食品的生產，從原料（農產品、肉蛋）生產、加工、儲存的整個過程來看，都比一般的工業品更加難以標準化和管控，天然存在不確定性。同時食品行業的生產企業存在分布廣、規模發展水平不一的問題，管控難度可以說相當大。

    雖然筆者相信隨著食品生產標準、監管體系的完善，實際的食品質量是可以穩步提升的。但由于信息網絡的高度發達，不論是電視新聞、網絡媒體，還是社交平臺，我們能看到、聽到的食品質量問題卻愈演愈烈，使得消費者對產品質量信心驟減。食品行業的質量管理絕非增加企業商譽的“錦上添花”，而是食品企業能否得以生存和發展的“關鍵能力”。

    今天，我們要講的就是如何用大數據分析給這一“關鍵能力”加上“最強大腦”。

    科爾尼調研發現，現今食品企業的質量管理主要存在以下幾方面問題：

    問題一：事后管理多于事前預防

    質量管理通常可以分為預防、監測和控制三個部分。其中監測與控制是對質量問題的事后管理，即發掘、糾正、追蹤質量問題；而預防則屬于事前管理，即通過系統的質量管理措施提升質量水平、預防問題的產生。

    

    我們接觸到的相當多食品企業，質量部門的定位依然是一個“把關者”而不是“改變者”。質量管理部門最常扮演的角色是事后管理的“救火隊員”。如：接到投訴后如何能夠快速解決顧客問題、下架相關產品、控制問題造成的負面影響等。連帶采購部門也被頻繁地卷入供應保障、質量糾紛的解決、索賠等事物中。可如果要提升企業的整體質量水平，則需更多地需要關注事前管理，從源頭扼制質量問題的發生。

    預防的難點既在于采取什么樣的措施“防患于未然”，更在于精準地找到我們要在哪些環節、防什么問題。畢竟企業的質量管理團隊、供應商管理團隊資源是有限的，必須通過識別、篩選、排序，把有限的資源投入在效益最大的地方，這就需要對企業全局的質量數據進行全面收集和分析。

    問題二：數據收集內容透明度、整合度不足

    成熟的質量管理，需要產品全生命周期的質量管控，將各環節質量信息進行匯總和整合，充分發揮數據分析和可視化的威力。但是基于之前講述的質量部門的定位，往往不同環節的質量管理相互隔離、各管一段，不僅僅數據沒有整合，大家的行動也缺乏協調。

    我們曾走訪一家食品企業，他們的產品非常“土”，很有各地的地方特色和時令因素，因此也更依賴一些小規模的、傳統的供應商。他們深知這些供應商的能力不足，因此在產品入庫、倉儲、運輸及門店銷售都設置了質量監控的關卡，然而，還是不能有效阻止有問題產品流入終端消費者的手中。在對其基礎數據進行分析后，我們發現主要原因有三：一是其監控設置不合理，雖然層級多，但重點不夠明確，存在資源錯配和浪費；二是每一級的監控目標、工作方法都有待改善，有效性亟待加強；三是各掃門前雪，各環節只看自己的數據，只想著如何改善自己的工作，缺少通盤的規劃和協調。

    出現這樣問題的一個很重要的原因，是企業內的質量數據沒有打通。比如還是在上述食品企業走訪時，我們發現：各環節設計自己的質量問題記錄表單，使用的單位、統計的范圍都不一致；一線員工對問題的記錄不規范，對質量問題的描述沒有統一標準，不是過于籠統，就是過于瑣碎，無法歸類和深入分析；各環節只看自己的數據，無法進行全局的數據統計和分析，導致整體信息透明度低、無法支持更好的決策，也不便于進行問題追溯和原因分析。

    事實上，不僅僅在食品行業，這是很多管理正在升級的國內企業的通病，但同時也是質量改善、降低質量成本的一個速效機會點——只要通過規范數據統計的流程和內容，規范產品編碼、供應商編碼、質量問題編碼等信息，就可以將各環節問題產品、責任供應商、主要發生問題進行統計與追溯，快速找到需要重點改善的方向，合理分配內部管理資源，快速提升質量水平。

    問題三：數據分析指標全局性、全面性欠缺，更缺少和財務指標的關聯

    很多企業的評判指標停留在局部的、單一的維度，如供應商供貨合格率、退貨率、顧客投訴率等。但缺少貫穿產品生命周期的全局指標，更無法體現出質量的好壞是如何對企業的財務表現造成影響的– 商譽是更難以量化的指標，但成本和損失卻是可以衡量的。

    食品企業需要的是可以從戰略角度來進行全方位評估的指標體系，它需要能夠涵蓋質量問題的預防、鑒定以及評估內外部損失造成的成本，并能夠揭示隱藏在質量問題“冰山下”的諸多成本和損失，全面展現質量問題為企業帶來的財務影響，并能夠以此識別關鍵質量問題，使企業可以對癥下藥，優化內部資源配置。

    

    出路：如何讓大數據管理服務于質量管理

    作為典型的傳統行業，食品企業以往單純依靠人力資源來進行質量監控的管理模式已無法適應時代的需求。信息時代的數據規模正呈指數級飛速增長，其帶來的信息與洞見也日益充盈，大數據管理將逐步成為食品質量體系的新生代管理模式。

    大數據管理一方面可以為監測、控制環節提供完善的數據收集、分析體系，一方面可以通過模擬、預測等手段評估預防環節的項目成果，最大化投資收益。既而基于完善的質量數據，對質量表現進行全局性的統計，用大數據分析洞悉商業問題與機遇。

    通過大數據管理，企業還可以建立質量問題的追溯機制。由此，可以快速明確質量問題責任相關方，并依據內外部績效機制進行差異化管理，提高管理效率與效果。

    誠然，過多的數據可能已經讓很多企業的管理層望而生畏。擁有完備的數據只是一個良好的開端，有能力整合數據、通過數據分析提取其中蘊含的問題和機會，才能真正對業務帶來幫助，進一步再把數據收集和分析的過程可視化、自動化，就能讓企業管理者、質量管理人員輕松獲取實時的、交互的支持，做出相應的決策。科爾尼為客戶開發了基于數據倉庫和可視化技術的“質量魔方”，可以整合不同系統、不同數據源（甚至成百上千張Excel）表格的數據，對持續更新的數據進行動態監測，匯總顯示，并且整合了科爾尼專業運營管理經驗中的眾多分析維度。使用者能夠輕松以多種圖表方式查看全部信息，而且通過鼠標輕點即可對數據進行深入挖掘。