数字经济下企业风险的性质转变与管理策略

何苗 樊子立 张如

【摘要】近年来， 作为一种新出现的经济形态， 数字经济成为推动我国经济高质量发展的重要驱动力。 但是随着新产品、新模式、新业态的不断衍生， 其风险逐步凸显， 企业依靠传统的风险管理手段已难以有效地面对新问题、新局面， 如何完善风险管理机制和提升风险应对能力成为企业在数字化浪潮中实现可持续发展的重要课题。 基于此， 对数字经济背景下企业风险的新特征进行分析， 并对企业风险管理各环节的数字化转型进行探讨， 得出要在风险识别阶段提高数据化风险感知能力、在风险评估阶段构建智慧化标准体系以及在风险应对阶段形成自动化应急机制的结论。

【关键词】数字经济;风险性质;风险管理;传统企业

【中图分类号】 F275     【文献标识码】A      【文章编号】1004-0994（2021）15-0117-7

一、问题的提出

随着大数据、云计算、人工智能、移动互联网为代表的新信息技术的迅速崛起， 新一轮科技革命带领人类社会迈入数字时代， 叠加疫情因素影响， 数字经济成为最具活力、辐射最广的经济形态， 是引领国民经济高质量发展的重要引擎。 《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》提出， 发展数字经济， 推进数字产业化和产业数字化， 推动数字经济和实体经济深度融合， 打造具有国际竞争力的数字产业集群。 在数字经济背景下， 以“大数据+云计算+互联网”或“物联网+移动设备数据端”等基础设施为依托， 通过分析和处理用户个人信息形成数据信息资源， 建立具有共享特征的市场交易秩序。 中国信息通信研究院2021年发布的《中国数字经济发展白皮书》显示， 我国数字经济规模已由2005年的2.6万亿元增加至2020年的39.2万亿元， 即使受到新冠肺炎疫情的影响， 我国数字经济依旧在逆势中加速发展[1] 。

追根溯源， 数字经济最早出现于Tapscott[2] 1996年出版的《数字经济》一书中， 他也被后来的研究者们誉为“数字经济之父”。 他认为， 相较于传统经济模式下信息流通过实体方式呈现， 新经济模式下的信息主要以数字方式呈现。 然而， 他并没有提出一个准确而清晰的概念， 而是常常将术语“数字经济”与“新经济”（强调高增长、低通胀和低失业率）混淆不清。 2000年美国商务部在发布的数字经济报告中提到， 数字经济是在新一轮数字技术革新的基础上建立起来的， 由此衍生出了新的生产方式、新的服务产品以及新的社团模式。 在国内， 数字经济在2007年作为现象级热词、高频词在国内出现。 最具有共识度的数字经济定义来自G20杭州峰会通过的《二十国集团数字经济发展与合作倡议》[3] 。 数字经济被表述为以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。

数字经济成为新时代引领国家发展新动力的同时， 新产品（服务）、新模式、新业态不断涌现并产生了巨大的商业价值。 以大数据、人工智能等新技术和资源为手段和形式的生态产业链， 展现了数字经济及其竞争格局， 贯穿其整个周期的各种市场扩张竞争行为， 在客观上已成为世界主要国家和地区间进行市场经济竞争的主要类型。 就我国具体情况而言， 在数字技术驱动下， 涌现出一大批“智慧+”数字综合民生服务平台， 不断渗透到学习教育、医疗健康、社区管理、生态维护等领域。 以阿里巴巴、腾讯、百度为代表的互联网企业深度融入经济高质量发展实践， 充分利用大数据平台， 以不同方式发挥各自的作用[4] 。 硅谷战略专家杰弗里·莫尔曾说到， “在这个世界中， 信息为王。 从业者拥有的数据越多越活跃， 其分析能力越强， 速度越快则投资回报越高”[5]。  信息为王， 数据为霸， 今天的资产信息比资产本身更值钱， 今天的生产力走向了“无形决定有形”。 中国的人口红利、海量数据以及各种应用场景成为推动数字经济发展的独特优势，也为未来我国在新技术革命中实现“弯道超车”带来巨大的可能性。

