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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18