大數據驅動下的安全績效管理模式研究

康良國，吳 超

（1.中南大學資源與安全工程學院；2.中南大學安全理論創新與促進研究中心，湖南長沙 410083）

1 研究背景

隨著信息技術的發展，尤其是工業4.0 背景下萬物互聯的發展，數據已滲透到每一個行業并成為其重要的生產要素，在繁雜、無序的海量數據中挖掘有價值的信息以滿足實踐需求顯得尤為迫切，大數據技術由此孕育而生，并逐漸在公共管理、零售業、醫療服務、制造業等領域得到廣泛應用，帶來巨大的研究與創新機遇，并促使以定性、定量、仿真為代表的社會科學研究范式向以大數據為代表的第四研究范式轉變［1-2］。

得益于互聯網、物聯網和云計算等信息技術的快速發展，尤其是5G 網絡的大規模商用，績效管理也步入大數據時代［3-4］。在此背景下，從宏觀層面的公共績效管理到微觀層面的企業績效管理，其模式都已發生本質變化［5］。諸多學者對基于大數據帶來的績效管理變革進行理論研究與實踐研究，例如，何勤［6］基于集團企業財務，構建大數據驅動的財務共享中心績效管理框架模型；周鵬等［7］基于教育云平臺大數據，設計教育云服務績效評價方法體系；徐輝［8］針對當前公共部門人員績效管理困境，提出構建數據驅動的人員績效管理體系。大數據被認為是解決公共多元復雜問題的有效方式，在安全科學領域，學者利用大數據技術構建數據驅動的安全管理模型以指導安全生產實踐［9-10］。安全績效是衡量安全工作情況的有力指標，也是改進安全管理薄弱點的重要抓手［11］。但是，大數據在安全績效管理方面的應用創新遠落后于安全科學領域，幾乎處于空白階段，亟待構建相應的框架結構與理論體系，以順應信息時代下安全績效管理的變革浪潮。此外，面向大數據的安全績效管理研究，有助于從海量安全數據中挖掘有價值的績效信息，且數據驅動的安全績效管理將大幅度降低績效考核所需的人力、物力與財力。

基于此，本研究根據數據驅動的內涵、外延及其對安全績效管理的影響，探討數據驅動下安全績效管理的結構與特征，并提出適應于大數據時代背景下企業層面的安全績效管理框架模型，旨在為大數據技術應用于安全科學績效管理領域提供理論支撐。

2 數據驅動的安全績效管理概述

2.1 數據驅動概述

數據驅動是在大數據技術的基礎上發展演化而來，也是大數據應用于實踐的具體體現。數據驅動是指信息系統根據相關軟件或硬件收集海量數據，通過構建相應的自動化決策模型挖掘有價值的信息，指導或影響生產實踐活動，包括數據采集、數據建模、數據分析和數據反饋4 個閉環過程。數據驅動的決策則是一個復雜的數據應用和數據整合過程［12］。其核心思想類似于Ackhoff［13］提出的“數據→信息→知識→智慧”的金字塔模式，如圖1 所示，金字塔越往上，越有助于人類判斷外界事物發展變化狀況，進而作出正確的反應與行動，以貼合或修正事物的運動軌跡。其中，數據處于金字塔模型的底部，是進行數據驅動決策的基礎；信息與知識是處理海量數據的中間產物，根據應用情況仍有進一步開發的價值以滿足生產實踐需求；智慧是對已有知識的靈活運用，也是決策者利用數據驅動決策方法的最終目的。

圖1 數據驅動的決策價值鏈

2.2 數據驅動與安全績效管理的關聯

安全績效是指根據安全目標，在安全工作方面取得可測量的結果。大數據技術突破了傳統統計軟件計算能力的限制，可實時處理不同類型的海量數據，實現對安全工作情況的數據化測量。通過信息系統分析或挖掘企業員工安全績效數據的規律，可對企業安全績效情況進行實時監督與反饋，幫助決策者糾正人員操作習慣、改善環境狀況和發現設施設備缺陷，進而提高安全生產管理水平。數據驅動的安全績效管理促使組織的安全管理架構變得更為扁平化，有利于消除因繁雜與冗余的組織管理結構帶來的信息偏差或誤差，提高績效數據傳遞的速度與質量。此外，通過信息系統分析安全績效數據與其他數據之間的潛在聯系，可辨識導致安全績效變化的原因，并制定針對性解決方案，提高員工的安全工作效能。

在信息技術的硬件與軟件設施支撐下，決策者通過挖掘安全績效數據之間的關聯性，對安全決策模型進行修正與優化，有助于形成數據驅動為導向的安全績效反饋流程，具體如圖2 所示。當信息系統分析的安全績效結果達到決策者設定的安全績效目標值時，系統形成對應的安全記錄，一方面作為安全績效考核與獎賞的依據，另一方面對數據驅動的安全決策模型形成正反饋，以提高安全決策模型的科學性與準確性。當安全績效結果未達到決策者設定的安全績效目標值時，將考核結果自動發送給當事人，以人工方式進行檢查修正；績效結果錯誤時，系統形成負反饋，對信息系統的數據收集方式、數據挖掘模型或數學算法進行優化或修正；績效結果正確時，對于簡單的微小隱患則責令當事人立即改正，對于復雜的重大隱患則責令當事人限期改正。

