1 引 言
石化行业是一个高危行业，具有高温高压、有毒有害、连续作业、点多面广的特点，随着生产能力和规模的逐年加大，生产储存装置逐渐向大型化、规模化发展，重大危险源不断增多，任何一项制度缺陷、设备隐患、程序遗漏、工作疏忽或个人违章行为， 都有可能造成重大事故的发生， 引发严重后果。 中国石化“11·22”特别重大事故的惨痛教训 ，要求安全生产必须从细微着手，要求安全生产必须从传统意义上被动的事后处置向事前预防转变。 大型石油化工企业建立的业务系统，加上互联网不断的深化应用，已经为安全管理积累了人的不安全行为、物的不安全状态等导致事故发生的大量数据。但对数据的深度挖掘和利用还远远不够。 从海量的数据中挖掘人的不安全行为、物的不安全状态及管理缺陷等有价值信息，寻找事故发生的规律，提高安全生产的管理的水平，具有重要的意义和作用。
大数据（Big Data），或者称巨量资料，指的是那些已经超过传统数据库处理能力的数据， 可以说它的结构并不适合原本的传统数据库，并且对传输的速度和数据规模有很高的要求。
大数据的核心就是预测，通常被视为人工智能的一部分，或者说被视为一种机器学习， 它把数学算法运用到海量的数据上来预测事情发生的可能性。 对于大数据的特点可以用 4 个 V 总结（volume、variety、value、velocity）即体量大、多样性、价值密度低、速度快。 ①数据体量巨大，从 TB 级别，跃升到 PB 级别；②数据类型繁多，如网络日志、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求；③价值密度低，以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒；④处理速度快，时效性要求高，这也是大数据区分于传统数据挖掘最显着的特征。
近年来，我国的石油化工企业在安全生产、环境保护、职业防护等方面做出了很多的努力，但仍面临着诸多困境：企业的安全生产隐患排查工作主要靠人力， 通过人的专业知识去发现生产中存在的安全隐患，这种方式易受到主观因素影响，且很难界定安全与危险状态，可靠性差；由于缺少有效的分析工具和对事故规律的认识，导致我国对于安全生产主要采取“事后管理”的方式，在事故发生后才分析事故原因、追究事故责任、制定防治措施，这种方式存在很大局限性，不能达到从源头上防治事故的目的；信息公开力度还不够，特别是安全监管信息的公开……这些问题仅仅凭借人和制度的管理，难以解决，必须不断加强企业信息化建设，加强海量数据分析工具的开发和利用，进一步释放大数据价值。
2 大数据给安全生产带来的变革
2．1 大数据造就大开放，驱动安全管理创新 ，完善安全责任追究制度企业有关信息开放目前还比较困难。 自 “政府信息公开条例”颁布实施以来，安全生产信息公开工作取得了较大突破，但相比美、日等发达国家，我国安全生产的信息公开力度还不够，特别是安全监管信息的公开。
以“数据开放”理念引领企业创新活动的开展。 开放数据，可以完善安全生产事故追责制度。 一方面可以释放出事故取证、事故资料、责任认定等等相关资料，另一方面可以提高对企业监管力度。 美国大数据下的矿难追责制度给予了很好的启示。 2010年，美国西弗吉尼亚州发生死亡 29 人的矿难，由于该煤矿的监管记录保存完整，每条记录都包括检查的时间、结果、违反的法律条款、处理的意见、罚款的多少、已缴纳的金额、煤矿是否申诉等数据项被共享。 逾千条的监管记录为事故追责提供了重要证据，最终事故认定说明煤矿安全健康局无监管失职，出事煤矿所属公司应承担主要责任。 可见完善的监管、执法数据库对完善安全生产事故追责制度异常重要。
2．2 大数据形成大共享，将部门安全信息 “自留地 ”变成企业 “资源地”，及时准确地发现事故隐患，提升排查治理能力
