以大数据驱动为核心的航空安保绩效监测的几点思考
摘要：研究大数据，利用大数据实现政府、企业治理体系和治理能力的现代化已成为一种趋势，如何利用大数据提升航空安保的治理水平亦是行业需要思考的变革。本文通过对大数据下的航空安保绩效监测进行思考，探讨了航空安保大数据与机场生产运行融合的可行性，以期促进企业运行规模与其空防安全保障水平相匹配。
一、 研究背景
(一)航空安保绩效监测的基本内涵
航空安保管理有别于一般意义上的运行安全管理。运行安全面临的风险主要是组织内部的运行风险，包括职责、程序、硬件设施或者人为因素造成的风险，而航空安保除了内部因素外，更重要的是面对来自外部的非法干扰行为，相较于运行安全，其工作环境更为复杂。因此，航空安保管理必须运用系统方法使外来威胁对航空运输安全和效率造成的损害降到最低，而为了确保航空安保措施及时、有效的实施，就需要对航空安保工作中众多相互关联的活动进行识别和确定，并对其过程进行管理。
航空安保绩效监测就是通过对过程系统中单个过程及过程组合和相互作用的运行绩效指标进行实时监测、趋势预测，及时发现运行中的偏差并纠正，从而保证各项航空安保措施的有效性和符合性。
(二)大数据技术支撑下的航空安保绩效监测
传统的航空安保绩效监测是通过逐层级确定航空安保绩效指标来确定的，是以规章制度的符合性为前提，通过绩效结果倒推绩效考核指标，如“违规携带违禁品登机，每万个航班发生次数1次”、“危险品漏检装上飞机，每万个航班发生次数1次”等等，而在实际操作中，往往只有暴露出来的漏检事件才会被计算进入指标，按照事故控制理论的“冰山原理”来看，暴露出来的往往只是浮在水面上的冰山，而冰山隐藏在水下看不见的部分，却庞大的多，而这庞大的多的部分在某种程度上决定着航空安全的结果。
以大数据驱动为核心的航空安保绩效监测，就是利用大数据管理思维，为实现通过数据规律，发现冰山水面下的隐藏风险提供了实现的渠道。如在业务层面，将违禁品查处数量、某时段旅客吞吐量、季节因素等数据加以整合分析，不难判断出在某个时段的常态下，违禁品查处的规律数值是多少。若后续绩效监测中，该时段违禁品查处相关数值远低于规律数值，则有理由判断安检质量偏离目标值，需要及时采取措施加以补救。
二、 推行以大数据驱动为核心的航空安保绩效监测的必要性
(一) 民航强国战略下对大数据推动航空安保管理最新的思考及认知
《新时代民航强国建设行动纲要》中提出，“推进大数据、人脸识别等新技术应用，全面建设民航安保科技信息应用新格局。”同时，在《中国民航四型机场建设行动纲要》(2020-2035)中也明确指出，“深化空防安全治理改革创新，推行领先于世界的管理理念和管理模式，强化科技化、智能化的防范手段运用，促进机场生产运行及安保大数据深度融合，促进企业运行规模与其空防安全保障水平相匹配。”
通过航空安保大数据与机场生产运行的深度融合，进而衡量航空安保的水平状态，把控“趋势规律”，实现企业运行规模与空防安全保障水平相匹配，促进航空安保目标的实现，已越来越成为行业的共识。
(二) 法定自查形势下由规章符合性到有效性的大数据绩效监测的实践需求
法定自查对民航企事业单位落实安全主体责任提出了更明确的要求，法定自查的过程实际也是绩效监测的过程(可理解为合规性指标的监测)，企业更加注重安全效果的落地。即从规章“符合性”到“有效性”的转变，而“有效性”的呈现需要绩效监测的大数据进行支撑。
以大数据驱动航空安保绩效的管理，可将规章“符合性”的检查转变为对规章“有效性”的落地，一是管理方法上发生改变，规章不再作为刚性的行政指令，而是作为风险控制的措施，依靠大数据进行绩效的监测，可协助监督规章的执行情况，通过过程的有效引导，最终实现安全结果的呈现，二是可通过大数据呈现出的绩效监测结果，发现数据规律后的隐藏风险，消解不可见的“冰山”，引导积极的安全文化，实现“我要安全”的安全文化。
(三) 复杂的安保态势下对航空安保绩效监测精细化管控的现实需要
图2-1 全球民航旅客运输量预测
根据预测，到2035年，全球民航旅客运输量将翻倍，达到72亿(如图2-1所示)，在确保现有和新建、改扩建机场在持续满足旅客和航班业务量不断增长的同时，为确保空防安全投入的生产要素规模也越来越大，机场航空安保运行复杂性不断增加，其产生的各类数据体量也越来越大，单靠以往的经验管理、符合性管理很难满足日益增长的航空安保管理需求。
因此需要深入挖掘数据价值，而利用以大数据驱动为核心的航空安保绩效监测，可有效推动航空安保管理模式向精细化、科学化、定量化转变，逐步实现管理机制由事件驱动型向数据驱动型转变。
三、 推行以大数据驱动为核心的航空安保绩效监测的几点思考
