基于地平线扫描的产业风险预警体系框架研究*

曹 悦 白 晨 张 越

(中国科学技术信息研究所 北京 100038)

0 引 言

产业在发展过程中面临内外部环境中的各类风险,例如部分产业受到自身技术水平、自主创新能力等基础条件的限制,容易受到外部环境的制约[1-2],此外技术发展、新政策的颁布与实施、自然气候变化、突发舆论事件等均可带来诸多不确定性和不利影响[3]。因此,探索客观、全面的方法体系对产业风险加以识别和预警,对于政府和产业各主体及时做好风险应对策略,完善产业布局、辅助产业提升核心竞争力和创新发展能力而言具有重要意义。

目前的风险预警多根据已制定的指标来识别风险,然而对于突发的、微弱的早期信号不够敏感。这些微弱的信号容易被忽视,却可能在未来造成巨大影响[4]。地平线扫描(Horizon Scanning)作为一种全面扫描潜在威胁、机会和风险并对未来进行预测的方法,其特点在于结合多种方法动态捕获各类信号,进行一系列分析、识别、感知和评估的步骤,以发现可能尚处于早期的微弱信号[5-6〗。将地平线扫描引入产业风险预警工作,不仅可以帮助产业认清发展环境、识别潜在风险,还可以帮助产业增强抵御风险能力,提高竞争优势。

本文首先概述地平线扫描和风险预警的研究现状,然后基于ESG风险评估中环境、社会和治理三个风险维度及相关理论,构建面向产业风险的地平线扫描过程,以期通过定性与定量相结合的漏斗式扫描模型,对产业风险弱信号进行分析、感知和评估。最后介绍基于地平线扫描的产业风险预警体系框架,从风险层、数据层、分析层、预警层和用户层阐述框架结构,探讨其在应用中的保障体系、存在挑战等关键问题,提出未来将该框架融入产业信息服务平台进行系统性实现的建议,以期为产业风险预警的理论和实践提供新的思路。

1 地平线扫描研究现状

1.1 地平线扫描与弱信号识别

地平线扫描是一种全面扫描潜在威胁、机会和风险并对未来进行预测的方法,区别于通过对过去数据的统计分析来映射当下现象的预测方式,并不囿于历史轨迹[7-8]。地平线扫描是探测潜在重要发展早期信号的重要途径,通过在已知的环境边缘进行搜索和扫描,探测新的问题、风险和变化趋势,以帮助政府和企业的决策者及时制定适当的应对策略[9-10]。

目前,美国、英国、荷兰、新西兰和新加坡等多个国家的机构组织已经在卫生安全、医学、生态环境及食品等领域开展地平线扫描方法的实践应用[11]。扫描的目的主要包括识别新出现的问题和趋势、调整决策方向和风险应对措施、帮助识别风险和机会、将外部因素纳入业务规划、为战略决策提供信息等[12]。根据相关研究,地平线扫描的过程通常涵盖扫描范围的确定、扫描过程信息采集、信息处理和分析评估以及扫描结果的分发利用等步骤,如图1所示[13]。

图1 地平线扫描的一般过程

地平线扫描并不是通过已知的模式来搜索未知的事物,而是仍然基于我们目前掌握的信息,以定性和定量相结合的方式在系统的迭代中不断优化,探测出现在遥远的地平线边缘却能被感知的微弱信号[14]。弱信号的概念由Ansoff在1980年提出,指一种预示未来变化的征兆[15],通常呈现出下述特征:第一,早期的弱信号通常源自专业人员的感知、直觉和洞察,而非严谨的科学研究和系统论证,且通常是孤立事件,因此仅被少数人关注和重视;第二,信息量较少,人们对其认知度有限,存在大量不确定性和未知性;第三,弱信号是动态演化的,可能在悄然之中快速演变成强信号,并造成巨大危害。值得注意的是,弱信号在本质上仍是信息的一种,从大量原始数据中产生,并夹杂着“噪声”,通过合理的解释或推断后能够成为预警的“触发器”,可以用于预测信息和决策支持。目前,韩国、德国等国家的政府研究机构已将弱信号纳入扫描体系,建立了面向弱信号识别的地平线扫描模型,相关扫描信息源、分析方法及模型架构如表1所示[16]。

