数据驱动的PDCA养老服务质量评价研究

2019-09-10曹海青姚翠友杨艳红

现代信息科技 2019年19期

曹海青姚翠友杨艳红

摘要：以数据驱动和PDCA质量管理为基础，研究了数据驱动的PDCA养老服务质量评价。本文以数据驱动理念为指导，研究了PDCA质量管理过程中每一个阶段的工作任务;以天津市某一社区养老服务中心为例，根据天津市《居家养老社区服务规范》，研究了助餐服务的内容及质量要求，选择助餐服务中订餐服务过程为研究对象，进行数据驱动的PDCA养老服务质量评价。结合数据驱动的PDCA循环模型，制定了订餐服务质量评价指标体系和量化评分标准，确定了以全优服务为订餐服务的质量目标;以订餐服务过程所采集的质量数据为基础，通过数据处理、可视化显示和统计分析，研究了基于数据波动的个体客户、群体客户的服务质量评价，基于数据对比的同一服务质量评价和基于统计特征的服务质量评价。最后根据评价结果提出了改进和优化服务质量的建议。数据驱动的PDCA养老服务质量评价为大数据时代服务业质量评价提供了一种新的思路。

关键词：数据驱动;PDCA;养老服务;质量评价

中图分类号：TP306 文献标识码：A 文章编号：2096-4706（2019）19-0001-07

Abstract：The elderly care quality evaluation based on data-driven PDCA is studied in the paper. Guided by the concept of data-driven，this paper studies the tasks of each stage in the process of PDCA quality management;taking a community-based elderly care service center in Tianjin as an example，according to the “Community Service Standard for Home-based Elderly Care”in Tianjin，it studies the content and quality requirements of the catering service，and chooses the catering service process in the catering service as the research object to carry out data-driven PDCA elderly care service quality evaluation. Combined with the PDCA cycle model driven by data， the evaluation index system and quantitative scoring standard for the quality of ordering service are established，and the quality objective of ordering service based on the all excellent service is determined. Based on the quality data collected in the process of ordering service，through data processing，visual display and statistical analysis，this paper studies the service quality evaluation of individual customers and group customers based on data fluctuation，the same service quality evaluation based on data comparison and the service quality evaluation based on statistical characteristics. Finally，according to the evaluation results，some suggestions are put forward to improve and optimize the service quality. The data-driven PDCA pension service quality evaluation provides a new idea for the service industry quality evaluation in the era of big data.

Keywords：data-driven;PDCA;service for the aged;service evaluation

0 引言

隨着物联网、云计算机、大数据技术等信息技术的迅猛发展，智能穿戴设施、智能护理设施以及各种APP已被广泛应用于养老服务过程，为养老服务过程数据的采集提供了保障。这些数据既包括由养老服务设备设施所产生的客观数据，又包括由养老服务员工、养老服务对象和社会监督等对服务评价所产生的主观数据，这些数据中蕴含着养老服务质量信息。如何应用这些数据对养老服务质量进行科学合理的评价，是一个值得深入研究的课题。2016年5月5日至6日，由管理科学学部于浙江大学召开了国家自然科学基金委员会以“数据驱动的养老服务资源组织与管理机制创新”为主题的专题研讨会，分别从健康养老服务数据共享与融合、服务资源、服务模式、质量保障等方面对养老和养老质量进行了热烈的讨论与交流。随着国家京津冀协同发展战略的实施，京津冀养老服务一体化成为其中不可忽视的一部分，而养老服务质量是京津冀养老一体化实施的关键。本文将以养老服务过程中产生的数据信息为研究对象，结合PDCA理论，研究数据驱动的PDCA京津冀养老服务质量评价。

