大數據、分析與深入透析洞察

正如何改變著我們

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27.8萬多條訊息，郵箱里會收到2.04億份郵件，Google® 上要執(zhí)行200萬次搜索，沃爾瑪超市也會完成多達1.7萬次交易1。我們的數據分析處理方式越來越多，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數據驅動的安全管理的世界?？焖俚仄骋谎勰愕碾娔X，通過上面的動態(tài)信息控制面板，你便能清楚地了解你的績效、追蹤公開調研進度的能力，以及當前實時存在的安全問題；點擊按鈕，你便能將過去一周的統計數據與多個獨立數據庫進行比較，以明確潛在危害可能的存在之處。對這些數據作進一步分析后，你還能獲得全新的洞察，如某個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，想象一下你處于這樣一個世界：你能得到真實且有預見性的分析結果，并因此預測到未來，從而在工傷事故發(fā)生前及時做好預防。想象一下，你能根據運營現狀（天氣狀況，每位員工到崗、培訓和工作時的狀態(tài)，每臺工作設備的工齡及運行狀態(tài)），即時了解工傷事故發(fā)生的概率；想象一下，通過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，還能明確風險將出現的確切位置、涉及的相關人員以及具體的發(fā)生形式；再想象一下，當你注意到一個熱點時，員工便會在工作現場簽到時標示出指示性的要素，并將其與天氣條件、工作狀況以及通過觀察、調查和數據庫得到的趨勢因素相結合，以展示出需重點關注的領域。

盡管未來看似遙遠，其實時間稍縱即逝。那些有遠見的企業(yè)，愿意花時間和精力且有決心進行這類數據分析的企業(yè)能夠迎來他們運營的繁榮未來。

當前，大多數企業(yè)都在進行數據收集與分析，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狀況的工具，自1962年問世以來已得到了廣泛應用。事實上，自1971年5月3初步標準公布以來，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，他們通常會將整個安全管理系統簡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長等數據資料都具有重要的價值，它們提供一個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行了簡單的分析。

我們并不是在強調這些企業(yè)沒有進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，我們沒有必要直接使用高級的數據統計技術。為了實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不同層級進行數據分析。

審查/匯報層級提供從過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。一般來說，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(guī)性培訓員工的人數，以及公開逾期維護項目的數量等。

盡管這一層級的數據分析無法提供太多的洞察，但它提供了有價值且易于理解的單源事實數據，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，洞察層級通過為管理層提供相關信息，作為其決策依據，可創(chuàng)造數據分析的附加價值。有時，洞察分析只是依據事故調查結果進行的一系列根本原因分析，或許就是強調最主要風險的事故報告。

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的挑戰(zhàn)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，我們可通過分析外部資源或來源信息獲得新的信息。實施調查、提供工作現場簽到狀態(tài)或僅用于了解企業(yè)的動態(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。通過確定員工對企業(yè)安全領導力、流程和結構的認知，企業(yè)可獲得對當前重點關注領域、未來工作優(yōu)先順序以及安全領域改進舉措的深入了解。

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

自學模型能隨機應變并隨數據一同更新。因此，統計學家和計量經濟學家通常需要有效開發(fā)此類模型。盡管開發(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行補救。

最后，如果無法對企業(yè)運營產生效益，一切的數據分析都毫無意義。歷史表明，數據分析帶來的效益是相當可觀的。那些成功降低工傷事故率的企業(yè)已經能夠看到數百萬美元數據分析投資背后所能帶來的巨大效益。事實上，杜邦協助多家企業(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。這類分析告訴我們，對于一家企業(yè)來說，有效的安全改進是能創(chuàng)造切實的財務價值的。

數據分析的價值不僅限于財務上。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(xù)盈利的能力。

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

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域的投入和工作力度，有助于獲得最高的投資回報率，實現最大程度的安全績效改進。

開始進行衡量和數據收集

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

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

試著用不同的方法總結你所得到的數據，以回答之前提出的問題。具體來看，你可將數據輸入可視化工具中并創(chuàng)建一個熱圖，或進行一次簡單的線性回歸分析，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一步的分析，而不是簡單地匯總。

承諾采取行動

分析僅僅是為了提供實際行動參考信息。光有分析而沒有實際行動，是無法最終實現數據分析的價值的。因此，對于你所做的任何事情，最重要的一點都是采取行動。