公司风险管理：风险管理技术与方法思维导图

头脑风暴法可分为

将头脑风暴法应用于风险识别，就是由指定的主持人提出与风险有关的问题，然后要求小组成员依次在第一时间给出问题的看法。

由风险管理小组对集体讨论后识别的所有风险进行复核，并且认定核心风险。

适用于充分发挥专家意见，在风险识别阶段进行定性分析。

激发了想象力，有助于发现新的风险和全新的解决方案。

让主要的利益相关者参与其中，有助于进行全面沟通。

速度较快并易于开展。

参与者可能缺乏必要的技术及知识，无法提出有效的建议。

由于头脑风暴法相对松散，故较难保证过程的全面性。

可能会出现特殊的小组状况，导致某些有重要观点的人保持沉默而其他人成为讨论的主角。

实施成本较高，要求参与者有较好的素质，这些因素是否满足会影响头脑风暴法实施的效果。

德尔菲法采用背对背的通信方式征询专家小组成员的意见，专家之间不得相互讨论，不发生横向联系，只能与调查人员发生联系。

通过反复填写问卷，搜集各方意见，以形成专家之间的共识。

适用于在专家一致性意见基础上，在风险识别阶段进行定性分析。

由于匿名表达观点，故更可能表达出不受欢迎的看法。

所有观点有相同的权重，避免重要人物占主导地位的问题。

专家不必一次聚集在某个地方，比较方便。

这种方法具有广泛的代表性。

过程比较复杂，花费时间较长。

权威人士的意见影响他人的意见。

有些专家碍于情面，不愿意发表与其他人不同的意见。

出于自尊心而不愿意修改自己原来不全面的意见。

FMECA按规定的规则记录系统中所有可能存在的影响因素，分析每种因素对系统的工作及状态的影响，将每种影响因素按其影响的严重程度及发生概率排序，从而发现系统中潜在的薄弱环节，提出可能采取的预防改进措施，以消除或减少风险发生的可能性，保证系统的可靠性。

FMECA可以为其他风险方法（定性及定量的故障树分析）提供数据支持。

对失效模式、影响及危害进行定性或定量分析

对其他风险识别方法提供数据支持。

广泛适用于人力、设备和系统失效模式，以及硬件、软件和程序。

识别组件失效模式及其原因和对系统的影响，同时用可读性较强的形式表现出来。

通过在设计初期发现问题，从而避免了开支较大的设备改造。

识别单点失效模式以及对冗余或安全系统的需要。

只能识别单个失效模式，无法同时识别多个失效模式。

除非得到充分控制并集中充分精力，否则研究工作既耗时且开支较大。

在企业风险识别过程中，运用流程图绘制企业的经营管理业务流程，可以将与企业各种活动有影响的关键点清晰地表现出来，结合企业中这些关键点的实际情况和相关历史资料，就能够明确企业的风险状况。

