类别
最新消息

数据分析是否会让我们“少法律”?

在没有关于替代费安排(AFA)或提供更多“价值”的文章或博客文章的情况下,在法律市场上几乎没有一天。然而,客户和律师事务所都努力定义价值并采用可计费的小时替代品。也许时间已经到来重新思考这个问题…asks Ron Friedmann

在没有关于替代费安排(AFA)或提供更多“价值”的文章或博客文章的情况下,在法律市场上几乎没有一天。然而,客户和律师事务所都努力定义价值并采用可计费的小时替代品。也许时间已经到来重新思考这个问题…asks Ron Friedmann*.

改变重点到预防性法

“更多价值”和AFA意味着降低法律成本,而不仅仅是将费用引用为估计速度的时间。  因此,真实的AFA需要处理改进,自动化和替代人员等步骤。  要确定,这些降低成本和改善 如何 lawyers practice.  但是我们是否错过了更基本的第一步?   也许我们可以通过“少法律”来减少法律支出。  完全避免了一项活动,而不是简单地提高其效率。  我在2011年11月博客帖子中提出了这一可能性, 减少法律支出,少法律.  客户有两个有希望的道路,履行较少的法律: 

1.     首先,决定有多少法律努力 - 如果有的话 - 一个问题认股权证。  这样做意味着做出艰难的决定;这意味着评估潜在的结果和制定风险调整的决定。  这将是许多人的诅咒。  但是,在您对可能性反对之前,请考虑如何证明当今的法律投资水平是经济的。  如果我们能够开发一个分析的声音框架 - 一个重点关注的结果,而不是输入 - 那么我们可能能够更明智地分配法律资源。  客户可能会发现他们正在做太多的法律,太少,或者如果运气罢工,只是正确的金额。   这个问题是,唉,很难让它把它留给别人来解决这个问题。

2.     二,避免法律问题。  偶尔文章和谈判地址预防法。  然而,我没有看到客户 - 或他们的外部律师持续和系统的努力 - 检测和防止法律问题 they occur.  我们可能会发现前者的成本超过后者,但没有更好地尝试预防,我们只是盲目飞行。  

数据分析与建模的承诺和局限性,以支持预防法律

最近发表的文章刺激了对预防法的一种潜在方法的思考:分析企业数据提前确定法律问题可能出现的地方。  如果我们可以预测问题,那么我们至少有机会避开它们。

我将在这里讨论最近发表的文章,不同意作者的结论,并为数据收集和分析提供了一些可能允许我们避免一些法律成本的想法。  在  什么计算机模型可以– and Can’t – Do ( 公司律师 ,2013年1月),作者Ryan McConnell(Baker&McKenzie合作伙伴),Dianne Ralston(Schlumberger Ltd.副省GC)和夏洛特西蒙(贝克&McKenzie Associate)讨论最近的书籍最近的书, 信号和噪音 - 为什么这么多的预测失败,但有些人没有, 律师手段。   虽然他们的文章侧重于 美国国外腐败行为法案,原则适用 广泛跨行。

注意到银书“讨论通过经验数据进行分类,并识别能够更好地决策的信号”,作者 询问“作为天气预报和棒球管理等多样化的领域的技术可以应用于开发基于风险的合规计划?”  更具体地说,他们问“合规律师如何通过噪音来创建有价值的风险计划?”  要回答此问题,他们会检查几种可能支持合规性的数据源,并指出每个的“噪声”问题:

  • 律师可以根据公司职位描述重点关注合规培训,但作者表示关注职位描述的准确性和确定最多风险的准确性。
  • “[c]符合规范部门的道德热线热线突出了其他抽样问题”,特别是,可能没有足够的历史数据或呼叫可能会排除一些地区,因此您“只会获得一半的故事。”
  • 礼品跟踪系统可能会突出可疑的支出,但永远不会告诉您费用是“娱乐不当,因为它无法透露意图”。
  • “新的FCPA指导指导注意到基于风险的方法对评估第三方关系的尽职调查程序特别关键”但是作者认为“从第三方获得的数据的可靠性以评估风险和,初始尽职调查目的“。

作者结束了“基于风险的模型的成功将最终不依赖于技术工具,而是对合规律师成功分析风险数据的能力并从噪声排序信号。律师必须是适应性,创意,并超越数据,以了解组织和行业趋势和风险。通过帮助我们了解技术的极限以及如何使用数据,Nate Silver可以使我们成为所有更好的合规律师。“

所以建模是艰难的 - 这意味着我们需要更加努力,而不是停止

阅读文章,我们可能会得出结论,律师应该寻求更少的数据,而不是更多。这将是令人沮丧的,我想错了。我认为更好的结论是“越来越多的数据,改善假设和分析”。  找到减少噪音的方法!

