
探索互联网+信用监管 大数据开启市场监管新模式
提及“大数据”监管的前景,浦东市场监管局相关负责人透露:“网络订餐行业只是我们探索‘互联网+信用监管’的第一步,今后,我们还将向各个行业、各个领域推行‘大数据’监管模式。我们的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,与我们一起共筑市场安全防线。”
8月底,浦东市场监管局与网络订餐平台“饿了么”启动“互联网+信用监管”项目,率先探索政府数据走出“深闺”,与第三方平台实现数据多方共享。记者获悉,试点近一个月下来,仅在先行试点的陆家嘴地区,浦东市场监管局已向“饿了么”推送商户信息371家,数据量达到12万。“饿了么”也已将政府监管信息以20%的比重纳入其信用评价体系。浦东新区走出了通过“大数据”,参与食品安全监管过程的第一步。浦东市场监管局透露,本月底提前将该项目从陆家嘴地区覆盖至浦东全区。
“脸谱”反映食品安全状况
细心的用户张先生最近在使用“饿了么”订餐时发现,平台上的一些商户信息中都不约而同地挂上了“脸谱”符号,点开“脸谱”,商户的营业执照、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“饿了么”对接,并向全社会开放共享的。“脸谱”分为笑脸、平脸和哭脸三种,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。
说起数据开放共享的缘起,第三方网络订餐平台“饿了么”CEO 张旭豪颇为感慨:“我们曾接到过消费者反映,称有的商家上传的证照信息和实际经营状态是不一致的。”张旭豪表示,“饿了么”一直设法加强对入网商户的规范化管理,要求经营者必须上传证照扫描件。但是很多信息还是无法准确掌握,在资质审查时确实有困难。
浦东新区市场监管局副局长管捍东也表示,之所以选择“饿了么”试点“互联网+信用监管”项目,除了考虑到“饿了么”规模、影响都比较大,也是因为“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”。
项目试水一个月效果如何?消费者孙女士直言,以往订餐时餐厅的信息并不透明,自己只能参考订单数量和用户点评来判断餐厅的还坏,“现在就直观多了,我肯定会优先选择资质齐全、带‘笑脸’的餐厅。”孙女士不知道的是,她做出的个体选择还将汇集成市场选择,成为食品安全监管的间接推动者。如果发现公示信息与实际情况不符,消费者也可以及时向平台和监管部门反映,促进行业规范和市场监管到位。
“黑暗料理”将被清退
据介绍,上海浦东新区先行在餐饮店数量多、监管难度大的浦东陆家嘴地区试点“互联网+信用监管”项目。消费者通过第三方平台进行网络订餐时,就能对接政府“大数据”,参与食品安全监管过程。陆家嘴地区汇集了近900家餐饮单位,接近浦东全区的十分之一:“饿了么”在陆家嘴地区“饿单”日均接单量占全区30%,目前,浦东市场监管局已向“饿了么”推送了陆家嘴地区商户371家,内容包括工商信息、许可证信息和监管信息,数据量达到12万。
与此同时,“饿了么”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,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。
“饿了么”方面表示,今后将杜绝无证照餐饮入网经营,新入网商户需先上传相关证照,经平台方线下现场核查、实名登记后,再与浦东市场监管局数据库线上比对。只有数据完全匹配,才能在线上开店经营。
“饿了么”会员王女士最近就遇到了这样一件事。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,原来这是一家卫生状况很差、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清退了。
据初步统计,“互联网+信用监管”项目试点一个月以来,陆家嘴地区“笑脸”商户订单量平均上涨约15%,而资质不全的无脸谱商户订单量有一定比例的下降。
“互联网+信用监管”只是第一步
浦东新区市场监管局相关负责人透露,一个月间,监管局共接到涉及“饿了么”的食品安全类投诉35起,均通过平台同步流向“饿了么”,进行解决。监管部门在线下处置实体商户的同时,“饿了么”也同步完成处置和回访,并对所涉商户作出线上信用评价记录、督促整改。
提及“大数据”监管的前景,浦东市场监管局相关负责人透露:“网络订餐行业只是我们探索‘互联网+信用监管’的第一步,今后,我们还将向各个行业、各个领域推行‘大数据’监管模式。我们的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,与我们一起共筑市场安全防线。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12