ICS03.120.20 CCSA00 中华人民共和国出入境检验检疫行业标准 SN/T5562.6—2023 海关实验室数字化管理规范 第6部分:数据分析管理 Managementspecificationsofcustomslaboratorydigitalization— Part6:Dataanalysismanagement 2023-12-29发布 2024-07-01实施 中华人民共和国海关总署发布前 言 本文件按照GB/T1.1—2020《标准化工作导则 第1部分:标准化文件的结构和起草规则》的规定 起草。 本文件是SN/T5562《海关实验室数字化管理规范》的第6部分。SN/T5562已经发布了以下 部分: ———第1部分:总则; ———第2部分:组织管理; ———第3部分:数据管理; ———第4部分:架构管理; ———第5部分:数据控制和信息管理; ———第6部分:数据分析管理; ———第7部分:服务方管理; ———第8部分:安全管理。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由中华人民共和国海关总署提出并归口。 本文件起草单位:广州海关技术中心、漳州海关综合技术服务中心、中国电子口岸数据中心广州分 中心、广州海关信息中心、北京三维天地科技股份有限公司、深圳海关信息中心、广州海成电子科技有限 公司。 本文件主要起草人:席静、苏杨、何王福、刘丹、莫灵江、李静、陈泳、李志勇、张彦彬、蔡伊娜、熊猛杰、 陆芃、王连珠、郑俊超、周锦顺、吴柯、梁茵茵。 ⅠSN/T5562.6—2023引 言 为规范海关实验室数字化管理,提高实验室的数字化管理水平,拟制定SN/T5562《海关实验室数 字化管理规范》推动海关实验室数字化管理的规范化,确立适用于海关实验室数字化建设和管理的原则 和要求,拟由八个部分构成。 ———第1部分:总则。目的在于确立适用于海关实验室数字化建设和管理的总体原则和要求。 ———第2部分:组织管理。目的在于确立适用于海关实验室数字化建设和管理过程中的组织建设、 组织结构管理、人员管理的组织管理要求。 ———第3部分:数据管理。目的在于确立适用于海关实验室数字化建设和管理过程中的数据编码、 数据分类、数据交换、数据存储及维护的数据管理要求。 ———第4部分:架构管理。目的在于确立适用于海关实验室数字化建设和管理过程中的可为未来 一定时期内各种资源和信息系统建设提供整体性、长期性的发展规划建议和指导的架构管理 要求。 ———第5部分:数据控制和信息管理。目的在于确立适用于海关实验室数字化建设和管理过程中 的数据控制、信息管理、持续改进的数据控制和信息管理要求。 ———第6部分:数据分析管理。目的在于确立适用于海关实验室数字化建设和管理过程中的数据 分析基本要求、数据分析指标管理、数据分析过程、数据分析技术与方法、数据分析结果应用的 数据分析管理要求。 ———第7部分:服务方管理。目的在于确立适用于海关实验室数字化建设和管理过程中的服务方 选择、服务过程管理、服务评价与持续改进、关键点控制、服务方管理数字化的服务方管理 要求。 ———第8部分:安全管理。目的在于确立适用于海关实验室数字化建设和管理过程中的实验室常 规安全、网络安全、系统安全和数据安全管理的安全管理要求。 ⅡSN/T5562.6—2023海关实验室数字化管理规范 第6部分:数据分析管理 1 范围 本文件规定了海关实验室数字化过程中的数据分析管理要求。 本文件适用于海关实验室数字化建设和管理过程中的数据分析基本要求、数据分析指标管理、数据 分析过程、数据分析技术与方法、数据分析结果应用。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文 件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于 本文件。 GB/T27025—2019 检测和校准实验室能力的通用要求 SN/T5562.1 海关实验室数字化管理规范 第1部分:总则 3 术语和定义 SN/T5562.1界定的术语和定义适用于本文件。 4 总体原则 海关实验室的数据分析是对检验检测活动以及其他相关质量活动的数据和信息进行分析,以评价 管理体系的适宜性、充分性和有效性,为提升实验室行动决策、持续改进、应对风险和机遇的能力提供 依据。 5 基本要求 5.1 实验室宜按以下要求进行智能研判、预警分析和流程优化,包括但不限于: a) 跟踪分析实验室资源,如人员、环境设施、设备、检测方法等需求及变化趋势,进行智能研判; b) 跟踪分析产品及其参数检测结果及其特性的变化趋势,进行智能研判; c) 针对检测过程中的异常情况或失控趋势,及时进行风险预警,降低或控制质量风险; d) 优化检测流程、提升通关效率,降低实验室管理成本及运营成本。 