产品质量大数据发展的现状、问题及对策

闫俊强

（广东省质量技术监督局，广州 510630）

习近平总书记指出：“大数据是工业社会的‘自由’资源，谁掌握了数据，谁就掌握了主动权。”大数据正在成为经济社会发展新的驱动力。在产品质量领域，大数据可以为企业设计产品、防范风险提供依据，为政府加强监管提供技术支撑，为维护国家市场权益提供保障。如何客观分析产品质量大数据建设、利用状况及存在的问题，是充分发挥大数据在产品质量治理中的作用必须面对的现实问题。

1 产品质量大数据的内涵

对于大数据（big data），目前还没有一个统一、权威的定义，较为普遍接受的观点是，大数据指在一定时间范围内无法用常规软件工具进行捕捉、管理和处理的数据集合。国务院印发的《促进大数据发展行动纲要》指出，大数据具有容量大、类型多、存取速度快、应用价值高的特征。大数据价值的基本实现方式是数据分析和数据挖掘。

质量作为一组固有特性满足要求的程度，有两类基本的数据：固有特性数据和满足要求程度数据。[1]产品质量大数据来源复杂，包含产品从设计、生产到消费使用、循环利用全生命周期所有环节产生的海量数据；数据格式多样化，有结构化数据、半结构化数据和非结构化数据，载体有文字、图像、声音、方位等。[2]产品质量大数据全面汇集产品标准、检验检测、认证、市场需求、市场反馈、伤害等信息，通过信息公开、信息共享、数据分析、数据挖掘等方式，为政府监管、消费者选择提供了较为全面的信息，为系统性风险防范和决策提供了技术支撑。

2 产品质量大数据发展现状

近年来，我国全面实施促进大数据发展行动，优化大数据发展的政策环境，推动了产品质量大数据的发展。产品质量大数据在有力的政策支撑下，生产、提供、利用主体日益多元，利用状况不断深化。

2.1 政策支撑

2015年以来，我国陆续出台了多项大数据发展的政策文件（详见表1）。2015年6月24日，国务院办公厅印发《关于运用大数据加强对市场主体服务和监管的若干意见》，提出根据产品质量、质量管理状况等，利用大数据技术，建立健全失信联合惩戒机制、改进经济运行监测预测和风险预警。同年8月31日，国务院出台《关于印发促进大数据发展行动纲要的通知》，全面推进我国大数据发展和应用，明确提出在企业监管、质量安全、质量诚信、食品安全等领域探索开展大数据应用试点，打通政府部门、企事业单位之间的数据壁垒，实现合作开发和综合利用。党的十九大报告对大数据发展的方向进一步阐释，提出要“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。

表1 大数据发展及应用相关政策文件

2.2 建设主体

产品质量大数据的建设主体主要包括政府监管部门、企业和质量技术机构。首先，政府监管部门在传统上是产品质量数据最重要的收集、建设主体。2006年，原质检总局正式启动金质工程（一期）建设，逐步建立起“一网一库三系统”，即质检软硬件及网络平台、质检业务数据库群和质检业务监督管理系统、质检业务申报审批系统、质检信息服务系统，典型的包括产品质量监督管理系统、执法打假快速反应系统、认证认可系统、标准化管理系统、WTO/TBT-SPS通报管理系统等，汇集了大量产品质量相关数据资源。2016年上海启动“质量发展与标准信息服务平台”建设，探索将各类论坛、微博、电商等网络平台纳入质量信息来源，利用大数据技术进行产品质量监管。其次，企业建设大数据中心并取得一定成效。如阿里巴巴集团建立阿里云大数据处理研发平台，构建了专门用于识别疑似劣质商品的模型；厦门美亚商鼎信息科技有限公司建设电子商务质量监管系统、质量信用分析系统、网络餐饮监管系统等大数据应用系统，服务质量监管、市场监管；美的集团建成开普勒大数据产品体系，利用大数据完善产品细节，使投诉率降低40%；广州尚品宅配股份有限公司利用积累的客户数据以及收集的不同群体的生活特性，为消费者提供个性化的深度空间定制方案。再次，随着检验检测认证信息平台和业务系统的建立，质量技术机构特别是检验检测认证机构逐步累积起丰富的产品质量数据资源。如工业和信息化部电子第五研究所（中国赛宝实验室）创建可靠性数据中心，建设了赛宝电子元器件数据平台。

