大数据驱动下的安全绩效管理模式研究

康良国，吴 超

（1.中南大学资源与安全工程学院；2.中南大学安全理论创新与促进研究中心，湖南长沙 410083）

1 研究背景

随着信息技术的发展，尤其是工业4.0 背景下万物互联的发展，数据已渗透到每一个行业并成为其重要的生产要素，在繁杂、无序的海量数据中挖掘有价值的信息以满足实践需求显得尤为迫切，大数据技术由此孕育而生，并逐渐在公共管理、零售业、医疗服务、制造业等领域得到广泛应用，带来巨大的研究与创新机遇，并促使以定性、定量、仿真为代表的社会科学研究范式向以大数据为代表的第四研究范式转变［1-2］。

得益于互联网、物联网和云计算等信息技术的快速发展，尤其是5G 网络的大规模商用，绩效管理也步入大数据时代［3-4］。在此背景下，从宏观层面的公共绩效管理到微观层面的企业绩效管理，其模式都已发生本质变化［5］。诸多学者对基于大数据带来的绩效管理变革进行理论研究与实践研究，例如，何勤［6］基于集团企业财务，构建大数据驱动的财务共享中心绩效管理框架模型；周鹏等［7］基于教育云平台大数据，设计教育云服务绩效评价方法体系；徐辉［8］针对当前公共部门人员绩效管理困境，提出构建数据驱动的人员绩效管理体系。大数据被认为是解决公共多元复杂问题的有效方式，在安全科学领域，学者利用大数据技术构建数据驱动的安全管理模型以指导安全生产实践［9-10］。安全绩效是衡量安全工作情况的有力指标，也是改进安全管理薄弱点的重要抓手［11］。但是，大数据在安全绩效管理方面的应用创新远落后于安全科学领域，几乎处于空白阶段，亟待构建相应的框架结构与理论体系，以顺应信息时代下安全绩效管理的变革浪潮。此外，面向大数据的安全绩效管理研究，有助于从海量安全数据中挖掘有价值的绩效信息，且数据驱动的安全绩效管理将大幅度降低绩效考核所需的人力、物力与财力。

基于此，本研究根据数据驱动的内涵、外延及其对安全绩效管理的影响，探讨数据驱动下安全绩效管理的结构与特征，并提出适应于大数据时代背景下企业层面的安全绩效管理框架模型，旨在为大数据技术应用于安全科学绩效管理领域提供理论支撑。

2 数据驱动的安全绩效管理概述

2.1 数据驱动概述

数据驱动是在大数据技术的基础上发展演化而来，也是大数据应用于实践的具体体现。数据驱动是指信息系统根据相关软件或硬件收集海量数据，通过构建相应的自动化决策模型挖掘有价值的信息，指导或影响生产实践活动，包括数据采集、数据建模、数据分析和数据反馈4 个闭环过程。数据驱动的决策则是一个复杂的数据应用和数据整合过程［12］。其核心思想类似于Ackhoff［13］提出的“数据→信息→知识→智慧”的金字塔模式，如图1 所示，金字塔越往上，越有助于人类判断外界事物发展变化状况，进而作出正确的反应与行动，以贴合或修正事物的运动轨迹。其中，数据处于金字塔模型的底部，是进行数据驱动决策的基础；信息与知识是处理海量数据的中间产物，根据应用情况仍有进一步开发的价值以满足生产实践需求；智慧是对已有知识的灵活运用，也是决策者利用数据驱动决策方法的最终目的。

图1 数据驱动的决策价值链

2.2 数据驱动与安全绩效管理的关联

安全绩效是指根据安全目标，在安全工作方面取得可测量的结果。大数据技术突破了传统统计软件计算能力的限制，可实时处理不同类型的海量数据，实现对安全工作情况的数据化测量。通过信息系统分析或挖掘企业员工安全绩效数据的规律，可对企业安全绩效情况进行实时监督与反馈，帮助决策者纠正人员操作习惯、改善环境状况和发现设施设备缺陷，进而提高安全生产管理水平。数据驱动的安全绩效管理促使组织的安全管理架构变得更为扁平化，有利于消除因繁杂与冗余的组织管理结构带来的信息偏差或误差，提高绩效数据传递的速度与质量。此外，通过信息系统分析安全绩效数据与其他数据之间的潜在联系，可辨识导致安全绩效变化的原因，并制定针对性解决方案，提高员工的安全工作效能。

在信息技术的硬件与软件设施支撑下，决策者通过挖掘安全绩效数据之间的关联性，对安全决策模型进行修正与优化，有助于形成数据驱动为导向的安全绩效反馈流程，具体如图2 所示。当信息系统分析的安全绩效结果达到决策者设定的安全绩效目标值时，系统形成对应的安全记录，一方面作为安全绩效考核与奖赏的依据，另一方面对数据驱动的安全决策模型形成正反馈，以提高安全决策模型的科学性与准确性。当安全绩效结果未达到决策者设定的安全绩效目标值时，将考核结果自动发送给当事人，以人工方式进行检查修正；绩效结果错误时，系统形成负反馈，对信息系统的数据收集方式、数据挖掘模型或数学算法进行优化或修正；绩效结果正确时，对于简单的微小隐患则责令当事人立即改正，对于复杂的重大隐患则责令当事人限期改正。

