透視企業合規管理的“冰山之下” -- 揭示關聯關系風險

一、系統核心：以三大方向為底層邏輯的關聯關系深度挖掘

信永中和關聯關系挖掘系統的核心功能在于通過集成內外部多種數據構建整體關系圖譜，進行多維度數據的關聯分析，深入挖掘企業之間的關聯關系，揭示隱藏的潛在風險。系統的分析框架主要集中在三個核心方向：股權關系、任職關系、以及其他間接關系等多維度信息的關聯分析。

1. 股權鏈路深度穿透：揭示股東背后的隱性關系

股權結構是企業最核心的治理結構之一，而背后可能隱藏著復雜的利益關系。信永中和關聯關系挖掘系統通過股權鏈路分析，能夠在無限級上下穿透的基礎上，剖析企業之間的股東關系，揭示股東之間的關聯。這一過程不僅限于表面上的股東信息，系統能夠根據股東的持股比例、出資情況等信息，深入挖掘企業之間的隱性股東關系，幫助管理層識別那些表面上沒有直接聯系，但實際上可能存在共同利益的企業。例如，系統能夠通過多層股權鏈路發現一些關聯公司，其實由同一股東或同一管理團隊間接控制，從而揭示潛在的利益輸送鏈條。

2. 任職關系發散分析：從人到企業，再從企業到人，環環相扣，深度挖掘背后的利益關聯

企業管理層的任職關系往往是揭示企業之間潛在關聯的重要線索。信永中和關聯關系挖掘系統不僅對當前的任職關系進行分析，還會對歷史任職記錄進行深入挖掘，發散性地揭示跨企業的任職流動。通過“公司查人”和“人查公司”兩種方式，系統能夠識別出一個關鍵人物曾在多個公司擔任職務的情況，進而揭示這些公司之間是否存在潛在的利益輸送或不正當利益交易。同時，這種任職關系發散分析，不僅幫助企業發現跨公司的人才流動和管理層之間的關聯，還能挖掘出一些難以通過傳統手段識別的潛在風險點。比如，當某一企業的高層管理人員同時在多個競爭公司擔任重要職務時，這可能意味著這些公司之間存在著某種協調和利益輸送的可能性。

3. 多維度信息關聯：從地址到郵箱，全面掃描關聯風險

除了股權和任職關系，信永中和系統還在多個維度進行關聯關系挖掘，進一步揭示企業間可能存在的隱性關聯。這些維度包括：注冊信息、地址信息、聯系信息（電話、郵箱）、網站信息、企業公示信息、知識產權信息、員工和親屬信息、質押抵押信息、擔保信息、法律訴訟信息等等。

在以上多種維度的關系數據的基礎之上，我們對系統進行關鍵模型定義與構建，例如：

（1）數據定義模型作為本體模型構建的基礎，涉及人與人、人與公司、公司與公司之間的關系，以及公司和人員畫像、地址、電話、郵箱和聯系人等等之間的關系定義；

（2）數據治理模型中的數據抓取、源解析、清洗和迭代更新等定義；

（3）關系計算模型中的典型最短路徑搜索算法、廣度優先算法和深度優先算法（如實控人、股權分析）等算法設計；

（4）結果剪枝模型中所涵蓋的代理記賬關聯、弱因子降權與增強召回、無效因子剔除以及分值權重表達算法的構建；

（5）風險預警模型中結合AI風險識別、AI診斷及預定義規則進行風險預警等模型的定義。

同時，對于多維度關聯的因子，我們會基于事務所內部專家的大量行業經驗進行關聯因子強弱分類建模，并將其中的弱關聯因子降噪。因為隨著關聯因子緯度的增多，并非每個關聯因子都能絕對準確的刻畫兩個實體之間的關系，有些弱關聯因子則會造成關聯誤傷（例如基金公司關聯帶來的噪聲污染），為了提高準確性，并在系統挖掘關聯關系計算時對弱關聯因子可通過降噪使用增加召回（即關聯擴召），以提高整體關聯關系的準確性和覆蓋率，下面是一個部分關聯關系網絡的概覽：

關系一：員工或家屬與合作商基于多因素疑似關聯關系路徑解析

關系二：合作商之間基于多因素關聯關系路徑解析

關系三：合作商與員工或家屬基于任職的疑似關聯關系路徑解析

二、綜合分析與智能預警：從專家模型到關系圖譜以及AI風險識別的探索

通過多種專家模型的設計和構建，系統能夠全面整合多維度的行業專家知識和風險評估標準，結合數據定義模型、關系計算模型和AI技術，精準識別和分析潛在風險。專家模型的作用不僅在于對數據進行深度分析，還能為不同類型的風險提供針對性的評估框架，從而確保對企業及其關聯方的全面了解與審查。同時，系統不僅能通過多維度的關系挖掘揭示潛在風險，還能根據分析結果生成不同的報告形式，幫助企業全面掌握合規情況，以及輔助審查人員進行人工查驗、證據發現和線索啟發。