二、数字经济下的企业风险

数字经济在蓬勃发展的同时也带来了诸多新风险， 实体企业在追赶数字化变革浪潮的同时要警惕各种风险。 世界经济论坛发布的《2020年全球风险报告》提出， 大规模数据泄露、网络攻击、数据诈骗等数字风险都被列为未来发生可能性最高和影响最大的风险之一。 国际信息系统审计协会发布的《2020年企业风险管理状况报告》中将网络安全列为企业头号风险。 在数字经济的驱动下， 未来实体企业将面对更多未知和更大的风险压力。 第一， 企业生产效率不断提高、边界不断扩张、与客户间的关系也不断被重新定义， 与之相伴的是颠覆式创新不断涌现， 企业优胜劣汰中“快吃慢” “新吃旧”的现象屡屡发生， 打破了过去大小企业和谐共存的竞争态势。 第二， 数字化变革意味着借助云计算、移动互联网等新技术实现“新兴数字技术+实体企业”的深度融合， 代表着通过以数据为基础的算法推测用户喜好生成内容推荐并产生互动， 使得信息传播变得更加个性化、定制化， 但同時也涉及用户的隐私和喜好， 由此引发的法律争议、算法伦理风险和隐性风险变得越来越突出。 此外， 在实体企业的数字化进程中， 由于数字化战略缺失、新技术应用不到位、管控措施薄弱、数字技术对业务支持力度低等引发的各种风险严重影响到企业的发展。 简言之， 在数字经济中， 数字化变革是亮点， 风险防控是重点， 实体企业是主战场。

数字经济背景下企业面临的风险也发生了相应的变化， 传统风险管理模式的局限性开始凸显， 如何变革自身的风险管理机制成为企业在数字化浪潮中实现可持续发展的重要课题。 在传统经济背景下， 风险一般指的是不确定性， 或表述为结果的“变动”与偏差。 风险的构成一般包括风险因素、风险事故、风险损失三部分， 其中： 风险因素是风险引发的原因与条件， 风险事故是风险事件的本身并属于媒介的一种， 风险损失是风险发生后对实体的负面影响。 从企业管理层面来看， 风险主要体现在收益的不确定性和经济价值降低的可能性上。 针对于此， 风险管理相关经典理论试图从多角度入手， 对风险控制与防范以及发生后的负面影响进行研究。 然而， 在数字经济背景下， 相应的风险因素内涵与特征、风险事故的表现形式、风险损失的测量手段是否与传统经济背景下的情况相同或相似， 是否发生了数字化与网络化的转变？ 如果答案是肯定的， 那么这种转变对于企业实体的发展与风险控制是否会产生影响， 具体影响又包括哪些方面？ 在此基础上， 企业应当在风险控制总体与具体环节中进行怎样的变革， 以适应数字经济背景下的风险性质变化及其对企业自身的影响？本文试图通过对企业风险在数字经济环境下的各方面构成要素与相应的应对措施进行分析， 以回应上述问题。

本文的分析内容包括企业风险的性质变化、企业风险管理的策略变化两个部分。 前者是基于数字经济的运行机理及其对企业风险形成逻辑的影响， 从而分析风险的具体变化内容; 后者则是对风险防控手段与策略的变革进行探讨。 总之， 数字经济背景下企业面临的新风险不仅会影响企业自身的风险控制与发展方向， 也会对企业之间的价值链产生冲击， 进而可能影响总体经济发展效率与运行质量。 因此， 探讨数字经济背景下企业风险的性质变化和企业风险管理的策略变化不仅具有较强的现实意义， 也是现阶段理论界的研究难点所在。

