在大数据过 程中经 常出现数据不准确 、 不完 整、 不及 时等数据质量的问题 ， 因此 ， 在数据分析处理的
量化手段进行经营与管理的企业。因此 ， 企业会计大数 “ 恶意” 利用。 黑客 以及公司的恶意员工等第三方利用病
据分析就是 以会计大数据的获取 、 存储、 计算与可视化 毒、 木马、 恶意软件窃取公司的数据进行恶意使用 ， 以获
等数据分析的作业流程为主线 ， 确保数据来源和数据质 取 非法 商 业利 益 ， 从 而伤 害 到公 司 的利 益 。
２ ． 商业机 密与个人隐私暴露在“ 第三只眼” 。商业机 策有效性。由于业务的理解因人而异 ， 业务决策的 目标 密是企业 的生命线 ， 不能够被第三 方所利用。商业机 密 也 因人而异。 数据分析所应用的数据、 模型不 同、 数据分 与个人隐私的数据在网络 、 服务器 、 存储、 平 台到应用的 析 的结果将也会 因人而异 。也就是说 ， 数据分析如果不
表现 ：
指反映有多少数据是用户依赖的 ； 数据的可解释性是指
１ ． 数据或系统被 第三方攻击而不能够应用 。 网络 中 数据是否容易理解。 的病毒、 木马、 恶意软件对公司的数据或系统的监测、 攻 击， 导致公司的数据或系统不能够正常运转与应用。 （ 三） 数据被人为操纵 的风险 数据分析的 目的是解决企业业务问题 、 提升业务决
过 程经 常被 第 三 方窃 取和 泄 露 。 特 别是 公 司 内部 员工 恶 能够客观 ， 将会产生被人 为操纵的风险。 一方面。 由于人
团
● 一
瑚
系 列文章（ ｏ ９ ）
认知能力的有限性 ， 人对数据的理解、 对数据反映业务 有机制约关系及其运行机理。在借鉴 Ｈ ａ ｙ ｅ ｋ【 １ ９ ４ ５ ） 将 的理解 、 数据分析模型的选择 ， 甚至数据分析结果的理 不 同 组织 视 为 信 息 交 流 系统 基 础 上 。 Ｈ ｕ ｒ ｗｉ ｃ ｚ （ １ ９ ６ ０ ） 把 解等各个方面 ，会导致数据分析被人为无意识所操纵 ： 机制视为一个信息交流系统。 作 为信息交流系统 的机制 另一方面 ， 由于人经济利益的驱动 ， 数据分析必须被经 设计 ， Ｈ ｕ ｒ ｗ ｉ ｃ ｚ 、 Ｅ ｒ ｉ ｃ Ｓ ．Ｍ ａ ｓ ｋ ｉ ｎ和 Ｒ ｏ ｇ ｅ ｒ Ｂ ．Ｍ ｙ ｅ ｒ ｓ ｏ ｎ
须构建会计 大数据 分析型企 业。但是 由于企业 大会计 数据分析都是 建立在 网络有效 、 可信运行基础上 ， 必然会 产生难于预
测的风 险。 如商 业秘 密的保护 风险、 数据质量安全 问题 、 数据人为操纵 、 数 据垄断等风险。为避免这 些风 险， 企业必须从 机制
设计 的角度提 出管控机 制 ： 数据收 集阶段 ， 谁从事业务 ， 谁 承担 收集相应业务的数据并保证数据质量 ； 在数据 分析 阶段 ， 谁主 张， 谁举 证 ； 数据应 用阶段 ， 谁使用 ， 谁 负责。
风 险
（ 一） 商业 秘 密与个 人 隐私暴 露在 “ 第 三只 眼 ” 的风 险
由于 网络的虚拟化 、 无边界 、 流动性等特征 ， 数据及 值 ； 数据的完整性是指 数据不缺属性值 ， 或仅含聚集数 其系统面临较多的安全问题——黑客入侵 、 恶意代码攻 据 ； 数据的一致性是指 数据之 间不存在差异 。 相互可 内 击、 拒绝服务攻击 、 网络钓鱼或敏感信息外泄等。 具体的 洽 ； 数据的时效 性是指数据的及时性 ； 数据 的可信性是
物 联 网会 计 问 题 系 列文 章（ ｏ ９）
ＦＲＩ ＥＮＤＳ ＯＦ — ● — — ■ ■ ＿
建设数据 分析 型企业 的风 险及管控机制设计
上 海 大 学管理 学 院 许金 叶 许 琳 【 摘 要】 数据要 经过 有 目的性 的数据分析才能转换成 为资产。 在 大数 据时代 ， 为 防止数据泛滥 ， 提 升数 据价值 ， 企业必
量 的可 靠 性 和 真 实 性 ， 数 据 分 析 结 果 的 合理 性 、 准确 性 ４ ． 系 统 内部 自然 、 人 为 因素 导致 数 据 或 系统 不 能 够
和有效性 。但是 由于这个作业流程都是 建立在 网络 有 正 常运 作 。 由于火 灾 、 地 震等 自然 因素 ， 或 硬件 与 软件 运 效、 可信运行基础上， 必然会产生难 以预测的风险。 也就 行过 程 的正 常 与不 正 常 因素 ， 导致 数 据 或 系统 不能 够 正 是说 ， 如果建设数据分析型企业过程 中没有处理好商业 常运作。 这就要提高系统的容灾备份机制 ， 重要的系统、 秘密的保护、 数据质量 的安全 、 数据人为操纵 、 数据垄断 异地容灾备份。建立完善 的应急 响应机制 ， 提 高异常情 等风险 ，数据分析 型企业 建设所具有 的优势将不复存 况和突发事件的应急响应能力。
【 关键词 】 大数据 ； 数据分析法 ； 管控机 制
随着物联 网等信息技术的发展 ， 大数据时代已经来 意利用实体的方式 ， 接触备份敏感数据 ， 或是利用在 系 临。 数据要经过有 目的性的分析 才能转换成为资产。否 统上的权限 ， 存取第三数据 ， 窃听重要会议机 密， 获取商 则， 企业要花费成本收集数据、 分析数据与存储数据。 数 业 机 密。 据分析型企业的本质是建设 以事实为依据 ， 数据分析为 ３ ． 商业机密或个人隐私的数据会被别有用心的人
业的核心 风险 ， 并对其进行揭露 ， 以及从机制设计 的角 度提 出管控机制。
一
、
风险揭露 ： 构建会计大数据分析型企业的核心 过程中必须确保大数据的质量， 大数据 的质量主要有大 数据的准确性、 完整性、 一致性、 时效性、 可信 性、 可解释 性等。 数据的准确性是指不包含错误或存在偏离期望的