通过业务流程图方法，对企业生产或经营中的风险及其成因进行定性分析。

是识别风险最常用的方法之一。

清晰明了，易于操作，且组织规模越大，流程越复杂，流程图分析就越能体现出优越性。

通过业务流程分析，可以更好地发现风险点，从而为防范风险提供支持。

该方法使用效果依赖于专业人员的水平。

这种分析通常用于对那些存在多种状态（包括各种降级使用状态）的可维修复杂系统进行分析。

马尔科夫分析是一项定量技术，可以是不连续的（利用状态间变化的概率）或者连续的（利用各状态变化率）。

马尔科夫分析法更适合于计算机程序。

马尔科夫分析法主要围绕“状态”这个概念展开。随机转移概率矩阵可用来描述状态间的转移，以便计算各种输出结果。

马尔科夫分析法使用马尔科夫矩阵，该矩阵每栏数值之和是1，因为它们是每种情况一切可能结果的总和。

适用于对复杂系统中不确定性事件及其状态改变的定量分析。

能够计算出具有维修能力和多重降级状态的系统的概率。

无论是故障还是维修，都假设状态变化的概率是固定的。

所有事项在统计上具有独立性，因此未来的状态独立于一切过去的状态，除非两个状态紧密相连。

需要了解状态变化的各种概率。

有关矩阵运算的知识比较复杂，非专业人士很难看懂。

适用于对风险初步的定性分析。

方法简单，直观明了。

若需要进一步探求风险原因，则显得过于简单，缺乏有效的经验证明和数据支持。

在识别和分析那些反映诸如最佳情景、最差情景及期望情景的多种情景时，可用来识别在特定环境下可能发生的事件并分析潜在的后果及每种情景的可能性。

如果积极后果和消极后果的分布存在比较大的差异，情景分析就会有很大用途。

应特别关注那些最重要、最不确定的因素。可以绘制出关键因素或趋势的图形，以显示情景可以进行开发的区域。

通过模拟不确定性情景，对企业面临的风险进行定性和定量分析。

对于未来变化不大的情况能够给出比较精确的模拟结果。

在存在较大不确定性的情况下，有些情景可能不够现实。

在运用情景分析时，主要的难点涉及数据的有效性以及分析师和决策者开发现实情境的能力，这些难点对结果的分析具有修正作用。

如果将情景分析作为一种决策工具，其危险在于所用情景可能缺乏充分的基础，数据可能具有随机性，同时可能无法发现那些不切实际的结果。

敏感性分析是在确定性分析的基础上，进一步分析不确定性因素对项目最终效果指标的影响及影响程度。

若某参数的小幅变化能导致效果指标的较大变化，则称此参数为敏感性因素，反之则称其为非敏感因素。

敏感性分析可以寻找出影响最大、最敏感的的主要变量因素。

敏感性分析最常用的显示方式是龙卷风图。

适用于对项目不确定性对结果产生的影响进行的定量分析。

为决策提供有价值的参考信息

可以清晰地为风险分析指明方向

可以帮助企业制定紧急预案。

分析所需的数据经常缺乏，无法提供可靠的参数变化。

分析时借助公式计算，没有考虑各种不确定因素在未来发生变动的概率，无法给出各参数的变化情况，因此其分析结果可能和实际相反。

一种表示初始事件发生之后互斥性后果的图解技术

根据是为减轻其后果而设计的各种系统是否起作用。

适用于对故障发生以后，在各种减轻事件严重性的影响下，对多种可能后果的定性和定量分析。

以清晰地图形显示了经过分析的初始事项之后的潜在情景，以及缓解系统或功能成败产生的影响。

它能说明时机、依赖性以及故障树模型中很繁琐的多米诺效应。

它生动地体现事件的顺序，而使用故障树是不可能表现的。

为了将ETA作为综合评估的组成部分，一切潜在的初始事项都要进行识别，这可能有赖于其他方法；但总有可能会遗漏一些重要的初始事项。

事件树只分析了某个系统的成功及故障状况，很难将延迟成功或恢复事项纳入其中。

任何路径都取决于路径上以前分支点处发生的事项。

类似于事件树，决策树开始于初因事项或是最初决策，同时由于可能发生的事项及可能做出的决策，它需要对不同路径和结果进行建模。

决策树用于项目风险管理和其他环境中，以便在不确定的情况下选择最佳的行动步骤。

适用于对不确定性投资方案期望收益的定量分析。

对于决策问题的细节提供了一种清楚的图解说明。

能够计算达到一种情形的最优路径。

大的决策树可能过于复杂，不容易与其他人交流。

为了能够用树形图表示，可能有过于简化环境的倾向。

前推

后推

旁推

适用于各种风险分析预测。

在数据充足可靠的情况下简单易行。

结果准确率高。

由于历史事件的前提和环境已发生了变化，不一定适用于今天或未来。

没有考虑事件的因果关系，使外推结果可能产生较大偏差。为了修正这些偏差，有时必须在历史数据的处理中加入专家或集体的经验修正。