پیش از آن‌که به چیستی مدیریت ریسک و فرآیند تجزیه و تحلیل ریسک پرداخته شود، بهتر است مروری کوتاه به اهمیت و رشد تقاضای حوزه‌های نوین در زمینه فعالیت‌های مرتبط با کسب‌وکارها اگر داشته باشیم.
براساس گزارش مجمع جهانی اقتصاد با موضوع گزارش آینده مشاغل در سال ۲۰۲۰، هفت گروه شغلی پرتقاضا را به شرح زیر دسته‌بندی شده است که مدیریت ریسک و فرآیند تجزیه و تحلیل ریسک و یادگیری ماشین نیز در بین این دسته‌بندی به چشم می‌خورد.
مدیریت ریسک و فرآیند تجزیه و تحلیل ریسک شکلی از هوش جاری است که به عنوان جزئی در محیط مدیریت ریسک عمل می‌کند. لزومی ندارد که این یک راه‌حل دیجیتالی باشد و در واقع، کسب‌وکارها سال‌هاست که با استفاده از روش‌های دستی یا نیمه‌خودکار، ریسک را تجزیه‌وتحلیل و ارزیابی می‌کنند. با وجود این، محبوبیت تجزیه‌وتحلیل ریسک به دلیل افزایش علاقه مبنی‌بر استفاده از آن در میان متخصصان مدیریت ریسک، به عنوان یک جایگاه توسعه‌ای در حال افزایش است.
مدیریت ریسک و فرآیند تجزیه و تحلیل ریسک دیجیتال به عنوان یک رشته، روشی را که مدیران ریسک سناریوهای بالقوه خود را ارزیابی می‌کنند و رویدادهای پرریسک را پیش‌بینی می‌کنند، تغییر داده و بسیار بهبود یافته است. این نیاز، اتکا به شهود انسانی را به حداقل می‌رساند، امکان ارزیابی ریسک در سطح شرکت‌ها را فراهم می‌کند و افزایش دقت مدیریت برای توجه بهتر به حوزه‌های مختلف ریسک را، از قبیل شناخت، پیشگیری و گزارشگری امکان‌پذیر می‌کند، چیزی که تا همین چند وقت پیش غیرقابل‌تصور بود.
ترس از مدیریت تجزیه و تحلیل ریسک در نبود شناخت کافی از رویه صحیح آن
مدیریت ریسک و فرآیند تجزیه و تحلیل ریسک مفهومی جدید نیست، برای سال‌ها این مسئولیت اصلی (۱)C-suite (۱) بوده است. بااین‌حال، آنچه جدید است، آگاهی و شناخت به‌روز از اهمیت مدیریت تجزیه‌وتحلیل ریسک است. محیط‌های نظارتی و اقتصادی چالش‌برانگیزتر شده‌اند و عناوین اخبار مملو از نمونه‌هایی هستند از آنچه برای سازمان‌ها و شرکت‌ها اتفاق می‌افتد که ریسک‌ها به اندازه کافی مدیریت نمی‌شوند. در نتیجه، ریسک دوباره در رأس دستور کار تیم‌های اجرایی قرار گرفته است.
با گسترش و توسعه روابط تجاری بین‌المللی، پیدایش شرایط نوظهوری همچون پاندمی کووید ۱۹ و آثار مرتبط با آن، مدیریت تجزیه‌وتحلیل ریسک به دلیل تعدد وظایف، حوزه‌های اثرگذار، بازخوردگیری‌ها و در نهایت پاسخ‌گویی به ذی‌نفعان می‌تواند حتی چالشی‌تر هم شود.
بسیاری از ریسک‌ها به‌آسانی قابل مشاهده نیستند، که منجر به مدیریت ریسک به طور معمول شوند، بنابراین توسعه استراتژی‌های ریسک مؤثر را دشوار می‌کند. در نتیجه، از ارکان راهبری خواسته می‌شود که از شهود خود با داده‌های تطبیقی پشتیبانی کنند تا عوامل ریسک کلیدی و اهمیت نسبی آن‌ها در اعداد واقعی بهتر درک شوند و ریسک‌های آینده را مدت‌ها قبل از پدیدار شدن به واقعیت شناسایی کنند.
