數據驅動的PDCA養老服務質量評價研究

曹海青 姚翠友 楊艷紅

摘? 要：以數據驅動和PDCA質量管理為基礎，研究了數據驅動的PDCA養老服務質量評價。本文以數據驅動理念為指導，研究了PDCA質量管理過程中每一個階段的工作任務;以天津市某一社區養老服務中心為例，根據天津市《居家養老社區服務規范》，研究了助餐服務的內容及質量要求，選擇助餐服務中訂餐服務過程為研究對象，進行數據驅動的PDCA養老服務質量評價。結合數據驅動的PDCA循環模型，制定了訂餐服務質量評價指標體系和量化評分標準，確定了以全優服務為訂餐服務的質量目標;以訂餐服務過程所采集的質量數據為基礎，通過數據處理、可視化顯示和統計分析，研究了基于數據波動的個體客戶、群體客戶的服務質量評價，基于數據對比的同一服務質量評價和基于統計特征的服務質量評價。最后根據評價結果提出了改進和優化服務質量的建議。數據驅動的PDCA養老服務質量評價為大數據時代服務業質量評價提供了一種新的思路。

關鍵詞：數據驅動;PDCA;養老服務;質量評價

中圖分類號：TP306? ? ? 文獻標識碼：A 文章編號：2096-4706（2019）19-0001-07

Abstract：The elderly care quality evaluation based on data-driven PDCA is studied in the paper. Guided by the concept of data-driven，this paper studies the tasks of each stage in the process of PDCA quality management;taking a community-based elderly care service center in Tianjin as an example，according to the “Community Service Standard for Home-based Elderly Care”in Tianjin，it studies the content and quality requirements of the catering service，and chooses the catering service process in the catering service as the research object to carry out data-driven PDCA elderly care service quality evaluation. Combined with the PDCA cycle model driven by data， the evaluation index system and quantitative scoring standard for the quality of ordering service are established，and the quality objective of ordering service based on the all excellent service is determined. Based on the quality data collected in the process of ordering service，through data processing，visual display and statistical analysis，this paper studies the service quality evaluation of individual customers and group customers based on data fluctuation，the same service quality evaluation based on data comparison and the service quality evaluation based on statistical characteristics. Finally，according to the evaluation results，some suggestions are put forward to improve and optimize the service quality. The data-driven PDCA pension service quality evaluation provides a new idea for the service industry quality evaluation in the era of big data.

Keywords：data-driven;PDCA;service for the aged;service evaluation

0? 引? 言

隨著物聯網、云計算機、大數據技術等信息技術的迅猛發展，智能穿戴設施、智能護理設施以及各種APP已被廣泛應用于養老服務過程，為養老服務過程數據的采集提供了保障。這些數據既包括由養老服務設備設施所產生的客觀數據，又包括由養老服務員工、養老服務對象和社會監督等對服務評價所產生的主觀數據，這些數據中蘊含著養老服務質量信息。如何應用這些數據對養老服務質量進行科學合理的評價，是一個值得深入研究的課題。2016年5月5日至6日，由管理科學學部于浙江大學召開了國家自然科學基金委員會以“數據驅動的養老服務資源組織與管理機制創新”為主題的專題研討會，分別從健康養老服務數據共享與融合、服務資源、服務模式、質量保障等方面對養老和養老質量進行了熱烈的討論與交流。隨著國家京津冀協同發展戰略的實施，京津冀養老服務一體化成為其中不可忽視的一部分，而養老服務質量是京津冀養老一體化實施的關鍵。本文將以養老服務過程中產生的數據信息為研究對象，結合PDCA理論，研究數據驅動的PDCA京津冀養老服務質量評價。

