刚刚过去的2022年第一季度,各大房企相继发布了自家2021年度的业绩报告,各位企业掌门人纷纷对当前地产行业趋势和未来3-5年的战略进行了解读。无论是万科郁亮的“黑铁时代,背水一战,缩表出清”,还是旭辉林中“新三五”战略“穿新鞋走新路,精细化,加快数字化转型”,亦或是保利的“峰值右肩时代,精细化内生模式”,均表明从粗放型增长转向高质量发展是地产行业的必由之路。

房企难,很难,相当难。在保利、万科、碧桂园等各大房企未来的战略规划中都有一个共识:地产已经告别“三高模式”,需要转向高质量稳健经营,以产品设计和品质赢得客户,并不约而同强调了精细化管理,风险管控,加快或深化数字化转型。

一、转型诉求:地产行业经营模式转变,风控数字化需求快速增长

显而易见,房企对风控数字化转型的诉求十分迫切。地产审计风控部门作为地产企业风险管理的守门人,当前更需要借助房企近些年取得的数字化转型成果,进一步加快审计风控的数字化转型,实现风险预警,全域审计,持续审计,提升风险感知能力、审计效率和质量,从而全面精准地掌握企业的风险动态,构建企业的免疫系统,帮助地产企业穿越行业周期的凛冬。

除地产企业内部管理的风控诉求之外,还有两个方面也加快推动了审计风控数字化:

(1)国家宏观要求:国资委或财政部先后出台诸如《中央企业全面风险管理要求》《关于深化中央企业内部审计监督工作的实施意见》等50多份审计相关文件,强调数字化审计,审计风控数字化转型之风,从央企国企已然扩散到民营企业。

(2)地产行业数字化发展:地产行业从2018年开始数字化转型至今约计4年,在不同领域均已取得不同程度的阶段性成果,搭建数据中台、业务系统等,为审计风控数字化打好了数据基础,同时房企的数字化转型战略也需要深入融合到业务中去,审计风控作为集团数据范围最大、时间跨度最广的数据需求方,天然需要进行数字化转型。

审计风控部门指的是:以审计监察为核心,联合企业内部其他风险管理单元的风险核心管理部门,包括了审计、监察、内控、合规、风控等。较之金融、互联网、制造业等其他领域,地产的审计风控数字化进程发展速度较慢,近些年受益于国家强化“科技强审”要求,其受地产行业数字化基础、企业精细风控诉求等驱动而快速发展,如万科、旭辉、新城控股、中骏集团均在尝试审计风控数字化转型,并已取得阶段性成果。

二、行业现状:头部房企数字化体系成熟,腰部房企数字化基础不足

当前地产审计风控的现状与痛点有:

作业流程未线上化——审计风控作业流程极大部分或全部人工线下完成,无法有效沉淀审计风控数字资产,无法对流程进行有效管控,风控结果也无法及时反馈给到高层领导快速做出决策。

风险数据管理不规范——当前的风控绝大部分都是通过数据识别风险,虽然房企也建立如销售、招采、人力、工程、成本等业务系统,但是数据割裂,取数麻烦。虽然部分房企通过构建数据中台实现了数据的汇聚和拉通,但是数据质量不高,数据管理不规范,造成使用过程中准确性存疑。

风险无法自动预警——鲜有房企做到风险自动预警,大部分为事后审计,极少做到事前预知,事中控制。顺之而来的是被动审计,止损不及时。

持续审计或非现场审计能力差——受限于无自动预警系统和风险数据资产,造成无法对地产企业进行全域,全量,实时的风险扫描,从而无法持续审计。又因为部分风险相关的数据或证据信息没有在线化,造成无法非现场审计,需要实地进行现场查阅纸质或电子文档。

工作重复且繁重——审计流程相对标准,每一个项目均要按照计划-立项-准备-现场-报告-整改追责-成果归档等流程进行,大部分工作是重复且占用大量时间,另外地产企业的审计风控人力资源有限,但是审计范围和内容比较多,造成审计风控工作人员的工作任务繁重,只能做抽样审计。

知识复用度不高——由于地产业务涉及投资、设计、工程、成本、采招、营销、运营、客服、财务、人力等业务条线,各自的专业性和跨度比较大,精通多个业务领域的审计风控人员寥寥可数,一般来说每个审计人员都有自己擅长的领域,如工程成本审计、营销审计等,每个人的审计思路、线索发现方法、数据分析经验、核心风险与一般风险的评估模式、风险指标与风险模型的设计与配置等等均属于个人经验,没有将其沉淀出一套通用的方法论或风险管理模型给到其他审计风控同事复用。