图2 数据驱动的安全绩效反馈流程

3 数据驱动的安全绩效管理结构与特征

3.1 数据驱动的安全绩效管理结构

1969 年Hall［14］通过总结大量的工程实践，提出系统工程著名的“三维结构”模型，为梳理复杂的组织或管理问题提供一种重要思想方法。参照Hall 的三维结构模型，提出数据驱动的安全绩效管理三维结构，如图3 所示。该结构由时间维、逻辑维和领域维3 个维度构成，有助于明晰数据驱动的安全绩效管理内涵。

图3 数据驱动的安全绩效管理三维结构

（1）时间维。时间维是指安全绩效管理的各个阶段。与传统的安全绩效评价相比，安全绩效管理则是一个类似PDCA 循环过程，其目的是持续提升个人、部门或组织的安全绩效，体现以人为本的管理理念。为提高员工的安全承诺度，以更好地完成安全生产目标，决策者与被决策者共同参与安全绩效目标与计划的制定和安全绩效监督与沟通的实施、安全绩效的定期考核与评价以及安全绩效评价结果的应用反馈等过程，这也为改善企业安全生产状况提供方向。

（2）逻辑维。逻辑维是指安全绩效数据分析与处理的内在逻辑。数据驱动的安全决策是大数据应用行业的体现。首先，业务端、客户端、可穿戴设备、传感器等设施产生大量的安全绩效相关数据，这为数据驱动下安全决策提供宝贵的资料库。根据设置的安全绩效目标，利用数据建模为解决数据预处理与数据存储提供解决方案，通过数学算法，统计、分析、挖掘海量安全绩效数据，提供有价值的信息，并以可视化方式呈现绩效评估结果。绩效评估结果通过“机”界面传递到“人”界面，自动作出最佳决策以指导安全工作，进而提高安全生产系统的稳定性。

（3）领域维。领域维是指运用数据驱动进行安全绩效管理的领域。传统的安全科学研究大多从生产安全领域视角出发，随着安全科学的发展，安全科学研究对象逐渐扩散到“大安全观”领域。根据总体国家安全观，安全绩效管理应用领域分为资源安全、文化安全、经济安全、生态安全、科技安全、信息安全等11 个一级领域，基于此，安全绩效应用领域细分为二级领域、三级领域甚至四级领域，如图4 所示。以常见的社会安全一级领域为例，可细分生产安全、社会治安、交通安全、消防安全、公共卫生安全等二级领域；生产安全二级领域可细分为建筑企业生产安全、化工企业生产安全、矿山企业生产安全、危化品企业生产安全、烟花爆竹企业生产安全等三级领域。在企业生产层面，安全绩效也可分为组织、部门、个人3 个层面，且这3 个层面互相作用、相互影响。

图4 安全绩效管理应用领域

3.2 数据驱动的安全绩效管理特征

从科学哲学层面分析，大数据的出现促进学科研究范式的转变，即数据密集型科学发现［15］。在此背景下，总结数据驱动下安全绩效管理的6 个研究特征，如表1 所示。

表1 数据驱动的安全绩效管理特征

4 数据驱动的安全绩效管理框架模型

4.1 框架模型构建

大数据驱动下的安全绩效管理可使绩效评估流程更加标准化，为实现组织各部门间的安全资源共享、多方联动、协调发展提供指导，在保障安全管理目标的前提下避免重复的绩效监督与考核工作，可降低安全绩效评估所需的人力与物力。运用数据科学、安全科学、管理科学的知识，构建数据驱动下企业层面的安全绩效管理框架模型，如图5 所示。该模型主要分为5 个层级，分别为用户层、指导层、数据驱动决策层、业务层、基础设施层。

图5 数据驱动下企业层面的安全绩效管理框架模型

4.2 框架模型解析

4.2.1 用户层

用户层包括利用数据驱动决策进行安全绩效管理的考核对象。以企业层面为例，安全绩效考核对象分为组织、部门与个人3 个层面，如以个人层面为例，生产企业人员分为生产操作人员、生产辅助人员、生产管理人员、职能管理人员、技术人员等类型，且不同工种或岗位的安全绩效考核内容存在巨大的差异性。在实践应用时，根据企业生产工艺特点，将既定的安全绩效管理目标层层分解，并落实到各个分公司、生产部门和员工，通过安全工作量化管理方式使其明确安全生产的责任与义务。

4.2.2 指导层

指导层包括指导大数据技术分析安全绩效数据的价值传递链、考核方法、应用流程。首先，海量数据并不等于大数据，只有经过数据抽取、集成、分析、解释等数据挖掘过程，为安全绩效的考核、评估与改进提供有价值的信息，才能成为绩效测量的数据资源库。