1? 數據驅動的概念

數據驅動是以實際數據為研究對象，應用數據挖掘分析技術對數據進行處理，挖掘出數據中所蘊含的價值。隨著大數據的發展，數據驅動的方法已經被廣泛應用在各個研究領域，旨在從各領域數據中挖掘出更有價值的信息，更好地為各領域服務。李寶虹等通過數據驅動和情報學相關技術對企業的商業情報進行挖掘分析，提高商業情報對企業決策的支持力度，促進業績改善和風險管理能力，提升企業的競爭力;彭宇等將數據驅動故障預測與健康管理方法應用于鋰離子電池循環壽命預測，實現對鋰離子故障不確定性的預測管理;葉月明等將數據驅動技術應用于層間多次波預測，經模型數據實驗表明這種方法可有效地預測層間多次波，且克服了多次波預測算法的不足;崔鳳林等將數據驅動方法應用于深度域地震資料的巖性參數反演，并通過實例化數據證明了這種數據的有效性;代偉等將數據驅動方法應用于赤鐵礦磨礦過程中的磨礦粒度與控制回路輸出之間的動態特性數學模型的構建，實現運行過程的優化;劉瑜等以手機通話數據、公交卡刷卡記錄、社交網站簽到數據、出租車軌跡、銀行刷卡記錄等為研究對象，應用數據驅動的方法研究人類移動的模式;王穎利用教學過程所產生的數據信息對本科教學質量進行管理和評價。自2015年以來，國家自然基金委每年都專門設立“大數據驅動的管理與決策研究”重大研究計劃，著重研究大數據驅動的管理與決策理論范式，大數據資源治理機制與管理，大數據管理與決策價值分析與發現，大數據分析方法與支撐技術。而數據驅動的質量管理屬于大數據管理與決策價值的一部分。

2? 數據驅動的PDCA養老服務質量管理

2.1? 數據驅動的PDCA循環模型

PDCA循環包括四個階段：計劃（Plan）、執行（Do）、檢查（Check）和處理（Act），是全面質量管理的核心內容。計劃階段主要是通過調查、訪談等方式理清用戶對產品質量的要求，確定質量政策、質量目標和質量計劃等;執行階段就是根據計劃進行產品設計、試制、試驗，也就是產品質量的實現過程;檢查階段主要是在執行過程中或執行之后對產品質量的執行情況進行檢查，檢驗其是否符合計劃的預期結果;處理階段主要是根據檢查結果，采取相應的措施。數據驅動的PDCA循環各個階段的任務如圖1所示。

2.1.1? 計劃階段

該階段的主要任務就是在重復調研的基礎上制定質量目標，并且對質量目標進行指標體系構建與量化;制定質量指標評價的標準。

2.1.2? 執行階段

該階段的重點任務就是在實現產品質量過程中，實時采集存儲過程質量數據，為質量管理奠定數據基礎。

2.1.3? 檢查階段

以過程質量數據為研究對象，通過清洗、挖掘、統計分析和可視化等方法，結合數據的波動性、穩定性、變化情況以及統計特征，根據質量指標評價標準，對產品生產過程中的質量進行實時跟蹤管理，或對產品生產之后的質量進行管理評價。其中數據波動表示質量評價發生了躍變，尤其是數據從大變小時，表示質量評價由高等級下降到低等級，這時需要馬上查明導致質量評價躍變的原因，以便有針對性地進行質量改進和提高;反之，當評價數據由小變大時，預示著質量評價由低級進入到更高級別;當評價數據一直比較穩定時，表示質量評價相對穩定，此時可結合數據統計特征進行進一步分析。這時數據均值表示了質量評價的等級情況，當均值較小時表示質量評價等級較低，反之表示質量評價等級較高。評價數據的變化情況預示著質量等級的變化，此時結合評價數據的統計特征標準差進行進一步的研究分析，標準差較小時表示數據的變化幅度不大，質量評價等級變化不大，標準差較大時表示質量評價等級變化較大。

2.1.4? 處理階段

根據檢查階段基于過程質量數據所分析的質量情況，一方面積極探索其原因為改善和提高服務質量;另一方面可以為下一個周期計劃階段優化質量目標和質量指標體系提供參考建議。這樣在整個PDCA質量管理過程中，將數據融合到每一個過程中，通過數據化的方法制定和量化質量目標體系，采集生產過程中數據信息作為質量檢驗的處理對象，通過數據分析方法進行質量檢驗，根據檢驗結果完善和量化質量目標。