三、数字经济下企业风险的性质变化

大数据颠覆了企业传统的思维模式、重构了以往的经营模式， 也改变了传统的企业风险性质。 企业的竞争逐鹿手段已经由传统经济时代的单一价格与质量竞争， 转变为技术较量和标准竞争。 数字经济时代， 技术的变革与应用改变了企业管理的诸多性质， 如传统的边际效用递减转化为递增、层级化转变为扁平化、溢出效应提升等。 这些特征变化的本质在于数字经济的网络技术基础体现出来的梅特卡夫效应， 该效应引发了边际成本递减与外部经济性增强等效果， 凸显了网络技术的新型规模价值。 进一步地， 这种新型规模价值改变了传统实体企业面临的风险体系， 并主要体现在风险种类、风险因素、风险转嫁与风险信息四个方面。

1. 风险种类的复杂化。 传统风险种类可从多个角度来划分， 如按照性质、标的、行为、原因、产生环境等进行归类， 在企业风险管理领域可以按照类似的方法将企业风险划分为金融风险、经济风险、法律风险和政治风险等。 传统风险的分类标准主要根据传统经济发展态势、社会发展现状以及企业技术水平， 然而在数字经济背景下， 原有基础都发生了网络化的转变， 从而引起了新的风险或将原有风险变异、放大， 企业风险变数增多并日益复杂， 传统的风险分类标准已难以奏效。 根据Gartner专门针对CEO的一项研究表明， 77%的CEO认为数字业务将导致新的风险类型与等级。

第一， 数字经济带动产业结构优化升级， 引起总体经济发展态势及经济结构发生较大变化， 增加了经济不确定性。 在传统经济模式下， 企业面临的经济风险主要来源于实体经济活动中的不确定性， 具体是指总体经济发展状况与经济结构、市场需求的变化及资本市场的变化。 在数字经济模式下， 各产业逐渐将数字资源等无形资源加入生产活动中， 使得产业趋向于无形化、数字化， 模糊了一二三产业的边界， 促进了产业间的延伸融合， 进而改变了总体的经济发展态势。 同时， 数字技术、网络信息技术不仅运用于服务业领域， 在第一与第二产业领域中也不断扩张， 优化了劳动力资源配置， 提升了生产效率， 促进了经济增长并使得总体经济结构发生变化。 一方面， 产业边界的消融与经济结构的变化增加了总体经济与市场发展的不确定性， 进而提高了风险发生的概率; 另一方面， 产业结构的融合也改变了风险划分的标准， 使得数字经济背景下企业风险种类呈现复杂化。

第二， 互联网是数字经济发展中的“高速公路”， 网络化使得企业经营活动打破了时间与空间的壁垒， 数据在网络中飞速运转并以近乎实时的速度被采集、处理与运用， 不同国家、不同地区、不同经济实体之间的合作交流越来越频繁。 与此同时， 网络化可能引发新的风险， 例如触发网络的脆弱性、降低组织的稳定性、危害企业间的交流合作等， 企业往往难以应对。 在传统的生态环境下， 基于单一业务活动和部门职责条块化的传统风险管理模型基本能应对企业可能面临的风险; 但在数字经济背景下， 企业在网络化生态环境中发展将面对更多的新生风险， 对于原有风险的管理可能会由于各类新旧风险的累加、扩散、渲染而面临失效的可能。 企业网络化生态环境下的新生风险可分为创新风险、支付风险、快速风险、跨界风险、放大风险、复杂性风险等[6] 。 综上， 本文总结了企业网络化生态环境下的部分风险种类， 具体见表1。

2. 风险因素的虚拟化。 在数字经济模式下， 虚拟经济与实体经济加速融合， 货币的虚拟化和数字资产的兴起使得企业面临风险因素的虚拟化。 一方面， 货币的虚拟化促进了实体经济交易的虚拟化， 人们开始频繁地使用电子货币、线上支付系统; 另一方面， 数字资产不断进入实体经济， 人们不使用实体货币就能消费。 这两种变化使得实体经济日趋虚拟化， 大量资金脱实向虚， 虚拟经济的部分特征如风险性、不稳定性、流动性等在总体经济发展趋势中也得以体现。