表1 面向弱信号识别的地平线扫描模型及应用

1.2 地平线扫描在风险预警中的应用

早期对于风险预警的研究主要集中在自然灾害预警方面,现被广泛应用于金融、公共安全、军事等领域[17]。地平线扫描能够对未来即将发生的变化或风险进行预警,扫描到潜在威胁并形成信号,越早发现,就有越多的准备时间作出应对。国外已有部分组织机构针对风险预警的目标开展了地平线扫描的相关工作,如新加坡建立了以风险评估为目的的地平线扫描系统(Risk Assessment and Horizon Scanning, RAHS),分析人员在信息监测的基础上对重大事件的预警指标进行识别,以帮助决策者发现国家安全环境中的潜在威胁(恐怖袭击、疾病大流行等)[8];欧洲食品安全局(EU)针对食品安全问题展开全面扫描,利用前瞻性方法对新出现的风险进行评估[10]。

在风险识别过程中常会遇到信息不完全的情况,而地平线扫描不仅对预先设定的风险指标体系进行扫描,还期望整合环境中零散的弱信号以得到完整信息,在一定程度上减少了先入为主的认知局限,因此扫描结果可以作为重要的补充,相较于其他方式更具客观性、全面性和面向未来的预见能力。司谨源等[18-19]构建了基于地平线扫描的公安情报预警模式,旨在发现处于公安情报预警范围之外的弱信号风险、提高公安机关预警能力,以更好地应对未来挑战。董尹等[20]分析了将弱信号介入供应链风险识别的可行性,形成弱信号感知机制,使供应链风险识别在理念和时间先行性上得到提升。

综合上述研究,弱信号识别与风险预警及管理密切相关。特别是面对当今形势复杂的国内外环境,大量未知因素构成的潜在威胁加大了管理决策的复杂性和动态性,可能对战略规划和产业治理带来一些突发的、难以预测的冲击和影响。在此情况下,面向弱信号识别的地平线扫描对于风险管理具有重要现实意义,使相关机构和组织在预见范围之内能够尽可能获得科学、可操作性的情报和预见能力。建立多元化、定性与定量相结合的地平线扫描风险预警系统,有助于相关机构和组织主动搜集早期各类零散的征兆、数据和信息,快速转化为有价值的情报,帮助需求方发现环境中的潜在风险,从被动应对转向主动化险,进一步丰富地平线扫描的理论研究和实践应用。

2 面向产业风险的地平线扫描过程

2.1 产业风险扫描维度

通常情况下,地平线扫描的维度可以包含所在外部环境的科学(Scientific)、技术(Technological)、环境(Environmental)、经济(Economic)、政治(Political)和社会(Social)因素等(即STEEPS),以体现全球视野下的趋势和变革。除此以外,内部环境所涉及的市场规模、资源、综合能力、竞争优势、管理者和管理策略等同样值得关注[21]。风险扫描的维度会影响扫描过程中收集信息的种类和深度。在进行产业风险扫描前,首先应明确扫描哪些维度的风险因素。

近年来随着全球风险格局不断变化,我国部分产业受到自身条件限制与外部环境各风险因素的交叠影响,发展过程存在较高不确定性。特别是一些崭露苗头的、并非直接相关的、未被重视的问题或事件,都可能给产业发展带来一系列潜在风险。从风险成因来看,产业自身基础能力不足或管理组织存在缺陷等,会在一定程度上影响产业抵御外部风险的能力;而诸如产业链关键企业所在地突发气候灾害或国外对某产业核心技术实行“卡脖子”封锁等突发事件,可能使产业外部风险因素更加难以预测[22]。国内学者张成等[23]对农产品产业链内部、外部及系统风险进行分析,将外部风险划分为自然环境风险、政策法律风险、经济风险,内部风险划分为供应风险、分销风险、生产风险,系统风险划分为物流风险、信息风险和合作风险。由此可见,从产业所处环境中充分扫描各维度显性和潜在的风险点,能够及时为政府和各产业参与主体提供预警的信息输入,以便当信号由弱转强时及时介入和干预,将风险遏制在萌芽状态。