5.2 实验室宜按以下要求进行数据分析: a) 数据分析指标量化并有明确的行动信号,以便于实验室按照可行的工作方案进行识别及判 断,由管理层按照既定的管理方法进行决策; b) 建立数据分析反馈机制,及时跟踪处理无效数据和异常数据,并对数据分析指标体系进行持续 改进; c) 拓宽数据来源,增强数据分析力度,提升数据分析准确性和时效性,使数据分析结果满足于高 1SN/T5562.6—2023效管理、预测风险、智能研判的目标; d) 信息系统能满足的要求包括但不限于:实验室机构管理、资源管理、检测过程管理和体系管理 过程中对数据和信息的查询统计及分析需求。 6 数据分析管理 6.1 数据分析指标管理 6.1.1 分析指标体系 实验室的分析指标体系内容包括但不限于: a) 资源指标,如人员数量及人员能力匹配情况、设备购置情况及使用率、试剂和耗材申购量及使 用情况、环境设施与检测能力的匹配情况等; b) 业务指标,如检验检测业务类型及来源、检验检测工作量、检验检测活动投入与产出指标等; c) 风险控制指标,如公正性及保密要求风险、开展新业务风险、合同评审风险、质量事故发生率、 检验检测活动分包风险等; d) 工作质量监控指标,如检验检测周期超期率、检测结果不合格率、质量控制结果不合格情况、客 户投诉及满意度反馈情况、检测结果复检率、检测报告退修率等; e) 行业预警信息,如行业内重大质量事故风险、国外产品质量风险预警信息、国内监管部门质量 监督抽检结果预警等。 6.1.2 分析指标来源 可从业务主题域、数据性质、数据类型等角度来划分: a) 按照业务主题域划分,包括样品数据、实验室资源数据、客户信息数据、设备耗材数据等; b) 按照数据性质划分,包括业务参数数据、统计数据(指标、报表)、检测过程数据、检测结果数 据等; c) 按照数据类型划分,包括结构化数据、半结构化数据、非结构化数据。 每项分析指标在信息系统中应有相应的数据来源,以用于完成分析指标的监测、查询、统计和分析。 必要时,宜采用批量数据处理系统,借助于数据分析技术与方法,通过对数据的批量处理挖掘有价值的 数据来支持决策或发现新的问题。 6.2 数据分析 包括但不限于下列识别信息需求、数据获取、数据处理、数据建模、分析结果呈现和迭代优化多个 阶段。 a) 识别信息需求,是确保数据分析过程有效性的首要条件,可为收集数据、分析数据提供清晰的 目标。实验室管理者应根据决策和过程控制的需求,提出信息需求,以支持过程输入、过程输 出、过程活动的优化方案、数据结果的合理性,以及数据异常变异的发现。 b) 数据获取,包括从实验室系统中采集数据并开展多源数据融合、实时态势理解、未来态势预测 和风险评估,捕捉实验室的关键风险点。 c) 数据处理,包括根据实验室体系管理要求、检测方法、质量控制、业务运营等要求对数据进行筛 选、清洗、缺失值处理、异常值处理等。 d) 数据建模,包括选择合适的算法、采用训练数据调整参数搭建相应的数据分析模型等。 e) 分析结果呈现,包括选择合适的图表、表格和文本等形式,以呈现数据分析结果供管理者进行 风险管理和智能决策。 2SN/T5562.6—2023f) 迭代优化,包括建立数据分析指标反馈机制,便于管理者定期跟踪发现无效数据和异常数 据,持续改进优化。 6.3 数据分析技术与方法 实验室宜具备使用先进的技术和方法进行数据分析的能力,包括但不限于以下技术和方法。 a) 大数据分析:根据分析目的,用适当的统计分析方法及工具,对实验室大量数据进行处理与分 析,提取有价值的信息,发挥数据的作用。分析技术包括但不限于深度学习、知识计算和可视 化分析等。 b) 数据挖掘:从实验室大量的数据中,通过统计学、人工智能等学科与技术,挖掘出未知的、且有 价值的信息和知识的过程。数据挖掘方法包括但不限于关联分析、分类和预测、聚类分析、孤 立点分析、演变分析等。 6.4 数据分析结果应用 6.4.1 效率管理 可按GB/T27025—2019的要求,基于统一的分析指标体系建立多维度数据库,对实验室业务及检 测流程进行关联分析,提高数据分析的准确性和时效性,识别关键流程及资源需求,进行流程优化,提升 组织效率,降低实验室运营成本。 6.4.2 质量控制 可利用数据分析结果,从人员、设备、材料、方法、环境等多维度对实验室检测过程及检测结果进行 实时控制,及时发现异常情况或错误数据,将检测偏差及检测误差控制在允许限度内,提高实验室检测 质量,保证实验室持续有效运行。 6.4.3 风险管理 可对检测对象各检验参数间的内在关联进行综合分析,科学合理地评价影响产品质量的关键指 标,为海关监管部门及实验室进行深层次的质量分