具体来看， 一方面， 电子货币通过网络和信息技术完成向现实的转变， 在价值上与黄金分离而变得虚拟化， 在形式上成为单纯的价值象征从而摆脱了传统纸币的实体形式， 在一定程度上使得数据资源代替了物质资源。 货币的虚拟化促使经济交易活动不断虚拟化， 许多经济交易活动摆脱了时间和地点的限制从而可以瞬间完成， 通过网络的供需接触形成对资源配置的要求， 交易成本得以極大地降低。 进一步， 货币的虚拟化加速了金融市场的虚拟化， 依托于互联网的国际金融市场也形成了一个随时随地可调动的统一平台， 全球的资金调拨可在瞬间完成。 另一方面， 虚拟货币“开始”现身， 依托于区块链技术进行加密的数字货币， 如以太坊、比特币等已经成为新的金融市场工具， 在一定程度上推动了虚拟资产的流动和与实体经济的分离。

需要强调的是， 货币虚拟化与虚拟货币并不能混为一谈。 目前货币虚拟化是大趋势， 如微信支付、支付宝等在大众生活中逐渐普及， 是我国加快货币虚拟化进程的体现， 而虚拟货币则是一种不被国家金融机构管控的数字化货币形式。 相较而言， 两者性质也不同， 前者改变的是支付方式， 后者是企图改变货币发行规则的数字货币。 在这些虚拟货币价格如过山车般涨跌的背后， 隐藏着诸多看不见的“手”——政策因素、舆论因素、项目应用价值等， 都会极大地影响价格， 导致投资数字货币的风险远大于传统金融风险。 以比特币为代表的“去中心化”数字支付工具的兴起， 使得网络经济面临着财产犯罪（如盗窃、普通诈骗等）、隐私侵犯（或个人信息侵犯）、金融犯罪（如金融诈骗、市场操纵等）等较大风险， 这无疑扩大了企业可能面临的风险损失。 可以预知， 实体经济的日益虚拟化也将导致企业要承受数字人民币电子支付、金融虚拟化、数字资产的流动性所带来的风险。 数字经济下， 企业经营活动越发依赖于互联网， 许多过程变得虚拟化而脱离控制， 加之一旦某个经营活动出现问题， 互联网会变为“风险加速器”从而将有限的风险放大数倍， 这些都加剧了实体企业的风险压力。

本文针对引发风险的原因与条件提出的风险因素， 是企业进行风险识别、评估、应对的理论基础。 风险因素的虚拟化代表的不仅是风险发生概率的提高与风险损失的扩大， 还代表了数字经济背景下企业风险识别、评估与应对难度的提高。 显然， 在总体层面上， 风险因素的虚拟化与传统监管规范体系之间形成冲突并产生空隙， 监管力量难以完全渗透并覆盖整个网络化风险体系。 同理， 在企业层面上， 单一经济实体的风险防控体系也较难回应经济社会数字化带来的新型风险难题。 一是在风险识别方面， 风险因素的虚拟化使得企业风险防控部门对其进行观测与预警的难度加大; 二是在风险评估方面， 经济交易的虚拟化与网络化加大了企业风险波动程度， 并提高了对其估计的难度; 三是在风险应对方面， 这一系统层面的风险因素需要企业在整体层面自上而下地变革风险防控体系， 该过程会产生较高的成本。 总得来说， 风险因素的虚拟化不仅仅是风险根源与风险条件的改变， 同时也会影响总体风险防控系统， 在各层面、各环节提高企业面临的风险难度与压力。

