大數據、分析與深入透析洞察

正如何改變著(zhù)我們

分析、判斷和管理安全隱患的方式方法？

——英國前首相Winston Churchill

平均每一分鐘，Facebook® 上有350GB的數據輸入，Twitter要處理27.8萬(wàn)多條訊息，郵箱里會(huì )收到2.04億份郵件，Google® 上要執行200萬(wàn)次搜索，沃爾瑪超市也會(huì )完成多達1.7萬(wàn)次交易1。我們的數據分析處理方式越來(lái)越多，日新月異。企業(yè)正不斷打破傳統數據管理與分析方法的局限性，從而以一種全新的方式獲得深入透徹的洞察。

想象我們正處于一個(gè)數據驅動(dòng)的安全管理的世界?？焖俚仄骋谎勰愕碾娔X，通過(guò)上面的動(dòng)態(tài)信息控制面板，你便能清楚地了解你的績(jì)效、追蹤公開(kāi)調研進(jìn)度的能力，以及當前實(shí)時(shí)存在的安全問(wèn)題；點(diǎn)擊按鈕，你便能將過(guò)去一周的統計數據與多個(gè)獨立數據庫進(jìn)行比較，以明確潛在危害可能的存在之處。對這些數據作進(jìn)一步分析后，你還能獲得全新的洞察，如某個(gè)特定位置出現一系列危害、基于維修日志的早期工藝安全隱患跡象或最近一次培訓對于降低工傷率的效用等。

接下來(lái)，想象一下你處于這樣一個(gè)世界：你能得到真實(shí)且有預見(jiàn)性的分析結果，并因此預測到未來(lái)，從而在工傷事故發(fā)生前及時(shí)做好預防。想象一下，你能根據運營(yíng)現狀（天氣狀況，每位員工到崗、培訓和工作時(shí)的狀態(tài)，每臺工作設備的工齡及運行狀態(tài)），即時(shí)了解工傷事故發(fā)生的概率；想象一下，通過(guò)對現有數據的收集和分析，我們不僅能預測當日工傷事故發(fā)生的概率大小，還能明確風(fēng)險將出現的確切位置、涉及的相關(guān)人員以及具體的發(fā)生形式；再想象一下，當你注意到一個(gè)熱點(diǎn)時(shí)，員工便會(huì )在工作現場(chǎng)簽到時(shí)標示出指示性的要素，并將其與天氣條件、工作狀況以及通過(guò)觀(guān)察、調查和數據庫得到的趨勢因素相結合，以展示出需重點(diǎn)關(guān)注的領(lǐng)域。

盡管未來(lái)看似遙遠，其實(shí)時(shí)間稍縱即逝。那些有遠見(jiàn)的企業(yè)，愿意花時(shí)間和精力且有決心進(jìn)行這類(lèi)數據分析的企業(yè)能夠迎來(lái)他們運營(yíng)的繁榮未來(lái)。

當前，大多數企業(yè)都在進(jìn)行數據收集與分析，從而為各自的管理流程和程序提供支持。六西格瑪（Six Sigma）是一套用于分析和改善運營(yíng)狀況的工具，自1962年問(wèn)世以來(lái)已得到了廣泛應用。事實(shí)上，自1971年5月3初步標準公布以來(lái)，美國職業(yè)安全與健康管理局（OSHA）就一直在追蹤和統計安全資料。但即便如此，真正的安全洞察卻極少使用這些數據。大多數企業(yè)都使用一套共享型的標準數據資料，他們通常會(huì )將整個(gè)安全管理系統簡(jiǎn)化為一小部分概括性的數據資料。

整體可記錄工傷事故率、嚴重工傷事故率、上一次記錄工傷事故距現在的時(shí)長(cháng)等數據資料都具有重要的價(jià)值，它們提供一個(gè)可用于比較不同企業(yè)和行業(yè)的標準度量。但是，這還遠遠不夠。美國職業(yè)安全與健康管理局在他們的官方網(wǎng)站上提供了一些洞察，但大多數的企業(yè)都只是針對這些數據進(jìn)行了簡(jiǎn)單的分析。

我們并不是在強調這些企業(yè)沒(méi)有進(jìn)行更透徹深入的分析。許多國家和不同行業(yè)都創(chuàng )建并實(shí)施了多種多樣的數據分析模型。然而，信息量依然很大，要獲取真正有效的洞察仍十分困難，這使得許多企業(yè)猶豫不決是否要踏入這一階段，盡管數據分析是大趨勢，擁有光明的前景。

其實(shí)，我們沒(méi)有必要直接使用高級的數據統計技術(shù)。為了實(shí)現大數據分析的效益最大化，我們應按照復雜程度由低到高的三個(gè)不同層級進(jìn)行數據分析。

審查/匯報層級提供從過(guò)去到現在的基本數據。這是數據分析最基本的層級，為我們的衡量奠定基礎。一般來(lái)說(shuō)，每日信息控制面板屬于這一層級。除了基本的匯報結果之外，審查/匯報層級的數據分析還可能要追蹤當前完成合規性培訓員工的人數，以及公開(kāi)逾期維護項目的數量等。