国内外部分金融、投资机构如穆迪、富时罗素、中财绿金院和商道融绿等,从环境(Environmental, E)、社会(Social, S)及治理(Governance, G)三个维度开展ESG企业风险评估,其中环境维包括气候环境、生态环境和政治环境等,社会维包括社会责任、社会贡献和社会负面影响力等,治理维包括资源配制和组织管理能力等[24]。新兴趋势带来的复杂性不断增加,产业发展过程需要对风险具有更强的适应能力和弹性。与传统风险相比,ESG维度的产业风险可能因新兴科学数据、新技术和创新、利益相关者愿景以及突发气候灾害等环境因素迅速变化或发展,更难以被发现。政府及各产业主体需要通过持续监控内部或外部环境的变化,全面识别扫清相关动态因素及潜在风险,以便于管理层制定相应决策做好应对。根据上述分析,结合产业风险与ESG理论相关的研究现状,本文将产业风险的扫描维度分为环境维(E)、社会维(S)和产业治理维(G),部分风险因素如表2所示。

表2 产业风险扫描维度及风险因素

2.2 产业风险扫描过程

产业风险扫描过程是由数据驱动的地平线扫描模式即综合产业发展实际情况和ESG维度风险因素,结合专家智慧和工具辅助,从环境中获取数据,并对信号进行分析、感知、过滤和判断。首先明确具体的产业风险扫描需求及目标,全面梳理产业在ESG维度的风险因素,确定扫描数据源。然后制定扫描策略,确定主题词和检索式,对数据进行收集及预处理,结合专家智慧感知潜在的风险信号,形成产业风险信号的长列表。最后通过文本挖掘、聚类分析等技术进行信号整合和关联,得到新的风险信号,对信号支持的扫描源进行重新扫描和调查。总体而言,产业风险扫描是一个不断循环的过程,通过反复分析和筛选发现产业风险的弱信号,如图2所示。

图2 面向产业风险的地平线扫描过程

正如芭芭拉·明托在《金字塔原理》一书中阐述,在收集资料和分析的过程中高达60%都是无用功,初始的主题词决定了哪些内容将被扫描,因此需要尽可能覆盖更多范围。最初构建的扫描策略和检索式并不一定包含所有风险因素,但通过不断筛选、过滤、感知及聚类分析后,新的信号可以作为新的主题词输入,形成漏斗式的风险识别过程。

2.2.1扫描数据源

开展风险扫描之前,应首先与需求方、利益相关方、情报分析人员和相关产业领域专家充分沟通,以界定扫描边界和数据源。产业风险扫描数据源主要可划分为以下几类:一是学术研究类数据,包括国内外期刊论文、会议论文、专利、技术报告等。这类数据包含了产业技术的发展路径以及预见、预测和预警等内容,对于发现技术层面的风险十分必要,例如,根据论文数据可以对比产业技术在国内外的基础研究情况,根据专利数据可以对比我国与其他技术垄断国家的技术发展差异,挖掘“卡脖子”技术风险。二是产业类数据,包括宏观产业统计信息、产品信息、技术标准信息、项目信息、机构信息、人才信息、政策法规信息等,是产业发展环境现状及未来趋势研判的重要依据。三是风险类数据,包括调查访谈、新闻舆情、社交媒体以及世界经济论坛、行业协会、投资机构、咨询公司、产业智库发布的风险报告等。扫描过程中,可以在摸排初始数据源的基础上进一步融合已掌握的信息和资源,通过不断迭代优化扫描范围。为获得符合需求的分析数据集,需要根据不同扫描数据源构建相应的检索式,从广泛的主题实施探索性扫描。

2.2.2扫描关键步骤

在确定扫描策略和扫描范围后,根据数据的体量、结构和内容等开展信息收集。对于适合开展机器辅助爬取的数据源,可以将扫描需求集成到扫描字段的描述和定义中,开展高效的自动采集和加工处理;针对结构和内容格式相对复杂的数据源,可通过人工采集等整合形成后续分析所用的数据集。经过专家初步分析研判后,可以得到产业风险信号的长列表。然后可结合技术组合地图、关键词共现分析、主题模型、贝叶斯网络、聚类分析、语义分析等技术和方法进行信号检测[25]。就弱信号的特征而言,孤立的信号在最初是零散的信息碎片,缺乏明确的含义,但经过不断整合,那些表面上看似无关的信号可能串联在一起,从而揭示出新的问题,工作人员可以据此设置新的主题词,以进一步深入探索。举例来说,对于获取的文本数据集,可以通过文本相似度算法计算关键词相对频率,评估其重要性,进而确定可能包含潜在风险信号的新关键词。而新关键词又可以作为新检索式的输入,重新回到扫描过程,形成新的数据集。当以上扫描过程重复几次以后,可能得到数据量较少的孤立关键词,逐渐接近地平线扫描识别弱信号的目标。

