自动化分析平台

张益绅 高级经理

高智敏 副经理

德勤台北事务所

企业风险管理服务

自美国作家Michael Lewis同名小说所改编的电影《魔球》（Moneyball，2011），描述了美国职棒大联盟预算极低的奥克兰运动家，利用各种统计方式与数据分析技巧，找出价值被低估的球员，并破除种种棒球界深信不疑的攻击策略（如触击牺牲打、盗垒等），成功地在金钱至上的大联盟中击败一支支富有球队，屡屡刷新看似不可能的纪录。虽然这种近乎神话的故事并未真正发生在商业经营上，但在一波波全球化浪潮袭击与日趋险峻的经营环境中，企业经营者无不绞尽脑汁，企图从庞大无序的各式数据中，梳理出一条条专属于己的成功方程式，以大幅增加竞争优势。

顾名思义，自动化数据分析平台即为以自动化的方式，将企业日常营运所产生的众多（或所有）数据汇集在一起，通过各种情境的模拟分析，筛选出值得管理当局关注的现象、趋势、问题及风险。可以让管理当局透视企业的营运状况，并实时地对于营运状况进行应变、改善或决策。

自动化数据分析平台最大的特点在于，通过预先设计的分析规则、情境仿真，及自动化的收集、分析、结果呈现机制，全面地将所有（100%）营运数据纳入分析，让企业管理当局持续不断地实时监控企业营运的状况，尤其是可以随时掌握是否有异常的趋势或现象，提前拟定因应对策或启动营运改善活动，大幅提高营运管理的实时性及效率。

一般来说，较完整的自动化数据分析平台架构包含在线分析模块（In-line Screening System）、数据储存模块（Data Layer）与逻辑优化模块（Offline Rules Optimization System）。以下详述各模块的功能与所扮演的角色。

⑴ 数据储存模块。数据储存模块内存放各项欲分析的数据（如日常营运数据-Transaction Data）、逻辑引擎的分析规则、第三方供验证的数据、自动修正引擎的逻辑及个案数据等，供在线分析模块及逻辑优化模块使用。

⑵ 在线分析模块。通过数据储存模块内预先定义的规则与逻辑，利用逻辑引擎（Rule Engine）分析原始数据后，得出系统自动修正与需人工介入处理两种类型的异常数据.其中属于系统自动修正的异常，会传送至自动修正引擎（Treatment Engine），由其依照标准流程进行修正，如若逻辑引擎分析ERP授权数据，发现人员有职能冲突的情形时，则交由自动修正引擎，自动依授权规范提出ERP权限变更之申请；属于需人工介入处理的异常，则交由个案管理工具（Case Management）处理，由其将异常数据分类为舞弊调查、作业错误与法令遵循等类型，由相关人员负责检视与后续追踪。

⑶ 逻辑优化模块。藉由先进分析引擎（Advanced Analytics Engine），可判断出新型舞弊的类型，并自动建议如何修改现有规则与逻辑，此建议修改规则会经由流程与信息专家进行复核后，于模拟环境（Simulation Environment&Prototyping）确认无误后，方更新至数据储存模块的逻辑引擎分析规则。

此外，为达到完全自动化平台的目标，此平台与欲分析的数据的自动化取得渠道与方式（input），及平台产出结果给监控管理单位的自动化呈现方式（Output）亦须纳入平台架构设计的考虑。

通过上述自动化数据分析架构及良好的分析逻辑设计，自动化数据分析平台可为企业带来以下效益：

⑴ 快速发现及回复财务损失。从自动化数据分析平台的分析结果中，可找出作业错误或疏失之处，所造成的财务损失，并予以回复。如采购未依已调降的单价购买物料，造成企业采购成本提高。

⑵ 改善营运流程及提升内控落实强度。依据分析过程及结果，可协助企业找出营运流程中诸多作业不合理、控管无效等发现，提供营运管理改善机会。

⑶ 实时监控潜在舞弊行为。将内稽与顾问的风险专业知识内建于自动化数据分析平台后，通过分析引擎运算后即可筛选出潜在的舞弊行为，如检视是否有重复的付款、供货商的银行账号与员工的银行账号相同、汇款给离职员工，等等。

⑷ 优化特定流程决策。如通过对采购行为交易及供货商的趋势分析、量价分析、进退货分析、付款条件分析，可以提供给管理当局对于采购策略重新拟定的决策支持。

⑸ 改善无效率流程。自动化数据分析平台可分析出各企业营运流程的关键绩效指针（KPI），提供流程改善或再造的依据，如可分析从请购到验收的平均时间，以确认采购效率是否符合公司预期。

⑹ 提升企业风险管理与内部稽核能量。自动化数据分析平台可协助风险管理与内部稽核部门快速、全面找出高风险数据或交易，提升稽核作业效率、效能及质量。

⑺ 提升数据质量。数据的质量决定了数据分析结果的有效性，通过建置自动化数据分析平台，可间接地辨识出数据质量不足、数据紊乱、数据重复等问题，通过改善活动亦可大幅提升企业营运的数据质量。

自动化数据分析平台若要成功建置，并不仅是采购相关软件工具即可，其余流程与部门的配合亦为关键。以下以作者导入的经验归纳关键成功要素：

⑴ 数据质量与管理。若所分析的数据质量不良，如重要分析字段缺漏、数据笔数与数据源不一致，甚至数据内容与数据源不同等，则再精确的分析规则与模型皆无法产生正确的分析结果，因此企业的数据管理流程实与自动化数据分析平台建置息息相关。

⑵ 分析规则与模型。精确且可自我检查与回馈的分析规则与模型，是自动化数据分析平台的重要核心之一。如何设计与测试符合需求的分析规则与模型，并通过何种机制反馈相关修正参考信息，考验着建置人员的设计能力。

⑶ 投资报酬率。自动化数据分析平台建置过程中最常被忽略的，就是展示该平台所带来的量化与质化效益，并与企业营运方向连接，导致高阶主管认为自动化资料分析平台不过又是另一个复杂难懂的信息产品，大大降低建置成功的几率。

自动化分析平台的建置，并非仅是软件工具的采购，各流程与单位的配合、事前详尽的规划也是关键因素之一。自动化分析平台建置后，企业并不会立即取得大幅的领先优势，分析结果仍需要优秀的人才进行解读，制定相应的方案与计划，并严格地执行与追踪后，效益才会逐渐彰显。因此自动化分析平台的分析结果可视为企业体质诊断的报告书，如何对于报告书的内容作出相应的改善，才是挑战的开始。