食品中的风险因素主要包括农药、兽药、污染物等化学因素，微生物、生物毒素、寄生虫等生物因素，物理因素以及其他因素等。利用大数据技术对过去的食品安全数据进行统计分析是食品企业识别食品安全风险的有效途径之一。目前，食品伙伴网建立了食品安全信息服务大数据云平台，本文主要介绍了基于大数据的食品安全风险识别的基本原理和方法。
1.用于风险识别的食品安全大数据内容
1.1食品标准法规与监管动态
依据我国食品安全法，食品标准法规的制修订都必须以风险评估为科学依据。食品标准法规的制修订，每一版食品标准法规的变化，都反映了我国食品安全形势的调整，因此食品标准法规与监管动态，是企业进行食品安全风险识别优先需要关注的因素。例如，GB 2762-2017删除了茶叶中稀土元素的限量要求，表明经过科学评估不再需要对茶叶中稀土元素进行控制，则稀土不会再是茶叶中的主要风险点。
1.2食品安全事件
于媒体和互联网的发展，特别是近几年移动互联网和自媒体的兴起，食品安全事件会在舆论中快速广泛传播，对食品行业产生影响巨大，例如2017年的塑料紫菜谣言给紫菜行业带来巨大损失，又如前几年苹果药袋的不实报道使烟台果农损失惨重。互联网的信息积累也为识别食品安全风险提供了便利，利用舆情监控分析工具回溯过去几年食品行业的主要舆情、热点舆情，并分析其主要趋势、热度等，有助于发现媒体、消费者关注的食品安全风险，从而实现风险识别。例如，利用食品伙伴网自主开发的舆情监控采集工具，搜索关于大米、小麦、玉米、大豆等粮食近几年的食品安全报道，按照发霉生虫、转基因、非法添加、添加剂超标、污染物超标等风险因子进行数据统计，则可以识别出粮食中最容易产生食品安全风险的品类，以及相应的风险因子，和地区及时间。
1.3食品安全抽检与预警通报
原食药总局自成立以来规范了对于食品的监督抽检工作，食药总局和各级食药监局公开透明的定期发布食品安全抽检信息。根据食品伙伴网抽检查询分析系统的统计，2015年以来我国共发布食品抽检信息一百多万条，对这些抽检结果中的不合格数据进行统计分析，可以识别不同品类食品中主要的不合格原因，主要易出现不合格的地区等。例如，2015年来我国共抽检婴幼儿配方食品一万两千多批次，主要的不合格因素是质量指标中的硒含量不合格。这就提醒婴幼儿配方食品企业在生产中应把硒的含量作为关键控制点进行控制，并加强对其监测，避免此类不合格的出现。
1.4食品判例信息
食品安全法的十倍赔偿条款催生了职业打假人的活跃。最高法建立了中国裁判文书网，对各级人民法院的裁判文书进行了收集整理，其中包括食品安全相关的职业打假判例。对这些判例所涉及的品类、起诉理由、是否胜诉获得十倍赔偿进行统计分析，则有助于食品企业识别被职业打假的风险。例如，近几年有关橄榄调和油等声称某种特征配料但未标识具体含量的投诉大部分都获得了赔偿，则提醒相关食品企业注重食品标签标识的合规性，防范此类风险。
1.5食品行政处罚信息
各级食药监公布的食品行政处罚信息往往容易被其他企业忽略。目前已有许多地方公开的处罚信息会详细说明处罚的事由和法律依据，对这些信息进行汇总研究分析，也有助于企业识别某些风险。
2.利用大数据进行食品安全风险识别的步骤
2.1明确需要分析的产品对象
首先是明确所需要分析的对象，是一类产品还是一种具体产品，是要识别该产品的所有风险，还是要评价某个具体风险在特定时间或特定地点的高低，只有明确了所需要分析的对象才能有针对性的收集资料，以便精准识别风险。
2.2收集所需的基础数据
收集评估对象相关的特定时间和特定地域所有标准法规的制修订动态、食品安全事件、过往食品安全案例、食品抽检预警通报、食品判例和行政处罚信息，可以借助于专业的搜索引擎或者第三方数据收集服务机构。
2.3拆解数据进行结构化整理
对收集到的数据进行拆解，形成结构化数据，便于进行统计。例如针对某种具体食品，可以统计近年来标准修订的主要指标要求，各种风险因子相关的食品安全新闻的报道数据量，各种不合格原因的不合格数量等，形成结构化的可量化的数据。并且，可以根据不同产品的不同特点，对不同数据赋予权重，以便更加客观的建立风险模型。
2.4综合数据分析识别风险
在数据结构化的基础上，对各种来源的数据进行综合分析，从而识别出食品中的主要风险。为后续风险预防控制提供依据。
基于以上数据和步骤，我们可以初步识别食品中可能存在的风险，为食品监管控制措施和计划的制定提供理论依据。同时，食品伙伴网基于多年的数据积累，可为您提供定制化的风险识别报告编制服务。
