一份抽检报告、一张投诉工单、一段后厨视频，都可能为食品安全治理提供有用信息。但数据汇集到一起，并不等于能够用好：企业名称对不上，记录就难以关联；检验结果的计量单位不一致，数值就可能被误读；已经更正的信息没有同步更新，还可能影响后续判断。食品安全数据治理要解决的正是这些影响数据可靠使用的重大问题。理解其内涵，明确共同要求，再按不同数据的特点分类处理，是发挥数据价值与建设高质量数据集的基础。
食品安全数据治理的内涵
食品安全数据治理是围绕食品安全工作需要，明确数据的管理责任、处理规则和使用边界，对数据采集、整理、存储、共享、使用和退出进行持续管理的活动。它既包括纠错、分类、关联等技术处理，也包括责任分工、质量检查和安全管理。其目的，是让分散的原始记录成为含义清楚、质量可靠、来源可查的数据资源，为监管执法、企业管理、风险研判和公众服务提供支撑。
数据治理研究强调，管理数据首先要明确决策权和责任。在实际工作中，这意味着不仅要规定怎样整理一条记录，还要明确谁有权确认、谁负责纠错、谁决定共享。食品安全治理关注风险如何发现和处置，食品安全数据治理则为这些工作提供可靠的信息基础。把两者区分清楚，才能避免将建设一个平台、集中存放一批文件，当作数据治理已经完成。
数据质量还需要结合用途来判断。相关研究表明，数据是否“好用”，既取决于准确性，也与使用目的、表达方式和获取条件有关。例如，网络上的食品安全讨论可以帮助发现线索，却不能直接当作已经查实的事实；一次抽检能够反映被抽样品的情况，也不能未经分析就代表全部食品的风险水平。因此，治理不能只看收集了多少数据、处理了多少文件，还要看数据能否支持具体工作，以及使用时有哪些限制。
数据治理的成果可以有多种用途。规范后的业务记录可以直接用于查询、统计和部门协同；将法规标准、专业解释和业务记录按来源及适用条件组织起来，可以形成便于检索和查证的知识资源；围绕人工智能的具体任务进一步选取、加工和验证数据，则可建设高质量数据集。国家数据局发布的《高质量数据集 建设指南》也强调应根据预期用途明确数据需求。它们之间的关系是：数据治理提供持续的规则和质量保障，知识资源与高质量数据集是服务不同需要的成果形式。高质量数据集建设是数据治理的重要应用方向之一，不宜据此缩小数据治理的范围。
食品安全数据治理的共同规则贯穿数据处理和使用全过程，分类处理则保留不同业务记录的含义；治理是否有效，最终要回到实际使用中检验。
食品安全数据治理的基本要求
食品安全数据来自不同部门、企业和社会渠道，表现形式也各不相同。要使这些数据能够关联、比较并可靠使用，需要先建立共同规则。具体而言，应把握以下五项基本要求：
合法合规，明确数据的使用边界。数据从哪里来、为什么收集、交给谁使用，都应有清楚的依据，并符合《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法律规定。涉及个人信息时，应具备法定处理依据，遵循最小必要原则。例如，用投诉工单分析高频问题，通常不需要向分析人员展示投诉人的完整联系方式。公开可见的信息也不能不加限制地汇集和使用；隐去姓名等去标识化处理，并不当然免除个人信息保护义务。涉及个人信息的数据须统一执行去标识化处理，符合《信息安全技术 网络数据处理安全要求》（GB/T 41479-2022）的相关规定。
标准化与实体对齐，让不同来源的数据能够对应。所谓实体对齐，就是判断不同记录中的名称，是否指向同一个企业、同一种食品或同一处场所。企业关联宜优先使用统一社会信用代码等可靠标识，不能仅凭名称相似就合并。标准化还要统一字段含义、计量单位和分类口径。例如，以毫克每千克和微克每千克记录的数值，应换算到同一单位后再比较；不同标准中的食品分类，也不能只看名称相近就认定适用范围相同。时间记录则应区分事件发生、信息采集和状态生效等含义，避免形式统一了，实际意义仍然不同。
