리스크 관리 시스템을 기업의 디지털 인프라에 통합하는 것은 대규모 산업 프로젝트의 성공적인 실행을 위한 중요한 요소가 되고 있습니다. 글로벌 불확실성과 제재 조치 속에서 위협을 평가하는 전통적인 접근 방식은 그 비효율성을 드러내고 있습니다. 웨비나에서 Gazprom-Media Holding의 디지털 인프라 개발 이사인 Yana Krukhmaleva는 대규모 인프라 프로젝트의 사례를 통해 러시아 리스크 관리의 진화를 분석하고, 업계가 빅데이터 활용 방향으로 나아갈 수밖에 없는 이유를 설명합니다.
고전적인 정성적 리스크 분석은 종종 전문가의 의견에 의존하며, 이는 필연적으로 인지적 편향의 영향을 받습니다. 행동 경제학 분야의 연구를 바탕으로 연사는 불확실한 상황에서 인간이 비합리적으로 생각하는 경향이 있음을 보여줍니다. 실제로는 이것이 형식적인 접근으로 이어집니다. 전문가는 위협에 대한 심층 분석을 수행하지 않거나 더닝-크루거 효과 또는 아포페니아(객관적으로 존재하지 않는 패턴을 찾는 것)와 같은 정신적 함정에 빠지게 됩니다.
또한 집단 리스크 평가 시 콩도르세의 역설이 발생합니다. 이는 전문가들의 의견이 너무 달라서 수학적으로 객관적인 평균 평가를 도출하는 것이 불가능한 상황입니다. 의견의 일치 정도를 파악하기 위해 켄달의 일치 계수를 사용하는 것이 제안됩니다. 일치도가 낮을 경우, 최종 결정에 대한 책임은 평균 점수가 아닌 자신의 역량을 바탕으로 프로젝트 관리자가 져야 합니다.
정성적 분석의 주관성에서 벗어나기 위해 많은 기업이 정량적 방법, 특히 몬테카를로 시뮬레이션으로 전환하고 있습니다. 그러나 발표에서는 이 접근 방식의 핵심적인 단점을 자세히 다룹니다. 수학적 모델의 입력 데이터는 여전히 주관적인 전문가 평가라는 점입니다.
결과적으로 복잡한 정량적 모델은 종종 경영진을 안심시키는 도구로 전락하여, 건설 현장의 실제 상황과는 무관하게 기한과 예산을 준수하는 이상적인 그림을 그려냅니다.
사건 발생 확률 평가의 객관성을 획기적으로 높이는 유일한 방법은 빅데이터를 사용하는 것입니다. 기업용 데이터 레이크(Data Lakes)를 구축하면 사고, 장비 고장, 공급 차질 및 외부 위협에 대한 대규모 통계를 축적할 수 있습니다.
이 단계의 핵심 과제는 데이터 입력 시 인적 요소를 최대한 배제하여 데이터의 관련성과 순도를 보장하는 것입니다. 정보 수집은 생산 시설 및 관련 정보 시스템에서 직접 자동으로 이루어져야 합니다. 신뢰할 수 있는 데이터 세트를 기반으로 해야만 실제 리스크 예측을 위한 예측 분석 및 머신 러닝 알고리즘을 효과적으로 적용할 수 있습니다.
기업 거버넌스의 중요한 문제 중 하나는 리스크 관리 부서 자체의 경제적 효율성을 증명하는 것입니다. 연사는 전문가의 초기 예측과 실제 사건 발생을 비교하기 위해 피어슨의 양분 상관계수를 사용할 것을 제안합니다. 계수가 0에 가까우면 전문가 그룹의 예측은 실질적인 가치가 없으며 프로세스를 재검토해야 합니다.
또한 소프트웨어 선택 문제도 제기됩니다. 무거운 서구 시스템을 사용한 경험은 제재에 대한 취약성과 사용자 요청에 대한 경직성을 보여주었습니다. 오늘날 초점은 더 직관적인 인터페이스, 구현의 용이성 및 외부 제한으로부터의 독립성을 제공하는 러시아 IT 솔루션(예: RisGap 플랫폼)으로 이동하고 있습니다.