• 關系圖譜：通過直觀的關系圖譜展示企業之間的復雜關聯關系，幫助管理者快速識別企業背后的隱性關聯。圖譜中的每一條線條和節點，都是企業之間潛在利益關系的真實反映，幫助管理層迅速捕捉到高風險區域。

• 完整關聯路徑表單：系統提供的關聯路徑表單詳細列出了每一條關聯關系的具體路徑，并對每個節點進行了詳細的公司屬性描述，例如：公司規模、注冊時間、注冊資金以及營業范圍這些因素可能幫到審查人員對于公司畫像的判定。不僅確保了結果的透明性和可追溯性，還為企業合規審查提供了充分的依據。

• AI風險識別與預警：系統能夠對每一條關聯關系進行深入分析，基于大數據分析和歷史案例，實時識別潛在的風險點。一旦系統檢測到某一企業或關聯關系存在異常，AI會自動發出預警，提醒管理層進行進一步審查。通過智能預警，企業可以及時發現潛在的風險，采取措施避免可能的法律和財務問題。

三、系統與手工能力對比矩陣

四、實際應用案例：揭示招投標違規行為

以某集團公司為例，該公司在參與招投標過程中，系統幫助其成功識別出供應商之間存在的串標圍標行為。以下為虛擬情景模擬對話場景：

甲方企業負責人（王總）

李老師，您好！我們最近在進行一個大型項目的招投標工作，參與投標的供應商多達80多家。雖然我們可以通過一些簡單的方式查找部分供應商的關系，比如用天眼查或者企查查來查詢少數幾家公司的股東關系，但這樣的方法對于我們這個數量級的供應商來說顯然不足以完成關系調查，一是公司數量眾多，通過天眼查、企查查等平臺的查詢入口無法提供批量關系發掘的問題，無論是股權、任職、聯系方式還是標書內容等等，均是單點查詢，兩兩組合查詢數量就達到了將近4000次查詢，還不包括復雜關系整理的時間成本；二是如果我們已經通過人工篩選出較小范圍的疑似清單，再通過天眼查、企查查人工查詢證據鏈和問題是可以的，包括查公司、查關系、查老板等等，但無法對家屬在供應商及關聯方任職行為進行有效查詢，同樣無法對隱藏較深的員工任職關系進行查詢，淺層次的可以手工去搜索，但查詢步驟較為繁瑣，層級一多就無能為力了，另外人工篩選出的結論可能會遺漏大量隱藏在關系網里的公司，造成部分公司漏網等等。因此，我們擔心其中可能有一些供應商存在串標、圍標或捆綁投標的行為以及內外部的潛在利益輸送問題。不知道您這邊有什么建議嗎？

高級審計師（李老師）

在這種大規模的招投標場景下，手動查詢每一家供應商的詳細關聯關系確實非常耗時且不切實際。針對這種情況，信永中和的關聯關系挖掘系統能夠提供更高效的支持，幫您從80多家供應商中快速發現潛在的串標圍標以及內外部隱藏的一些利益問題。通過系統先對80多家供應商進行底層關聯圖譜的構建，包括人與公司，人與人，公司與公司之間的各種關聯關系，確定公司和人的實體、關系和屬性（公司之間的 4 種直接關系（股東、投資、擔保、分支），以及公司之間的間接關系（注冊地址、郵箱、域名、電話、商標、專利、著作權、擔保），公司與個人之間的 5 種直接關系（股東、投資、擔保、高管、聯系人）。我們可以自動化地進行大規模的多維度信息關聯分析和挖掘，并以可視化形式展示關聯關系和路徑，幫您高效識別所有供應商之間的隱性關聯。

（圖3 關聯關系本體模型）

王總

聽起來很有意思。具體來說，系統是如何幫助我們在這么大體量的投標供應商中找到潛在問題的呢？

李老師

系統的核心價值在于，它能夠在大規模供應商中，通過關聯關系的深度挖掘，自動識別出可能的操控行為。首先，我們會基于供應商的股東結構、法定代表人、管理層任職等信息進行關聯分析。即使我們人工無法逐一手動查詢所有供應商，系統會自動將這些供應商的相關數據進行深度挖掘，并呈現出可能存在相同股東、相同高管、相同聯系人、地址電話等等一切產生聯系的公司。

王總

那系統是如何處理這些大量供應商的數據呢？我們如何確保分析結果的準確性？

李老師

我們通過強大的數據整合能力和我們的業務專家的指導，系統基于預定義模型自動抓取并匯總各類信息源。通過公開數據和開放的數據接口，自動獲取各個供應商的股東結構、管理層、聯系方式等信息，并進行深度數據抓取比對，在底層構建一個關聯關系圖譜。這些信息的多維度分析讓我們能夠發現跨公司之間的隱藏聯系。更重要的是，系統能夠處理數萬家供應商之間的數據，并根據關聯程度為每個供應商打上標簽和關聯系數，讓您快速識別出潛在的串標或圍標風險。