3. 风险转嫁的群体化。 风险转嫁又称风险转移， 是企业风险应对措施理论体系中应用范围较广的一种有效风险管理手段， 通过将风险及其可能造成的损失以一定的方法全部或部分转移至非本企业的其他实体， 如通过租赁、基金制度、互助保证、订立保险合同、经济合同性风险转嫁等。 传统经济环境下风险转嫁目标与对象一般是特定的， 如在保险性风险转移过程中， 通常风险转移的目标或经济合同中特定的风险承受人是保险公司。 但是数字经济体现出的特征如网络化、碎片化、虚拟化、规模化使得企业转嫁相关风险的过程中可能出现转移对象群体化， 具体分析如下：

（1）互联网的海量用户成为企业风险转嫁的对象。 据《中国互联网发展报告2020》显示， 截至2020年底， 我国网民规模达9.89亿。 从本质上来看， 用户规模不仅是数字经济的基础之一， 也是网络规模化效应的体现。 数字经济是网络经济的核心， 在此背景下， 企业之间通过优势互补和资源共享来实现某个共同的市场目标。 边际收益递增效应在资源共享和企业合作的大背景下得到充分的体现， 产品成本不断降低。 庞大的用户规模形成了我国蓬勃发展的消费市场， 为虚拟经济的发展打下了坚实的用户基础， 也成为企业向线上顾客转移风险的前提。 同时， 数字经济产业的发展影响了消费者传统的消费方式与习惯， 使得消费者越发依赖于以数字技术为基础的在线支付、新零售、平台经济等新业态并开始承担更多的未知風险。

（2）企业转嫁风险的成本较低。 在传统经济环境下， 企业需要一定的成本转移风险以减少资本的不确定损失， 如向保险公司支付保险费。 而在数字经济下， 以ofo小黄车退押金难导致挤兑潮事件为例， 企业占用资金（客户押金形成的资金池）并挪作他用， 在资金难以回潮时就出现了押金难退的情况。 企业将用户押金作为风险转移手段却无需承担转移成本， 这一过程具有杠杆放大效应， 并且诱发了企业的新型道德风险， 从而引发了后续的资金风险、社会风险、法律风险等， 最终使企业自身陷入“困境旋涡”。

（3）对用户规模的监管不力加速了企业风险转嫁的群体化。 用户是数据的衍生器， 是各大商户平台竞争逐鹿和保障流量的基础， 每个用户都是数据的衍生器。 依据我国相关法律规定， 商家收集用户信息必须征得用户的同意。 然而， 现阶段如果用户希望获得APP和网站的服务就必须同意“商家可以使用个人相关隐私数据”这一条款， 否则会被拒绝使用， 这使得本应在数据采集阶段所解决的问题转嫁延伸至数据服务和应用阶段， 乏力的知情同意机制导致的隐患风险令人堪忧， 经营者除了自身使用用户数据还可以通过数据库交易共享来实现数据的扩展。 从某种程度上来说， 企业通过让用户承担信息泄露的风险来转移自身风险， 那么较大的用户规模就意味着较大的风险。 因此， 减少消费者担忧、区分可利用与应保护的信息与数据来减少企业的“可乘之机”， 进一步释放网络消费潜力， 这些对当下的市场监管机制提出了较大的挑战。

4. 风险信息的不对称。 信息不对称本身即为一项十分重要的风险诱发因素， 常见于企业投资、合同交易、并购重组等， 主要因素是市场调节机制的失效和“看不见的手”， 换言之， 经济活动中的各个组成部分对于信息的掌握程度是不同的， 掌握的信息越充分就越有可能居于地位有利的一方。 在数字经济背景下， 风险信息的不对称具体表现在：

（1）技术水平导致的不对称。 区块链、物联网、大数据等技术已经融入企业的生产活动中。 在2020年天猫“双11”当天的交易中， 阿里云大数据平台完成了云原生史上最大规模的大数据算力和实时处理能力， 下属的MaxCompute单日进行批处理计算数据量达1.7EB; 据腾讯2020年第三季度的业绩报告显示， 微信及WeChat存在12.1亿的月活跃用户， QQ智能终端月活跃账户数为6.17亿， 每天产生规模量巨大的数据。 数字技术领先的公司往往处于行业前列， 占据数字技术不对称中的优势位置。 这些大型互联网公司依赖其技术优势积累了大规模的用户数据并对数据进行加工， 挖掘其深层价值并作用于企业产业链。 同时， 数据质量的不对称也是它们具有的重要优势， 通过结构化数据和非结构化数据构成的多维度信息， 帮助它们进行精准用户画像定位和风险管理， 因此增加了企业所面临的信息不对称。