对产业风险信号进行感知评估的过程,是数据经过深度挖掘形成知识的重要过程,其关键在于情报人员和产业专家如何在不完全的信息条件下进行情报推理,寻找情报与信号之间的联系,实现从信息碎片到情报原型的转变。由此可见,漏斗式的产业风险扫描模式适用于从广泛的领域和主题开始,通过检索、筛选、分析和评估不断过滤和缩小范围,结合产业领域专家的知识和智慧对新发现的信号重新进行扫描和调查,全面发现容易被忽视的风险弱信号,扫描结果可以应用于产业风险预警,为其提供科学且有价值的信息输入。

3 基于地平线扫描的产业风险预警体系框架

科学的产业风险预警结果需要可靠的数据和信息源作为支撑,并建立在情报工作体系的基础上。当前,部分学者融合产业竞争理论,围绕信息收集、识别分析、感知评估和监测预警等应用需求,聚焦产业态势构建风险预警体系,广泛开展了有关理论体系、技术方法及实践平台等综合研究。例如王克平[26]等通过文献调查法和专家调查法相结合的方式,总结战略性新兴产业所面临的主要风险,利用层次分析法分析主要风险优先级,并构建了竞争情报预警模型,为战略性新兴产业风险预警工作提供思路。在上文构建产业风险地平线扫描过程的基础上,需要建立科学有效的预警体系以合理利用扫描结果。

3.1 要素分析

基于地平线扫描的产业风险预警是由多种要素共同支撑的结果,包括人员、制度、技术和信息要素等[27]。人员要素包括地平线扫描工作人员、产业情报分析人员、产业领域专家等,共同完成产业风险扫描信息收集、信号感知分析以及预警结果发布等工作。人员对于支撑产业风险预警体系框架运行而言不可或缺,但与此同时,他们的素质能力和认知水平等都会对预警结果的合理性和科学性产生影响。制度要素是为保障体系运行建立起的各项规则。建立配套制度能够对产业风险预警的整个流程进行规范和指导,以保证人员工作有效、权责分明。技术要素是指地平线扫描、情报分析以及风险弱信号识别等过程中的各项技术。在产业风险扫描的过程中,爬虫抓取、文本挖掘、自然语义处理等技术的应用能使数据收集、加工和分析过程在一定程度上实现自动化,节省人力。信息要素是风险预警的基础,包括学术研究数据、产业数据、风险数据及专家知识等。各要素共同作用、相互依存,为形成完整的产业风险预警体系提供支撑。

3.2 基本框架构建

本文构建基于地平线扫描的产业风险预警体系框架,主要包含风险层、数据层、分析层、预警层和用户层,如图3所示。本体系依托上述构建的产业风险地平线扫描过程,针对产业在环境、社会和产业治理(ESG)层面存在的风险,期望结合专家智慧和技术工具的共同作用,通过漏斗式筛选过程完成对于风险弱信号的发现、识别和感知。该预警体系根据用户需求将加工好的预警结果呈现给用户,预警结果尽可能贴近实际、有效且能满足用户的需求。用户根据实际使用情况进行评价,得到反馈后可以应用于新一轮的预警。

图3 基于地平线扫描的产业风险预警体系框架

3.2.1风险层

风险层包括产业发展环境中风险因素,细分为环境层(E)、社会层(S)和产业治理层(G)。随着技术发展、市场需求、政策导向以及竞争形势等的动态变化,各种不确定的环境因素加剧了产业生存和发展的风险,在产业风险预警中利用地平线扫描能够帮助各产业在所处内外环境中及时地发现、感知可能面临的风险,尤其是容易被忽视的产业风险弱信号,以便更好进行预警。

