ZARZĄDZAJEMY JAKOŚĆ DANYCH
Dlaczego złe dane niszczą wszelkie zarządzanie ryzykiem
Złe Jakość danych nie prowadzi ona po prostu do niewielkich nieścisłości – prowadzi ona do błędnych decyzji, pozornej pewności, błędnych priorytetów i kosztownych działań, które kosztują więcej niż oczekiwano. Ryzyko przebiegać w pobliżu
Typowe konsekwencje złej jakości danych:
- Błędy w zarządzaniu
- mała akceptacja w firmie
- nieefektywne i kosztowne Środki kontrolne
- zakłócony Szacunki narażenia
- fałszywe Kategorie ryzyka
- brak przejrzystości
Krótko: Złe Jakość danych jest to ryzyko związane z zarządzaniem ryzykiem.
Problem nr 1: nazwy ryzyka
- za długi
- był zbyt nieprecyzyjny i twórczy
- nie jednoznaczne
- dwukrotnie (w różnych językach)
- całe zdania zamiast pojęć
Roman nie jest książką o ryzyku. Jest to historia Pierwsza linia obrony przed chaosem.
Problem nr 2: Opis ryzyka
- za techniczne
- za zbyt abstrakcyjny
- niekompletny
- nie do końca zrozumiałe
Jeśli jeden Władca ryzyka nie potrafi wyjaśnić własnego tekstu, to jest Opis niemal bezużyteczny.
Problem nr 3: Ocena ryzyka (metodologia)
- Definiowanie błędnych funkcji dystrybucji
- Modele zależą od używanego symulatora MC
- Przejęcie oceny przez menedżerów ryzyka
Często się zdarza, że falsze funkcje rozkładu stosowany w przypadku ryzyka (np. Dreieck– zamiast Rozkład trzech punktów). Wprowadzało to ogromne błędy w wynikach (większe niż błędy systemu lub modelu).
Problem nr 4: Ocena ryzyka (know-how)
- Wybór funkcji rozkładu
- Definowanie/oceny parametrów i momentów
- rozumienie matematycznych modeli
To nierealistyczne. „Wybór Funkcja dystrybucji nie jest możliwe, aby 90% osób nieposiadających żadnego wykształcenia (!) mogło to zrobić.“
Odpowiedzialni za ryzyko to są nie są matematykami finansowymi. Powinni oni oceniać, Nie modelować.
Poprawna funkcja dystrybucji
Klasyk - układ trzech punktów vs. układ trzech punktów
Wybór właściwego Funkcja dystrybucji ma ogromny wpływ na Wyniki symulacji i obliczyli narażenia ryzyka.
W praktyce jest to często zauważalny Błędy w procesie selekcji Funkcja dystrybucji, że ryzyka są błędnie kojarzone Rozgryzki w trzech kierunkach charakteryzowane/oceniane, chociaż:
- rozsypane dyskretnie,
- asymetryczny,
- ciężko ogonkowaty
są. Przykłady ryzyka to cyberataki, pożary fabryk, naruszenia przepisów, klęski żywiołowe itp.
Krótko: Te ryzyka należy Szacunki na podstawie trzech punktów (Najlepszy, Standardowy, Najgorszy), żadne Rozgryzki w trzech kierunkach.
Dlaczego?
Jedna Podział trójkąta Tworzy:
- sfałszowane prawdopodobieństwa
- Nadmierne uwzględnianie prawdopodobnego szkody
- masowa niedoceniana ryzyka związanego z ogonami
- Umieszczać ograniczenia w dystrybucji
Krótko: Jedna Podział trójkąta Jest to zbyt proste i metodicznie błędne w odniesieniu do tych typów ryzyka.
W ocenie ryzyka stosuje się funkcje rozkładu 3 poważne zagrożenia:
80%
ten Wodzu odpowiedzialnemu za ryzyko są zaangażowani w proces wyboru Funkcje dystrybucji a ich ocena jest zbyt wygórowana.
70%
zarządzający ryzykiem centralni podają Funkcje VT przed tym i przeprowadzają również oceny.
60-80%
wyniki są zniekształcone, ponieważ są nieodpowiednie Przyjmujące założenia a parametry wywołują więcej błędów niż sam model.
Lista kontrolna dla odpowiedzialnych za ryzyko
Lista kontrolna dla osób odpowiedzialnych za zarządzanie ryzykiem
Poniżej krótka lista sprawdzić Wodoodporny, Aby zwiększyć jakość danych.
-
Jednostajne i krótkie nazwy ryzyka (maksymalnie 3-5 słów; nazwy rzeczowe na początku)
-
Wyraźne opisy (przyczyn, przyczyny, skutki)
-
Redukcja błędów szacunkowych (świadectwa empiryczne, plauzibilności, unikanie ekstremalnych oszacowań)
-
Realistyczne i zrozumiałe oszacowanie
-
Dobre udokumentowane informacje (wyciągnięcie wniosków i wyjaśnienie treści)
Jakość danych decyduje o akceptacji zarządzania ryzykiem
Jakość danych decyduje o tym, czy zarządzanie ryzykiem jest skuteczne Instrument sterowania lub jeden Instrument dokumentacji To jest problem. Nieprawidłowe lub niespójne dane bardziej zakłócają wyniki niż jakakolwiek metodologia, podczas gdy wysokiej jakości dane stabilizują ocenę, minimalizują błędy szacunkowe i dopiero wtedy stają się wiarygodne w zarządzaniu ryzykiem. Jakość danych jest zatem kluczem do sukcesu. najważniejszy czynnik sukcesu w całym procesie zarządzania ryzykiem.