（2）“黑箱”模型算法导致的不对称。 算法虽然优化了市场配给， 却也带来了危害。 从消费者出发， 算法的虚无性就像是“黑箱”， 巧妙地遮盖了算法不公平行为， 如个性化推荐、针对性行为广告或是差别定价， 甚或算法共谋[7] 。 互联网平台长期使用自动化价格算法， 平台允许线上商户使用动态的价格进行市场划分。 商户通过大数据收集用户的使用信息预判消费者的消费心理、消费能力和支付意愿， 根据不同用户实现定制化价格策略， 这种情形在数字经济背景下十分常见， 其属于合理还是违法行为的界线并不清晰。 黑箱模型算法给市场的交易环境带来了不确定性， 在一定程度上增加了消费者和商家交易的不合理性和不公平性， 同时进一步促使消费者走向信息不对称的劣势一端。 从企业角度来看， 在算法被广泛应用的人工智能时代， 如果某算法设计存在一些问题， 产生的错误结果也是海量级的， 事后纠错成本巨大。 由此， “黑箱”模型算法给企业的市场竞争带来不确定风险。

（3）碎片化导致的不对称。 一是信息的碎片化， 随着信息化技术的飞速发展和人们生活方式的变革， 网络带来了信息的碎片化。 虽然人们接触到了更为庞大的信息群， 但内容非常分散， 消费者接收信息的渠道、方式和习惯都逐渐趋向碎片化。 二是社会的碎片化， 传统意义上的市场概念、社会结构和观念都不断地被重新定义——从生活到工作、从交流到消费， 社会的组成不断地被分割。 三是网络社群的碎片化， 互联网打破了时空地域限制， 使得具有相似性需求的个体聚集在一起， 形成了属性鲜明的社交群体， 体现了社交网络的碎片化。 这些碎片特性使得不同群体获得的信息存在差异。

四、智慧型企业风险管理体系的构建

在企业实际风险管理流程中， 数字经济的风险特征与性质都应该在风险管理过程中得以体现， 无论是风险识别、风险评估还是风险应对阶段， 都要考虑企业风险在数字经济背景下的特征变化， 进行风险管理工具的数据化变革， 以应对科技创新带来的负面影响。

1. 风险识别阶段， 提高数据化风险感知能力。 在企业风险管理过程中， 开端与基础就是风险识别， 只有准确地识别出风险的类型与内容， 才能有效分析、分类施策、控制与规避风险。 从概念本质来看， 风险识别又可判定为风险感知， 即利用各类方法精准地、系统地对风险进行判定， 并为后期的风险分析与管理决策服务。 在传统经济背景下， 一般采用流程图法、风险列举法、分解分析法、环境分析法等常见的风险识别与感知工具进行分析。 然而， 在数字经济背景下， 网络化与数据化的技术因素导致风险种类的复杂化与风险因素的虚拟化， 以传统风险类别为基础的风险感知系统及方法在理论上已无法完全适用于新经济环境下的风险识别目标。 基于此， 完善路径应当是构建出能够识别近乎所有可能发生的风险的实时风险因素观测系统。

2. 风险评估阶段， 构建智慧化标准体系。 风险评估是对风险识别因素的定量分析， 属于风险管理的基础之一， 包括企业价值、风险概率、损失量化等内容。 由于数字经济的风险性质发生变化， 原本适用于传统经济环境中的内部控制法、风险因素分析法等手段在数字经济环境中并不一定适用。