发展研究大数据，利用大数据实现政府、企业治理体系和治理能力的现代化已成为一种趋势，而如何利用大数据提升航空安保的治理水平亦是行业需要思考的变革。就此，笔者抛砖引玉，从以大数据驱动为核心的航空安保绩效监测谈几点不成熟的看法：
(一) 基于业务数据深入分析的绩效监测
大型民用运输机场航空安保信息的门类非常复杂，既有横向业务层面的维度，如监控、门禁、报警、道口、围界、安检等，又有纵向时间层面的维度，如国家反恐怖法的出台，明确要求采集的视频图像信息保存期限不得少于九十日。大量航空安保业务信息源源不断的产生，构成了利用大数据驱动航空安保绩效监测的基础。
图3-1 基于事故树分析的绩效监测构成
以大数据为核心的绩效监测，并不意味着所有的数据都要进行监测，而是有重点地选择足够数量的指标对组织整体进行绩效测量。可采用事故树分析法，逐层级分解指标，如第一级绩效为总的安全绩效目标(通常以不发生航空安保事件作为目标)，第二级绩效为第一级绩效的触发事件(如安检漏检为航空安保事件的触发事件)，第三级绩效为第二级绩效的关联业务(如人身检查、开机检查均为安检漏检的关联任务)，大数据的绩效监测就是对末端业务数据进行实时收集分析，最终实现对一级绩效的控制。
以末端业务安检的开包率为例，通过安检系统获取单位时间内开包率的数据，经过不断的累积数据并对其训管，可得出一段时间内数据的峰值、波谷值、训管数据，如图所示。
图3-2 安检开包率示例
当实际的工作数据超出训管数据一定程度或是超出波谷、峰值时，利用大数据可判断安检现场工作质量出现一定程度的波动，需要加强关注。同理，可将过检率、开包率、旅客吞吐量等数据进行系统关联，计算得出关联度，使得安检的工作质量以数据化的方式控制在一定的标准范围内，由此通过大数据驱动的航空安保业务绩效监测实现对航空安保目标及时有效的控制。
(二) 二是基于管理数据关联挖掘的绩效监测
面对复杂的航空安保行业现状，不仅要考虑最末端的直接业务，更要结合业务的管理过程进行综合分析，而获取高质量的航空安保管理数据，是以大数据为核心驱动航空安保管理绩效监测的基础。
以机场航空安保管理实践来看，管理数据的来源种类繁多，如风险管理、事件调查、自愿报告、培训管理等等，综合运用管理数据的结果，将关联性强的数据进行整合，通过绩效监测综合分析，最终呈现航空安保管理的安全态势。
图3-3 航空安保管理数据部分示例
通过大数据挖掘管理数据的关联，可以有效提高航空安保管理的水平。以大安保的视角来看，行业主管单位应在充分考虑安全保密的前提下，牵头制定大数据共享、共治的规范，打破各地方机场、航司、空管、油料、航食等民航单位的壁垒，建立起机场主体范围内的安防信息有机体，实现某个机场辖区内安防数据资源的整合，进而为各地区管理局、乃至全国航空安保数据资源整合打下基础。在对整个行业的航空安保数据进行及时整合后，利用大数据分析、人工智能处理，就能对全行业范围内的安保绩效实时监测，对安全态势进行实时感知，精准掌握各区域的安防薄弱点，进而有针对性地采取强化措施，对威胁及时作出判断并有效处置，充分提升空防安全的裕度。
(三)三是基于人员数据集成定位的绩效监测
图3-4 SHELL模型
注：人员(L):工作场所中的人员;硬件(H)：机器与设备;软件(S)：程序、培训、支持等;环境(E)：L-H-S系统必须在其中正常运作的工作环境
按照SHELL理论，航空安保目标的达成需要“人-机-环”系统中单个系统及系统组合过程的科学协同，在相关系统中，人的因素居于主体、支配和决定的定位，因此航空安保管理的关键在于人的质量。
航空安保人员的质量受制于多种因素，包括准入、培训、技能、人员生理及心理状态、流失率等等，根据行业“空中反 地面防 内部纯”的防控原则，民航局公安局在“六严工作”要求中，对“内部严防”提出了更为明确的要求。因此准确刻画人的质量，是实现可持续空防安全的前提。而基于大数据驱动的绩效监测，可将多维度信息在人员身上集成整合，为实现人员质量的精确判断提供了可能。
图3-5 基于HFACS特点的瑞士奶酪模型
注：人为因素分析及分类系统(HFACS)是一般性的人为因素分析框架，最初是在美国军方内部开发并测试，用作调查和分析导致航空事故的人为因素的工具。
如图3-5所示，运用大数据对人的因素进行绩效监测，主要是通过对人的行为结果的量化反映人的绩效，实际上是一种行为表现的数据化呈现，即将多维度的信息集中定位，既可用于某个具体的人员，也可用于某个组织的决策者。
随着云时代的到来，大数据已在国家层面成为一种基础性战略资源，民航作为战略性产业，在国家开启全面建设社会主义现代化强国新征程中发挥着基础性、先导性作用，作为民航人，就更要勇立潮头，用好大数据，为民航强国打下更为坚实的基础。
作者：曹伟涛青岛国际机场集团有限公司
