■记者　柳森

　　2017年，我国国民最终消费支出对GDP贡献率为58.8%，已成为经济增长的第一拉动力。在这样的大背景下，我们都希望自己能通过快乐又不失度的“买买买”，提升生活品质。然而，如果还是“不幸”遭遇纠纷，我们的维权工具有没有“进化”呢？

　　2017年上海开放数据创新应用大赛优秀奖团队——“数决科技数说故事”的队长、上海对外经贸大学工商管理学院陈瑶副教授告诉《解放周一》，如今日臻完善的大数据和人工智能算法，可助消费维权一臂之力。

　　算法研发前的第一步：找到现行管理中的“痛点”

　　解放周一：2017年的上海开放数据创新应用大赛（SODA），让你们与上海市民的消费维权、投诉数据结缘。拿到数据以后，你们马上就找到处理和分析它们的办法了吗？

　　陈瑶：通过SODA大赛，以及后来与上海市工商局消保处的接洽，我们接触到了上海市民2015、2016年向工商部门投诉举报的数据。以2016年为例，仅上海市工商部门承办的12315所接洽的投诉举报量就有11.2万条，且近年来每年都大幅甚至翻倍增长。

　　给我们的初步印象是，原始数据量很大、有较大的分析和利用空间，主要以非结构化的形式沉淀在那里。

　　为了寻找分析消费维权数据的基本思路，我们先赴上海市工商局消保处进行了三次实地调研，了解他们的数据利用需求。归纳来看，消保处的实际需求主要有四个方面：优化和改进现有的投诉举报流程和系统；对目前积累的投诉案例数据，进行深入的挖掘分析，达到让监管更精准的目的；　在投诉量上升趋势明显、工作量大的情况下，希望引入人工智能辅助工具降低人工管理压力；在被动接受消费者的投诉之余，进一步整合外部互联网大数据，提前监控市场热点、在防范风险上寻求主动出击的可能。他们的应用需求或者说管理实际中的“痛点”，是我们后来研发算法和应用平台的工作重点。

　　需要补充说明的是，这次我们并非从无到有开发一个全新的平台，而是在消保处现有信息系统的基础上，将对上述痛点的缓解办法嵌入新功能模型。未来如果要具体展开应用，还需要结合现有的信息系统做进一步的再次开发。此外，由于今年投诉量翻倍增加，我们最后的研发成果，主要是结合2016年到2017年上半年上海市工商部门接收到的消费者投诉数据和数说故事提供支持的新闻、微博舆情大数据完成的。

　　解放周一：这个新模型用到了哪些大数据处理技术？

　　陈瑶：我们使用的模型和算法主要集合了自然语言学习、机器学习、运营优化领域的一些核心技术。开发出来的新功能主要包括：人工智能识别历史相似案件、智能行业和主题分类、基于互联网舆情的消费侵权风险监控、基于大数据的重点商家舆情实时监控、投诉处理人员的配置调度优化，等等。我们也研究了一些重点投诉案例，发现事发前一年内的异地负面新闻、一月内的重点商家负面微博情绪，有助于提前对突发消费问题进行预警。

　　消费已经升级，维权的升级还在路上

　　解放周一：通过对这些历史数据的整理和挖掘，有哪些发现让你印象深刻？如今，消费升级和消费便利度的提升已被很多市民切身体会到，我们的消费维权有没有实现相应的“升级”？

　　陈瑶：通过对历史数据的部分梳理，还是能看到现有维权数据处理过程中的一些不足。比如，现有业务数据主要由人工输入及选择，原始数据不够准确的情况仍然存在。又如，现有的举报投诉管理系统的行业分类目录尚未跟上时代发展的脚步，需要整理更新。尤其是一些以前没有的行业分类，比如因互联网技术发展而产生的新服务行业门类，应及时在系统中赋予其合宜的位置。否则，一旦纠纷发生，数据会被并入到一些不够精准的门类，无助于监管工作的精准化。

　　从短期来看，可改进的工作空间主要可以集中在：第一，对过往积累下来的投诉举报数据和文本进行清洗、分类和深入挖掘，引入更科学有效的分类方法和工具，便于发现问题、研判趋势、预警预防；第二，通过文本处理和机器学习的方法，对投诉举报进行自动分类，查找内容相似的历史案件进行推送，提高工作的准确度和效率；第三，充分利用实时、海量的互联网大数据，捕捉消费动态和问题，为市民提示消费预警，为市场监管执法和消费政策制定者提供参考。

　　从中长期来看，我们可以探讨上海工商举报投诉系统未来的智能化努力方向，最终形成大数据中心、上海消费维权大数据智能管理平台等智能决策与管理工具。在大数据中心的支持下，与人工智能、机器学习结合，辅助工作效率提升的功能拓展内容可以包括投诉处理工作智能辅助和管理工作智能辅助两大方面。