王總

明白了，那除了股東和任職信息，系統還能從哪些方面進行進一步的關聯分析呢？

李老師

除了股東和任職關系，系統還可以通過以下幾個維度進行關聯分析，包括但不限于：注冊信息、地址信息、聯系信息（電話、郵箱）、網站信息、企業公示信息、知識產權信息、員工和親屬信息、質押抵押信息、擔保信息、法律訴訟信息等等，具體需要哪些信息，我們會基于公司的需求進行一些定制，甚至還可以去關聯企業自身的一些業務系統或者財務系統的數據進行輔助驗證和識別。

王總

這就太方便了！如果我們有80家供應商，傳統的方法無論如何都無法手動檢查所有公司之間的關系。通過這個系統，我們可以在短時間內看到這些供應商的隱藏關系。那是否可以查出我們公司的員工和家屬是否與供應商存在一些聯系呢？

李老師

事實上，由于涉及到隱私的問題，任意一個開放的系統均無法直接查詢員工及家屬與公司之間的確定關系，但是我們基于開放平臺數據特性和算法匹配規則，在關聯路徑上進行人員重名匹配搜索，以及人員信息屬性的綜合定位，尋找與花名冊存在關系的所有路徑和節點，為后續人工審查提供啟發和洞察。

需要指出的是系統查詢員工或家屬是否存在疑似關系的方法，是先有明確的關聯關系路徑，而后在路徑中匹配重名人員。而我們傳統的手工查詢方式則無法構建完整關聯路徑，因此無法找出疑似關聯關系。

王總

你們是如何通過聯系信息進行關聯的？如果聯系信息本身是由于代理記賬等類似無效關聯，你們如何處理？

李老師

我們通過多維度的關聯因子進行聯系信息的匹配，首先根據電話、地址、郵箱等信息識別潛在的關聯關系。在處理關聯時，我們區分關聯因子的權重，完全確認的關系賦予高權重，弱關聯因子則通過降噪處理來降低影響。對于代理記賬等可能導致無效關聯的情況，我們會排除共享地址、電話等弱關聯因素，尤其是針對小公司和使用代理記賬模式的企業，我們通過公司規模、注冊時間、注冊資本、實繳資本、社保人數、經營狀態等特征構建識別模型，并進行AI識別并過濾無效數據。此外，我們還結合行為相似性分析，強化那些具有相似企業畫像和行為的關聯。最后，系統通過設置關聯層級控制召回量，平衡召回和準確率，并通過分值輸出幫助業務人員準確判斷關聯結果，確保識別有效關系，減少誤傷。

王總

系統輸出的結果是怎樣的呢？

李老師

系統會生成可視化的關系圖譜，展示所有供應商之間的關聯網絡。通過這種圖譜，您可以直觀地看到哪些供應商之間存在明顯的股東、管理層或投資關系。系統還會為您提供詳細的關聯路徑報告，列出供應商之間的關系鏈條及其背后的潛在風險以及各個公司的相關屬性信息，幫助您進行后續人工判斷的數據依據。

（圖4 關聯關系結果輸出要素）

此外，系統還可以通過AI風險識別，為每個供應商打上風險評分，并在發現異常時自動發出預警，幫助您實時掌握招投標過程中的潛在問題。

王總

這樣一來，我們可以迅速篩查出那些可能的圍標行為，避免出現問題。這個系統的效率和準確性真是傳統手動查詢無法比擬的。

李老師

正是如此。尤其是當涉及到數十甚至上百家供應商時，手動排查不僅效率低，而且容易遺漏重要的關聯信息。我們的關聯關系挖掘系統通過自動化的關聯分析，不僅節省了大量的時間成本，還能提高識別準確性，確保招投標過程的公平和透明。

王總

非常感謝，李老師。

李老師

客氣，王總！如果以后遇到類似的情況，您隨時可以使用系統來幫助監測和分析，確保每一個投標項目的合規性和公平性。

結語

通過這一對話，甲方企業和審計師展示了如何在大量供應商參與的招投標中，使用信永中和的關聯關系挖掘系統高效識別潛在的串標圍標行為。在80多家供應商的復雜投標場景中，手動查詢幾乎無法進行或查詢效果甚微，但系統通過自動化的關聯分析，能夠迅速揭示供應商之間的隱性關聯，確保招投標過程的公平、公正。該系統的高效性和準確性為大規模投標項目提供了極大的價值，尤其在大體量的招投標場景下，它的優勢更加明顯。

五、為企業合規管理保駕護航

信永中和關聯關系挖掘系統通過深入的多維度數據分析，幫助企業全面了解自身與外部公司之間的關系，揭示潛在的利益輸送、串標圍標作弊等不正當競爭行為。系統通過股權鏈路、任職關系、其他關聯因子等多個維度進行細致的風險挖掘，結合圖譜展示和AI預警，為企業提供精準的風險識別和管理支持。

在合規管理日益重要的今天，信永中和關聯關系挖掘系統為企業提供了一個強有力的合規工具，幫助企業提前識別風險、降低法律和財務風險，確保企業在競爭激烈的市場環境中穩健前行。

如果您也希望了解如何通過關聯關系挖掘系統提升企業的合規管理效率，歡迎聯系我們，探索更多解決方案！

請聯絡我們獲取更多應用案例。

如有更多需求請“掃一掃”獲取財務數智化解決方案。