张 军

(苏州市职业大学，江苏 苏州 215104)

大数据时代，数据技术不断进步，利用数据技术对企业进行监管日趋成熟，有效预防了企业各种违规行为，降低了相关者的各类损失。 基于大数据技术创建实时预警机制，能够大力提高监管效果，在违规行为发生之前预先给出警示，监管单位能够及时布置、安排应对工作，从而防范和制止违规行为的发生，进而将经济损失降到最低。 预警机制是一个系统工程，包括机构、制度、网络、举措等主要内容，基于大数据技术的预警机制能够快速有效衔接预警工作的各个环节，并在大量数据分析的基础上准确给出结论及预防建议，为社会信用体系建设助力。 可见，大数据时代背景下，研究基于大数据技术的企业信用预警机制极具意义。

一、大数据技术对信用预警机制产生的影响

随着现代信息技术的迅速发展，企业网络信用违规行为层出不穷，为防范企业信用违规行为的不断扩大，需要利用新技术归集企业在各种环境下的业务行为，并进行全过程实时分析，不断提高信用预警的精准度。 大数据技术的运用，能够有效弥补信用预警机制的短板，将信用预警变得更加高效、精确。

(一)全面性

大数据技术是在全面取数的前提下开展的计算分析，能够有效规避片面取数造成的分析偏差，将事项的来龙去脉清晰展现，提高信用预警的精确度。 例如:某公司开具发票是否有相应款项入账，业务数据是否符合公司业务经营范围，是否存在长期零申报情况，公司是否按期交社保等。 这些相关数据都可以作为信用预警的依据，为相关方有效防范信用风险助力。

(二)及时性

及时反馈是预警机制中重要的技术点，将发现的问题超前反馈到相关方，使得相关部门提前做好防范与改进措施，才能有效规避信用风险，从而降低企业信用问题产生的损失。 预警机制最主要的作用在于处理突发事件造成的损失，不及时应对突发事件，问题很可能蔓延，造成无法挽回的损失，甚至对企业生存产生威胁。 大数据时代交易形式的多变性及市场的多样性，很难通过以往的信用管理手段进行全方位管理，需要通过大数据技术全面收集相关方数据，并根据信用模型给出风险评估报告。 面对紧急突发性事件，企业相关部门可以立刻根据报告结论采取措施，不需要经过请示领导等待批复等环节，能将预警机制真正落实到位。

(三)可行性

任何反馈机制的方案都需要注意具体实施时的可操作性。 当发生风险时，需要预警机制给出一系列建议方案，而不仅仅是一个结论或者一些数据分析文件。 大数据时代，构建信用预警机制需要尤其注重细节控制的可行性，一旦突发非程序性事件，也能一步步指导企业化危为安。

(四)创新性

大数据时代，随着互联网应用范围的不断扩大，随之而来可能出现各种复杂的问题，基于大数据技术的预警机制需要根据不断变化的情况予以应对，时刻与时俱进，不断创新，为企业的信用管理提供服务。

二、目前企业信用预警存在的问题

随着社会信用体系建设的不断深入，目前大多数企业都将信用管理列入企业重要的工作内容，也深刻意识到信用预警对于企业发展的重要意义。 但企业目前信用预警工作的开展方式、实施过程、实施效率还有待进一步完善和提高。

(一)信用预警方式落后

很多企业信用预警还停留在通过财务人员分析Excel 数据的方式上，这种预警起不到预警机制应有的效果，甚至可能会影响企业信用工作的深入开展。 此方式预警效果低下的主要原因在于Excel 表格间数据分散，很难与所要分析内容紧密联系，再加上财务人员分析能力良莠不齐，预警很难达到预期效果。 课题组调研显示，信息化发展较先进的企业，信用预警能够与企业信息系统对接，便捷地获得企业内部数据，具有一定的预警分析能力。 但仅仅与企业内部信息系统对接，无法适应大数据时代大数据分析的要求。 该时代下，信用预警机制需要采用灵活的预警方式，针对不同的取数路径依次分析并综合各种预警方式的分析结论，最终出具可行性报告。

(二)信用预警影响力不足

课题组调研显示，很多企业缺乏信用预警意识，对自身信用情况变动风险敏感性较低。 一方面现有预警机制给出的结果对于企业影响程度甚微，另一方面预警活动支出成本大于企业信用损失，致使企业管理者对信用预警建设重视程度不足，无法达到信用预警本该在企业达到的效果。 另外，企业在信用预警发出警报后，往往还是采取汇报、开会商讨的一般事项处理流程，严重影响了信用预警的执行效率与执行效果，忽视了预警只有及时处理才能最大限度地降低企业信用风险，规避企业信用损失。 企业信用工作需要各部门的共同配合，只有不断扩大企业信用预警在各部门的影响力，才能提高信用工作的配合度和信用预警的实施效率，大力提升信用工作为企业带来的效益。

(三)信用预警机制不健全

健全的企业信用风险预警机制包括规范的信用预警工作流程、精确的信用风险预警模型、完善的信用预警评估体系以及紧跟时代要求不断创新改进的理念。 目前企业在这四方面做的都还存在不足，信用预警工作大多集中在会计部门或独立的信用管理部门，这种信用预警工作流程无法适应大数据时代的要求。 大数据时代，信用工作需要贯穿于企业各部门的工作中，风险防控需要企业各部门迅速反应、及时防控，仅仅由个别部门开展工作无法达到预期效果。 信用预警的成效还取决于不断完善信用风险预警模型、不断完善信用预警评估体系，模型的精确是信用预警结论可行的保障，合理的信用评估体系是促进预警机制改进的催化剂。 大数据时代，社会迅速发展，信息量剧增，企业需要紧跟时代要求不断完善信用预警机制，完善数据库模型与数据对接流程，以适应大数据时代对企业的需求。

