消费维权，大数据能帮多大忙

通过对这些历史数据的整理和挖掘，有哪些发现让你印象深刻？如今，消费升级和消费便利度的提升已被很多市民切身体会到，我们的消费维权有没有实现相应的“升级”？

陈瑶：通过对历史数据的部分梳理，还是能看到现有维权数据处理过程中的一些不足。

比如，现有业务数据主要由人工输入及选择，原始数据不够准确的情况仍然存在。又如，现有的举报投诉管理系统的行业分类目录尚未跟上时代发展的脚步，需要整理更新。尤其是一些以前没有的行业分类，比如因互联网技术发展而产生的新服务行业门类，应及时在系统中赋予其合宜的位置。否则，一旦纠纷发生，数据会被并入到一些不够精准的门类，无助于监管工作的精准化。

从短期来看，可改进的工作空间主要可以集中在：

第一，对过往积累下来的投诉举报数据和文本进行清洗、分类和深入挖掘，引入更科学有效的分类方法和工具，便于发现问题、研判趋势、预警预防；

第二，通过文本处理和机器学习的方法，对投诉举报进行自动分类，查找内容相似的历史案件进行推送，提高工作的准确度和效率；

第三，充分利用实时、海量的互联网大数据，捕捉消费动态和问题，为市民提示消费预警，为市场监管执法和消费政策制定者提供参考。
   从中长期来看，我们可以探讨上海工商举报投诉系统未来的智能化努力方向，最终形成大数据中心、上海消费维权大数据智能管理平台等智能决策与管理工具。在大数据中心的支持下，与人工智能与机器学习结合，辅助工作效率提升的功能拓展内容可以包括投诉处理工作智能辅助和管理工作智能辅助两大方面。

这些重点行业可能体现维权工作新重点

解放日报·上观：从消费者一端来看，伴随着当下的消费升级，如今的消费侵权和维权有哪些新特点？

陈瑶：2017年全国消费投诉总量较2016年增长超过40%，两大类投诉中商品类所占比例高、服务类增速快。这个特点在上海亦有鲜明体现。基于重新设计更新的新行业分类，我们对所有案例进行了重新划分，得到了一些新的数据分析结果。

比如，以服务类投诉为例，2016年1月至2017年6月，上海服务类投诉占整体投诉的比例达36.85%。服务行业投诉主要集中在五大服务行业，分别是文化、娱乐、体育服务行业（21.07%），互联网及相关服务行业（18.81%），美容、美发、洗浴服务行业（11.35%），餐饮和住宿服务行业（10.65%）和教育、培训服务行业（7.89%）。

这5类服务投诉总共占到了所有25类服务投诉的将近70%。其余服务行业投诉则全都低于5%：交通运输服务行业（2.67%）、旅游服务行业（1.53%）、电信服务行业（1.49%）、房屋装修服务行业（0.71%）和公共事业服务行业（0.03%）。从投诉消费金额看，中介、互联网、文体娱、教育培训行业的消费总额较高。

通过对文体娱服务行业所有投诉文本的分析，可得出的十大热词为退款、健身、健身卡、会员卡、关门、健身房、余额、游泳、课程和某健身企业名称。

可见该行业消费投诉的最核心问题在于健身服务预付卡。类似的会员卡问题也突出体现在美容美发行业。健身和美容美发行业发生了近6000起会员预付卡类投诉，平均消费金额约5000元。   

互联网及相关服务行业的投诉问题，主要集中在旅游网站、O2O平台、网络游戏、宽带等相关服务。投诉文本中的十大热词为客服、游戏、账号、充值、退款、订单、玩家、某旅游网站、酒店和某网络游戏名称。从“客服”这个高频词可以看出，该行业中很多投诉其实已经与相关产品、应用的客服事先交流过，因商家没有第一时间解决而产生工商投诉。

解放日报·上观：互联网信息及应用服务，是近年来出现新兴服务类别较多的一个领域。网络购物、O2O网络平台、旅游网站和网络订车服务等新兴服务，都属于这个领域。

陈瑶：没错。网络购物投诉中，问题集中出现在网络购物平台充值、会员权益、促销、跨境网购中的转运物流等方面。随着现在网上购物越来越便利，无论是国外还是国内各种商品都能买到，其中产生的消费纠纷也逐渐增多。当双方无法自行解决问题时，消费者很可能会选择像第三方机构比如工商、消保委等投诉反映、寻求帮助。

解放日报·上观：在近阶段的消费升级中，教育、培训服务是很多家庭可支配收入的一个重要流向。这个领域的投诉有何特点？

陈瑶：教育、培训服务中对初、中、高等专业教育服务的投诉很少，绝大多数被投诉的是培训类服务。一些知名的英语培训、早教机构投诉量较大，平均消费额超过11000元，问题以不能履行合约为主。培训类涉及的市场主体多而杂，培训质量的考核标准衡量不够统一、不够有说服力，都可能产生纠纷。

上海作为教育比较先进的地区，幼儿普遍会接受一些早教服务，成人也会接受英语等技能培训。通过数据分析可以发现，这方面的服务比较丰富、复杂，消费金额大，引起的纠纷量呈上升态势，需要主管部门引起重视。

大数据平台的价值核心：不是展示，而是提升决策效率

解放日报·上观：如今，通过大数据工具应用辅助城市管理，得到不少行政管理部门的共识与重视。你们的团队在这方面有过不少研发经历。在“通过大数据技术，实现更好的公共管理”方面，有没有什么观察和思考可以分享给大家

陈瑶：当这些数据被展示出来以后，工作人员能否通过它们发现管理、决策上的深度问题？这方面的探索总体来说还刚刚起步。

以这次的项目为例，从表面上来看，它的主要成果是类似“大数据应用平台”这样的产物，但这个平台的核心价值是决策模型。换言之，文本数据可视化不只是为了数据展示，为了了解现状，还需要帮助决策者发现问题，找到进一步提升管理、决策效率的办法。

比如，随着投诉量不断上升，在行政资源不足的情况下，如何优化相关管理部门的人力资源配置与调度？数据整合分析以后，一方面，可以甄别出不同问题的优先级；另一方面，也可以为该部门运营流程和管理资源分配的优化提供决策参考。

从目前的探索来看，多数据源的跨部门、跨地域融合，会是进一步改进相关工作的一个关键环节。我们在分析预付卡导致的消费维权案例时发现，被投诉的企业法人有时跨地域多公司经营，甚至已经在外地被媒体曝光。如果没有多渠道的大数据融合，行政管理部门可以看到的数据不充分、不及时，就极可能只捕捉到问题的一小部分，无法对问题的成因和性质形成完整的判断与跟踪。