2.3 利用情况

在产品质量信息收集、利用方面，政府监管部门规模大、效果明显，少数企业后来居上，检验检测认证机构正在积极赶超。我国自1985年实施产品质量监督抽查制度以来，国家、省、市、县组织开展了各级监督抽查。仅2013-2017年，产品质量国家监督抽查共计抽查107047家企业的112080批次产品，广东省省级监督抽查共计抽查18687家企业的20548批次产品（详见表2），将抽查结果向社会、企业进行公告，并召开产品质量分析会，督促企业进行整改。此外，原质检总局和国家统计局从2006年开始开展上一年度制造业质量竞争力调查，至2016年共调查311万家次制造业企业。

表2 2013-2017年全国及广东省产品质量国家监督抽查情况

2012年，原质检总局在山东试点建设企业质量信用体系，搭建以统一社会信用代码为基础的山东省企业质量信用信息平台。截至2017年8月，该平台已具有企业质量信用信息的数据归集、查询展示、信用评价、信用信息分析应用等功能，成为该省企业质量信用信息归集、共享、查询、发布的综合枢纽。[3]企业对产品质量数据的利用，首先是主要用于产品销售方面，其次是产品设计制造方面。阿里巴巴通过与政府监管部门进行数据对接，为消费者提供边消费边查询的通道[4]；青岛酷特智能股份有限公司采用现代技术，7秒内可以完成对人体19个部位22个尺寸数据的采集，通过设计系统内近10000个数据的驱动，实现设计数据化，1分钟就可以输出满足驼背、凸肚、坠臀等特殊体型特征的个性化版型，然后机器完成制版，1天可以制1500个版[5]，效率大大提高；佛山众陶联供应链服务有限公司以标准为突破口，打造众陶联平台，收集陶瓷企业、检测机构多年沉淀的大数据，制定了108项陶瓷行业原材料标准和36项检测抽样标准，解决了传统原材料实物采购的局限性和不确定性。检验检测认证机构对产品质量数据的利用主要是出具检测认证报告或证书，而在质量大数据利用方面，以中国检验认证集团、工业和信息化部电子第五研究所、深圳市计量质量检测研究院等为代表的技术机构开始利用掌握的数据资源为社会公众、企业等提供产品溯源、质量改进、质量整体化解决方案等服务。

3 产品质量大数据发展存在的问题

相对于健康医疗、生态环境、水利、农业农村、林业、气象等领域的大数据发展，以及经济高质量发展、推进国家治理体系和治理能力现代化的需求而言，产品质量大数据的发展和利用存在着一些问题，如缺乏统筹规划，政府监管部门对产品质量数据收集多、发布少，缺乏深入挖掘和利用。同时，数据的僵尸化、碎片化、低质化、孤岛化等我国当前大数据发展存在的共性问题，也是产品质量大数据发展、利用必须面对的现实问题。

（1）重采集轻利用。这是当前产品质量大数据存在的最大问题。大部分产品质量数据由业务产生并服务于业务管理本身。由于数据采集主体往往缺乏多维分析的强烈意识和技术手段，对质量数据进行纵向、横向的深度挖掘不够，利用程度普遍较低。如制造业质量竞争力调查获取的大量企业产品质量数据，除用于测算区域、行业质量竞争力指数外，在评价地方质量水平、促进企业质量竞争力提升等方面的作用还有待于进一步发挥。检验检测认证机构在开展业务过程中形成了大量数据，但对数据的利用大部分往往限于出报告，没有充分发挥数据在产品研发中试、质量改进与提升、标准制修订、检测技术研究与方法制修订、系统性风险防范等方面的作用。