风险因素的虚拟化提升了对其进行识别分析的难度。 以风险因素分析法为例， 在内外部环境发生变化的情况下， 对传统风险因素的分析与判断是显而易見的， 无论是风险等级还是报表粉饰等风险因素都会在财务报表中体现， 都有较为直观的数据、科学与固定的标准予以参考; 而在风险因素逐渐虚拟化的情况下， 传统数据的代表性开始降低， 相应的标准体系也开始模糊化。 如在ofo小黄车事件中， 用户押金在财务上被记入“其他应付款”科目， 本质上属于负债， 但一方面这一负债与充值的账务处理——“预收账款”之间界限不清， 另一方面普通负债在内部控制环节受到的关注度一般不如收入等项目高。

网络环境与数据环境下的规模效应更大且容易被忽略。 如若干小金额的负债在传统审计与内部控制流程中一般不会被重视， 甚至不会被认定为风险; 而在规模逐渐提高的情况下加之梅特卡夫效应的影响， 任何小规模的负债、收入或经济对象的集聚效应都有可能引发较大风险。 上述两方面从本质上是标准体系与规范体系（企业内部）和风险因素体系变化之间未形成有效衔接引起的。 仍以ofo小黄车押金事件为例， 在不考虑主观恶意的情况上， 企业资金链断裂并引发严重财务危机与社会挤兑潮的本质原因即为社会或企业自身对于单一小金额的押金没有引起重视、内部控制与风险评估标准体系较为滞后。 基于此， 企业应当变革评估标准体系， 从标准体系的重构与思维的转变出发， 实现更为全面、充分的智慧化评估。 具体实践中， 智慧化标准体系的构建可从以下四个方面实现：

（1）构建有效的风险指标体系。 该指标体系所选取的指标与因素应当充分考虑风险类型， 如根据财务风险、法律风险、经营风险、技术风险进行类型化处理， 再依次从中筛选指标， 包括： 偿债能力指标、运营能力指标、盈利能力指标等; 诉讼比率、或有资产及负债等法律指标; 技术研发成功率与达成率、产品交验合格率、技术开发投诉率等技术指标。 并根据企业性质、经营范围、历史数据等设置不同指标的权重并进行整体加权平均， 通过将平均结果与预警数据进行比较， 即可识别与评估风险。

（2）完善知识管理和内部控制人才培养机制。 知识管理机制的建立是开展智慧化风险评估工作的基础和核心。 企业应当将自身风险管理工作及共享风险案例库的数据信息、专家经验、业务规则进行总结、提炼、发布与应用， 并在实践中不断修正和完善， 借助规则引擎定义和存储相关知识点， 构建风险管理知识库。

（3）加强对内部控制人员的素质培养和队伍建设。 通过多专业培训、引进核心人才， 逐步建立一支具有高水平风险知识管理能力的专业人才队伍 。 对于不同的风险因素， 应当发掘预设标准体系可能忽略的领域与内容。

（4）企业要及时学习或引进外部先进技术和服务。 加强与会计师事务所、大数据研发中心等其他行业领域的联系与合作， 尽可能地挖掘风险点， 综合利用多种评估方法， 分析潜在风险因素的概率和影响， 为风险应对奠定坚实的基础。 值得注意的是， 在变革与创新风险评估标准体系的过程中， 应当关注数字经济环境的规模性、虚拟性、模糊性、网络化与数据化特性， 将上述特征充分纳入考量。

3. 风险应对阶段， 形成自动化应急机制。 风险应对是真正意义上的风险管理环节， 在辨识出风险类型、评判风险发生概率与确定风险损失后， 根据具体情况进行相应的决策行动， 即根据企业的风险防控能力、风险的可规避性与可接受性等情况选择包括规避、接受、降低、分担等类别的风险策略。 风险应对作为风险识别与评估的后续程序， 必须基于前置程序的有效性才能进行， 但风险识别与风险评估程序在数字经济背景下被削弱了影响力并间接性地削弱了风险应对的效果。 基于此， 企业应当拓展风险应对策略体系， 创新风险应对模式， 转变传统风险应对思维， 构建新型自动化风险管理模式。