圖2 數據驅動的安全績效反饋流程

3 數據驅動的安全績效管理結構與特征

3.1 數據驅動的安全績效管理結構

1969 年Hall［14］通過總結大量的工程實踐，提出系統工程著名的“三維結構”模型，為梳理復雜的組織或管理問題提供一種重要思想方法。參照Hall 的三維結構模型，提出數據驅動的安全績效管理三維結構，如圖3 所示。該結構由時間維、邏輯維和領域維3 個維度構成，有助于明晰數據驅動的安全績效管理內涵。

圖3 數據驅動的安全績效管理三維結構

（1）時間維。時間維是指安全績效管理的各個階段。與傳統的安全績效評價相比，安全績效管理則是一個類似PDCA 循環過程，其目的是持續提升個人、部門或組織的安全績效，體現以人為本的管理理念。為提高員工的安全承諾度，以更好地完成安全生產目標，決策者與被決策者共同參與安全績效目標與計劃的制定和安全績效監督與溝通的實施、安全績效的定期考核與評價以及安全績效評價結果的應用反饋等過程，這也為改善企業安全生產狀況提供方向。

（2）邏輯維。邏輯維是指安全績效數據分析與處理的內在邏輯。數據驅動的安全決策是大數據應用行業的體現。首先，業務端、客戶端、可穿戴設備、傳感器等設施產生大量的安全績效相關數據，這為數據驅動下安全決策提供寶貴的資料庫。根據設置的安全績效目標，利用數據建模為解決數據預處理與數據存儲提供解決方案，通過數學算法，統計、分析、挖掘海量安全績效數據，提供有價值的信息，并以可視化方式呈現績效評估結果。績效評估結果通過“機”界面傳遞到“人”界面，自動作出最佳決策以指導安全工作，進而提高安全生產系統的穩定性。

（3）領域維。領域維是指運用數據驅動進行安全績效管理的領域。傳統的安全科學研究大多從生產安全領域視角出發，隨著安全科學的發展，安全科學研究對象逐漸擴散到“大安全觀”領域。根據總體國家安全觀，安全績效管理應用領域分為資源安全、文化安全、經濟安全、生態安全、科技安全、信息安全等11 個一級領域，基于此，安全績效應用領域細分為二級領域、三級領域甚至四級領域，如圖4 所示。以常見的社會安全一級領域為例，可細分生產安全、社會治安、交通安全、消防安全、公共衛生安全等二級領域；生產安全二級領域可細分為建筑企業生產安全、化工企業生產安全、礦山企業生產安全、危化品企業生產安全、煙花爆竹企業生產安全等三級領域。在企業生產層面，安全績效也可分為組織、部門、個人3 個層面，且這3 個層面互相作用、相互影響。

圖4 安全績效管理應用領域

3.2 數據驅動的安全績效管理特征

從科學哲學層面分析，大數據的出現促進學科研究范式的轉變，即數據密集型科學發現［15］。在此背景下，總結數據驅動下安全績效管理的6 個研究特征，如表1 所示。

表1 數據驅動的安全績效管理特征

4 數據驅動的安全績效管理框架模型

4.1 框架模型構建

大數據驅動下的安全績效管理可使績效評估流程更加標準化，為實現組織各部門間的安全資源共享、多方聯動、協調發展提供指導，在保障安全管理目標的前提下避免重復的績效監督與考核工作，可降低安全績效評估所需的人力與物力。運用數據科學、安全科學、管理科學的知識，構建數據驅動下企業層面的安全績效管理框架模型，如圖5 所示。該模型主要分為5 個層級，分別為用戶層、指導層、數據驅動決策層、業務層、基礎設施層。

圖5 數據驅動下企業層面的安全績效管理框架模型

4.2 框架模型解析

4.2.1 用戶層

用戶層包括利用數據驅動決策進行安全績效管理的考核對象。以企業層面為例，安全績效考核對象分為組織、部門與個人3 個層面，如以個人層面為例，生產企業人員分為生產操作人員、生產輔助人員、生產管理人員、職能管理人員、技術人員等類型，且不同工種或崗位的安全績效考核內容存在巨大的差異性。在實踐應用時，根據企業生產工藝特點，將既定的安全績效管理目標層層分解，并落實到各個分公司、生產部門和員工，通過安全工作量化管理方式使其明確安全生產的責任與義務。

4.2.2 指導層

指導層包括指導大數據技術分析安全績效數據的價值傳遞鏈、考核方法、應用流程。首先，海量數據并不等于大數據，只有經過數據抽取、集成、分析、解釋等數據挖掘過程，為安全績效的考核、評估與改進提供有價值的信息，才能成為績效測量的數據資源庫。