این برای واحدهایی که بر همان رویکردهای قدیمی مدیریت ریسک تکیه می‌کنند، امری دشوار است. جای تعجب نیست که بسیاری از افراد به مدیریت تجزیه‌وتحلیل ریسک روی می‌آورند.
ریسک‌ها نیز مانند راه‌حل‌ها، برای صنایع ناشناس هستند
مدیریت ریسک و فرآیند تجزیه و تحلیل ریسک در هر صنعت ارزشمند است، از داده‌های ساختاری و ساختار نیافته درون‌سازمانی و برون‌سازمانی برای مدل‌سازی سناریوها و نتایج استفاده می‌کند و بینش‌هایی را در زمینه‌هایی مانند موارد زیر ایجاد می‌کند:
* ریسک زنجیره تأمین
* ر یسک سرمایه‌گذاری
* ریسک مالی
*ریسک فناوری اطلاعات
* ریسک حمل و نقل و لجستیک
* ریسک تقلب
* ریسک اعتباری
* ریسک بازار
مثال‌های بالا تنها تعدادی از عناصری هستند که شرکت‌ها و سازمان‌ها می‌توانند با استفاده از مدیریت تجزیه‌وتحلیل ریسک ارزیابی کنند. جمع‌آوری، ذخیره‌سازی و استخراج داده‌های مربوط به تمام رشته‌های ریسک در یک محیط تجاری خاص، مدیران ریسک را قادر می‌سازد تا اطلاعات هدف‌مند را جمع‌آوری کنند، سناریوها را جمع‌بندی کنند و برای آن‌ها آماده شوند. بینش‌های حاصل از راه‌حل‌های متکی به سناریوهای تعریف شده، می‌تواند مزایای فراوانی برای امنیت، تداوم فعالیت‌های عملیاتی و مزیت رقابتی برای سازمان داشته باشد.
یادگیری ماشین چگونه در فعالیت‌های مدیریت تجزیه و تحلیل ریسک اثرگذار است؟
فناوری یادگیری ماشین احتمالاً بزرگ‌ترین تغییردهنده در مجموعه فعالیت‌های مدیریت ریسک و فرآیند تجزیه و تحلیل ریسک است، در درجه اول به دلیل توانایی آن در کاهش خطا در پیش‌بینی احتمال ریسک و شدت آن را می‌توان نام برد.
تحلیلگران دیگر نیازی به تنظیم داده‌های ساختاری انحصاری در برابر قوانین ثابت ندارند، شکلی از معیارهای فراگیر که گاهی اوقات می‌تواند نتیجه‌گیری نادرست ارائه دهد. به عنوان مثال، در مدیریت تجزیه‌وتحلیل ریسک تقلب مرسوم، یک شرکت ممکن است از قوانینی برای علامت‌گذاری معاملات بیش از یک ارزش پولی خاص استفاده کند. در این مورد، بررسی دقیق دستی هر تراکنش پرچم‌گذاری‌شده برای جلوگیری از نشان دادن ارقام مثبت کاذب ضروری است.
هنگامی که یک راه‌حل شناختی، با استفاده از آخرین روش‌های هوش مصنوعی، یک هشدار ریسک ایجاد می‌کند، الزامات تأیید انسانی هنوز وجود دارد. بااین‌حال، ازآنجاکه متخصصان ریسک به طور فزاینده‌ای موارد مثبت کاذب را حذف می‌کنند و الگوریتم‌ها را به‌روز می‌کنند، برنامه‌های عملیاتی‌شده از ورودی‌ها یاد می‌گیرند و در ارزیابی ریسک تقلب دقیق‌تر می‌شوند. به عنوان مثال، این به یکی از قوی‌ترین کاربردهای یادگیری ماشین در بانکداری تبدیل شده است. همین مزایا نه‌تنها در تشخیص تقلب، بلکه در هر سناریو مدیریت ریسک که در آن یادگیری ماشینی اعمال می‌شود، وجود دارد.
