ВЫБОР МОДЕЛИ БИЗНЕС-АНАЛИТИКИ ДЛЯ УПРАВЛЕНИЯ РИСКАМИ С ИСПОЛЬЗОВАНИЕМ ФИНАНСОВЫХ И НЕФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ

CHOOSING A BUSINESS INTELLIGENCE MODEL FOR RISK MANAGEMENT USING FINANCIAL AND NON-FINANCIAL INDICATORS

Rysin Roman

Student, Department of Innovation and Integration Quality Systems, St. Ptetersburg State University of Aerospace Instrumentation,

Russia, St. Petersburg

АННОТАЦИЯ

В данном исследовании рассматривается использование финансовых и нефинансовых показателей в процессе управления рисками с помощью методов бизнес-аналитики (БА) и интеллектуального анализа данных. Основное внимание уделяется выбору ключевых показателей риска (КПР) для оценки эффективности и контроля рисков. Путем сравнения генетических алгоритмов (ГА) и автоматического определения взаимодействия по методу Хи-квадрат (ХИ-КВ.) было установлено, что ХИ-КВ. более точен в отношении нефинансовых показателей и предоставляет дорожные карты для повышения эффективности управления рисками. В исследовании используется комплексный подход для количественной оценки и стандартизации информации из годовых отчетов с целью обобщения данных для нефинансовых показателей. Были рассмотрены четыре различных типа рисков, определенных в рамках системы управления. Используя ХИ-КВ. в качестве основного метода, были определены пороговые значения и дорожные карты КПР. В этом исследовании был рассмотрен интегрированный метод управления рисками в малых и средних предприятиях (МСП), с использованием финансовых и нефинансовых данных, стандартизированных с помощью подхода БА.

ABSTRACT

This study examines the use of financial and non-financial indicators in the risk management process using business intelligence (BI) and data mining methods. The main focus is on the selection of key risk indicators (KPIs) to assess effectiveness and control risks. By comparing genetic algorithms (GA) and automatic determination of interaction using the Chi-square method (CHI-SQ.), it was found that CHI-SQ. It is more accurate in relation to non-financial indicators and provides roadmaps for improving the effectiveness of risk management. The study uses an integrated approach to quantify and standardize information from annual reports in order to summarize data for non-financial indicators. Four different types of risks identified within the management system were considered. Using CHI-SQ. As the main method, the thresholds and roadmaps of the CRC were determined. This study examined an integrated risk management method in small and medium-sized enterprises (SMEs), using financial and non-financial data standardized using the BI approach.

Ключевые слова: Интеллектуальный анализ данных, управление рисками предприятия, бизнес-аналитика, нефинансовые показатели.

Keywords: Data mining, enterprise risk management, business analytics, non-financial indicators.

Управление рисками (УР) - это систематический процесс выявления, анализа бизнес-рисков и реагирования на них. Корпоративное управление может снизить волатильность доходов фирмы, увеличить ее стоимость и снизить вероятность банкротства. Предполагается, что усовершенствованное корпоративное управление может повысить прибыльность при определенных уровнях риска. За последние 20 лет появилось корпоративное управление рисками (КУР), позволяющее управлять всеми рисками в скоординированных стратегических рамках. В то время как существующая литература в основном посвящена управлению предприятиями в крупных компаниях, растущее значение малых и средних предприятий привлекло внимание ученых к управлению предприятиями в этих небольших фирмах. Применение КУР в малых и средних предприятиях является относительно новым и в значительной степени недостаточно изученным. КУР охватывает риски, связанные с опасностями, финансовые, операционные и стратегические, некоторые из которых невозможно адекватно описать, используя только финансовые показатели. Таким образом, для получения более полезной информации необходимо использовать подход бизнес-аналитики (БА). БА поддерживает процесс принятия решений, преобразуя различные типы данных в ценную информацию. Применение УР на малых и средних предприятиях с помощью системы EУР, особенно путем интеграции БА для сбора данных по финансовым и нефинансовым показателям, представляет собой новую инновацию.

Управление рисками определяется как процесс планирования, организации, направления и контроля ресурсов для достижения целей. Международная организация по стандартизации представила руководство по процессу управления рисками, которое включает в себя три основных этапа. На Рисунке 1 показано описание процесса УР в соответствии со стандартом ISO 31000. Во-первых, следует осознать цель УР, которая заключается в определении контекста. На этапе оценки рисков есть три подэтапа. На этапе идентификации риска будет проведено тщательное исследование, чтобы выяснить, что это за риск и как, когда и почему он может возникнуть. Анализ риска является наиболее сложным пунктом на этапе оценки риска. Анализ рисков должен обеспечивать понимание каждого риска, последствий рисков и вероятности наступления последствий. И, наконец, на этапе анализа рисков предлагаются возможные решения и методы улучшения для.