2.2? 數據驅動的PDCA在社區養老助餐服務質量評價中的應用

2.2.1? 社區養老助餐服務內容及質量要求

根據天津市《居家養老社區服務規范》，助餐服務是社區養老服務中一項基本服務內容，就是為接受服務的老年人提供膳食服務，服務內容包括就餐服務、配餐服務和送餐服務。

按照相關的標準和條例，助餐服務的要求為：

（1）應符合國家相關食品安全法律法規。

（2）用餐場所無障礙。

（3）具備必要的膳食加工、配制、外送、用餐設備。

（4）用餐環境應保持清潔衛生，餐具應做到嚴格消毒。

（5）公開食譜和價格，為老人訂餐、就餐提供服務。

（6）能夠提供安全、實惠、方便、營養的飯菜。

（7）尊重老年人的飲食習慣，膳食搭配營養合理。

（8）助餐服務點及送餐運輸工具應標有“社區老年食堂”相關字樣。

2.2.2? 社區養老助餐服務質量目標

根據助餐服務的內容和要求，結合社區養老服務過程的實際情況，助餐服務的質量受到膳食原料采購、膳食制作過程、膳食服務過程等的影響;其中膳食原料采購質量可以從原料采購來源、原料的新鮮程度、距離保質期時效、采購價格合理性等方面進行評價;膳食制作過程質量可從制作過程每一步驟的質量和最終膳食的色、香、味以及接受服務的老人用餐后的反饋進行評價;膳食服務包括訂餐服務和就餐服務，訂餐服務質量可從訂餐便捷性、價格合理性、膳食組合性、訂餐響應及時性、訂餐服務態度、送餐及時性、送餐服務態度、膳食質量等幾個方面進行評價;就餐服務可從就餐環境、膳食價格、膳食質量、就餐服務態度等方面進行評價。本文將以助餐服務過程中的訂餐服務為例，進行數據驅動的PDCA質量管理的實例化應用。

首先我們根據訂餐服務的內容和要求，確定訂餐服務質量目標及其質量指標體系，具體如表1所示。對表中每一項服務質量指標采取百分制打分的形式，由訂餐服務的老年人根據實際情況進行打分;對于每一個指標項，當老年人覺得服務質量為優秀時根據實際情況在區間[90，100]內打分，當服務質量為良好時在區間[80，90）內打分，當服務質量為中時在區間[70，80）內打分，當服務質量為及格時在區間[60，70）內打分，當服務質量不及格時在區間[0，60）內打分。根據打分規則結合服務內容，確定訂餐服務質量為全優服務的質量目標，而且要求每一個質量指標值都要持續穩定在優秀等級，不可出現大幅度的跳躍性變化。

2.3? 基于過程數據的訂餐服務質量評價

選擇天津市區某一社區養老服務中心為研究對象，對經常在該社區服務中訂餐的16位老人根據服務質量指標體系進行數據采集，從中選擇2019年3月份的數據進行服務質量評價，數據分布如圖2所示，從圖中可知16位訂餐老人對訂餐便捷性、價格合理性、膳食組合性、訂餐響應及時性、訂餐服務態度、送餐及時性、送餐服務態度和膳食質量8個方面基本上都給予了優秀等級的質量評價;但對部分指標的評價中出現過波動情形，具體如圖2所示。

2.3.1? 基于數據波動性的群體客戶服務質量評價

由圖2可知，在3月4日訂餐便捷性和訂餐響應及時性數據相比前一天出現了由高到低的波動躍變，表示3月4日這一天訂餐便捷性和訂餐響應及時性的服務質量下降。當日發現這種情況，立即展開調查分析，發現當天上午9點到9點40分之間該社區養老服務中心突發停電。而按照社區服務的相關條例，每天上午10點是老人訂餐的截止時間，而3月4日突發停電，導致社區訂餐服務網絡中斷，影響到老人們的訂餐，部分老人只能親自到社區養老服務中心進行訂餐，這給老人們訂餐造成了不便，影響了老人對服務質量的評價;而在當天9點40分之后通電恢復后，訂餐服務恢復正常后，其質量評價也恢復正常。經查詢訂餐日志發現僅有兩位老人是在9點40分之后使用訂餐服務的，也符合圖2所顯示的情況。