全生命周期管理。《高质量数据集 建设指南》（TC609-5-2025-01）将数据集建设划分为数据需求、数据规划、数据采集、数据预处理、数据标注、模型验证六个阶段，各阶段有序展开并相互反馈迭代。对已有数据的治理，须覆盖从数据归集、清洗、标注到入库、退修、归档的全过程。每一环节的操作均须留痕，把责任落实到每个环节。从数据采集到归档或依法删除，都应有人负责。数据提供方说明来源和原始含义，加工方记录处理方法，业务人员核实关键内容，使用方检查数据是否适合当前任务。原始记录与加工结果应分别保存，修改时保留版本及原因，而不是用新内容无痕覆盖旧记录。例如，一项检验结论更正后，不仅原记录需要更新，引用该结论的统计结果和风险提示也应复核。这种持续管理，才能避免数据入库后无人维护。
质量可控。质量可控是指对数据全生命周期各环节实施系统化的质量监测与校准，建立覆盖完整性、准确性、一致性、时效性等维度的量化评估指标，并形成定期自查与专项检查相结合的常态化机制，确保数据质量持续稳定、可验证、可追溯。对来自不同渠道的同一事件或同一主体记录，须进行识别、去重与冲突消解，消除冗余和不一致。
安全可追溯。既保护数据，也保留处理依据。合法合规侧重明确数据能否处理、为何处理，安全管理则要落实到谁能查看、谁能修改以及如何防止泄露。应根据数据分类分级和个人信息保护要求，采取权限控制、加密、必要的去标识化及操作留痕等措施。溯源也不能只记录一个文件名，还应能够找到对应的报告项目、法规条款、表格内容或视频片段，说明谁作了什么修改、依据是什么。这是数据治理的最基本要求。需要注意，处理过程可追溯，有助于复核数据，却不能自动证明内容真实或具有法定证据效力。
五项要求应落实到日常工作流程中。先明确用途和来源，再按统一规则整理，结合数据类型进行核验，符合要求后提供使用；发现问题时，返回相应环节修正，并更新受影响的记录。
不同数据的差异化要求
共同要求明确之后，还要回答“不同的数据，应重点管什么”。以下选取监督抽检、食品安全舆情、投诉与举报、“明厨亮灶”、食品生产经营许可与主体、信用六类典型数据展开。这是按业务来源和用途作出的分析，并不意味着六类数据彼此隔绝或涵盖全部食品安全数据。
监督抽检数据。重点是结果与判定依据相互对应。这类数据专业性强，一个数值必须放回相应的食品类别、检验项目、计量单位和标准适用条件中理解。治理时，应核对样品信息、检验方法、检验结果与结论之间的关系。例如，判断某项污染物是否超限，不能只看检测数值，还要确认所用限量是否适用于该类食品、相关标准版本是否适用。“未检出”也不能直接改为零。对复检、异议处理和结果更正，应与原记录关联，保留结论变化的过程。用于分析风险分布时，还应考虑抽样方式，不能把样本不合格率简单当作全部食品的不合格率。
食品安全舆情数据。重点是保留语境并区分线索与事实。网络信息来源多、传播快，同一内容可能被大量转发，也可能在转述中发生变化。治理时，应保留发布来源、时间、原始内容及转引关系，将同一事件的相关信息关联起来。文字整理不能随意删去否定词、数量、单位等影响原意的内容。例如，“网传存在问题”与“调查确认存在问题”，即使涉及同一食品，也不能标成同一事实状态。传播热度、情绪倾向可以帮助了解公众关注，但不能直接代表危害程度。