当然上述问题并不是所有房企都存在,一般来讲,头部房企均已构建数据中台完成数仓或数据湖建设,并将房企关注的核心风险领域如营销、招采、工程等通过风险指标或风险模型的方式实现了风险自动预警。而Top 50-100左右的腰部房企,风险管理体系化和信息化都在不同程度上发展不均衡,大部分均未实现业务流程的在线化,可能会聚焦在核心1-2个领域构建风险指标,通过BI报表的形式实现定期的风险跟踪。

至此,我们还未对地产审计风控数字化进行定义,什么是数字化审计风控,审计风控数字化转型转的是什么?该往哪里转?该怎么转?

关于数字化审计风控定义,数澜结合与如万科、旭辉、新城控股等房企合作实践提炼出:

地产数字化审计风控——以业务和风控融合为目标,以风险为导向,以风险数据为基础,以风险模型为核心,以风险管理平台(预警系统+流程系统+智能工具)为载体,最终实现主动、全量、可持续、敏捷的一体化风险管理机制。

三、顶层规划:一个目标,四个方向,四个抓手,一个底座

1.“一个目标”:审计风控数字化转型的顶层设计

审计风控的数字化转型不能脱离地产企业的企业战略目标,审计风控作为企业治理的重要组成部分,监督评价与咨询服务并重,需要根据企业的整体战略来落实企业风险管理的数字化转型。无论企业的战略发生怎么样的调整,审计风控的大监督职责是不可动摇的。在此基础上,审计风控部门更多的要发挥风险管理咨询服务能力,将风险识别、风险评估、风险处理的经验或能力赋能到业务部门,实现业务和审计风控的融合。

2.“四个方向”:审计风控数字化转型的业务规划

可以从四个审计风控业务方向出发,找准数字化转型的发力点:**①提升风险感知能力,②提高风控作业效率,③提高知识复用能力,④健全风险管理体系。**审计风控的数字化转型在业务层面要做好4个方面转型:组织、机制、工具、文化。

具体来讲,审计风控数字化转型的思路如下:

**线下——>线上:**搭建线上的作业流程平台,将风险识别——风险评估——风险处理——持续跟踪的风险管理闭环实现全流程数字化管控。无论是作业效率和风险管控能力均需要数据支持,获取数据的重要方式之一就是在线化,包括审计风控的绩效管理也需要实现在线化管理。只有实现流程在线化,才能获取到整个风险管理流程中的数据,从而才能实现精细管理、策略调优、快速精准决策。

**事后审计——>持续审计:**通过构建风险自动预警平台,实现风险的实时监控,做到“辨识于青萍之末,防患与未然之际”。将风控监控做到常态化,审计立项不是按照计划执行,而是根据风险预警的结果推动立项,实现真正风险导向、敏捷审计。

**抽样——>全量:**传统审计风控受限于人力资源不足,现在借助风险数据集市、风险指标、风险模型,可以对全司的风险数据进行扫描分析,也可以对全部审计对象进行风险监控,一改传统的抽样审计无法全覆盖的局面。

**被动——>主动:**传统审风控大部分以事后审计为主,通过提供风险数据查询与分析,线索发现,加之风险预警系统的预警功能,提高风险感知能力,做到事前及时感知,事中持续监控跟踪。

**监督为主——>确认与增值并重:**传统的审计风控部门主要行使的确认即监督与评价职能,很难体现“增值”的定位,通过预警系统可以将风险信息与业务部门进行共享,真正意义上实现风险管理三道防线的共商、共建、共享。

3.“一个底座”:审计风控数字化转型的管理基础

无论是集团高层还是风控部门,都想知道:企业是否有风险,都有哪些风险,风险都有多大,都是什么原因造成的?我们的风险管理是否到位,能够支持企业战略目标?为了有效支持审计风控数字化转型,需要与之匹配坚如磐石的数字大风控底座,包括了:大数据开发平台、风险预警系统、模型规则管理、风险数据集市、审计风控流程系统、绩效管理等模块。数字化大风控底座的意义在于给审计风控部门提供:风险预警、风险画像、风险数据查询分析、风险模型构建与管理等能力,帮助审计风控人员在事前、事中、事后能够提高工作效率和风险管理质量。

四、实现路径:基于业务逻辑,五大步骤实现审计风控数字化转型

审计风控数字化转型的实现路径主要分为五大步骤:

找风险——盘数据——建模型——管风险——供保障。

找风险:审计风控专家和业务专家协同合作,梳理好整个企业的风险管控点,对风险进行分类分级管理,聚焦于企业战略目标相关的核心风险,并构建企业风险管理的风险业务逻辑规则。

盘数据:在梳理好企业风险点,形成企业风险管理的标准风险库或风险地图后,需要数据开发人员介入,盘点这些风险相关的数据(体量、覆盖范围、数据质量等),形成风险数据资产,随后进一步判断这些风险数据是否能够支持风险指标与风险模型的开发。

建模型:结合风控专家和业务专家梳理的风控业务逻辑,数据开发人员转化成风险指标,进而通过规则引擎等工具配置风控模型,以支持风险的自动预警。

风险监控模型

管风险:包括模型管理、风险预警、风险分发、风险处理、整改追责、自查纠偏。不仅仅是给审计风控部门使用,同时会根据风险管理级别和响应模式,将预警的风险同步给业务部门,实现风险的信息共享,达到赋能业务的目标。

供保障:为保证审计风控数字化转型有效落地,切实产出业务价值,除了提供数字化工具,还需要从组织层面落实数字化绩效考核、营造数字化审计风控氛围、提供数据分析培训,构建三道防线协同机制等动作来保障审计风控数字化落地效果。

五、业务价值:数据从辅助统计分析到真正支撑业务决策

可以从集团管理层、审计风控部门、企业数据资产三角度出发,梳理审计风控数字化转型的业务价值。

降本增效、决策支持——对于集团管理层:通过风险预警、风险画像、风险全景图、风险驾驶舱等平台能力,集团管理层可以实时准确地了解企业的风险情况,以支持领导的智能决策。提高经营效率,以审促建,降低损失(如费效比异常、实际投入分销渠道未达预期等),各个业务板块(地产/商业/物业/产办等)、各业务组织(区域/城市/项目等)、各业务条线(营销/工程/采招等)的风险情况一目了然。

提质增效、精准风控——对于审计风控部门:通过风险数据集市、数据分析、知识图谱、OCR等大数据及人工智能技术,可以大大提高审计一线人员的工作效率。风险画像及风险预警等工具帮助审计风控人员快速聚焦核心风险,基于大数据的风险导向、长期动态监控,改变以前乱枪打鸟、风险分散的情况,实现靶向审计风控,提高风险管理的精准度。

助力企业整体数字化转型——对于企业数据资产:审计风控部门对数据的需求有覆盖广、准确高、时间跨度大、更新频率高,数据安全要求高等特点,这些都会反向推动企业的数据治理、数据资产构建、数据应用的进展,同时数据要素的价值在风控业务中得到可量化且直观有效的体现,如:提高工作效率,减少公司损失等。

赋能业务经营——实现数据共享,形成风控联动,聚焦第一、第二道防线进行风险应对,识别管控漏洞、系统漏洞,实现过程干预,提升合规风险意识,提供精细化管理的工具、要求和风险视角,以风险数据为依据,把经营问题看清,制定合理的经营方案。

六、成功案例:审计周期缩短6倍,审计准备提高24倍,风险覆盖100%

作为国内领先的数据基础设施服务商,目前,数澜科技已与万科集团、旭辉集团、新城控股、中骏地产、建业集团等房企合作落地审计风控数字化项目,帮助房企快速识别风险,及时止损,在提高审计风控工作效率的同时也带来了直接效益价值,实现企业的降本增效,得到了客户的高度认可。

在与某头部房企的数字化转型实践中,数澜与客户共同发掘出以下风控痛点:数据获取难、风险无法溯源、风险管理缺体系等。

明确方向后,双方共同打造集风控、审计、监察为一体的数字化平台,在审前、审中、审后不同审计阶段,提供风险疑点预警、数据查询、关系查询、风险地图等辅助工具,帮助审计人员便捷获取数据,聚焦审计重点领域,快速进行风险分析,提高审计工作效率。同时通过自动预警系统实现风险的常态化动态监控。

行业观察 | 从粗放走向精细,地产审计风控数字化改革与创新相关推荐

  1. 行业观察 | 来了解一下AI加速器

    本文参考网上可查询到的资料简要总结AI加速器的概念和应用等信息 1. 未完待续 更新: 2023 / 3 / 22 行业观察 | 来了解一下AI加速器 前言 加速器 处理器 处理器是什么? 处理器进化 ...