دقت بیشتر با توانایی فناوری AI برای پردازش داده‌های بدون ساختار با استفاده از پردازش زبان طبیعی، تجزیه‌وتحلیل متن و تشخیص تصویر همراه است. این همراهی باعث می‌شود نیاز به تجزیه‌وتحلیل مبتنی بر قانون بسیار کمتر برجسته شود و شناسایی ریسک تقریباً در زمان سریع‌تر را ممکن می‌کند.
اخیراً، برنامه‌های کاربردی مدیریت تجزیه‌وتحلیل ریسک شروع به عبور از مرزهای پیش‌بینی‌شده و ورود به قلمروهای عملی‌تر تجزیه‌وتحلیل تجویزی کرده‌اند. پیچیده‌ترین راه‌حل‌ها به مدیران ریسک کمک می‌کند تا بهترین اقدام را برای پیشگیری، دور زدن یا حداقل کاهش آسیب احتمالی ناشی از رویدادهای مخرب و فعالیت‌های مجرمانه
شناسایی کنند.
مزایای تجاری مدیریت تجزیه و تحلیل ریسک مبتنی بر داده چیست؟
مزایای کوتاه‌مدت و بلندمدت ترکیب داده‌های مرتبط با ریسک تاریخی از طریق نرم‌افزار تحلیل پیش‌بینی‌کننده مبتنی بر الگوریتم‌های یادگیری ماشین و مدل‌سازی سناریو شامل موارد زیر است:
* مشاهده تقریباً بی‌درنگ ناهنجاری‌ها و پیش‌بینی‌کننده‌های ریسک برای پشتیبانی از پاسخ‌های سریع به خطرات احتمالی.
* شناسایی سریع مشتریان، تأمین‌کنندگان و شرکای پرریسک.
* افزایش دقت در تعیین کمیت و اولویت‌بندی ریسک.
* جلوگیری از زیان‌ها و بدهی‌های مکرر.
* کاهش در حق بیمه در سراسر عملکرد شرکت.
* استراتژی‌های کاهش ریسک بهبودیافته با بینش‌ها و پیش‌بینی‌های دقیق.
* انعطاف‌پذیری کسب‌وکار بیشتر در برابر رویدادهای غیرقابل‌کنترل، چه طبیعی و چه با منشأ انسانی.
همان‌طور که یک سازمان تجربه خود را با مدیریت تجزیه‌وتحلیل ریسک ایجاد می‌کند و مزایای فوق تحقق می‌یابد، آن‌ها برای حمایت از بهبود در سرمایه و هزینه‌های عملیاتی، کارایی، خدمات و سودآوری ترکیب می‌شوند. همچنین می‌توان در سایر عناصر حیاتی عملکرد کسب‌وکار، مانند شهرت، آگاهی از برند و اعتماد در میان سهامداران، مشتریان و ذی‌نفعان آن را به کار گرفت و از منافع آن
بهره‌مند شد. شناخت این مزایا در حال گسترش است. درحالی‌که تنها ۶ درصد از سازمان‌ها در حال حاضر ادعا می‌کنند که به طور گسترده از مدیریت تجزیه‌وتحلیل ریسک پیشرفته استفاده می‌کنند، انتظار می‌رود که تعداد بیشتری نیز به دنبال شناخت صحیح و استفاده از آن باشند. در واقع، کارشناسان حوزه سلامت و پایداری شرکتی در بازار کسب‌وکار پیش‌بینی می‌کنند طی چند سال آینده شاهد رشد توجهات و بهره‌مندی از مدیریت تجزیه‌وتحلیل ریسک باشیم.