3.2.2数据层

数据层包含产业风险扫描所需的基础数据,数据源如上述产业风险扫描过程所介绍,覆盖产业发展中的各个环节。在持续扫描过程中,可以在摸排初始数据源的基础上进一步融合已掌握的信息、数据和资源,不断积累、融合,存储形成产业风险特色数据库。

3.2.3分析层

分析层是产业风险预警体系框架的核心,主体为面向产业风险的地平线扫描过程,结合专家智慧和技术工具,将扫描策略制定、收集整合信息、数据加工分析和感知评估信号融入整个业务流程。策略制定是产业风险扫描中首要且关键的一步,根据用户需求,对完整的产业风险扫描工作进行规划,指导整个工作开展。

产业风险扫描是一个复杂和系统性的过程,因此必须在开始实施前进行总体设计,才能保障整个工作的顺利进行。需要明确本次产业风险扫描的总体目标、参与人员和相关领域专家等,进行任务分解,宏观上对于扫描主题词、扫描范围、扫描的工具方法和成本等进行初步评估。进行统筹全局的设计规划能减少信息收集和分析阶段的工作量,提高效率、降低成本。然后结合情报工作人员和产业领域从业人员的知识和智慧,充分利用关键词共现分析、贝叶斯网络、聚类分析和语义分析等技术,通过漏斗式扫描筛选模型不断挖掘信息中隐藏的微弱信号,为风险预警提供最具利用价值的信息。

3.2.4预警层

预警层是在分析层形成产业风险弱信号结果的基础上,进一步对产业风险进行感知、判断、评价,最终将产业风险扫描结果分发给用户层,能够帮助决策者推断相关风险是否值得关注,便于后续制定初步的风险控制方案。

根据分析层形成的扫描结果,对风险信号进行识别与判断,制定风险清单和指标体系,并根据风险可能造成的经济损失、社会影响程度、紧急程度、发展态势及可控情况等影响因素划分预警等级。预警层的最终目的是向用户层相关组织发出预警报告,在结果发布后用户层可以对工作结果进行评价反馈,使整个框架的运行得以不断完善。

3.2.5用户层

用户层包括与产业规划、决策和研究相关的政府机构、企业、科研机构和行业协会等,以扫描和预警结果作为指导,辅助需求方提高应对不确定风险的能力,提高各产业的整体性、时效性和准确性。用户层提出需求后,预警层和分析层实时与用户保持数据共享与沟通,达到信息透明,决策准确,预警及时有效。

3.3 框架在应用中的关键问题

3.3.1框架运行保障体系

产业风险预警体系框架的有效运行和应用需要良好的保障体系。首先需要较为完整的规划,以确定产业风险扫描的方向和路径,同时需要组织、资源和技术等方面的保障,以下依据笔者所在项目组的现有研究和实践经验展开探讨。

组织保障方面,可以构建职责分明、运行高效的组织体系。由政府或相关科研机构牵头,联合企业、产业智库及各地情报研究所等第三方机构,形成跨单位、跨学科的产业风险扫描联合工作组,由专人负责ESG维度的相关数据的收集、处理,由情报分析人员进行数据分析和信息挖掘,由产业领域专家对信号进行感知和评估等,形成最终的扫描结果。工作组负责人可以根据进展情况灵活调整扫描方向与内容,确保计划按时完成。从组织角度来看,构建协同组织和机制将有助于整个产业互通互联、良性发展,更有助于开展全面的产业风险信号预警。

资源保障方面,涵盖人力资源和信息资源。数据采集加工人员、扫描工作人员、情报分析人员和产业领域专家等充足的人力资源和合理的人员配置,有助于保障预警框架运行平稳有序。由于认知水平和对技术的掌握程度等都会影响预警结果的合理性,可以通过形成制度文化、完善培养与考核机制等方式提高人员素质。产业风险扫描前后形成的各类数据,可以整合形成基础数据库、资源库以及产业风险特色数据库等,以支持随时从中调取数据、风险案例、预警结果等资源,保障框架的运行和快速响应。

技术保障方面,除自动化采集和加工数据外,数据的分析与挖掘技术十分关键。在开展风险扫描后,提取数据中隐含、后验、潜在的信息和知识,结合数据仓库技术,可以实现数据的高效组织和灵活分析,以便发现信号。现有的聚类分析、贝叶斯网络、决策树、支持向量机等算法已较为成熟,其他包括神经网络和深度学习模型等各类技术也逐步得到应用,这些技术在产业信息服务平台层面的引入和集成可以为预警框架的实现提供一定技术支撑。