大型石油化工企业受到传统信息管理模式、 技术手段等因素的制约，加上安全管理数据又比较敏感，不能完全建立起的内外部数据共享机制。 散落在各部门的宝贵信息资源无法充分共享，形成一个个“信息孤岛”。 然而，一方面安全管理必须关注人—机—环境这个大系统，需要生产、运营、管理等等各类数据。另一方面现代安全管理要求安全管理职能部门从管理角色向服务咨询角色转变，落实直线责任、属地管理，员工由“执行者”成长为“管理者”。
通过应用海量数据库，建立计算机大数据模型，可以对生产过程中的多个参数进行分析比对， 从而有效界定事物状态是否构成安全隐患， 及时准确地发现事故隐患，提升排查治理能力。
美国矿难追责就是大数据在安全生产领域应用的成功案例，2010年美国网民在利用大煤矿网进行追责的过程中， 通过对梅西公司下属的另外一家煤矿鲁比煤矿的安全监管、 查处等数据进行分析，提前发现该煤矿同样随时有“引爆”的可能。
2．3 大数据促进大应用 ，揭示事故规律 ，将 “死数据 ”变成 “活信息”，为安全决策提供理论支撑
人类在与事故斗争的过程， 逐渐发现导致事故的损失因果模型（如图 1）。 若控制事故，减少损失，必须从大量人的因素、工作的因素、不合规行为等等进行控制。 而控制这些需要将安全生产中的有价值的信息进行深度挖掘，寻找出内在规律。【图1】
大数据的发展为海量事故数据提供了有效的分析工具，通过对海量安全生产事故数据进行分析， 分析和查找事故发生的季节性、周期性、关联性等规律、特征，从而找出事故根源，能够有针对性地制订预防方案，提升源头治理能力，降低安全生产事故发生的可能性。
2．4 大数据实现大改变，使安全管理从“宏观”走向“微观”
大型石油化工企业经过多年的信息化应用， 产生了海量的空间数据和非空间数据。 如中国石化历时 6 年建成了满足所有体系要素要求覆盖炼油、化工、销售等板块 HSE 管理信息系统，积累了大量的有价值的数据， 这些数据中隐藏了丰富的知识和规律，但目前仅完成了数据的归集，辅助管理者进行“宏观”管理。 实际工作中很难发现微观数据存在的关联、关系和规则，无法从大量的数据中提取更加有用信息。 通过大数据相关技术让微观数据得到关联， 通过表面上不相关的数据发现数据背后的秘密。 使以非结构化和半结构化数据为主的海量微观数据转换为结构化的大数据， 这些从微观数据中提取出的规则为大数据辅助决策提供有力支持，使管理者从安全生产“宏观”把握转变为“微观”运用成为可能。 例如，燕山石化基于大量历史数据的分析发现违章作业是造成该企业事故发生的重要原因之一， 针对该问题，燕山石化化工八厂制定的挂“绿牌”的现场作业的管理办法。 挂“绿牌”就意味着直接作业环节无违章，连续 5 个月以上挂“绿牌”可以得到公司安全施工嘉奖。 燕山石化化工八厂认为，从严监管施工现场是保证直接作业环节无违章的唯一办法，可管理人员还有生产任务，不能每次施工都在现场指挥，只能依靠安全员监管施工作业。 因此，采用用手机短信来“遥控”施工现场的办法。 施工作业前，项目负责人要将项目名称、施工单位等及时上报生产调度，由生产调度通过短信平台告知相关管理人员，并由安全监察管理部每天在早会上讲评施工短信通知、 相关管理人员到位和监控情况， 这种管理办法的实施大大减低了违章作业的发生率。
3 安全管理中大数据应用值得关注的问题
（1）当今大数据的运用仍面临多种技术难关的束缚。 主要有大数据的去冗降噪技术、新型表示方法、高效率低成本的大数据存储、非结构化和半结构化数据的高效处理、大幅度降低数据处理、 存储和通信能耗的新技术目前都难以有效解决与完善。 此外，当前的技术难以处理涉及上百个参数、多源异构、多实体和多空间之间的交互动态性的复杂度较高的数据。
（2）大数据时代信息安全问题待解。 尽管大数据蕴藏巨大潜力，但也给企业的信息安全带来巨大风险。 大数据的应用很大程度上增加了大规模数据泄露事件发生的可能， 因为数据的大量汇集使得黑客一次攻击就能获得大量有效数据， 企业的信息安全也面临严重威胁，一旦发生数据泄露，对企业声誉、经济效益也是重大打击。