（1）數據驅動決策的價值鏈表現為“安全績效數據→安全績效信息→安全績效知識→安全績效智慧”，其具體含義如表2 所示。安全績效信息是一定時間內衡量安全工作成效的體現，具有時效性；而安全績效知識與安全績效智慧是總結當前安全工作成效的規律，具有一定預測功能，可用于測量類似行業背景下的安全工作狀況。安全是免除了不可接受風險的狀態，需限定在一定的時間與空間范圍內，因此，安全工作也具有一定的時效性，更需安全績效信息揭露安全管理、安全教育、安全技術存在的缺陷，并及時向當事人發送風險預警信息。安全績效知識與安全績效智慧可以預測風險因素變化對安全系統穩定性的影響，有助于持續提升安全工作水平。

表2 數據驅動的安全績效管理價值鏈節點內涵

（2）安全績效測量方法是指導安全工作所采取的手段與行為方式，常見績效考核方法有關鍵業績指標法、目標與關鍵成果法、平衡計分法、360 度考核法，各方法代表解決安全績效考核問題的思路。例如，關鍵業績指標法的標桿基準法大量應用于不同國家或地區的安全績效對比［18］，適用于安全標準難以定量化的情境；360 度考核法的特點是評價維度的多元化，能較為全面衡量安全工作情況，適用于微觀系統或指標易量化的情景。

（3）安全績效管理流程則為數據驅動下安全決策的反饋提供指導。只有明確安全績效目標如何制定、實施、評估與改善，才能在數據挖掘過程中賦予安全特征化，也為組織、部門、個人的安全績效管理提供導航。在具體實施過程中可進行相應細化，例如，安全績效目標制定→安全績效目標分解→安全績效監督與預警→安全績效問題分析→安全績效考核與激勵→安全績效結果總結與改善。

4.2.3 數據驅動決策層

數據驅動決策層是大數據技術應用于安全績效管理的具體體現。數據驅動決策一般分為數據采集、數據建模、數據分析和數據反饋4 個閉環過程。

（1）數據采集來源于傳感器數據（記錄生產工藝參數與設備運行狀況）、人員活動數據（可穿戴設備記錄）、監控數據（視頻監控數據，識別“三違”行為）、客戶端數據（線上安全教育、安全記錄與安全檔案）、人工錄入數據等。

（2）數據建模是對收集到的數據進行預處理與存儲的過程，包括數據預處理、語義轉換、數據存儲、任務調度等模型，關乎下一流程中數據分析的復雜程度。

（3）數據分析是數據驅動決策的核心，在滿足成本、時間與質量要求情況下，借助相應數據挖掘算法（有監督學習算法或無監督學習算法），構建決策模型識別風險類型與風險程度，并以可視化的形式及時提醒當事人。

（4）數據反饋是把數據分析結果從“機”界面傳輸到“人”界面，形成反饋作用以優化安全績效管理系統的信度與效度。根據生產需求，對數據結果進行分類以整合成不同的子模塊，例如，風險預警模塊（風險是否偏離警戒線）、安全獎懲模塊（基于人員的安全工作情況形成獎懲體系）、管理節點提升模塊（安全管理、教育、制度存在的漏洞）、績效優化模塊（安全績效指標、內容、評估過程的優化）。

4.2.4 業務層

業務層是評估安全工作可測量結果的系統，主要分為安全基礎管理、安全教育管理、生產安全管理、安全事故現場管理、應急管理5 個考核系統，每個考核系統可細分相應的評價指標，通過計算可得到安全績效總分。計算公式如下：

式（2）中：E表示各考核系統評定總分；Ei表示第i考核系統的得分；pi表示第i考核系統的權重；Xij表示第i考核系統的第j指標的得分；qij表示第i考核系統的第j指標的權重；n表示考核系統數量；ni表示第i考核系統的指標數。

4.2.5 基礎設施層

基礎設施層是支撐數據驅動決策應用于安全績效管理的信息系統組成要素，包含智能終端、網絡、服務器、傳感器、可穿戴設備、監控系統等硬件或軟件設施。這些設施可以采集企業“人-機-環”系統產生的數據，并應用于數據驅動決策層。

5 結論

數據驅動是大數據應用于實踐的具體體現，是指信息系統根據相關軟件或硬件收集海量數據，通過構建相應自動化決策模型挖掘有價值的信息，指導或影響生產實踐活動。數據驅動的安全績效管理促使組織的安全管理架構變得更為扁平化，幫助企業決策者對人員操作習慣、環境狀況和設施設備缺陷等安全問題進行量化管理，有助于形成數據導向的安全績效反饋流程。

為明晰數據驅動的安全績效管理內涵，本研究構建了數據驅動下安全績效管理三維結構，由時間維、邏輯維和領域維等3 個維度構成，且應用領域可細分為一級、二級、三級甚至四級領域。數據驅動下安全績效管理具有安全績效分析綜合化、安全績效管理定制化、安全績效評估精準化、安全績效管理實時化、安全績效過程預測化、安全績效管理信息化6 個特征。

根據用戶層、指導層、數據驅動決策層、業務層、基礎設施層5 個層級，本研究構建了數據驅動下企業層面的安全績效管理框架模型。該模型可使績效管理流程更加標準化，降低安全績效考核所需的人力與物力，實現各部門組織間的安全資源共享、多方聯動、協調發展。