  2. 机器翻译技术现状评述与展望 | 行业观察

    今天,你AI了没? 关注:决策智能与机器学习,每天学点AI干货 正文共:2497字 7图 预计阅读时间: 7分钟 近年来,机器翻译等语言智能技术迅猛发展,语言智能技术落地.机器翻译替代人工.外语教育存 ...

  3. 2019 半导体领袖新年展望(一)| 半导体行业观察

    来源:半导体行业观察 摘要:为了让大家更好地了解半导体厂商2019年的规划,我们整理了三十多家国内外产业链供应商参与了这次讨论,给大家呈现一个完整的2019半导体面面观. 过去一年的半导体产业波谲云诡 ...

  4. [转帖]半导体行业观察

    作者:谷雨 链接:https://www.zhihu.com/question/29353581/answer/370626505 来源:知乎 著作权归作者所有.商业转载请联系作者获得授权,非商业转载 ...

  5. 通讯业行业观察:中兴华为思科各占千秋

    通讯业行业观察:中兴华为思科各占千秋 通讯业是目前国内发展最迅猛的新兴产业之一,中兴和华为基本上平分秋色,与华为的集权相对,中兴强调中庸的企业文化.同时我们也看到,作为新兴产业,目前不论是华为还是中兴 ...

  6. 做锤子区块链手机的4种方法(行业观察)

    为了避免区块链变成皇帝的新衣,趁还没有被皇帝穿上时,我觉有必要发声当个傻小孩也是不错的,这不,可怜的老罗就被人套路进去了,做锤子区块链手机啊! 很久没有更新文章,是觉目前这个状态下似乎很少有人喜欢研究 ...

  7. 面对区块链,徐小平们懂个毛线(行业观察)

    由于一些个人原因,许久不更新了,很是对不起那些关注我的朋友,一直等一个机会重新开始更新,有时需要一个时点,需要一点启示,而今天启示来了 最近忙于一个项目,耽误了很多时间,但这不是主要原因,鲁先生的名言 ...

  8. 行业观察 | SoC

    本文对 SoC 进行不完全总结. 更新:2022 / 02 / 25 行业观察 | SoC 总览 概念 组成 周期 原因 产业链及市场 上游 下游 产品 厂商 SoC V.S MCU MCU SoC ...

  9. 从数字货币估值学习区块链投资(行业观察)

    是的,你永远无法叫醒一个装睡的人,最近有新闻说可能会出台更严格ICO管控政策,但是这并没有什么用,还是来看看数字货币的估值问题吧 目前的ICO已经偏离技术投资的初衷了,区块链技术有活在交易所中的倾向, ...

最新文章

  1. 《Javascript高级程序设计》读书笔记之对象创建
  2. 【测试】ESP32天线信号强度比较,小龟小车A2天线esp32cam板载外置天线测试数据...
  3. Java 多线程(三) 线程的生命周期及优先级
  4. mysql 用户 类别_从mysql里读取用户类型
  5. python数据库操作sqlite_使用Python对SQLite数据库操作
  6. 你的目的是什么是谁指使你_电视剧《谁说我结不了婚》第25-27集剧情:魏书帮程璐搞定投资人...
  7. webpack--插件配置:处理HTML中的图片(七)
  8. 关于计算机犯罪的英语作文,关于信息安全的英语作文范文
  9. 数组引用--冒泡排序 数组倒置为例
  10. 服务器异常宕机引发的mysql故障
  11. Kubernetes 的网络原理 (五)---CNI网络模型
  12. 学习乔布斯的成功方法
  13. 电脑使用哪个录制视频软件比较好
  14. 怎样准备全国大学生数模竞赛大学生篇非常全
  15. 各大型网站架构分析收集 1
  16. 基于Vue的图片裁剪 vue-cropper
  17. (js)switch
  18. java实训项目-模拟自动挡汽车
  19. 面向考试数据库—单表查询(包含建表数据)
  20. 功率变送器在造纸磨浆机控制系统中的应用

热门文章

  1. ble理论(14) ble 扫描详解
  2. 使用传统算法进行红色印章区域的提取
  3. 矩阵的二次型,矩阵的迹、正定矩阵、Hessian矩阵、实对称
  4. 微信小程序添加(成功失败)提示音
  5. TypeScript 协变和逆变
  6. Linux操作系统——磁盘管理
  7. 多模式免签约支付系统源码 免签约即时到账支付接口
  8. java加密算法之对称加密算法AES
  9. 一步步实现Android MQTT详细步骤,附工程文件
  10. MAC Matlab 中文乱码