摘要：針對大數(shù)據(jù)時(shí)代信息系統(tǒng)監(jiān)理面臨的挑戰(zhàn)，文章提出了一種綜合性的質(zhì)量控制模型與評價(jià)體系。首先，文章分析了大數(shù)據(jù)環(huán)境下的監(jiān)理特點(diǎn)及面臨的挑戰(zhàn)，明確了數(shù)據(jù)復(fù)雜性、技術(shù)集成、評價(jià)體系構(gòu)建等關(guān)鍵問題，根據(jù)問題構(gòu)建質(zhì)量控制模型，包括模型架構(gòu)、動(dòng)態(tài)調(diào)整機(jī)制、實(shí)施流程、關(guān)鍵要素保障；其次，進(jìn)行質(zhì)量評價(jià)體系設(shè)計(jì)，包括評價(jià)指標(biāo)體系構(gòu)建、評價(jià)方法選擇、實(shí)施流程與機(jī)制建立；最后，通過案例進(jìn)行分析與實(shí)證，得出該質(zhì)量控制模型和評價(jià)體系能夠顯著提升監(jiān)理效率與精確度，增強(qiáng)決策科學(xué)性，促進(jìn)質(zhì)量持續(xù)改進(jìn)，能夠?qū)崿F(xiàn)跨部門協(xié)同優(yōu)化工作，有助于技術(shù)與管理創(chuàng)新，從而促使監(jiān)理工作更加智能化、精細(xì)化，提升行業(yè)的整體服務(wù)水平。

關(guān)鍵詞：大數(shù)據(jù)；信息系統(tǒng)監(jiān)理；質(zhì)量控制；評價(jià)體系；模型構(gòu)建

中圖分類號：TP391.7

文獻(xiàn)標(biāo)志碼：A

0 引言

信息技術(shù)突飛猛進(jìn)，大數(shù)據(jù)成為經(jīng)濟(jì)社會(huì)發(fā)展的關(guān)鍵動(dòng)力。海量多源數(shù)據(jù)與創(chuàng)新處理技術(shù)共促效率與智能化飛躍，賦能各行各業(yè)深度運(yùn)營、預(yù)測及決策優(yōu)化。數(shù)據(jù)安全、隱私保護(hù)意識空前增強(qiáng)，重塑管理格局。在此背景下，信息系統(tǒng)監(jiān)理領(lǐng)域經(jīng)歷重大轉(zhuǎn)型：決策科學(xué)性增強(qiáng)、信息管理革新、工程質(zhì)量監(jiān)管強(qiáng)化、協(xié)同作業(yè)提速、風(fēng)險(xiǎn)控制優(yōu)化、標(biāo)準(zhǔn)規(guī)范升級、人才技能迭代，大數(shù)據(jù)影響深遠(yuǎn)，引領(lǐng)監(jiān)理行業(yè)邁向新高度。

本文旨在探索適應(yīng)大數(shù)據(jù)時(shí)代特征的信息系統(tǒng)監(jiān)理新模式，構(gòu)建科學(xué)的質(zhì)量控制模型與評價(jià)體系，對于提升監(jiān)理工作的專業(yè)性、促進(jìn)大數(shù)據(jù)技術(shù)的健康應(yīng)用、保障信息系統(tǒng)項(xiàng)目的質(zhì)量與安全具有重要的理論與實(shí)踐意義。通過深入研究，可以為監(jiān)理行業(yè)提供有效的應(yīng)對策略與工具，推動(dòng)行業(yè)轉(zhuǎn)型升級，更好地服務(wù)于數(shù)字化轉(zhuǎn)型大局。

本文研究范圍涵蓋大數(shù)據(jù)時(shí)代信息系統(tǒng)監(jiān)理質(zhì)量控制過程，主要包括：構(gòu)建既能應(yīng)對大數(shù)據(jù)特性又能貫穿項(xiàng)目全程的監(jiān)理質(zhì)量控制模型；建立一套全面、客觀反映大數(shù)據(jù)信息系統(tǒng)監(jiān)理效果的評價(jià)體系。

在大數(shù)據(jù)時(shí)代構(gòu)建信息系統(tǒng)監(jiān)理質(zhì)量控制模型與評價(jià)體系的研究中^［1-2］，研究方法通常涵蓋文獻(xiàn)回顧、案例分析、專家訪談與問卷調(diào)查等，旨在綜合現(xiàn)有的理論與實(shí)踐成果，明確大數(shù)據(jù)環(huán)境下的特殊需求與挑戰(zhàn)。技術(shù)路線側(cè)重于數(shù)據(jù)采集^［3］、預(yù)處理、模型構(gòu)建與驗(yàn)證等步驟。

1 大數(shù)據(jù)時(shí)代信息系統(tǒng)監(jiān)理質(zhì)量控制模型設(shè)計(jì)

基于大數(shù)據(jù)、系統(tǒng)化動(dòng)態(tài)調(diào)整的信息系統(tǒng)監(jiān)理質(zhì)量控制模型^［4］，具體如圖1所示，設(shè)計(jì)方案主要如下。

1.1 模型架構(gòu)

