
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
PowerBI 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游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08