三、基于大数据技术企业信用预警机制的构建思路

利用大数据技术构建企业信用预警机制，需要结合企业自身特点与大数据时代对企业的需求，发挥大数据技术对企业的积极影响。 同时将企业信用预警机制与政府相关部门、第三方信用服务机构、社会公众平台对接，将企业信用信息应用于更广泛的领域。

(一)基于大数据技术构建企业信用预警机制的方法

1.定量动态预警模型

基于大数据技术，构建定量动态预警模型。 该模型根据企业的现状及各数据接口取数情况，及时调整模型中的数据量取值范围与数据精确要求。 旨在对企业信用信息不断深入挖掘、探索，提高数据范围的适应性与数据取数的精确度，使预警的结果更具客观性和可行性。

2.打卡更新预警模型

信息更新及时是大数据时代预警模型有效预警的前提，预警模型的取数有效性很大程度取决于取数时效。 因此，大数据时代的企业信用预警模型需要采用各数据接口打卡更新模式，将更新时点进行有效记录与管控，提高数据更新效率。

3.预警模型相关性

基于大数据技术将收集的信息不断进行深入挖掘，构建适用于不同环境的信用预警模型，并对各模型进行相关性分析，降低模型间的评价指标冗余，有效组建对应场景的模型组库，提升模型的实用性。

4.确定测试基准和评价标准

基于大数据技术的企业信用预警模型需要明确测试基准和评价标准，通过测试及评价逐步优化模型，有效保障企业信用预警模型的效率、效果。 选择一系列有一定代表性的任务对应的数据集，作为信用预警测试基准的数据集。 模型测试基准包括代表性的数据集、基准模型、用户需求等。 模型评价标准包括精确率、召回率、F 值、AUC 值(ROC 曲线)等。 通过这些评价标准来对比不同模型的表现，从而了解模型的泛化能力，判别模型的执行效果，并通过指标评价结论助推模型不断优化。

(二)基于大数据技术构建企业信用预警机制的流程

1.建设共享云平台

建设共享云平台是扩大企业信用预警机制应用服务范围的有效手段。 信息共享一方面帮助平台有效进行快速信用信息收集，另一方面能够快速实现跨部门、跨行业、跨地域企业信用信息的联通。 因此，构建共享云平台是基于大数据技术构建企业信用预警机制的重要工作内容。

2.大数据企业信用预警平台的关键层次架构

大数据企业信用预警系统关键层次架构主要分为数据管理层、处理层、分析层、集成层和表示层，每一层框架基于共享经济下的云计算模式，都具有各自功能，能有效实现大数据时代的企业信用预警机制目标。

(1)数据管理层。 数据管理层是企业信用预警机制运行的前提，功能是采取分层调度方式访问数据库，查询、插入、更新与企业有关的信用信息，实现分类型读取数据和传递数据，管理不同类型的计算工作负载，从而可获取更高的资源利用率和调度效率。 数据类型包括企业基本信息、企业交易信息、第三方机构测评信息、公众反馈信息、企业关联方信息等。

(2)数据处理层。 数据处理层主要功能是对基础数据进行转换、清理、重组、计算等，经过处理后的基础数据才是数据分析与数据挖掘的数据源。 数据处理层为不同种类的计算提供运行环境，是平台有效实施的保障。 按照采用的模型及延迟的处理不同，计算框架类型可分为批处理式、迭代式、流式、交互式、实时系统式。 企业信用预警机制的成效取决于系统数据计算能力，企业信用预警平台的健康发展需要高效的数据处理技术。

(3)数据分析层。 大数据分析层拥有非常丰富的库，可支持常见的数据挖掘和机器学习算法。 分析层是将数据处理层的数据进行更深层次的挖掘和分析。 数据挖掘的主要作用在于将看似无序的数据进行筛选与排列组合，找出其中的规律，并分析未来发展趋势，从而起到预警分析的作用。可见，数据分析层是整个平台中最核心的运行部分，是信用预警机制长效实施的重要环节。

(4)数据集成层。 基于大数据技术的数据集成层将统计、运算和绘图处理形式相融合，以协助高效地摄取和输出大数据系统之间的数据，提供全方位分析数据在企业业务环节的信用把控。 当集成数据风险值超过预设值时出具分析结论及建议报告，并将该报告参考字段值设置有选择地传递到数据表示层。

(5)数据表示层。 数据表示层主要功能是实现用户界面功能，将用户的需求进行传达和反馈。 数据表示层向上为应用层服务，向下接收来自数据集成层的信息。 大数据企业信用预警平台将数据集成层数据传递给企业、相关主管部门、第三方机构以及社会公众，各相关方根据反馈报告，决定是否对企业的信用活动作出及时的干预。

3.链式工作流程

链式工作流程是基于大数据技术构建企业信用预警机制的关键环节，企业信用预警机制需要在企业内部形成一条完整的工作链，建立统一的风险管控模型与预警标准，通过大数据技术将信息进行收集、整理、筛选、计算，构成企业信用预警工作链，有效进行信用数据的实时发布、公示、应用等。

信用预警机制的链式工作流程是一个闭环的回路(图1)，各个工作节点基于大数据技术处理信用数据，再通过信用预警共享云平台将数据与业务部门对接并及时更新反馈，保证信用预警平台数据的有效性与预警报告结果的准确性。

图1 基于大数据技术企业信用预警机制链式工作流程

基于大数据技术构建企业信用预警平台不能仅仅依靠个别企业自行开发、实施，个别企业开发的平台很难对接各个数据接口，取数必然有限，无法形成规模，无法满足大数据时代的企业信用信息预警需求。 因此，企业信用预警平台需要各方共同努力，实现跨部门、跨行业、跨地域企业信用信息的联通。