2、合规风险识别：风险识别的方法论、常见合规风险类型

2.1 风险识别的方法论

2.2 常见合规风险类型

合规风险可归纳为四大核心类型，各类型之间相互关联、可能相互转化。以下通过表格与图示进行系统梳理：

风险类型	核心特征	典型场景	后果示例
法律风险	违反法律法规、司法解释或具有法律约束力的规范性文件	• 反垄断法违规（价格合谋） • 数据保护法违规（GDPR/个保法） • 劳动法违规（未签劳动合同）	• 民事赔偿诉讼 • 行政处罚（罚款） • 刑事责任追究
监管风险	违反监管机构发布的规章、指引、通知或窗口指导	• 金融监管指标不达标 • 未按时报送监管报表 • 违反行业准入条件	• 监管约谈/通报批评 • 暂停业务资格 • 吊销许可证照
操作风险	因内部流程、人员、系统或外部事件导致的合规失效	• 员工违规操作（越权审批） • 系统故障导致数据泄露 • 第三方供应商不合规	• 直接经济损失 • 业务中断 • 客户索赔
声誉风险	负面公众舆论导致品牌价值、客户信任度下降	• 产品质量丑闻曝光 • 高管不当言论发酵 • 环保违规被媒体曝光	• 股价下跌 • 客户流失 • 招聘困难

2.3 风险识别检查清单（示例）

以下为合规风险识别阶段的标准化检查清单，供实务操作参考：

2.4 风险识别辅助工具（Python示例）

以下代码演示如何基于关键词匹配快速识别文本中的合规风险信号，适用于初步筛查场景：

import re
from typing import List, Dict

# 合规风险关键词库（示例）
RISK_KEYWORDS = {
    "法律风险": ["违反", "违法", "诉讼", "仲裁", "赔偿", "侵权"],
    "监管风险": ["未报", "逾期", "违规", "吊销", "暂停", "整改"],
    "操作风险": ["越权", "泄露", "故障", "失误", "欺诈", "缺失"],
    "声誉风险": ["丑闻", "曝光", "投诉", "舆情", "负面", "抵制"]
}

def identify_risks(text: str) -> Dict[str, List[str]]:
    """识别文本中的合规风险信号"""
    risks = {k: [] for k in RISK_KEYWORDS}
    for risk_type, keywords in RISK_KEYWORDS.items():
        for kw in keywords:
            if re.search(kw, text, re.IGNORECASE):
                risks[risk_type].append(kw)
    return {k: v for k, v in risks.items() if v}

# 示例文本
sample_text = """
公司因未按时报送监管报表被约谈，
同时内部系统故障导致客户数据泄露，
引发大量投诉和负面舆情。
"""

result = identify_risks(sample_text)
for risk_type, matched in result.items():
    print(f"[{risk_type}] 匹配关键词: {', '.join(matched)}")