الزام به هوشمندسازی در مواجهه با ریسک‌ها
امروزه، تکنیک‌های تحلیل ریسک، اندازه‌گیری، کمیت و حتی پیش‌بینی ریسک را با اطمینان بیشتری نسبت به قبل ممکن می‌سازد.
این برای سازمان‌هایی که به‌شدت به نظرات ارکان راهبری در سطح واحد تجاری برای نظارت، ارزیابی و گزارش ریسک متکی هستند، بسیار مهم است. حتی برای مدیرانی که شهود درستی دارند، ایجاد دیدگاهی در سطح سازمانی از ریسک که بخش‌های مختلف کسب‌وکار را در بر می‌گیرد، عملاً غیرممکن بود. اینجاست که تجزیه‌وتحلیل برتری دارد. این به ایجاد یک خط پایه برای اندازه‌گیری ریسک در سراسر سازمان با کنار هم قرار دادن بسیاری از رشته‌های ریسک در یک سیستم یکپارچه و ارائه شفافیت به مدیران در شناسایی، مشاهده، درک و مدیریت ریسک کمک می‌کند. اتخاذ یک رویکرد یکپارچه برای مدیریت ریسک جزو کلیدی تبدیل شدن به آنچه ما به عنوان یک شرکت هوشمند ریسک می‌نامیم است؛ رویکردی که در آن هیأت‌های مدیره و مدیران، ملاحظات ریسک را در تصمیم‌گیری استراتژیک ادغام می‌کنند و در آن واحدها و عملکردهای تجاری هوش ریسک را در بسیاری از اقدامات خود ادغام می‌کنند. در پایان پنج سؤال اساسی در خصوص مدیریت تجزیه‌وتحلیل ریسک مطرح و در این خصوص پاسخی کوتاه نیز ارائه می‌شود:
پرسش ۱ . ریسک‌ها چگونه اندازه‌گیری و کمی می‌شود؟
پاسخ - هیچ علم دقیقی برای اندازه‌گیری ریسک وجود ندارد. اما با تجزیه‌وتحلیل، می‌توانید پارامترهای اندازه‌گیری را ایجاد کنید که می‌تواند به شما در ایجاد و بررسی سناریوهای احتمالی ریسک کمک کند. ازآنجاکه درک تأثیر بالقوه یک ریسک آسان‌تر است شروع به برنامه‌ریزی پیرامون آن می‌تواند در جهت کمی‌پذیر کردن ریسک کمک کند.
پرسش۲ . آیا در سال‌های گذشته واحدهای گزارشگری از تجزیه‌وتحلیل استفاده نمی‌کرده است؟ آیا این مدیریت تجزیه‌وتحلیل ریسک چیز جدیدی هست؟
پاسخ- بله، احتمالاً سال‌هاست که از تجزیه‌وتحلیل یا نسخه‌ای از آن استفاده می‌شده است. در بنیادی‌ترین سطح، همین‌طور است. اما وقتی نوبت به سطح پیچیدگی می‌رسد، دنیایی از تفاوت وجود دارد. از لحاظ تاریخی، تجزیه‌وتحلیل مترادف با هوش تجاری دانستن حقایق و گزارش عملکرد گذشته و فعلی بوده است. اما امروزه تجزیه‌وتحلیل ریسک بیشتر بر اکتشاف داده‌ها، تقسیم‌بندی، خوشه‌بندی آماری، مدل‌سازی پیش‌بینی و شبیه‌سازی رویداد و تجزیه‌وتحلیل سناریو متمرکز است.
