AUGMENTER LA QUALITÉ DES DONNÉES
Pourquoi les mauvaises données détruisent tout management des risques
Mauvais Qualité des données ne conduit pas simplement à de petites inexactitudes – elle conduit à des décisions erronées, à une certitude artificielle, à des priorités fausses et à des mesures coûteuses qui coûtent cher à payer. Risque passer devant
Les conséquences typiques d'une mauvaise qualité des données:
- Écarts de décision dans la gestion
- faible acceptation au sein de l'entreprise
- inefficace et coûteuse Mesures de contrôle
- distorté Calculs d’exposition
- faux Classes de risque
- absence de transparence
En résumé : Mauvais Qualité des données constitue un risque personnel dans la gestion des risques.
Problème n° 1 : noms de risque
- trop long
- Trop vague et trop créatif
- non univoque
- double (en différentes langues)
- Des phrases entières au lieu de mots
Un roman policier n'est pas un roman d'aventure. C'est un roman d'enquête. Premier fil de défense contre le chaos.
Problème n° 2 : description des risques
- trop technique
- trop abstrait
- Incompleet
- Incompréhensible
Si un Responsable des risques qu’il ne peut pas expliquer son propre texte, c’est la La description est presque inutile.
Problème n° 3 : évaluation des risques (méthodologie)
- Éléments de configuration de fonctions de distribution incorrectes
- Modèles dépendants du simulateur de MC utilisé
- Transmission de l'évaluation au responsable de la gestion des risques
Souvent, on trouve Fonctions de répartition incorrectes utilisé pour des risques (par exemple. Troïka– au lieu de Distorsion à trois points). Cela a entraîné des erreurs de résultats massives (plus importantes que les erreurs de système ou de modèle).
Problème n° 4 : évaluation des risques (connaissances)
- Choisir des fonctions de distribution
- Définir et estimer des paramètres et des moments
- Comprendre les modèles mathématiques
C’est irréaliste. „Le choix de Fonction de distribution C’est impossible pour un RV sans instruction (!) de faire cela à 90%.“
Les responsables des risques sont aucun mathématicien financier. Ils doivent Évaluer, Pas de modélisation.
Fonctions de répartition correctes
Le classique - répartition en triangle vs. répartition en trois points
Le choix de la bonne Fonction de distribution a eu une influence considérable sur Résultats de simulation et calculé les expositions au risque.
Dans la pratique, un signe fréquent Erreur Lors du choix des Fonction de distribution, le fait que des risques soient faussement attribués à Distributions triangulaires sont caractérisés/évalués, bien que :
- distribué discrètement,
- asymétrique,
- grand-tête
sont. Exemples de risques Il s’agit d’attaques informatiques, incendies de sites industriels, violations de la conformité, catastrophes naturelles, etc.
En résumé : Ces risques doivent être pris en considération Estimations à trois points (Meilleur, Normale, Pénible), aucune Distributions triangulaires.
Pourquoi ?
Une Distorsion triangulaire produit :
- Probabilités inventées
- Faire trop d’accent sur les dommages les plus probables
- Une sous-estimation massive des risques liés aux queues
- limitation artificielle de la distribution
En résumé : Une Distorsion triangulaire C’est trop simple et méthodiquement incorrect pour ces types de risque.
Lors de l'évaluation des risques, des fonctions de distribution sont appliquées. 3 risques graves:
80%
le Responsables de la sécurité sont inclus dans la sélection de Fonctions de distribution et leur évaluation est dépassée.
70%
Les gestionnaires centraux de risques donnent Fonctions VT Ils effectuent également les évaluations avant et après.
60-80%
les résultats sont biaisés parce que les données sont inappropriées Hypothèses de répartition et des paramètres qui entraînent les erreurs plus fortement que le modèle lui-même.
Liste de contrôle pour les responsables de la sécurité des données
Liste de contrôle pour les responsables de la sécurité
Voici ci-dessous une liste de contrôle courte pour Responsable des risques, afin d’améliorer la qualité des données.
-
Des noms de risque clairs et courts (max. 3-5 mots ; des substantifs en début de nom)
-
Des descriptions compréhensibles (déclenchement, cause, conséquence)
-
Réduction des erreurs de calcul (expériences, plausibilités, éviter les évaluations extrêmes)
-
Estimation réaliste et compréhensible
-
Régularité des informations (dérivation et explication des contenus)
La qualité des données détermine l’acceptation de la gestion des risques
La qualité des données détermine si la gestion des risques est efficace. Instrument de contrôle ou un Outil de documentation C’est vrai. Des données erronées ou incohérentes faussent les résultats plus que toute autre méthode, tandis que des données de qualité stabilisent l’évaluation, minimisent les erreurs de calcul et rendent la gestion des risques fiable pour la première fois. La qualité des données est donc la clé. Le facteur clé de succès Dans l'ensemble du processus de prise de risque.