投诉与举报数据。投诉、举报是两个不同的概念。重点是区分事项性质和办理过程。投诉主要涉及消费者权益争议，举报提供涉嫌违法的线索。一份材料可能同时包含两类事项，现行《市场监督管理投诉举报处理办法》要求分别处理，因此，治理时应分开标明投诉事项和举报事项，同时保留它们之间的联系。投诉举报数据的内容包括投诉举报人信息（去标识化后）、被投诉举报主体名称与统一社会信用代码、投诉举报时间、涉及食品类别、问题类别（如变质、异物、过期、虚假宣传等）、诉求内容（文本）、处理结果（达成调解/未达成调解/立案/不予立案等）、处置时限等字段。治理的重点在于：一是语义分离治理，对已有工单数据在标注体系中设置“数据类型（投诉/举报）”和“处置路径（调解/立案）”两个独立维度，使模型能学习“消费者权益争议”与“违法线索指认”两类不同语义模式，而非混为一谈。二是字段规范化治理，统一被投诉主体名称，消除同一企业的多种表述；统一问题类别的分类口径，将自由文本描述映射至标准问题类别体系；统一处理结果的编码逻辑，使“达成调解”“未达成调解”“立案”“不予立案”等状态可量化统计等。另外举个两者共存的例子，消费者既要求退款，又反映商家销售过期食品，退款争议的处理结果不能替代对涉嫌违法线索的核查。数据还应区分当事人陈述、提交材料、调查结论和办理状态，避免把未经核实的描述写成已认定的事实，或将调解结果与立案结果混用。
“明厨亮灶”数据。重点是将非结构化视频向结构化事件记录的转化，以及事件级关联与误报闭环治理。治理的重点在于：一是结构化转化治理，对已有AI抓拍数据须将非结构化视频和图片转化为可计算的事件记录，每条记录应包含违规精确时间、企业信息、设备编码、违规类型、识别置信度等元数据字段，形成完整的电子证据链。二是事件级关联治理，建立“事件—音视频证据”关联，使每一条违规事件记录都能追溯到对应的图片证据和视频片段，按企业、时间范围、违规类型等多维度筛选调取。三是误报闭环治理。对已有数据中因蒸汽遮挡、光影变化、相似物体干扰导致的误报，须建立反馈标注机制，对商家提出的异议和使用中发现的漏报，也应核实、记录并反馈，用于改进识别规则和后续管理。
食品生产经营许可与主体数据，重点是身份准确和状态清楚。这类数据常是关联抽检、投诉、检查等记录的基础，首先要分清经营主体、经营场所与许可证件，核对主体标识、许可事项、有效期及依法适用的备案信息。一个企业可能有多个场所、持有不同证件，不能仅凭名称就混成一条记录。名称、地址、经营范围或证照状态发生变化时，应及时更新并保留历史。查询当前情况，要使用现行有效的信息；分析过去的经营行为，则要核对当时适用的许可或备案状态，避免以今天的情况倒推过去。
信用数据。重点是归集准确和状态及时更新。信用数据的内容包括：行政许可信息（许可证编号、有效期、发证机关等）、监督检查结果信息、行政处罚信息、奖励信息、失信违法记录、异常经营名录等。同渠道发布的同一项处罚，应通过决定书文号、作出机关等信息关联，避免被重复统计或重复计入评价。对记录不一致的情况，应核实发布来源和有效状态，不能任意选择一条保留。依法发生信用修复、撤销或变更后，还应同步更新相关状态及使用限制。信用记录与依据这些记录计算出的风险评分也应分别保存，使使用者能够分清原始事实和分析结果，避免旧信息长期影响当前判断。
上述六类数据的共性在于“可计算、可追溯、可复用”的治理目标，差异归根到底在于它们记录了什么、形成于什么业务环节，以及能够支持怎样的判断。监督抽检重在检验结果与依据对应，舆情重在语境和核实，投诉举报重在事项性质与办理过程，“明厨亮灶”重在影像与复核，许可与主体数据重在身份和有效状态，信用数据重在记录效力与更新。共同规则保障数据之间能够衔接，分类要求则保留各类数据的专业含义，两者缺一不可。这一“共性底座+个性配置”的治理逻辑，正是构建通用食品安全高质量数据集平台的方法论基础。
食品安全数据治理是一项需要持续维护的基础工作。其成效体现在，业务人员能够理解一条记录的含义，查清它的来源和变化，并判断是否适合当前使用。围绕实际需求明确责任、统一规则、分类处理，才能使数据更好地服务食品安全治理。在这一基础上积累知识资源、建设高质量数据集，后续应用才有可靠依据。（作者系河北博士林科技有限公司高级工程师耿嘉良）
不良信息举报中心
不良信息举报平台
黑猫投诉
广告刊例