1 数据驱动的概念

数据驱动是以实际数据为研究对象，应用数据挖掘分析技术对数据进行处理，挖掘出数据中所蕴含的价值。随着大数据的发展，数据驱动的方法已经被广泛应用在各个研究领域，旨在从各领域数据中挖掘出更有价值的信息，更好地为各领域服务。李宝虹等通过数据驱动和情报学相关技术对企业的商业情报进行挖掘分析，提高商业情报对企业决策的支持力度，促进业绩改善和风险管理能力，提升企业的竞争力;彭宇等将数据驱动故障预测与健康管理方法应用于锂离子电池循环寿命预测，实现对锂离子故障不确定性的预测管理;叶月明等将数据驱动技术应用于层间多次波预测，经模型数据实验表明这种方法可有效地预测层间多次波，且克服了多次波预测算法的不足;崔凤林等将数据驱动方法应用于深度域地震资料的岩性参数反演，并通过实例化数据证明了这种数据的有效性;代伟等将数据驱动方法应用于赤铁矿磨矿过程中的磨矿粒度与控制回路输出之间的动态特性数学模型的构建，实现运行过程的优化;刘瑜等以手机通话数据、公交卡刷卡记录、社交网站签到数据、出租车轨迹、银行刷卡记录等为研究对象，应用数据驱动的方法研究人类移动的模式;王颖利用教學过程所产生的数据信息对本科教学质量进行管理和评价。自2015年以来，国家自然基金委每年都专门设立“大数据驱动的管理与决策研究”重大研究计划，着重研究大数据驱动的管理与决策理论范式，大数据资源治理机制与管理，大数据管理与决策价值分析与发现，大数据分析方法与支撑技术。而数据驱动的质量管理属于大数据管理与决策价值的一部分。

2 数据驱动的PDCA养老服务质量管理

2.1 数据驱动的PDCA循环模型

PDCA循环包括四个阶段：计划（Plan）、执行（Do）、检查（Check）和处理（Act），是全面质量管理的核心内容。计划阶段主要是通过调查、访谈等方式理清用户对产品质量的要求，确定质量政策、质量目标和质量计划等;执行阶段就是根据计划进行产品设计、试制、试验，也就是产品质量的实现过程;检查阶段主要是在执行过程中或执行之后对产品质量的执行情况进行检查，检验其是否符合计划的预期结果;处理阶段主要是根据检查结果，采取相应的措施。数据驱动的PDCA循环各个阶段的任务如图1所示。

2.1.1 计划阶段

该阶段的主要任务就是在重复调研的基础上制定质量目标，并且对质量目标进行指标体系构建与量化;制定质量指标评价的标准。

2.1.2 执行阶段

该阶段的重点任务就是在实现产品质量过程中，实时采集存储过程质量数据，为质量管理奠定数据基础。

2.1.3 检查阶段

以过程质量数据为研究对象，通过清洗、挖掘、统计分析和可视化等方法，结合数据的波动性、稳定性、变化情况以及统计特征，根据质量指标评价标准，对产品生产过程中的质量进行实时跟踪管理，或对产品生产之后的质量进行管理评价。其中数据波动表示质量评价发生了跃变，尤其是数据从大变小时，表示质量评价由高等级下降到低等级，这时需要马上查明导致质量评价跃变的原因，以便有针对性地进行质量改进和提高;反之，当评价数据由小变大时，预示着质量评价由低级进入到更高级别;当评价数据一直比较稳定时，表示质量评价相对稳定，此时可结合数据统计特征进行进一步分析。这时数据均值表示了质量评价的等级情况，当均值较小时表示质量评价等级较低，反之表示质量评价等级较高。评价数据的变化情况预示着质量等级的变化，此时结合评价数据的统计特征标准差进行进一步的研究分析，标准差较小时表示数据的变化幅度不大，质量评价等级变化不大，标准差较大时表示质量评价等级变化较大。

2.1.4 处理阶段

根据检查阶段基于过程质量数据所分析的质量情况，一方面积极探索其原因为改善和提高服务质量;另一方面可以为下一个周期计划阶段优化质量目标和质量指标体系提供参考建议。这样在整个PDCA质量管理过程中，将数据融合到每一个过程中，通过数据化的方法制定和量化质量目标体系，采集生产过程中数据信息作为质量检验的处理对象，通过数据分析方法进行质量检验，根据检验结果完善和量化质量目标。