盡管這一層級的數據分析無(wú)法提供太多的洞察，但它提供了有價(jià)值且易于理解的單源事實(shí)數據，供企業(yè)參考，這是任何基于數據的安全工作的基礎。

不幸的是，大部分企業(yè)的數據分析也就到此為止了。

然而，洞察層級通過(guò)為管理層提供相關(guān)信息，作為其決策依據，可創(chuàng )造數據分析的附加價(jià)值。有時(shí)，洞察分析只是依據事故調查結果進(jìn)行的一系列根本原因分析，或許就是強調最主要風(fēng)險的事故報告。

我們能從復雜性較高的洞察中獲取諸多信息——如維護和可靠性與人為因素哪個(gè)的挑戰性更大，以及特定培訓方案是否能有效降低工傷率等。

此外，在洞察層級，我們可通過(guò)分析外部資源或來(lái)源信息獲得新的信息。實(shí)施調查、提供工作現場(chǎng)簽到狀態(tài)或僅用于了解企業(yè)的動(dòng)態(tài)，都可獲得重要洞察。

特別策劃的企業(yè)文化調查便是一種具體的有效獲取洞察的方式。通過(guò)確定員工對企業(yè)安全領(lǐng)導力、流程和結構的認知，企業(yè)可獲得對當前重點(diǎn)關(guān)注領(lǐng)域、未來(lái)工作優(yōu)先順序以及安全領(lǐng)域改進(jìn)舉措的深入了解。

數據分析的最高層級便是預測。在該層級，我們通過(guò)先進(jìn)的數據分析技術(shù)創(chuàng )建模型，為企業(yè)的運營(yíng)提供有效指導，其中包含針對那些能夠重點(diǎn)關(guān)注或預測工傷事故可能發(fā)生的時(shí)間或位置的分析。

自學(xué)模型能隨機應變并隨數據一同更新。因此，統計學(xué)家和計量經(jīng)濟學(xué)家通常需要有效開(kāi)發(fā)此類(lèi)模型。盡管開(kāi)發(fā)工作需要資金投入，但在工傷事故發(fā)生前識別并預防的效果和重要性遠勝于在事后對其進(jìn)行補救。

最后，如果無(wú)法對企業(yè)運營(yíng)產(chǎn)生效益，一切的數據分析都毫無(wú)意義。歷史表明，數據分析帶來(lái)的效益是相當可觀(guān)的。那些成功降低工傷事故率的企業(yè)已經(jīng)能夠看到數百萬(wàn)美元數據分析投資背后所能帶來(lái)的巨大效益。事實(shí)上，杜邦協(xié)助多家企業(yè)所作的數據分析均表明，一家企業(yè)的文化成熟度與總體可記錄事故發(fā)生率是密不可分的。這類(lèi)分析告訴我們，對于一家企業(yè)來(lái)說(shuō)，有效的安全改進(jìn)是能創(chuàng )造切實(shí)的財務(wù)價(jià)值的。

數據分析的價(jià)值不僅限于財務(wù)上。數據、分析和洞察均有助于提升企業(yè)安全文化的整體成熟度，增強企業(yè)持續盈利的能力。

數據分析已成為一種管理手段，可實(shí)現持續的關(guān)注、警戒和指導，從而確保做出明智的改進(jìn)決策，獲得相關(guān)支持。

顯然，我們可以獲得如下結論：依據數據分析結果加強相應領(lǐng)域的投入和工作力度，有助于獲得最高的投資回報率，實(shí)現最大程度的安全績(jì)效改進(jìn)。

開(kāi)始進(jìn)行衡量和數據收集

沒(méi)有實(shí)際衡量過(guò)的東西是無(wú)法管理的。同樣，沒(méi)有數據，是無(wú)法建立任何模型的。因此，我們應從已知信息出發(fā)，同時(shí)采用適當格式儲存所獲信息，以便進(jìn)行其他有價(jià)值的分析。

跳出固有思維模式

高水平的數據分析通常都旨在解決特定的難題。因此，不要局限于所提出的問(wèn)題或所希望得到的答案。大多數的創(chuàng )新靈感都萌發(fā)于跳出固有思維模式思考后。

從匯報到洞察

試著(zhù)用不同的方法總結你所得到的數據，以回答之前提出的問(wèn)題。具體來(lái)看，你可將數據輸入可視化工具中并創(chuàng )建一個(gè)熱圖，或進(jìn)行一次簡(jiǎn)單的線(xiàn)性回歸分析，抑或是創(chuàng )建有助于獲得洞察的頻率圖?？傊?，就是將收集的數據作進(jìn)一步的分析，而不是簡(jiǎn)單地匯總。

承諾采取行動(dòng)

分析僅僅是為了提供實(shí)際行動(dòng)參考信息。光有分析而沒(méi)有實(shí)際行動(dòng)，是無(wú)法最終實(shí)現數據分析的價(jià)值的。因此，對于你所做的任何事情，最重要的一點(diǎn)都是采取行動(dòng)。