（2）重当前轻发展。产品质量大数据需要对产品全生命周期各离散环节的信息进行全面采集。我国对产品质量信息的采集主要集中于产品的设计和生产过程，特别是成品的标准符合性信息。近年来，售后服务信息也成为企业信息采集的重点，但物料采购环节和进货环节的信息仍较为匮乏。同时，各地、各部门、各行业都在采集信息、发布信息，而这些数据都是从某一主体自身当前需要出发进行采集、发布的，缺乏系统化、前瞻性设计，相对于企业、产业发展需要的整体数据而言，往往呈现碎片化特征。企业、特别是大多数中小微企业，其不熟悉产品质量大数据的应用场景，质量基础设施和信息化建设薄弱，故数据的碎片化特征更为明显。

（3）重数量轻质量。数据质量低表现在几个方面：数据不完整、存在逻辑错误或混乱、数据造假。数据不完整指深入利用数据所必需的细节数据信息缺失，只有最基本的主体信息。比如产品质量监督抽查重在研究区域、行业、企业不合格产品发现率情况，对产品不合格企业的投资主体、员工情况、技术状况等重视不够，数据采集不全面，无法进一步深入分析产品不合格的原因。逻辑错误或混乱指存在关联性的数据，由于数据提供或者采集的原因，导致数据前后矛盾。数据造假指数据的提供者或者采集者有意识地提供、采集与实际情况不符的数据。比如，为吸引消费者，赚取更多利益，一些生产经营企业在能效、性能指标上造假，部分电商企业通过各种手段提高好评率，扭曲了产品质量数据的真实性、完整性。此外，有些企业为了降低不合格产品率，有意识地规避政府监管部门的监督抽查，使监督抽查不能反映真实质量状况。

（4）重建设轻整合。产品质量信息资源开发利用和公共数据开放共享整合水平不高，不同部门之间的数据不能实现互联互通，甚至同一部门建设的不同数据库系统之间数据都不能共享。首先，在横向同级政府部门之间，由于部门职能不同，数据共享的法律规范、政策指引不明确不具体，部分数据资源的掌握者囿于“数据小农意识”，存在“不愿共享、不敢共享”的心理。其次，由于传统观念影响，数据的需求方缺乏共享数据的强烈需求和内在动力，存在“不想共享、不屑共享”的心理，如果确实迫切需要，也往往喜欢重新建设数据库，而这客观上又为形成新的数据孤岛提供了可能性。再次，不同数据库的建设主体对数据口径、格式标准规定不一，且缺乏数据共享的机制和渠道等，容易出现“不能共享、不会共享”的问题，数据共享、整合困难。数据孤岛不仅存在于横向的同级政府部门之间，在纵向上下层级的政府部门之间同样存在，甚至在同一部门不同的内设机构之间也不同程度的存在。企业出于技术保密和商业竞争的考虑，更是不愿意将质量数据与同行进行共享。孤岛反映的是利益冲突，不同部门相互争夺资源和权力地位，争相建设信息系统，人为制造信息障碍，相互之间实现信息共享困难重重。

4 加快产品质量大数据建设的建议

建设现代化经济体系离不开大数据的发展和应用。提高经济发展质量，要加快产品质量大数据建设，充分利用好大数据，推动互联网、大数据、人工智能同实体经济深度融合。

（1）营造产品质量大数据利用的良好环境。建立健全大数据辅助科学决策和产品质量治理机制，以决策科学化、产品质量治理精准化、质量服务高效化彰显大数据价值，推动和分享大数据应用场景，让更多人员了解大数据、掌握大数据，营造充分利用大数据的良好环境。加大财政支持力度，鼓励政府部门向社会采购数据及分析挖掘服务，鼓励大数据服务企业开发面向政府的数据服务。开展大数据知识科学普及和培训活动，提高质量工作人员大数据的应用水平。支持社会力量举办产品质量大数据创新创业大赛等活动，征集利用产品质量大数据的优秀解决方案，吸引领军企业、优秀团队、高端人才、商业投资等集聚，营造利用产品质量大数据进行产业创业、创新的良好氛围。