Рисунок 1. Процесс управления рисками по ИСО 31000

Наиболее важным этапом в процессе управления компанией является оценка рисков. На этом этапе следует определить типы рисков, выбрать индикаторы риска, точность прогнозирования и использование моделей. Многие ученые использовали различные классификации рисков, и многие ученые использовали различные типы рисков в аналогичных исследованиях для процесса управления фирмой. Индикаторы риска могут быть как финансовыми, так и нефинансовыми. Как финансовые, так и нефинансовые показатели могут быть интегрированы в одну модель или объединены с моделью в качестве индикаторов риска, при этом данные могут быть отфильтрованы и обработаны с помощью инструментов БА для определения КПР, также показатели могут быть финансовыми или нефинансовыми, в зависимости от проблем, которые необходимо решить. Таким образом, если предприятия четко ставят перед собой цели и определяют требования к рискам, ключевые показатели эффективности и КПР могут быть надлежащим образом использованы в процессе анализа рисков.

В рамках этого исследования была разработана интегрированная модель управления предприятием для малых и средних предприятий с использованием потока КУР, включая БА, который строго соответствовал процедуре управления предприятием, изложенной в стандарте ISO 31000. Выбор ключевых показателей эффективности был связан с этапом определения контекста, в то время как выбор алгоритмов был в основном связан с этапом оценки риска. Для выбора показателей риска на основе ключевых показателей эффективности в данном исследовании использовались генетический алгоритм (ГА), логистическая регрессия и ХИ-КВ. На этапе оценки рисков сравнивалась производительность выбранных алгоритмов на основе прогнозов точности. В качестве дополнительных инструментов для выбора КПР использовались значение переменной и кривая ROC.

Существует несколько методов, которые можно использовать для фильтрации показателей и выявления скрытых закономерностей. Наиболее важной частью этого исследования было определение критерия риска среди всех выбранных показателей риска. В то же время интеграция нефинансовых показателей в модели прогнозирования также была сложной задачей. Годовые отчеты были загружены с помощью программирования на Ruby. В моделировании было использовано в общей сложности 849 записей с 42 финансовыми показателями и 19 нефинансовыми индикаторами. Для выбора КПР значение переменной было рассчитано с помощью Python. На рисунке 2 показан результат выбора коэффициента усиления KRI. Как видно, максимальная точность была достигнута при включении семи показателей. После этого точность проверки не будет увеличиваться по мере включения большего количества показателей. Однако только ГА не может определить, какие именно семь показателей являются основными. Для решения этого вопроса необходимо использовать переменную важность.

Рисунок 2. ROC кривая процесса моделирования

Точность трех методов показана на Рисунке 3. В алгоритмах ХИ-КВ. и LR действительно, добавление нефинансовых показателей в набор данных может повысить точность прогнозирования. Однако для ГА наблюдается обратная ситуация. Точность в финансовой группе выше, чем в двух других группах. Результат использования ГА с полными показателями показывает, что все семь наиболее важных переменных являются финансовыми показателями.

Рисунок 3. Результаты работы моделей

Можно сделать вывод, что точность ГА должно быть больше общего с финансовыми показателями для оценки эффективности деятельности фирмы. Точность перекрестной проверки достигла максимума при использовании трех показателей в ГА с финансовой группой. Однако, простое включение финансовых показателей может не полностью объяснить все риски. Сравнивая ГА с двумя другими методами, можно отметить, что сходство нефинансовых показателей для ГА является наихудшим, в то время как точность всего на 2,57% выше, чем у модели ХИ-КВ. Кроме того, ХИ-КВ. также может предоставлять пороговые значения и информацию о дорожной карте, что может снизить сложность операций. Поэтому метод ХИ-КВ. был выбран в качестве основного метода при выборе КПР.

Список литературы:

1. ГОСТ Р ИСО 31000-2019 «Менеджмент риска. принципы и руководство. » — URL: https://docs.cntd.ru/document/1200170125?ysclid=l8y2frcx9i960909221 (дата обращения: 22.05.2024).
2. Стоунбернер Г., Гогуэн А. Руководство по управлению рисками для систем информационных технологий: Руководство. —Гейтерсбург, 2002. — 39 с.