0 引言

风险预警预控作为风险管理中的关键环节，其作用的好坏直接影响着风险管理工作的成败，同时也是应用相关安全技术实现事故预防的关键环节。风险因素的辨识，目前仍然是以理论认知为依据，在进行风险辨识之前，便确定了所要辨识的风险因素。因此，只有在风险理论中确认存在的因素才会在风险辨识中作为参考，这就使得部分因素因没有被充分发掘和准确定位而出现遗漏。而将安全生产大数据应用于风险预警预控中可以有效避免上述遗漏出现。

1 安全生产大数据

1.1 大数据

大数据是一个比较抽象的概念，按照麦肯锡全球研究所的定义，大数据（Big data）是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据有4大特点：(1)数据规模巨大、(2)处理速度快、(3)数据类型多样、(4)数据价值密度低。

随着信息科技的不断发展和互联网技术的不断普及，许多先进的设备和技术被应用于安全生产管理过程中，同时也形成了体量巨大的安全生产大数据。大数据时代的到来为风险管理也带来了新的思维方式和管理模式，将大数据应用于风险管理，能够为解决风险管理存在问题提供对策措施，主要的对策措施有：

（1）应用大数据技术实现各风险管理对象状态参数数据的实时采集，建立和生成安全生产大数据库，实现风险管理因素数据化管理。

（2）风险辨识不在只依据于理论的认知，还依赖于对安全生产大数据的数据挖掘规律的发现，从而避免风险因素的遗漏。

（3）形成基于大数据思维和机械学习法的风险评价和分级的新模式，实现各要素之间的关联分析。

（4）依靠大数据相关技术做支撑，保障风险管理的动态性充分发挥其作用，并实现连续、及时、准确的风险预警和风险管控的目标。同时依靠互联网快速便捷的优势，保障在风险预警的同时提供最优的风险管控方案。

（5）建立基于大数据的安全风险管理模型，系统的、模型化的研究大数据能为安全风险管理带来的变革，从而实现风险管理水平整体性的提升。

1.2 安全生产大数据

安全生产大数据来源于四类主体，即政府，对安全生产负有监管职责的政府部门；企业，从事生产经营活动的单位；员工，所有劳动从业人员；社会，安全中介、媒体、相关机构和群众个人。

安全生产大数据的产生方式，则主要包括主动、被动、自动三种方式，既包含传统的事故记录信息、行政文件、检查记录等，也包含在网络平台下自动记录的安全信息，如安全新闻的点击量、关注人群特征等。安全生产大数据包含结构化、半结构化和非结构化三种基本数据结构。安全生产大数据的数据类型，虽然可以从诸多角度进行划分，如人、机、环、管的4M要素等，但是为了突出安全生产大数据的动态性和基于风险的防控思想，应从表达时间维度的“事前、事中、事后”三类进行界定。事前数据侧重风险预警预控、事中数据侧重常规策略、事后数据侧重应急救援与恢复。三个维度之间相互制约和发展，数据来源与数据结构的连接能够实现数据采集的高效化，将主要4个方面的数据来源以数据结构的不同进行预处理，按照大数据的特征将安全生产大数据进行分类整合，同时还融入了特有的安全思维，以事前、事中、事后为尺度，并作为一种数据存储标准，以双重标准的模式进行数据结构标准规范化，使安全生产大数据不仅是以基础数据资源的身份被存储，同时还贴上了安全领域数据的标签，为以后作为安全生产大数据被提取和分析，从而辅助相关安全管理提供支撑；数据类型和数据来源的连接，以安全思维的数据类型为分类标准对数据来源进行系统化分类，主动去除与安全数据零相关的繁杂数据，并对政府、企业、员工、社会四个方面的数据来源系统化分类为目标数据类型，以便于后期的数据整合和存储。三个维度相互依存和制约，形成了安全生产大数据区别于一般大数据和其它各领域先关大数据的独特特性。

2 基于安全生产大数据的风险预警预控

  2.1 基于安全生产大数据的风险预警预控模型

基于大数据的风险预警预控模型的建立包括五个维度，这五个维度分别为应用主体维度、大数据技术维度、实施过程维度、实现方式维度和预警预控目的维度。基于大数据的风险预警预控模型如图1所示：

图1 基于大数据的风险预警预控模型

该模型由五个维度组成，每个维度的名称以及所包含的内容为：

应用主体维度：政府、企业、员工、社会。

大数据技术维度：云计算（云端数据处理，可视化结果展现）、大数据（关联分析，数据挖掘提取）、物联网（动态监测、获取实时数据）。

实施过程维度：风险预测、风险预警、风险预控。

实现方式维度：进行关联分析、时间演化、经验推断的风险预测；实现平台推送、移动APP和短信通知的风险预警；采取风险消除、减弱、隔离或个体防护的风险预控措施。

预警预控目的维度：发挥政府监管效能、保障企业安全生产、明确员工管理

目标和管理方向、社会安全监督。

2.2 基于大数据的风险预警预控模式

基于大数据的风险预警预控是一项依靠大数据及其相关技术实现超前的事故预防的控制手段。应用机械学习法优化技术性自动化预警功能；以安全生产大数据库中报警、预警历史统计数据为基础数据资源，实现基于关联规则分析和趋势预测，优化静态预警；通过物联网等技术实现生产作业场所的数据的实时的采集、预处理、存储和分析，依靠大数据流处理技术实现对数据的动态监测，从而优化长期预警和实时预警的功能。预警过程中，在预警信息发出的同时，依靠人工智能进行数据挖掘和搜索，同步给出针对预警状态的拟解决的方案措施，为风险管理决策提供科学的、数据的支撑。定向追踪风险预控效果并应用云平台实现预警预控状态的公布并将最终预控数据存储于安全生产大数据库中，实现优化循环。

2.3 基于大数据的安全风险管理模型的功能分析

基于大数据的安全风险管理模型的建立，主要是以安全生产大数据为数据基础，以大数据分析技术为依托，实现对风险管理的模式创新。应用系统霍尔模型思想，分析大数据理论及技术与风险管理之间的关系，梳理各维度组成及相互关系，在进行风险管理时，依据基于大数据的安全风险管理模型中的内容，根据基于大数据的风险辨识、风险评价分级、风险预警预控流程，分部有序进行风险管理工作，从而有效提升风险管理水平。

3 展望

（1）由于大数据近几年广泛受到关注，存在一定的过度热捧的现象，很多大数据的相关技术和理论还处于概念阶段，因此，大数据还需要一定的成熟发展才能应用于实际中。

（2）对于大数据相关技术和理论全面应用与安全风险管理中还不现实，目前只能将相对成熟的技术加以研究应用来提升风险管理水平。

（3）相应科学研究领域人才存在不足的状态，需要国家大力发展，储备相关专业人才，加强科研能力，以对研究瓶颈进行突破，从而实现技术的巨大进步。

4 结语

综上所述，基于大数据的风险预警预控优化措施可以实现静态预警、实时预警、全自动化预警、精确风险预警信息等，推送出针对预警信息出现的风险的控制对策，实现对风险管理的模式创新，分部有序进行风险管理工作，从而有效提升风险管理水平。