Kljub namenskim orodjem za upravljanje tveganj številne aktivnosti v veliki meri izvajamo ročno. V najnovejšem prispevku zato Božo Recko izpostavlja dva pomembna aspekta digitalizacije upravljanja tveganj, in sicer samodejni zajem podatkov ter uporabo umetne inteligence ter vam na praktičnih primerih pokaže, kako jih uporabiti za izboljšanje procesov in preprečevanje škodnih dogodkov.
V današnjem dinamičnem svetu, polnem priložnosti in tveganj, poslovnih sprememb in naraščajočega regulativnega pritiska, morajo organizacije (p)ostati gibčne, hkrati pa še vedno obvladovati svoja tveganja.
A procesi upravljanja tveganj, ki od nas terjajo vnašanje ali pregledovanje podatkov in ocenjevanje pogostosti in potencialne škode, pogosto ostajajo ročni, podatki pa razdrobljeni ali preprosto – nerazumljeni.
Vendar digitalizacija, kot jo razumemo danes, omogoča precej več. V kontekstu upravljanja tveganj Božo izpostavlja dva pomembna aspekta:
1) Samodejni zajem podatkov
2) Uporabo umetne inteligence oz. strojnega učenja na obstoječih podatkih
Samodejni zajem podatkov
Danes že lahko trdimo, da so vsa poslovna okolja do neke mere digitalizirana.
– Kadrovski sistemi in sistemi, ki skrbijo za prijavo in upravljanje pravic dostopa do informacijskega okolja, v digitalni obliki hranijo številne podatke o zaposlenih.
– V sistemih za podporo poslovanju se nahajajo uporabni podatki o procesih, virih, projektih, finančnih in drugih transakcijah, ciljih, odstopanjih od ciljev in podobno.
– V visoko digitaliziranih industrijskih okoljih je na voljo veliko uporabnih podatkov o stanju proizvodnje, zalog, nabave ipd.
– Veliko koristnih informacij najdemo tudi v podatkih zunanjih virov.
Vse podatke, ki jih ti zgoraj našteti sistemi hranijo, lahko s pridom uporabimo pri bolj digitaliziranem pristopu k upravljanju tveganj. Božo v vlogu pojasni, kako lahko z orodji za upravljanje tveganj zagotovite en vir resnice in ne podvajate podatkov ter natančno omejite dostop do informacij in funkcionalnosti.
Primer: Kako izgleda aktivno upravljanje tveganj s pomočjo visoke stopnje digitalizacije?
Božo vam prikaže (izmišljeni) primer visoko digitaliziranega proizvodnega podjetje v bližini Save, ki ima tudi dobro razvito kulturo upravljanja tveganj. Ker področje velja za visoko poplavno, je družba s pomočjo orodja za upravljanje tveganj spremljala historične podatke vodostaja v njihovi neposredni bližini in s smotrno zastavljenimi ključnimi kazalniki uspešno zaznala tveganja ter pravočasno uvedla potrebne ukrepe.
Uporaba umetne inteligence oz. strojnega učenja na obstoječih podatkih
Ta vidik digitalizacije je bolj zahteven, saj se upravljanje tveganj v veliki meri zanaša na človekovo subjektivno podajanje ocen. Problem subjektivnosti se posebej pokaže takrat, ko nimamo nobenih oprijemljivih podatkov, a vendar moramo podati ocene. Če vodjo IT oddelka vprašate: »Kakšna je ocena verjetnosti, da pride do požara v vašem podatkovnem centru?«, vam bo najverjetneje odgovoril, da tega ne ve, saj v podjetju še ni gorelo. A vendar vemo, da do požarov prihaja.
Za pomoč pri iskanju odgovorov na tovrstna vprašanja se lahko obrnemo na napredne tehnologije. Pri dovolj veliki količini anonimiziranih podatkov o tveganjih in incidentih lahko s strojnim učenjem in pravilnimi modeli ponudimo predloge ocen, ki so z visoko verjetnostjo zelo približani realnemu stanju, če ga lahko tako imenujemo. Strojno učenje je torej primerno za reševanje problemov z velikim naborom pravil in za ustvarjanje jasne slike iz velike količine podatkov.
V platformi za celovito upravljanje tveganj Silver Bullet Risk omogočamo samodejni zajem različnih tipov podatkov po glavnih standardnih protokolih. Prav tako pripravljamo okvir za strojno učenje na anonimiziranih podatkih o tveganjih. Z obojim omogočamo aktivno upravljanje tveganj in visoko stopnjo digitalizacije.