食品企业外部食品安全风险识别的基础与方法探讨

杨雪 孙国梁 袁波

摘 要：食品生产经营企业在食品安全方面面临的风险按照其识别来源可分为内部风险和外部风险。跟踪收集食品企业食品安全风险相关数据，并利用大数据技术对其进行综合应用分析，是食品企业识别其外部食品安全风险的有效途径之一。本文主要介绍了基于大数据的识别食品安全风险的基本方法和途径。

关键词：食品安全;大数据;风险识别

Abstract：The risks faced by food production and management enterprises in food safety can be divided into internal risk and external risk according to their identified sources. It is one of the effective ways for food enterprises to identify their external food safety risks by tracking and collecting all kinds of food safety data related to food safety risks and using big data technology to carry out comprehensive application analysis. This paper mainly introduces the basic methods and approaches of food safety risk identification based on big data.

Key words：Food safety; Big data; Risk identification

中图分类号：F203

食品是影响公众健康的核心要素之一，持续提升食品品质与安全是世界各国政府普遍关心的重点民生问题，全球食品产业链也在从传统的“吃得饱”转变成“吃得好、吃得放心”，对食品品质与安全的要求越来越高。在全球贸易融合发展大趋势下，监管政策、进出口贸易政策变动大幅增加了企业产品合规的不确定性，食品全产业链领域细分与多层级产业整合带来的供应链风险日益显著。特别是随着公众对食品安全问题的重视以及新媒体技术的快速发展，食品安全舆情、政府食品安全公共监测等信息给食品全行业带来的影响日益凸显，因此，食品行业迫切需要在做好内部传统食品质量与安全风险管控的基础上，积极应对公共社会信息与舆情、供应链以及政府监管相关政策性变动等外部风险。目前，企业在内部风险管控方面大都建立了相对完善的管理制度，但对外部信息带来的风险的关注较度低，也尚未形成系统性工作方法。本文主要结合实例对外部风险的获取、识别和利用进行介绍。

1 食品企业食品安全风险识别

传统食品安全风险主要是指食品中可能对人体健康产生危害的不良影响因素，按照不同的分类方法，具体包括物理性风险、化学性风险、生物性风险、食品加工过程中产生的风险物质和由于经济利益驱动导致的非法添加、掺假、假冒伪劣和食品过期等人为风险等。此外，由于食品安全监管的进一步严格和职业打假的活跃，食品标签标识、广告以及宣传营销等方面的风险也应引起食品企业的重视。目前，食品企业面临的风险分类如表1所示。

风险因子是促使或引起风险事件的条件，以及风险事件发生时，致使损失增加、扩大的条件。风险因子是风险事件发生的潜在因素，是造成损失的间接和内在原因。大部分传统食品安全风险因子在食品安全标准法规中有明确规定，但有些风险因素尚无相关规定。食品企业如果对食品安全风险因子的识别和控制不足，则可能导致企业产品出现质量安全问题或在监管部门的风险监测中发现不安全因素，甚至可能导致食品安全事件，导致产品召回、被职业打假人投诉、被行政处罚等后果。因此，食品企业必须对各类食品安全风险进行有效识别，并对风险程度做出预判。

按照上述各类风险因子的来源，食品安全风险可划分为内部风险和外部风险。其中，内部风险是指通过食品企业的原料验收数据分析、生产经营过程监测与分析等方式方法能识别的风险，而外部风险是指由于外部大环境所造成的潜在食品安全风险。本文主要介绍食品企业外部风险的识别。

2 食品企业外部风险识别来源

食品企业外部风险识别的主要依据是食品安全大数据，食品企业外部风险识别所需要的食品安全数据包括食品安全监管大数据（如标准、法规、抽检、监督检查）和食品安全舆情大数据。

2.1 食品安全监管大数据

食品安全监管大数据主要包括监管部门发布的食品标准法规以及企业的生产经营资质许可、生产经营过程控制、产品抽检监测结果等方面的数据。

2.1.1 食品标准法规数据

食品标准是对与食品安全相关的各项技术性指标的要求，通常包括食品产品安全标准、食品添加剂及食品中危害物质的限量要求、食品相关理化和微生物及感官检测方法以及食品标签标识要求等。食品法规是政府针对食品生产经营和监督管理制定的政策规定，通常为食品生产经营企业的准入许可、日常监督管理、食品原料可食用性、食品标签标识、食品生产经营以及操作规范等[1]。

食品标准法规信息主要通过监管机构公开发布信息的网站、政府发文等途径获取，也可以通过专业的第三方咨询机构或数据库获取。目前，司法部（原国务院法制办）建立了我国法规文本数据库，国家食品安全风险评估中心建立了食品安全国家标准数据库，食品伙伴网等网站也有实时更新标准、法规信息，均可以作为食品标准法规信息的参考来源。

依据我国食品安全法，食品标准法规的制/修订都必须以风险评估为科学依据。食品标准法规的制定和修订，都反映了我国食品安全形势的变化和监管措施的调整。食品标准法规数据是食品企业合规生产经营所必须符合的要求，因此食品标准法规是企业进行食品安全风险识别优先需要关注的因素。例如，GB 2762-2017删除了茶叶中稀土元素的限量要求，表明经过科学评估不再需要对茶叶中稀土元素进行控制，則稀土不再是茶叶中的主要风险点;2020年发布的《食品安全国家标准 食品中污染物限量》（征求意见稿）将香辛料油由调味品类别调整至植物油脂类别，伴随着分类调整，香辛料油中铅限量要求将由1.5 mg·kg-1改为 0.08 mg·kg-1、将增加总砷0.1 mg·kg-1限量要求，以及苯并[a]芘 10 μg·kg-1的限量要求，香辛料油相关企业应密切关注该意见稿的最新动态并提前制定应对措施。