پرسش۳ . آیا مدیریت تجزیه‌وتحلیل از قبل در عملکرد مدیریت ریسک سازمانی (ERM) تعبیه نشده است؟
پاسخ - داشتن یک تیم اختصاصی ERM ارزش بزرگی است که می‌تواند پایه خوبی برای مدیریت ریسک فراهم کند. اما در بسیاری از شرکت‌ها و سازمان‌ها، ERM اغلب به عنوان یک واحد مستقل عمل می‌کند. این روزها، مدیریت ارشد و ارکان راهبری نه‌تنها نیاز به دید گسترده کسب‌وکارها در مورد ریسک‌های بالقوه استراتژی تجاری خود دارند، بلکه به توانایی استفاده از داده‌های ساختاریافته و بدون ساختار برای درک بهتر تأثیر بالقوه طیف وسیعی از ریسک‌ها نیاز دارند. با تعبیه تجزیه‌وتحلیل در رویکرد تحویل ERM، آن‌ها می‌توانند عملکرد را از طریق تجزیه‌وتحلیل حساسیت ریسک، مدل‌سازی سناریوهای رویدادهای ریسک کلیدی، و در توسعه استراتژی‌های مداخله و کاهش ریسک، هوشمندتر کنند.
پرسش۴. آیا مدیریت تجزیه‌وتحلیل ریسک می‌تواند به صورت‌های مالی و گزارش‌دهی کمک کند؟
پاسخ - هم‌پوشانی طبیعی زیادی بین مدیریت تجزیه‌وتحلیل و گزارش مالی وجود دارد و در نتیجه آن‌ها تمایل به تغذیه یکدیگر دارند. به عنوان مثال، تجزیه‌وتحلیل می‌تواند بینش‌هایی را در مورد ویژگی‌ها و ارسال نوشته‌های مجله ارائه دهد و در نهایت به شناسایی حسابداری نامناسب، نادیده گرفتن کنترل یا فرآیندهای ناکارآمد کمک کند. قوانین و کنترل‌ها تنها حوزه‌هایی نیستند که سود می‌برند.
روش‌های آماری می‌توانند به تعریف یک نمایه تراکنش کمک کنند که طرح‌های ریسک تقلب و کلاهبرداری جدید را شناسایی و درعین‌حال پیگیری‌های ناشی از تشخیص‌های نادرست را محدود کند. وقتی صحبت از افزایش دقت و کیفیت پیش‌بینی‌ها و بهبود مکانیزم‌های گزارش‌دهی به میان می‌آید، تجزیه‌وتحلیل می‌تواند تقویت قابل‌توجهی را ارائه دهد.
پرسش۵ . مدیریت تجزیه‌وتحلیل چه نقشی می‌تواند در برآوردن الزامات نظارتی ایفا کند؟
پاسخ -رگولاتورها همچنان یکپارچگی و به‌موقع بودن داده‌های گزارش‌شده به آن‌ها را زیر سؤال می‌برند. در محیط فعلی، فشارهای بازار برای عملکرد بهتر تعدیل شده با ریسک، یک مورد قوی برای استفاده از تجزیه‌وتحلیل در مدیریت ریسک است. خواسته‌های نظارتی مانند تست استرس، ریسک‌های سیستمی، ریسک‌های زنجیره تأمین و امنیت مواد غذایی و محصولات نیازمند رویکرد تحلیلی است. یک رویکرد تحلیل‌محور می‌تواند برای اندازه‌گیری ویژگی‌های ریسک هر خط کسب‌وکار و محصول، و همچنین تعریف معیارهای رایج برای اندازه‌گیری عملکرد و مشخصات ریسک در سطح سازمانی، تنظیم‌شده با ریسک استفاده شود.
۱. C-suite یا C-level، به طور گسترده مورد استفاده قرار می‌گیرد و مجموعه‌ای از مهم‌ترین مدیران ارشد یک شرکت را توصیف می‌کند. C-suite نام خود را از عناوین مدیران ارشد گرفته است که معمولاً با حرف C شروع می‌شود و به معنای «رئیس» است، مانند مدیر ارشد اجرایی (CEO)، مدیر ارشد مالی (CFO)،
مدیر عملیاتی (COO) و مدیر ارشد اطلاعات (CIO).
- احمد حاتمی -کارشناس بازار سرمایه