
大数据时代的质量机遇
出差在外,想选择一家适合自己的酒店。只需在手机App上输入对酒店的个性化要求,手指轻轻一按,几十家甚至上百家酒店就立马一一呈现在眼前。卫生条件、服务态度、餐饮特色、地理位置……通过查看大量网友的点评和酒店分数排名,你可以在短短几分钟内方便快捷地寻找到自己心仪的酒店;出门办事,同样只需在App中下单,2~3分钟后一辆专属于你的专车就会到达指定地点。车上不仅提供了标配的矿泉水和充电器,还有司机发自内心的热情服务。
这只是我们身边依靠大数据改变生活方式的两个例子。在我们所享受到的方便快捷、优质服务的背后,就是大量以往消费者消费数据的支撑,而你对此次消费或服务的评价和反馈又将为这个大数据库增加新的信息。8月19日,国务院常务会议通过了《关于促进大数据发展的行动纲要》,提出要开发利用好大数据这一基础性战略资源。毫无疑问,我们已经进入了大数据时代。那么,大数据将给中国质量带来什么?
质量就是数据
武汉大学质量发展战略研究院早在几年前就开始了质量大数据的研究,取得了不少成果。几年来,他们对质量大数据的语义进行了分析,建立了食品、电器、通用产品三个语料库,建立了大数据监测网站和数据分析模型。
在谈到“质量”与“大数据”的关系时,院长程虹阐明了自己的观点:“质量离不开数据,质量的本质就是数据。”程虹说,无论在产品的生产环节还是在销售环节,都要依赖于大量的数据。在产品的检验检测中,离不开数据;在政府的质量监管中,同样离不开数据。
《关于促进大数据发展的行动纲要》中特别提到,要在城市建设、社会救助、质量安全、社区服务等方面开展大数据应用示范。大数据对质量的重要性已经成为很多质量人的共识。中国计量学院经管学院质量发展研究院教授周立军认为:“大数据是信息公开的基础,对于提高决策的科学性、有效性都有很大的帮助;大数据对开展质量预警的作用也很明显,可以让发出的质量预警更加精准;在建立企业信用系统过程中,大数据也被寄予厚望,能够发挥很大作用。”
缺乏消费领域的质量数据
山东大学质量管理研究中心主任温德成在谈到质量大数据时,首先讲到的是质检系统的质量大数据。“质检系统收集了很多质量数据,但这些数据还没有得到很好的整合、分析和应用。”温德成提到了质量监督抽查,“监督抽查中获得的产品质量数据很多,绝不仅仅是一个合格率、不合格率的问题。如何利用好这些数据,是大数据时代质检部门应该首先思考的问题。”温德成也介绍,在国外,掌握大量数据的其实并不是政府,而是一些社会机构。这些机构收集了大量来自市场、来自消费者的评价和反馈,这些数据正是目前我国所缺乏的。
缺乏消费领域的质量数据,这也是程虹从事质量大数据研究以来最深刻的感受。“以前,质量控制是基于生产过程的控制;但是现在,成功企业的质量控制恰恰不是基于生产导向,而是基于消费导向。也就是说,来自消费者、来自市场的数据比来自生产过程中的数据更有意义。遗憾的是,我们现在没有这部分数据,我认为这是我国质量大数据发展的一个瓶颈。如果一个企业不知道自己的客户需要什么、喜欢什么,不掌握这些质量大数据,要想做好产品,恐怕很难;同样地,如果一个政府不知道市场的真实情况到底是什么,不掌握这些质量大数据,要想做好质量监管,同样也很难。”
技术将发挥重要作用
选餐厅先看大众点评,选酒店先看酒店分数排名,选专车先看以往乘客评价……互联网上这些大量的数据就是来自消费者、来自市场。专家们认为,利用好质量大数据,不仅可以解决政府监管的很多难题,甚至可以迎来中国质量发展的一次革命性机遇。
作为一名普通消费者,程虹说自己最近喜欢上了一件事情,那就是坐Uber(优步)专车。在自己的一篇文章里,程虹详细分析了专车服务的质量大数据是如何颠覆传统的出租车运营监管机制。出租车最大的难题,无非就是信息不对称,也就是“人找不到车,车找不到人”。但是,互联网尤其是移动互联网,包括实时定位技术,使司机和乘客不用付出更多的搜索成本,就能找到彼此。因为大数据让双方之间信息透明、信息对称了。至于政府所关心的车辆服务质量问题,市场其实早就给出了答案,根本用不着政府操心,乘客的评价和结算的延迟支付,都会让专车司机不敢稍有懈怠地去提供高质量的服务。“以前让政府头疼的高峰时间打不着出租车、出租车服务质量不好等难题,在大数据时代,就这样轻松地被市场解决了。政府的角色应该从出租车的管制者变成大数据平台的提供者。”程虹认为,这是典型的质量大数据解决政府做不到的事情的应用案例。
程虹坦言,技术一小步,制度一大步。“大数据这个新技术已经来了,我们的监管制度也必须发生变化,甚至是革命性的变革与之配套,才能让新技术真正发挥出神奇的力量。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10