（2）加强产品质量大数据建设的顶层设计和规划。产品质量大数据发展存在问题的重要原因是顶层设计和规划不到位、不完善。加快产品质量大数据建设，要系统规划，统筹协调，按照量力而行、适度超前的原则，科学规划产品质量大数据、云计算、人工智能的技术路线和发展路径，适时出台产品质量大数据建设规划。要加快制度的“废改立”，破除产品质量大数据深度利用、综合利用的政策藩篱，形成目标协同、层次明确、衔接严密的大数据发展政策体系。要坚持问题导向、突出应用，科学规划产品质量大数据建设的重点任务、时间节点，优化数据中心布局，促进大数据与实体经济的深度融合，充分发挥质量大数据的作用。

（3）推进实施产品质量大数据应用示范工程。加快推进产品质量政务数据资源、社会数据资源、互联网数据资源共享，归集整合政府、企事业单位、其他社会组织、质量技术服务机构、公众等关于产品质量、标准和检验检测、认证方面的信息，实现互联互通。鼓励、支持标准、计量、检验检测、认证等质量技术服务机构建立产品质量数据联盟，对各自掌握的质量数据经脱敏处理后进行共享、挖掘利用，形成“检验检测→检测认证报告→质量改进与提升（产品研发）→标准制修订→检测技术研究与方法制修订→检验检测”螺旋式上升的质量大数据闭环利用模式，为企业特别是中小微企业质量提升提供整体化解决方案。引导培育公益性产品质量大数据服务机构发展，鼓励企业通过商业行为创新数据共享机制，探索政府机构、企事业单位、其他社会组织、质量技术服务机构、公众等既确保多方数据所有权利又实现数据整合应用的商业模式，形成行政收集、网络搜集、有偿购买、无偿捐赠、传感采集等多种方式构成的数据资源采集体系。以云计算、大数据、人工智能等技术为支撑，加强产品质量各类信息数据的实时采集、深度挖掘、整合处理，建立风险分析模型、产品改进模型等，分类别、分区域、分行业等对产品进行精细化分析，通过“智能化”手段进行风险监测和预警，为产品质量安全监管、质量创新、产品设计等提供参考。大力建设并重点扶持具有示范效应的产品质量大数据应用示范工程。

（4）加大产品质量大数据基础设施建设力度。切实加强政产学研企协同，加快探索合作共建产品质量大数据实验室。依托国家数据共享交换平台、数据开放平台等，加快构建统一高效、互联互通、安全可靠、面向应用的产品质量大数据集成示范平台和区域中心，前瞻性地规划建设产品质量云应用体系，全面推进产品质量大数据高效采集、有效整合、安全利用。按照“共建共享、互联互通”的原则，加快建立跨层级、跨区域、跨部门、跨行业的产品质量大数据共享管理服务网络，提供相应的配套支持。推进各相关部门、从业机构间的横向互联，实现信息共享、互联互通，建立多元主体互利共赢的生态圈，切实解决碎片化和数据孤岛问题。[2]加快推进信息化与工业化深度融合，夯实产品质量大数据基础，提高数据管理、集成、建模、分析能力。

（5）提高产品质量大数据的质量。强化产品质量大数据采集的规范化建设，制定、推广标准化的数据规范，对具体数据项的定义、口径、格式、取值、单位等进行规范，形成对产品质量大数据的具体质量要求。加快区块链技术在产品质量大数据方面的应用和推广，充分利用其分布式的数据存储方式、点对点传输、公示机制、算法加密等特性，破解数据质量低下的现实难题，健全新型社会信用体系。加大对传播虚假产品质量信息、伪造产品质量信息等违法违规行为的打击力度，从源头提高产品质量数据的真实性、可靠性。