3.3.2问题与挑战

对于产业发展而言,大多数“黑天鹅”事件都不是突然发生的,回顾过去通常能发现风险即将到来的前兆和迹象。尽管这些迹象十分微弱,且大多数的信号也并没有真正发展成风险事件,也因此通常被忽略。本文构建基于地平线扫描的产业风险预警体系框架,期望打破忽视早期迹象的惯性,使决策者和产业主体可以更多关注一些可能形成风险的信号,而非仅仅针对较为明显的风险因素制定应对策略。考虑到未来该体系框架和工作过程可以融合到地平线扫描系统等产业信息服务平台的业务中,且在组织、资源和技术方面能建立起良好的保障体系,认为该体系框架具备一定的可行性。

然而,该体系框架的实现必定存在一定的挑战,运行效果也仍有待进一步验证。弱信号的特征和存在形式极其复杂,给产业风险弱信号的识别与探测带来一定困难。例如扫描工作人员在收集信息时,无法确定信息的广度、深度和真伪等,因此后续情报分析可能也建立在并非事实的基础上,造成预警结果的偏离。此外,由于弱信号具备孤立、零散的特征,情报分析人员在整理信息后可能依然难以分析预测得到有价值的结果。总体而言,对于产业风险弱信号的感知和分析仍偏向于主观,预警过程难以重复,且结果准确性难以衡量,甚至可能需要经过很长时间才能加以验证。不过如果风险真正发生,根据二八定律,能够为产业相关领域的企业、决策者提前一步进行预警,其作用和帮助都必将是巨大的。从这个角度看,下一步将产业风险预警体系框架从理论研究转向实践应用是十分必要的。

4 结论与展望

面对日趋复杂的产业内部环境和外部环境,近早发现可能对产业发展带来不利影响的风险弱信号,逐步成为目前产业风险预警工作面临的重要挑战。基于现有研究基础,本文融合了地平线扫描与ESG相关理论,首先构建了由数据驱动的、面向产业风险的地平线扫描过程,通过定性与定量相结合的方式对各类风险信号进行动态获取、识别、分析、感知和评估,最终形成漏斗式产业风险弱信号筛选过程。然后,以此为基础构建产业风险预警体系框架,分析了人员、制度、技术和信息的四个要素组成,和风险层、数据层、分析层、预警层和用户层的五个框架结构。最后基于前期产业信息服务平台项目经验,探讨了保障框架可行的组织体系、资源体系和技术体系,以及框架面临的问题及挑战。本文对于丰富产业风险预警的理论和方法具有一定价值,但不足之处在于仅构建了概念模型,停留在理论层面,其在实践应用中的适用条件和工作效果等仍有待后续进一步实证分析和验证。

未来在产业风险预警体系的建设过程中,政府、企业、科研机构及行业协会应充分形成协同机制,对于目前尚未被理解但可能引发后果的潜在早期风险加强防范。为更好地识别应对环境、社会和产业治理维度潜在风险,政府需发挥好主导作用,将产业风险监测与预警纳入国家战略安全的一环进行政策考量,协同跨部门、跨行业、跨学科、跨领域等不同产业主体的力量,建议依托产业信息服务平台等形式加强产业风险扫描及预警服务的开展。行业协会作为介于政府与企业之间的组织,需根据国家法规政策或受政府委托对于产业领域各企业在应对风险问题上加强指导、沟通、协调和监督,及时提供产业风险预警信息,发挥好桥梁与纽带作用。企业等机构作为产业经济活动的参与主体,需积极参与产业风险预警的工作中,并预留一定比例的资金用于应对风险的技术研发和创新,在产业发展中起主导作用的龙头企业代表更应对产业各维度的潜在风险应保持敏感,引领其所在产业健康稳定发展。科研机构充分利用专家智慧和知识发挥学术支撑和技术引领作用,提升风险弱信号的情报感知能力,进一步完善产业风险扫描、识别与预警系统的核心内容、工作流程、评价标准和依据等,辅助政府把握产业未来发展方向。