2.2 数据驱动的PDCA在社区养老助餐服务质量评价中的应用

2.2.1 社区养老助餐服务内容及质量要求

根据天津市《居家养老社区服务规范》，助餐服务是社区养老服务中一项基本服务内容，就是为接受服务的老年人提供膳食服务，服务内容包括就餐服务、配餐服务和送餐服务。

按照相关的标准和条例，助餐服务的要求为：

（1）应符合国家相关食品安全法律法规。

（2）用餐场所无障碍。

（3）具备必要的膳食加工、配制、外送、用餐设备。

（4）用餐环境应保持清洁卫生，餐具应做到严格消毒。

（5）公开食谱和价格，为老人订餐、就餐提供服务。

（6）能够提供安全、实惠、方便、营养的饭菜。

（7）尊重老年人的饮食习惯，膳食搭配营养合理。

（8）助餐服务点及送餐运输工具应标有“社区老年食堂”相关字样。

2.2.2 社区养老助餐服务质量目标

根据助餐服务的内容和要求，结合社区养老服务过程的实际情况，助餐服务的质量受到膳食原料采购、膳食制作过程、膳食服务过程等的影响;其中膳食原料采购质量可以从原料采购来源、原料的新鲜程度、距离保质期时效、采购价格合理性等方面进行评价;膳食制作过程质量可从制作过程每一步骤的质量和最终膳食的色、香、味以及接受服务的老人用餐后的反馈进行评价;膳食服务包括订餐服务和就餐服务，订餐服务质量可从订餐便捷性、价格合理性、膳食组合性、订餐响应及时性、订餐服务态度、送餐及时性、送餐服务态度、膳食质量等几个方面进行评价;就餐服务可从就餐环境、膳食价格、膳食质量、就餐服务态度等方面进行评价。本文将以助餐服务过程中的订餐服务为例，进行数据驱动的PDCA质量管理的实例化应用。

首先我们根据订餐服务的内容和要求，确定订餐服务质量目标及其质量指标体系，具体如表1所示。对表中每一项服务质量指标采取百分制打分的形式，由订餐服务的老年人根据实际情况进行打分;对于每一个指标项，当老年人觉得服务质量为优秀时根据实际情况在区间[90，100]内打分，当服务质量为良好时在区间[80，90）内打分，当服务质量为中时在区间[70，80）内打分，当服务质量为及格时在区间[60，70）内打分，当服务质量不及格时在区间[0，60）内打分。根据打分规则结合服务内容，确定订餐服务质量为全优服务的质量目标，而且要求每一个质量指标值都要持续稳定在优秀等级，不可出现大幅度的跳跃性变化。

2.3 基于过程数据的订餐服务质量评价

选择天津市区某一社区养老服务中心为研究对象，对经常在该社区服务中订餐的16位老人根据服务质量指标体系进行数据采集，从中选择2019年3月份的数据进行服务质量评价，数据分布如图2所示，从图中可知16位订餐老人对订餐便捷性、价格合理性、膳食组合性、订餐响应及时性、订餐服务态度、送餐及时性、送餐服务态度和膳食质量8个方面基本上都给予了优秀等级的质量评价;但对部分指标的评价中出现过波动情形，具体如图2所示。

2.3.1 基于数据波动性的群体客户服务质量评价

由图2可知，在3月4日订餐便捷性和订餐响应及时性数据相比前一天出现了由高到低的波动跃变，表示3月4日这一天订餐便捷性和订餐响应及时性的服务质量下降。当日发现这种情况，立即展开调查分析，发现当天上午9点到9点40分之间该社区养老服务中心突发停电。而按照社区服务的相关条例，每天上午10点是老人订餐的截止时间，而3月4日突发停电，导致社区订餐服务网络中断，影响到老人们的订餐，部分老人只能亲自到社区养老服务中心进行订餐，这给老人们订餐造成了不便，影响了老人对服务质量的评价;而在当天9点40分之后通电恢复后，订餐服务恢复正常后，其质量评价也恢复正常。经查询订餐日志发现仅有两位老人是在9点40分之后使用订餐服务的，也符合图2所显示的情况。

