
唤醒“沉睡”的政府大数据 上海浦东探索市场监管“互联网+”模式
网络订餐方便快捷,可无证餐饮掺杂其中,餐厅质量良莠不齐;政府数据系统记录了餐厅好坏,却长期“养在深闺人未识”。
如何解决这其中的矛盾?24日,记者从上海市浦东新区市场监督管理局(下简称浦东市场监管局)获悉,浦东市场监管局等政府部门正主动将原本“沉睡”在各自内部的信息高度共享、多方应用,并逐步向社会公众开放。这是浦东新区围绕自贸区建设,创新事中事后监管机制,运用“大数据”推进社会信用体系建设的重要抓手之一。
订餐先看“脸谱” 数据不再“沉睡”
一家网络订餐平台的用户张先生最近在订餐时有了新发现:平台上的一些商户信息中都不约而同地挂着“脸谱”(政府部门对餐厅的信用评价等级),点开“脸谱”,营业执照、餐饮服务许可证和食品安全监督公示信息跃然屏上。
这些数据正是由浦东市场监管局与这家网络订餐平台对接并向全社会开放共享的。这一方面可以更好地保护公众的知情权、参与权和监督权,另一方面可以督促企业自律,主动承担社会责任。笑脸、平脸和哭脸三种“脸谱”形象地反映了商户的食品安全状况,便于消费者选择优质、安全的餐饮服务。
过去,有些消费者常反映,有的商家上传的证照信息和实际经营状态是不一致的。但是第三方平台无法准确掌握信息,在进行资质审查时确实存在困难。如今,有政府及时、专业、权威信息的支撑,对加强平台管理有很大帮助。
清退“黑暗料理” 食安社会共治
一家网络订餐平台会员王女士最近在订餐时碰到了小麻烦,她经常光顾的一家平台商户突然不见了踪影。后来,她才知道,那原来是一家卫生状况很差且无证照的“黑暗料理”,现已被市场监管部门和第三方平台联手处理。
据悉,这家网络订餐平台已将政府监管信息以20%的比重纳入其新制定的信用评价体系(原仅包括餐品质量、价格、销售量、口味评价、卫生情况、送餐速度、用户投诉记录等要素),以此对商户进行综合信用质量评分和排序,并将配套采取关闭网店、停止网上经营、通报政府部门等手段,加强对入驻商户的线上管理和联合惩戒,以提高第三方平台餐饮服务的整体诚信度。
浦东市场监管局相关负责人介绍,消费者能够更直观地感受到政府信息的价值,通过消费者的理性选择、用脚投票,通过市场无形的手“挤出”不符合法律法规、不符合食品安全标准的商户,从而倒逼餐饮行业提高整体水平。与此同时,通过数据开放、共享,实现良币驱逐劣币,促使好的企业做得更好。
挤出诚信“水分” 让数据开口说话
“仅凭第三方平台线上核查,或是单纯依靠政府部门线下监管,力量都是有限的。”浦东市场监管局局长陈彦峰表示,“我们整合政府和市场的大数据资源,探索‘互联网+信用监管’模式,就是为了更好地对网络订餐食品安全的线上线下齐抓共管。”
据了解,一些网络订餐平台在服务中形成的信用评价、投诉举报等大数据也将同步流向政府部门,推动互联网与市场监管的深度融合,促进行政资源的有效配置,推进市场动向与政府监管的无缝衔接。
一方面,监管部门将对检查情况和市场评价良好的企业实行“远距离监管”,充分保护创新创业者的积极性;另一方面,对检查情况和市场评价差、甚至存在违法行为的商户,将集中力量予以严管,维护市场正常秩序,促进市场公平竞争。
记者了解到,浦东市场监管部门和第三方网络订餐平台正研究拓展大数据在信用监管、智能监管领域的功能应用,在实行食品信息追溯管理、推进食品安全责任保险、落实消费维权首付赔偿制、开展从业人员食品安全培训等方面加强协作交流。
陈彦峰说,目前网络订餐行业只是探索开展“互联网+信用监管”的第一步,今后还将向各个行业、各个领域推行。信息资源将逐步向全社会敞开大门,欢迎社会各方加入共治行列。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09