2.1.2 食品监督抽检大数据

食品监督抽检是食品安全监管的主要形式之一，是指市场监督管理部门按照法定程序和食品安全标准等规定，以排查风险为目的，对食品组织的抽样、检验、复检和处理等活动。自2015年以来，我国各级食品安全监管机构逐渐加大了食品抽检力度，不定期发布食品安全抽检信息。食品监督抽检大数据主要通过各级市场监督管理部门的网站发布，数据内容包括食品抽检涉及的产品、企业、产地、执法机构、所属品类、不合格原因和产品不合格率等信息。

對这些抽检数据进行统计分析，可以识别不同品类食品主要的不合格原因、易出现不合格产品的地区等风险信息。例如2018—2020年，我国国家和省级市场监管部门共抽检肉及肉制品共抽检264 945批次，其中合格262 101批次，合格率98.93%，不合格2 844批次，不合格批次中有46.72%是因为兽药残留不合格，这就提醒肉及肉制品相关食品企业仍要把兽药残留作为重点进行控制，加强监测[2]。

2.1.3 食品监督检查大数据

食品监督检查大数据具体包括各级食品安全监督管理部门发布的食品安全风险监测信息、食品行政处罚信息、食品企业体系检查与飞行检查方面的信息等。目前许多地方监管部门公开的处罚信息会详细说明处罚的事由和法律依据。食品监督检查大数据一般可以通过各级市场监管机构的网站获取，国家市场监督管理总局也构建了行政处罚数据库，可以查询相关信息。这些检查和处罚信息主要针对食品企业生产经营过程中的违规信息，如环境设施、人员操作、原料验收和过程控制等。对这些信息进行汇总研究分析，也有助于企业对照检查自身的生产经营过程，有效识别过程风险。

2.2 食品安全舆情大数据

用于食品安全风险识别的食品安全舆情大数据主要包括食品安全事件数据和食品安全判决案例数据等信息。

2.2.1 食品安全事件数据

食品安全事件数据主要是指由各类食品引起的食源性疾病、食物中毒、食品企业违规生产经营、消费者被误导或欺诈等食品安全方面的各类舆情事件，其主要来源包括各类媒体、论坛社区评论，微博、微信等自媒体，主要通过监控各类信息源来获取。互联网的信息积累为识别食品安全风险提供了便利，利用舆情监控分析工具回溯过去几年食品行业的主要舆情、热点舆情，并分析事件的基本情况概述、事件进展、各方评论、舆情走势、专家点评和技术分析等，有助于发现媒体、消费者关注的食品安全风险，从而实现风险识别[3]。

2.2.2 食品安全判决案例大数据

食品安全判决案例大数据主要是指食品安全方面的投诉案例，以及与食品安全相关的判决文书等。主要的获取来源包括中国裁判文书网等司法文书网站。食品判例数据可拆解分析的因素主要包括食品安全投诉案例发生的地区、涉及品类、起诉案由、判决结果及其依据、涉及的主要食品标准法规等内容。对这些判例进行统计分析，研究职业打假人员容易获胜的食品品类和起诉理由，有助于食品企业对照检查自身产品可能存在的问题，有效识别被职业打假的风险。

3 食品企业外部风险识别方法

3.1 收集所需的食品安全大数据

收集关于风险识别对象在特定时间和特定地域的所有标准法规的制修订动态、食品抽检预警通报、食品监督检查信息以及食品安全事件、食品安全判决案例等食品安全大数据。进行食品安全风险识别所需的食品安全大数据种类繁多，来源广泛，数据的内容结构并不统一，更新发布也没有统一的规律，因此其收集相对困难。对于食品企业而言，食品安全大数据的收集，可以借助于专业的搜索引擎、信息监控软件、邮件定制等形式或者第三方数据收集服务机构进行。

3.2 确定规则，整理形成结构化数据

对收集到的信息进行规范整理、研判分析是后续有效利用数据的前提。数据的规范整理一方面要注意数据结构的规范性，便于后期分析;另一方面要考虑风险识别的目的，有针对性的进行数据拆解。如针对前述各类食品安全大数据都涉及的产品品类、地域、时间、风险因子、企业及其品牌产品等信息，可建立统一的分类体系及判定规则，使针对同一风险识别研究对象的各类数据都能够按照统一逻辑进行统计分析。另外可以根据不同产品的不同特点，对不同数据赋予权重，以便更加客观的建立风险模型[4]。

3.3 综合数据分析识别风险

在结构化数据的基础上，利用信息化手段，如借助BP神经网络模型等模型开展食品安全风险态势感知，借助历史数据实现建模，从而实现风险等级的识别判定，为后续风险预防控制提供依据。

4 结语

综上所述，食品行业在互联网、新媒体技术高速发展的时期，应充分利用“互联网+”的新思路，及时关注和跟踪相关政策监管、舆情信息，加强大数据、人工智能新技术与食品行业经济发展的深度融合，真正实现外部风险的实时感知、及时决策、科学应对，进而实现公共社会信息与舆情的合理引导与正向利用，行业供应链的多维度风险感知与防控，政府监管政策的前瞻性进行预测与应对。

参考文献：

[1]邓云，王华.供应链视角下食品安全风险因子分析[J].江苏商论，2019（10）：3-9.

[2]张红霞.我国食品安全风险因素识别与分布特征——基于9314起食品安全事件的实证分析[J].当代经济管理.2020（8）135-141.

[3]张红霞，安玉发，张文胜.我国食品安全风险识别、评估与管理——基于食品安全事件的实证分析[J].经济问题探索，2013（6）：135-141.

[4]杨朝慧，文晓巍.食品安全风险识别、评估与管理研究综述[J].食品工业，2019，40（1）：224-227.