事实上，在社区养老服务过程中，各种意料不到的事情可能时有发生，为保证服务质量不受影响，社区养老服务中心需制定科学合理的应急措施以应对各种不测，为提高养老服务质量保驾护航。

2.3.2 基于数据波动性的个体客户服务质量评价

由图2可知，数据样本6所对应的老人在3月8日和3月12日对膳食组合服务质量的评价相比前一日出现了由高到低的波动，表明这两天样本6所对应的老人对膳食组合的服务质量颇有微词。经过深入访谈发现，样本6所对应的老人为四川籍的老人，老人饮食习惯喜辣，而且要求辣度较高，而在3月8日和3月12日，社区的膳食组合并未符合老人饮食习惯的膳食，影响了老人对膳食组合的评价。

在养老服务质量评价过程中，诸如上述这样的个例经常会导致养老服务质量评价出现波动。针对这种情况，社区养老服务中心应深入调查、分析与研究，制定个性化的服务策略，满足个别老人合情、合理的诉求，使老人享受到优质的养老服务，稳定老人对养老服务质量的评价。

2.3.3 基于数据对比的相同质量指标的养老服务质量评价

在持续观察16位老人对送餐服务及时性和送餐服务态度的评价数据变化情况后，发现样本1和样本16分别所对应的老人在3月初对送餐服务及时性和送餐服务态度的评价一直处于90～93之间，具体如图3所示。虽然也是优秀，但在优秀等级中其分值偏低，如不重视很可能会出现下降式的评价。通过多次走访和深入详谈，了解到样本1和样本16所对应的老人居住于离社区服务中心较远的地方，而且年纪较老，由于送餐服务是根据订餐时间的先后顺序来安排的，这两位老人一般订餐较晚使得送餐安排靠后，加之距离较远导致送餐到达时间更晚，影响了两位老人对送餐及时性和送餐服务态度的评价。社区养老服务中心通过合理安排送餐时间，缩短了老人订餐和送餐的时间间隔，改善了服务质量。在采取措施后，两位老人对送餐服务和送餐服务态度的评价也渐渐提高。

在养老服务过程中，不同的老人对同一服务的评价肯定会出现差异，为此要时刻关注评价分值持续较低的客户，分析评价较低的原因，找出其中的原因，进行统筹规划，优化资源，使不同老人均能享受优质的服务。

2.3.4 基于数据统计特征的服务质量评价

以送餐及时性和送餐服务态度两个评价指标为研究对象，利用统计分析工具分析每位老人在3月份对这两个质量指标评价的统计特征（最大值、最小值、均值和方差，具体如表2所示），由表2可知16位老人对送餐服务态度和送餐服务及时性的评价均为优秀，但大家对这两项服务指标的评价均值均低于96分，离100分还有一定的差距，从服务质量持续改进的角度来看，针对这两项服务指标，社区服务机构应进一步分析原因，有针对性地进行改进。尤其是针对样本1和样本16，两位老人对这两项服务指标评价的标准差最小，表明两位老人对这两项服务评价基本趋于稳定，很有必要深入访谈和调查，探究两位老人评价较低的原因及完善改进措施。此外通过进一步统计分析两项服务质量指标评价的数据分布（如图4所示），发现3月份送餐及时性指标评价值有65.93%小于96分，送餐服务态度指标评价值有64.11%小于96分，这表明16位订餐的老人对这两项服务的评价在优秀等级范围内评分仍然偏低，社区需要进一步深入发掘其原因，有针对性地改善服务质量，提高服务水平。

