京公网安备 11010802034615号
经营许可证编号:京B2-20210330
"大数据"市场监管新模式 网络订餐"互联网+信用"
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。”
而浦东新区监管部门与“饿了么”启动的“互联网+信用监管”项目也计划于本月底推广到整个浦东新区。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14