微观调查如何提高供应链合规性

2020 年的挑战对 2021 年的供应链合规性和风险产生了严重影响。 去年测试了每家美国企业，并提出了我们以前从未见过的规模的挑战。许多企业有数周甚至数天的时间来做出关键决策，以保持其运营。虽然当时无疑需要迅速采取行动，但这些决定对合规性的影响今年可能会受到更多关注。

仅考虑几个示例。在大流行初期，企业和政府急于确保关键的个人防护设备 (PPE) 的安全，通常会相互竞争突然稀缺的资源。这些组织中的一些——也许是许多——别无选择，只能通过非传统渠道来确保必要的供应。由于这些资源的紧迫性和竞争加剧，供应商可能没有通过传统的合规流程进行审查，从而使许多组织面临潜在风险。

几周后，联邦政府开始向美国经济注入超过 5 万亿美元，以保持该国经济引擎的运转。刺激的范围是前所未有的，不仅在规模上，而且在分配上。与 2007-2008 年大衰退后提供的以行业为目标的刺激措施或针对地理区域的自然灾害救助不同，COVID-19 刺激措施几乎触及了美国经济的每个角落。每当联邦救济金增加时，欺诈行为通常会同时增加，最终，人们会努力追回误入歧途的资金。

最后，由于大流行导致如此多的组织面临财务压力，因此组织内部“纠正问题”的压力通常越来越大。这包括努力增加对销售人员的激励，或使用第三方来推动复苏和增长。受到特别严重打击的行业，例如零售、酒店和航空公司，面临着特别大的风险，应该期待更严格的审查。

合规风险增加

归根结底，2020 年事件引发的合规风险有多种方式，今年需要解决。一些公司可能不得不迅速转向直接面向消费者的分销，从而根据《加利福尼亚消费者隐私法》(CCPA) 等数据隐私法承担潜在的责任。突然为医院或其他医疗保健实体采购 PPE 的组织可能会发现他们需要遵守健康保险流通与会计法案 (HIPAA) 的规定，例如遵守商业伙伴协议 (BAA)。

现在考虑即将上任的拜登政府的优先事项，这给本已充满挑战的局势增加了另一层复杂性。人们普遍预计，与联邦政府开展业务的组织将加强对违反《虚假申报法》的执法力度，尤其是考虑到《冠状病毒援助、救济和经济安全 (CARES) 法》、《薪资保护计划 (PPP)》，当然，预计将在就职后实施的刺激措施进一步扩大。 《反海外腐败法》(FCPA) 的执法广泛涉及两党，并且自生效以来一直在稳步增加。看到 FCPA 下的额外执法并不奇怪，特别是对于从海外采购医疗用品和 PPE 的供应商。并且，围绕供应链中断和大流行暴露的漏洞的额外 SEC 报告要求肯定在可能的结果范围内。

由于如此多的组织的合规环境发生了如此巨大的变化，并且由于大流行带来的潜在财务压力，组织需要以非常有针对性和具有成本效益的方式来解决对这些风险的询问。一种高效的解决方案是采用一种称为微观调查的方法，事半功倍。

认为微观调查很小可能会产生误导。相反，将其视为高度针对性更合适 .此方法的目的是快速且经济高效地确定特定合规风险的最关键文档。目标不是找到所有 相关文档，而是找到最好的 那些。为了实现这一目标，有必要将深度搜索专业知识与高级搜索技术相结合。

通常，使用两种钝器工具进行调查：传统关键字搜索和机器学习模型。但是关键字搜索在两个方面存在问题。首先，它们通常过于宽泛，因为许多领先的文档审查工具中的搜索语法的设计重点是简单性，而不是健壮性。这种过于简单的做法会导致搜索返回过多的文档，进而使调查成本过高。其次，关键字搜索经常会漏掉关键文档，而质量控制流程也并非总能发现漏洞。

另一方面，机器学习模型通常不太适合这些类型的调查。这是因为此类调查中关键文件的流行率通常很低。与案件处于更成熟状态的诉讼场景不同，微观调查通常寻找几乎根据定义隐藏的东西，并且在许多情况下处于早期阶段。当流行率如此之低时，机器学习模型可能难以区分信号和噪声。调整这些模型的努力可能会付出巨大的时间和金钱成本。机器学习模型当然有其一席之地，但这是它们的缺点变得明显的一种情况。

将技术与专业知识相结合

一种更有效的方法是将具有高级搜索语法的技术与知道如何识别语言中的关键模式的语言专家配对，并创建驱动到问题核心的查询。传统关键字搜索因过于简单的搜索语法限制而受阻，而更高级的工具可以利用语言细微差别的力量来创建量身定制且高效的语言搜索模型。在机器学习难以应对低流行人群的情况下，语言专家可以应用一种严格且有条理的方法，从小规模开始，然后逐步发展，沿着重要的探究路径走下去，并对发现的实际语言模式进行建模。

合规环境可能与以往一样具有挑战性。但是，积极主动的组织可以通过仔细、有条不紊地调查潜在风险来在波涛汹涌的水域中航行，从而在另一边变得更强大。

Eric Pender 是 H5 的项目经理，H5 是一家为公司和律师事务所提供敏感数据分类、管理和分析的提供商。