在我看来,律师应该与企业同事合作,以确定其他现有数据存储库或收集其他数据,然后收集额外的数据,然后改善模型。   我们不缺乏可以提供帮助的工具:  一系列遗留和较新的“大数据”软件支持许多类型的模型。  相反,在建模和验证模型输出中的数据质量和数量,创造力和严格的限制。

模型可能有限制,但我们必须考虑更系统地部署它们的替代方案。替代方案简单但痛苦:更多的律师和更多的员工。  通过遵守费用暴涨,公司只需继续雇用越来越多的专业人士?  即使有更多的资源,我们也可能会误入严重的合规性问题。 

这里的“噪音”令人担忧让我想起了关于电子发现的预测编码的辩论。计算机化文件审查有限,但人类审查也是如此。  模型和数据有限,但人类也是如此。

数据建模适用于大多数实践。这意味着律师必须掌握这里提出的问题。为此,他们必须克服对数字的恐惧,并寻求与可以支持这项工作的统计学家和分析师合作的机会。   随着在严重建模的努力,我们可能会得出结论确实不起作用。  我没有看到我们在那点附近的任何地方。

数据收集与建模思路,以越来最好的预防措施

因此,为了刺激数据收集和建模可能有助于避免法律问题和支持合规性的地方,我提供了一些想法的想法:  

  • 跨国公司汇总数据。  作者讨论使用职位描述来援助合规性,但总结该数据的噪音太大。更多数据往往解决了噪音问题,因此为什么不再跨越公司的职位描述–这可能会产生比任何一家公司的数据都有更多的洞察力地位或位置。思考“合规作为效用”,公司可能有多种机会分享非竞争数据以改善合规性。大数据集,随着作者观察,通常会产生更可靠的结果。
  • 分析电子邮件通信模式。  公司拥有一个非常丰富的数据,可能会产生符合要求线索:电子邮件,文件和数据库。根据隐私和其他潜在的法律限制,公司可以分析电子邮件标题来寻找可疑的沟通模式。可疑可能包括太多,太少或不寻常的人们联系的组合。首先找到已知的合规问题,并追溯到此分析,以了解可能预测的分析。
  • 分析电子邮件内容。   通过电子邮件进一步走一步,公司可以在电子邮件上进行语义分析  内容  (不仅是标题)寻找可疑的实质性讨论。已经在20世纪90年代,美国金融部门(使用,例如,Assentor),识别违反证券规则的经纪人电子邮件。如今,通过开发电子发现的预测编码技术,更有可能– and affordable.
  • 点击企业数据库。  企业数据不会通过电子邮件停止。支持操作,销售和费用管理的数据库也可能会产生指针,以便寻找合规性问题。与社交媒体,可能性看起来无止境。
  • 收集原始数据。   如果作者讨论的数据,如果电子邮件和企业记录不足,则收集数据。合规官员可以考虑基于网络的调查。如果这丢失了太多的细微差别,他们可以部署一支低成本律师的团队,使出境电话进行采访,并系统地进入面试结果进入数据库进行分析。谁说我们必须停下来的现成数据?
  • 尝试使用模型和更多初级律师进行分类。  模型可能永远不会是100%可靠,但它们可能足够可靠地进行分类。如果模型可以将桶成果进入“几乎肯定不是问题”,“几乎肯定是一个问题,”可能是一个问题“,那么律师至少有一些迹象表明在哪里看起来。一个更多初级律师的团队,也许是海上或低成本的国内地点,可以将人为判断施加,以改善模型结果和地面最可疑的内部律师的发现。

前进:呼吁进行研究& Development

上面的哪个想法 工作和哪些问题几乎是一个不太有趣的问题,而不是我们到达21日 英石 世纪没有关于答案的线索 - 甚至如何考虑这个问题。  我是唯一一个认为奇怪的人– and wrong –大型企业法和合规部门似乎对研究和开发很少或没有研发?雇用数百名律师和合规专业人士的公司已经花了很多法律。  一些公司的法律预算占数以亿美元或英镑的范围。   在那个规模,为什么不做一些r&d要找到降低成本的方法?批准,r&D可能会产生差的结果。但是,不尝试,我们如何知道?也许研究将导致持续的合法或合规成本降低。

对于大数据来说,这甚至不是另一个哭泣。所有这些想法都可以通过多年可用的工具进行测试。楼层为其他想法,大数据或其他方式开放,并开始讨论为什么我们没有看到更多r&d减少法律支出。

 ronfriedmann_2. * Ron Friedmann. ,一个顾问   消防队员 & Company,花了两十年来改善了与技术,外包和知识管理的法律实践和业务。 Ron管理技术在两个大型律师事务所,并为两家法律软件公司工作。他来自纽约法律的JD,是一个受托人 法律实践管理学院 ,博客  战略法律技术 和推文   @ronfriedmann.

本文基于Friedmann最近的两个博客帖子: 数据驱动模型在法律实践中的作用  (2013年1月7日)和 数据驱动模型,以减少法律和合规成本  (2013年3月23日)