（1）构建基于企业风险知识图谱的智能问答机器人。 知识图谱因其自身的图展示、图挖掘等优势， 可帮助企业风控人员进行业务场景的分析与决策， 能快速、系统、全面地展示相关信息及风险标签， 从本体构建、知识抽取、知识融合和知识储存四个方面进行构建。 基于企业风险知识图谱， 构建智能问答机器人， 实现对知识图谱的检索和利用， 并为风控人员提供及时、专业的风险度量。

（2）建立包含宏观、中观、微观三个层面的风险预警管理系统， 强化风险预警功能。 从宏观来看， 首先通过在持续时间段内观测单个预警指标， 建立成熟可靠的风控模型， 对风险综合得分进行度量， 获取相对应的预警信号， 随后通过风险转换矩阵自动判断风险预警等级。 从中观来看， 利用数据库中的算法不断进行深度学习形成机器记忆， 并对不同的风险状况进行智能组合并预警。 如将识别出来的新型风险类别进行数据化储存， 并形成循环评价材料， 在结合自身或同行业典型企业的风险防控数据基础上， 构建深度学习材料， 扩充自身风险数据库， 并形成机器记忆。 从微观来看， 对企业财务风险、经营风险、内部控制执行情况某一方面的时段数据进行多角度、多方位的智能分析并进行及时预警。

（3）建立快速响应机制和责任管理机制。 快速响应机制是对风险数据智能化分析的应用， 企业要对数百个风险信号进行分类管理， 并对每个信号建立相应的标准作业流程（SOP）， 比如出现重大风险事件、风险偏好升级等， 企业都要能够快速响应。 同时， 企业要落实责任管理机制。 当风险控制过程中任一环节出现问题时， 系统都能迅速找到相应的责任人， 避免出现延误或无法联系的现象。

五、小结

总的来说， 风险控制的三个流程——识别、评估和应对都是基于风险因素、风险种类与风险性质的变化而转变。 数字经济作为一种全新的经济形态， 虽然推动了我国经济的快速发展， 却也放大或改变了原有风险甚至导致新的未知风险， 由其引起的风险种类的复杂化、风险因素的虚拟化、风险转嫁的群体化、风险信息的不对称都对企业风险防控提出了较大挑战， 但数字技术的兴起和成熟使得企业也具备了处理数字化风险的巨大潜力与进一步发展和轉型的希望与价值。

【 主 要 参 考 文 献 】

[1] 中国信息通信研究院.中国数字经济发展白皮书[EB/OL].http： //www.caict.ac.cn/kxyj/qwfb/bps/202104/t20210423_374626.

htm，2021-05-02.

[2] Tapscott Don. The digital economy：Promise and peril in the age of networked intelligence[M].New York：McGraw-Hill，1996：1 ～ 362.

[3] G20.二十国集团数字经济发展与合作倡议[EB/OL].http：//www.g20chn.org/hywj/dncgwj/201609/t201609 20_3474.html.，2021-

05-02.

[4] 李辉.大数据推动我国经济高质量发展的理论机理、实践基础与政策选择[ J].经济学家，2019（3）：52 ～ 59.

[5] 伯纳德·利奥托德，马克·哈蒙德著.郑晓舟，胡睿，胡云超译.大数据与商业模式变革：从信息到知识， 再到利润[M].北京：电子工业出版社，2015：6.

[6] 陆岷峰，王婷婷.基于数字银行背景下数字信贷风险控制管理的战略研究[ J].金融理论与实践，2020（1）：21 ～ 26.

[7] 陈兵.数字经济发展对市场监管的挑战与应对——以“与数据相关行为”为核心的讨论[ J].东北大学学报（社会科学版）， 2019（4）：388 ～ 397.