（1）数据驱动决策的价值链表现为“安全绩效数据→安全绩效信息→安全绩效知识→安全绩效智慧”，其具体含义如表2 所示。安全绩效信息是一定时间内衡量安全工作成效的体现，具有时效性；而安全绩效知识与安全绩效智慧是总结当前安全工作成效的规律，具有一定预测功能，可用于测量类似行业背景下的安全工作状况。安全是免除了不可接受风险的状态，需限定在一定的时间与空间范围内，因此，安全工作也具有一定的时效性，更需安全绩效信息揭露安全管理、安全教育、安全技术存在的缺陷，并及时向当事人发送风险预警信息。安全绩效知识与安全绩效智慧可以预测风险因素变化对安全系统稳定性的影响，有助于持续提升安全工作水平。

表2 数据驱动的安全绩效管理价值链节点内涵

（2）安全绩效测量方法是指导安全工作所采取的手段与行为方式，常见绩效考核方法有关键业绩指标法、目标与关键成果法、平衡计分法、360 度考核法，各方法代表解决安全绩效考核问题的思路。例如，关键业绩指标法的标杆基准法大量应用于不同国家或地区的安全绩效对比［18］，适用于安全标准难以定量化的情境；360 度考核法的特点是评价维度的多元化，能较为全面衡量安全工作情况，适用于微观系统或指标易量化的情景。

（3）安全绩效管理流程则为数据驱动下安全决策的反馈提供指导。只有明确安全绩效目标如何制定、实施、评估与改善，才能在数据挖掘过程中赋予安全特征化，也为组织、部门、个人的安全绩效管理提供导航。在具体实施过程中可进行相应细化，例如，安全绩效目标制定→安全绩效目标分解→安全绩效监督与预警→安全绩效问题分析→安全绩效考核与激励→安全绩效结果总结与改善。

4.2.3 数据驱动决策层

数据驱动决策层是大数据技术应用于安全绩效管理的具体体现。数据驱动决策一般分为数据采集、数据建模、数据分析和数据反馈4 个闭环过程。

（1）数据采集来源于传感器数据（记录生产工艺参数与设备运行状况）、人员活动数据（可穿戴设备记录）、监控数据（视频监控数据，识别“三违”行为）、客户端数据（线上安全教育、安全记录与安全档案）、人工录入数据等。

（2）数据建模是对收集到的数据进行预处理与存储的过程，包括数据预处理、语义转换、数据存储、任务调度等模型，关乎下一流程中数据分析的复杂程度。

（3）数据分析是数据驱动决策的核心，在满足成本、时间与质量要求情况下，借助相应数据挖掘算法（有监督学习算法或无监督学习算法），构建决策模型识别风险类型与风险程度，并以可视化的形式及时提醒当事人。

（4）数据反馈是把数据分析结果从“机”界面传输到“人”界面，形成反馈作用以优化安全绩效管理系统的信度与效度。根据生产需求，对数据结果进行分类以整合成不同的子模块，例如，风险预警模块（风险是否偏离警戒线）、安全奖惩模块（基于人员的安全工作情况形成奖惩体系）、管理节点提升模块（安全管理、教育、制度存在的漏洞）、绩效优化模块（安全绩效指标、内容、评估过程的优化）。

4.2.4 业务层

业务层是评估安全工作可测量结果的系统，主要分为安全基础管理、安全教育管理、生产安全管理、安全事故现场管理、应急管理5 个考核系统，每个考核系统可细分相应的评价指标，通过计算可得到安全绩效总分。计算公式如下：

式（2）中：E表示各考核系统评定总分；Ei表示第i考核系统的得分；pi表示第i考核系统的权重；Xij表示第i考核系统的第j指标的得分；qij表示第i考核系统的第j指标的权重；n表示考核系统数量；ni表示第i考核系统的指标数。

4.2.5 基础设施层

基础设施层是支撑数据驱动决策应用于安全绩效管理的信息系统组成要素，包含智能终端、网络、服务器、传感器、可穿戴设备、监控系统等硬件或软件设施。这些设施可以采集企业“人-机-环”系统产生的数据，并应用于数据驱动决策层。

5 结论

数据驱动是大数据应用于实践的具体体现，是指信息系统根据相关软件或硬件收集海量数据，通过构建相应自动化决策模型挖掘有价值的信息，指导或影响生产实践活动。数据驱动的安全绩效管理促使组织的安全管理架构变得更为扁平化，帮助企业决策者对人员操作习惯、环境状况和设施设备缺陷等安全问题进行量化管理，有助于形成数据导向的安全绩效反馈流程。

为明晰数据驱动的安全绩效管理内涵，本研究构建了数据驱动下安全绩效管理三维结构，由时间维、逻辑维和领域维等3 个维度构成，且应用领域可细分为一级、二级、三级甚至四级领域。数据驱动下安全绩效管理具有安全绩效分析综合化、安全绩效管理定制化、安全绩效评估精准化、安全绩效管理实时化、安全绩效过程预测化、安全绩效管理信息化6 个特征。

根据用户层、指导层、数据驱动决策层、业务层、基础设施层5 个层级，本研究构建了数据驱动下企业层面的安全绩效管理框架模型。该模型可使绩效管理流程更加标准化，降低安全绩效考核所需的人力与物力，实现各部门组织间的安全资源共享、多方联动、协调发展。