2.4 订餐服务质量的改进

养老服务质量评价的目的是不断优化和改善养老服务，保证老人能在養老服务机构享受优质的服务。结合上述研究，归纳总计数据驱动养老服务质量改进可从以下几方面着手：

（1）时刻关注评价数据的波动跃变，探究波动原因;针对群体性的波动跃变，要提前做好应急预案，加强社区服务中心的应急保障能力;针对个体性的波动跃变，要强化个性化服务，保障老人合情、合理的需求。

（2）重点关注评价数据持续较低，且较为稳定的客户，通过深入访谈、积极调研的方式，广泛听取多方的建议，掌握影响质量评价的因素和改进措施，进行统筹规划，合理优化资源分配，改善和提高养老服务质量水平。

（3）关注评价数据的统计特征，设法减少评价数据最大值和最小值之间的差距，提高评价数据均值，降低评价数据的标准差，使得养老服务质量稳定在一个较高的水平。

3 结论

随着信息技术和大数据的快速发展，数据已成为各行各业的“富矿”，尤其是服务行业在服务过程中产生了大量的蕴含服务过程质量的信息，充分利用这些过程质量数据信息进行服务评价，为服务业管理带来了新的机遇和挑战。

本文将数据驱动和PDCA有机地结合于一体，从理论上研究了数据驱动的PDCA服务业质量管理模型，并将其应用于社区助餐服务中订餐服务过程的质量评价。

本文首先结合数据驱动的理念研究了PDCA循环中每一个阶段的具体任务;接着根据社区养老服务中心的助餐服务的质量内容和质量要求，选择助餐服务中的订餐服务为对象，构建由订餐便捷性、价格合理性、膳食组合性、订餐响应及时性、订餐服务态度、送餐及时性、送餐服务态度和膳食质量组成的数据化订餐服务质量评价指标和评价标准，确定了全优服务的质量目标;在采集订餐服务过程中数据的基础上，以过程质量数据为基础进行订餐服务质量评价;基于数据的波动性研究了群体客户和个体客户的质量评价;通过数据对比研究不同客户对同一质量指标的服务质量评价;研究了基于数据统计特征的服务质量评价;并根据不同评价结果提出了改善和优化服务质量的建议。总之，本文所研究的方法可为服务行业的质量评价提供一种新的思路。

参考文献：

[1] 王颖.基于数据的本科教学质量管理策略 [J].淮阴师范学院学报（自然科学版），2017，16（4）：345-347.

[2] 朝乐门，张勇，邢春晓，等.数据驱动型知识地图及其关键技术 [J].图书情报工作，2012，56（10）：25-29+40.

[3] 崔凤林，张向君.深度域神经网络数据驱动岩性参数反演 [J].石油地球物理勘探，2005（1）：83-86+112.

[4] 代伟，柴天佑.数据驱动的复杂磨矿过程运行优化控制方法 [J].自动化学报，2014，40（9）：2005-2014.

[5] 丁卉，刘永红，曹生现.基于模糊-灰色聚类方法的城市空气质量评价研究 [J].环境科学与技术，2013，36（S2）：374-379.

[6] 樊佳鑫，刘忠梅.2017工业区对SO2浓度、NO2浓度以及PM2.5的影响分析 [J].可持续发展，2017，7（1）：42-49.

[7] 李宝虹，白建东，张会来.基于数据驱动的企业商业情报管理 [J].情报科学，2014，32（8）：20-26.

[8] 劉瑜，康朝贵，王法辉.大数据驱动的人类移动模式和模型研究 [J].武汉大学学报（信息科学版），2014，39（6）：660-666.

[9] 吕铃钥，李洪远.基于模糊综合评判的京津冀地区空气质量评价 [J].南开大学学报（自然科学版），2016，49（1）：62-68.

[10] 马燕，郑宇军，凌海风，等.数据驱动的多Agent装备器材保障决策支持系统 [J].解放军理工大学学报（自然科学版），2010，11（1）：60-65.

[11] 彭宇，刘大同.数据驱动故障预测和健康管理综述 [J].仪器仪表学报，2014，35（3）：481-495.