事實上，在社區養老服務過程中，各種意料不到的事情可能時有發生，為保證服務質量不受影響，社區養老服務中心需制定科學合理的應急措施以應對各種不測，為提高養老服務質量保駕護航。

2.3.2? 基于數據波動性的個體客戶服務質量評價

由圖2可知，數據樣本6所對應的老人在3月8日和3月12日對膳食組合服務質量的評價相比前一日出現了由高到低的波動，表明這兩天樣本6所對應的老人對膳食組合的服務質量頗有微詞。經過深入訪談發現，樣本6所對應的老人為四川籍的老人，老人飲食習慣喜辣，而且要求辣度較高，而在3月8日和3月12日，社區的膳食組合并未符合老人飲食習慣的膳食，影響了老人對膳食組合的評價。

在養老服務質量評價過程中，諸如上述這樣的個例經常會導致養老服務質量評價出現波動。針對這種情況，社區養老服務中心應深入調查、分析與研究，制定個性化的服務策略，滿足個別老人合情、合理的訴求，使老人享受到優質的養老服務，穩定老人對養老服務質量的評價。

2.3.3? 基于數據對比的相同質量指標的養老服務質量評價

在持續觀察16位老人對送餐服務及時性和送餐服務態度的評價數據變化情況后，發現樣本1和樣本16分別所對應的老人在3月初對送餐服務及時性和送餐服務態度的評價一直處于90～93之間，具體如圖3所示。雖然也是優秀，但在優秀等級中其分值偏低，如不重視很可能會出現下降式的評價。通過多次走訪和深入詳談，了解到樣本1和樣本16所對應的老人居住于離社區服務中心較遠的地方，而且年紀較老，由于送餐服務是根據訂餐時間的先后順序來安排的，這兩位老人一般訂餐較晚使得送餐安排靠后，加之距離較遠導致送餐到達時間更晚，影響了兩位老人對送餐及時性和送餐服務態度的評價。社區養老服務中心通過合理安排送餐時間，縮短了老人訂餐和送餐的時間間隔，改善了服務質量。在采取措施后，兩位老人對送餐服務和送餐服務態度的評價也漸漸提高。

在養老服務過程中，不同的老人對同一服務的評價肯定會出現差異，為此要時刻關注評價分值持續較低的客戶，分析評價較低的原因，找出其中的原因，進行統籌規劃，優化資源，使不同老人均能享受優質的服務。

2.3.4? 基于數據統計特征的服務質量評價

以送餐及時性和送餐服務態度兩個評價指標為研究對象，利用統計分析工具分析每位老人在3月份對這兩個質量指標評價的統計特征（最大值、最小值、均值和方差，具體如表2所示），由表2可知16位老人對送餐服務態度和送餐服務及時性的評價均為優秀，但大家對這兩項服務指標的評價均值均低于96分，離100分還有一定的差距，從服務質量持續改進的角度來看，針對這兩項服務指標，社區服務機構應進一步分析原因，有針對性地進行改進。尤其是針對樣本1和樣本16，兩位老人對這兩項服務指標評價的標準差最小，表明兩位老人對這兩項服務評價基本趨于穩定，很有必要深入訪談和調查，探究兩位老人評價較低的原因及完善改進措施。此外通過進一步統計分析兩項服務質量指標評價的數據分布（如圖4所示），發現3月份送餐及時性指標評價值有65.93%小于96分，送餐服務態度指標評價值有64.11%小于96分，這表明16位訂餐的老人對這兩項服務的評價在優秀等級范圍內評分仍然偏低，社區需要進一步深入發掘其原因，有針對性地改善服務質量，提高服務水平。

2.4? 訂餐服務質量的改進

養老服務質量評價的目的是不斷優化和改善養老服務，保證老人能在養老服務機構享受優質的服務。結合上述研究，歸納總計數據驅動養老服務質量改進可從以下幾方面著手：

（1）時刻關注評價數據的波動躍變，探究波動原因;針對群體性的波動躍變，要提前做好應急預案，加強社區服務中心的應急保障能力;針對個體性的波動躍變，要強化個性化服務，保障老人合情、合理的需求。