（3）解决数据质量问题是大数据应用的关键。 大数据处理的关键就是解决数据质量问题，规避数据错误、保障数据质量才能真正让企业从大数据应用中获得利益。 数据处理是一个复杂的过程，这其中有很多环节，从前期的数据标准、数据集成到数据处理等等，任何一个环节出错都有可能导致数据质量问题。 由于大多数企业信息化建立缺乏标准化管理，数据处理平台不统一、数据不规范等一系列问题导致数据质量不高， 因此大数据应用时要对数据质量的问题给予足够的重视。
4 如何实施企业安全管理中的大数据战略
尽管大数据的应用刚刚起步，目前影响还比较小，但从发展趋势看，应充分认识大数据带来的深远影响。 要在发展战略中引入和践行大数据的理念和方法，推动决策从“经验依赖”型向“数据依靠”型转化，管理模式将从“粗放型”向“精细化”转型。 因此，安全管理中大数据应用的战略目标可以概括为构建以物的不安全状态和人的不安全行为的分析为基础， 以揭示事故发生规律导向，以风险管控为核心的大数据收集、存储、分析和应用体系。①推进企业应用与行业共享平台、社交网络的融合。 要发展大数据平台，就必须打破传统的数据源边界，注重互联网站、社交媒体、行业论坛等新型数据来源，将企业内部数据和外部数据互联，获得更加完整、更大量的数据。 ②加大监控设施的投入力度。 从损失因果模型不难看出，事故基本起因是个人因素、工作因素等造成的， 说到底是人的不安全行为和物的不安全状态导致的，物联网、云计算等新一代信息技术的发展为控制基本起因提供了可能， 加大监控设施的投入是实施安全管理中大数据战略的基础。 如利用物联网技术对动设备的可靠性、静设备的完整性、 人的不安全行为等等进行有效的监控， 基于这些监控的数据，进一步挖掘事故发生的季节性、周期性、关联性等规律。 ③增强大数据的核心处理能力。 首先是强化大数据的整合能力。 这不仅包括企业内部的数据整合， 更重要的是与大数据链条上其他外部数据的整合。 同时，针对大数据所带来的海量数据要求，还要对传统的数据仓库技术特别是数据传输方式 ETL（提取、转换和加载）进行流程再造。 其次是增强数据挖掘与分析能力，要利用大数据专业工具，建立业务逻辑模型，将大量非结构化数据转化成决策支持信息。 ③加强风险管控，确保大数据安全。 大数据能够在很大程度上缓解信息不对称问题， 但如果管理不善，“大数据”本身也可能演化成“大风险”。 大数据应用改变了数据安全风险的特征，它不仅需要新的管理方法，还必须纳入到全面风险管理体系，进行统一监控和治理。 为了确保大数据的安全，企业必须抓住以下 3 个关键环节：①协调大数据链条中的所有机构，共同推动数据安全标准，加强产业自我监督和技术分享；②加强与监管机构合作交流，借助监管服务的力量，提升自身的大数据安全水准；③在数据安全和数据使用方面加强沟通，提升用户的数据安全意识，形成大数据风险管理的合力效应。
5 结 论
大数据时代已经到来， 石油化工企业依靠传统管理模式难以应对严峻的安全形势， 必须凭借大数据等新的信息技术从根本上提高安全管理水平， 使得石油化工企业在基于大数据的发展下保证企业生产的平稳运行， 将石油化工企业的安全生产带入新的时代。
主要参考文献
［1］涂子沛． 大数据［M］． 桂林：广西师范大学出版社，2012．
［2］陈敏．迎合大数据时代 ，充分发掘业务数据价值 ［J］．中国金融电脑 ，2013（3）．
［3］Jiawei Han，Micheline Kamber． 数据挖掘：概念与技术［M］． 范明，孟小峰，等，译． 北京：机械工业出版社，2001．
［4］谢资二． 大数据在政府统计中的探索与应用思考 ［J］．统计科学与实践，2013（10）．
［5］赛迪网， 大数据如何成为安全生产“利器”［EB/OL］.赛迪网，2014-03-31．
