
大数据风险防控是抓手
上海国资委法规处处长陈昶认为,在国有企业当中如何开展法律部门主导下的合规工作,已成为公司法务的一个新的挑战。
上海交通大学凯原法学院副院长杨力表示,近年来,商业反腐的结构性治理出现了新的特点、格局和问题意识。虽然当下中国商业反腐已进入新纪元,但商业反腐的结构性治理仍待进一步加强。
企业应建立一套合规管理体系
“商业贿赂会给公司带来两类风险,一是行贿导致的合规风险,二是受贿导致的欺诈风险。”美国福特公司亚太区合规总监陈立彤表示,“合规风险往往是政府要求一个公司(或者个人)必须遵守某个法律规定,如果没有遵守,那么政府会对这个公司进行处罚;欺诈风险是指一个公司(或者个人)被骗了,从而遭受经济损失的风险,比如信贷风险。”
美国通用电气公司(General Electric Company,简称GE)大中华区首席合规官朱湘莲直言:“所有的丑闻都与董事会的无能和合规文化的缺失有关,成功的企业必然有着优秀的公司治理和合规文化。”
创立于1892年的通用电气,至今已走过120余年的路程。通用电气能够长治久安,一个很重要的原因就是根植于企业的合规文化。朱湘莲介绍,通用电器合规愿景,是建立一个世界级的企业合规文化,但合规愿景必须要通过公司的一整套体系来实现,否则的话只能是一个口号。
“要实现合规愿景,企业应该建立一个防范、监测和应对的体系,防范道德、合规及法律风险,在第一时间监测到问题的发生,迅速反应并有效应对。”朱湘莲表示,在防范方面,首先要有政策和流程,这样的政策是包括公司高管在内,都必须遵守法律法规和公司规章制度,并且需要具体的流程来确保政策。
2013年爆发的葛兰素史克中国公司行贿事件成为了一个标志性事件,涉及此事件的主要厂家葛兰素史克,利用贿赂手段谋求不正当的竞争环境。因涉嫌严重商业贿赂等经济犯罪,葛兰素史克中国公司的部分高管被依法立案侦查。该事件发生后,很多外企紧急成立了合规部,并招聘了高薪高职位的公司副总作为首席合规官、总合规官。
朱湘莲认为:“对于风险的发现和管控,必须要有一个合规团队。一个企业在中国或许有好几万名员工,但是只有一个合规官,是不可能把整个公司的合规做好的。”
《2015-2016反商业贿赂调研报告》主笔尹云霞指出,合规就是讲企业的人、财、事管好,企业应建立人、财、事三维立体的合规管控体系,并深入、持续建立合规文化,弘扬、鼓励合规文化的奖励举措,进行多样化、常态化的合规培训和理念灌输。
发挥大数据的作用
一家公司的贿赂行为最有可能被怎样发现?中国合规网的一则调查显示,其中的答案有:员工向公司举报、员工向政府机关举报、公司审计时发现、政府机构调查第三方后顺藤摸瓜、竞争者向政府举报等。
陈立彤指出:“这些传统的风险辨别方法,除了前三之外,其他对于公司来说都犹如噩梦般的存在,因为一旦政府机关介入调查,对于公司而言都会是滞后的,给公司带来的风险非常大,会面临被处罚的风险。”
是否有更好的结构性治理的风险管控方法?陈立彤认为,大数据分析平台是结构性治理的第一步,大数据风险防控是商业反腐结构性治理的抓手。
在陈立彤看来,结构性治理的反面是“零敲碎打”,而大数据管理体系就是结构的代名词。
企业如何通过大数据分析,成功实现风险控制?陈立彤表示:“传统上,一个公司的数据可能都是分割的,比如财务部门的数据和人力资源的数据,还有其他第三方的数据,不可能交集。但是通过大数据整合在一起,数据处理中心处理完毕以后,就会出现一个非常人性化的仪表盘,可以提前进行预警。”
通过大数据整合出来的读数,可能会出现一些意想不到的结果。例如,一个业务经理报销的业务发票的开具时间是他年假的时间,这里面可能就会有欺诈风险;一个明星销售员销售的数据非常漂亮,但是和他出差的数据结合在一起,会发现他的出差足迹遍布名山大川,这说明他可能是陪客户去玩,存在合规风险;应付账款的收款人在波兰,但那里实际并没有供应商,这可能有欺诈风险……
“对于结构性治理,大数据分析更加接近实时,更加精准,更加具有预防性和人性化。”陈立彤指出,大数据可以“解决大公司数据繁多、难以处理的痼疾,解决蛛丝马迹、人眼所不能发现的问题,可以实现对于全球合规的风控,且24小时全球无眠”。
政府执法与企业自查
自2015年以来,我国商业反腐立法工作进一步完善,其中最突出的表现是刑法修正案(九)的审议通过并实施。刑法修正案(九)对关于贿赂犯罪的条文进行了多处修改,改变了以往“重受贿、轻行贿”的误区,加大了对行贿罪的处罚力度。
随着立法日臻完善,执法层面也日趋严格。对于政府而言,如何更好地对商业反腐进行结构性治理?如何能用更少的资源产生更大的影响力?尹云霞表示,美国政府在西门子全球行贿案中发挥的作用提供了很好的范例。
西门子全球行贿案是目前海外反腐败法罚款最高的案件。2006年,西门子卷入腐败丑闻,商业信誉和企业形象在全球都面临危机。为了挽救企业业务和声誉,随后西门子展开自救措施。西门子花费7.45亿美元,聘请了专家来对企业进行内部调查。之后,美国政府要求西门子聘请外部专家来帮助企业进行内部的监督,通过几年时间建立了一个黄金合规体系。
“美国政府执法过程当中充分调动了企业的能动性。政府让企业进行内部自查,如果进行自查,便减少相对的处罚;另外,鼓励企业建立合规制度,美国政府执法过程当中,如果企业建立了有效的合规制度的话,对于企业的处罚也可能会有减免。”尹云霞介绍。
据了解,为了取得客观可信的调查结果,这项漫长的自查活动评估了5000多个咨询协议,检查了0.4亿个银行账户报表、1亿份文件、1.27亿次交易,进行了无数谈话和调动。
这一系列有力的自查措施,让西门子在最短时间内结束了在德国和美国的法律诉讼程序,并首次因为积极合作而被减少了罚款。同时,西门子收获了合规管理体系的完善和合规理念的深入人心。
尹云霞表示:“政府通过这样的执法,其实实现了一个辐射型执法效应,即通过对一个企业的合规,影响了成千上万的企业。一方面,企业在海外投资的公司,必须要符合相应的合规要求;另一方面,供应商、经销商以及和公司有业务往来的合作伙伴和第三方的非法行为也会使企业承担相应的法律责任。所以,企业的合规政策里面要求相应的第三方必须也是合规的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29