（2）重點關注評價數據持續較低，且較為穩定的客戶，通過深入訪談、積極調研的方式，廣泛聽取多方的建議，掌握影響質量評價的因素和改進措施，進行統籌規劃，合理優化資源分配，改善和提高養老服務質量水平。

（3）關注評價數據的統計特征，設法減少評價數據最大值和最小值之間的差距，提高評價數據均值，降低評價數據的標準差，使得養老服務質量穩定在一個較高的水平。

3? 結? 論

隨著信息技術和大數據的快速發展，數據已成為各行各業的“富礦”，尤其是服務行業在服務過程中產生了大量的蘊含服務過程質量的信息，充分利用這些過程質量數據信息進行服務評價，為服務業管理帶來了新的機遇和挑戰。

本文將數據驅動和PDCA有機地結合于一體，從理論上研究了數據驅動的PDCA服務業質量管理模型，并將其應用于社區助餐服務中訂餐服務過程的質量評價。

本文首先結合數據驅動的理念研究了PDCA循環中每一個階段的具體任務;接著根據社區養老服務中心的助餐服務的質量內容和質量要求，選擇助餐服務中的訂餐服務為對象，構建由訂餐便捷性、價格合理性、膳食組合性、訂餐響應及時性、訂餐服務態度、送餐及時性、送餐服務態度和膳食質量組成的數據化訂餐服務質量評價指標和評價標準，確定了全優服務的質量目標;在采集訂餐服務過程中數據的基礎上，以過程質量數據為基礎進行訂餐服務質量評價;基于數據的波動性研究了群體客戶和個體客戶的質量評價;通過數據對比研究不同客戶對同一質量指標的服務質量評價;研究了基于數據統計特征的服務質量評價;并根據不同評價結果提出了改善和優化服務質量的建議。總之，本文所研究的方法可為服務行業的質量評價提供一種新的思路。

參考文獻：

[1] 王穎.基于數據的本科教學質量管理策略 [J].淮陰師范學院學報（自然科學版），2017，16（4）：345-347.

[2] 朝樂門，張勇，邢春曉，等.數據驅動型知識地圖及其關鍵技術 [J].圖書情報工作，2012，56（10）：25-29+40.

[3] 崔鳳林，張向君.深度域神經網絡數據驅動巖性參數反演 [J].石油地球物理勘探，2005（1）：83-86+112.

[4] 代偉，柴天佑.數據驅動的復雜磨礦過程運行優化控制方法 [J].自動化學報，2014，40（9）：2005-2014.

[5] 丁卉，劉永紅，曹生現.基于模糊-灰色聚類方法的城市空氣質量評價研究 [J].環境科學與技術，2013，36（S2）：374-379.

[6] 樊佳鑫，劉忠梅.2017工業區對SO2濃度、NO2濃度以及PM2.5的影響分析 [J].可持續發展，2017，7（1）：42-49.

[7] 李寶虹，白建東，張會來.基于數據驅動的企業商業情報管理 [J].情報科學，2014，32（8）：20-26.

[8] 劉瑜，康朝貴，王法輝.大數據驅動的人類移動模式和模型研究 [J].武漢大學學報（信息科學版），2014，39（6）：660-666.

[9] 呂鈴鑰，李洪遠.基于模糊綜合評判的京津冀地區空氣質量評價 [J].南開大學學報（自然科學版），2016，49（1）：62-68.

[10] 馬燕，鄭宇軍，凌海風，等.數據驅動的多Agent裝備器材保障決策支持系統 [J].解放軍理工大學學報（自然科學版），2010，11（1）：60-65.

[11] 彭宇，劉大同.數據驅動故障預測和健康管理綜述 [J].儀器儀表學報，2014，35（3）：481-495.

作者簡介：曹海青（1976-），男，漢族，山西呂梁人，講師，博士研究生，研究方向：數據挖掘與分析、智慧養老。