1.1.1 數(shù)據(jù)采集層

（1）集成平臺(tái)。構(gòu)建統(tǒng)一的數(shù)據(jù)接入平臺(tái)，支持多樣化數(shù)據(jù)源（如項(xiàng)目管理軟件、IoT設(shè)備、測試報(bào)告等）的自動(dòng)采集。

（2）數(shù)據(jù)清洗。利用數(shù)據(jù)清洗工具去除重復(fù)、錯(cuò)誤、不完整的數(shù)據(jù)，確保數(shù)據(jù)質(zhì)量。

1.1.2 數(shù)據(jù)處理層

（1）大數(shù)據(jù)平臺(tái)。采用Hadoop、Spark等技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的分布式存儲(chǔ)與處理，支持大規(guī)模并發(fā)計(jì)算。

（2）數(shù)據(jù)倉庫。構(gòu)建數(shù)據(jù)倉庫，進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化、歸一化處理，為后續(xù)分析提供結(jié)構(gòu)化數(shù)據(jù)。

1.1.3 分析與預(yù)測層

（1）機(jī)器學(xué)習(xí)模型。開發(fā)預(yù)測模型，如時(shí)間序列分析、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等，對項(xiàng)目進(jìn)度、成本超支、質(zhì)量風(fēng)險(xiǎn)等進(jìn)行預(yù)測。

（2）智能預(yù)警系統(tǒng)。設(shè)定閾值，當(dāng)模型預(yù)測到潛在問題時(shí)自動(dòng)觸發(fā)預(yù)警，及時(shí)通知相關(guān)人員。

1.1.4 決策支持層

（1）可視化報(bào)告。開發(fā)數(shù)據(jù)看板，實(shí)時(shí)展示項(xiàng)目關(guān)鍵指標(biāo)，支持多維度分析。

（2）決策輔助工具。集成專家系統(tǒng)，提供基于數(shù)據(jù)的決策建議，輔助監(jiān)理決策。

1.2 動(dòng)態(tài)調(diào)整機(jī)制

（1）建立反饋循環(huán)機(jī)制。建立項(xiàng)目執(zhí)行情況與質(zhì)量控制模型之間的反饋機(jī)制，根據(jù)項(xiàng)目進(jìn)展和外部環(huán)境變化，動(dòng)態(tài)調(diào)整模型參數(shù)和評價(jià)標(biāo)準(zhǔn)。

（2）持續(xù)優(yōu)化改進(jìn)。通過A/B測試、模型調(diào)優(yōu)等方法，不斷優(yōu)化預(yù)測模型的準(zhǔn)確性和效率，確保質(zhì)量控制的有效性。

1.3 實(shí)施流程

實(shí)施流程由6大環(huán)節(jié)組成，分別是：（1）項(xiàng)目啟動(dòng)環(huán)節(jié)。明確項(xiàng)目監(jiān)理目標(biāo)，定義KPIs，配置數(shù)據(jù)采集系統(tǒng)。（2）數(shù)據(jù)準(zhǔn)備環(huán)節(jié)。進(jìn)行初步數(shù)據(jù)收集和預(yù)處理，建立基礎(chǔ)數(shù)據(jù)模型。（3）模型構(gòu)建與訓(xùn)練環(huán)節(jié)?；跉v史項(xiàng)目數(shù)據(jù)，構(gòu)建質(zhì)量控制預(yù)測模型，進(jìn)行訓(xùn)練與驗(yàn)證。（4）系統(tǒng)部署環(huán)節(jié)。部署數(shù)據(jù)處理平臺(tái)、預(yù)警系統(tǒng)和決策支持工具，實(shí)施實(shí)時(shí)監(jiān)控。（5）執(zhí)行與監(jiān)控環(huán)節(jié)。項(xiàng)目執(zhí)行過程中，持續(xù)收集數(shù)據(jù)，動(dòng)態(tài)調(diào)整模型，實(shí)時(shí)預(yù)警與干預(yù)。（6）評估與反饋環(huán)節(jié)。項(xiàng)目結(jié)束后，進(jìn)行效果評估，收集反饋，優(yōu)化模型與流程。

1.4 關(guān)鍵要素保障

關(guān)鍵要素保障包括4方面。（1）跨部門協(xié)作。確保項(xiàng)目團(tuán)隊(duì)、技術(shù)供應(yīng)商與監(jiān)理單位之間的有效溝通。（2）技術(shù)與人才。培養(yǎng)或引進(jìn)大數(shù)據(jù)處理、機(jī)器學(xué)習(xí)的專業(yè)人才。（3）數(shù)據(jù)安全。確保數(shù)據(jù)收集、處理和存儲(chǔ)過程中的安全性和隱私保護(hù)。（4）持續(xù)學(xué)習(xí)。緊跟技術(shù)發(fā)展，持續(xù)更新模型與方法論。

通過以上設(shè)計(jì)，模型能夠提供系統(tǒng)化、動(dòng)態(tài)化的監(jiān)理質(zhì)量控制，有效提升項(xiàng)目管理的智能化水平，降低風(fēng)險(xiǎn)，確保項(xiàng)目順利實(shí)施。

2 大數(shù)據(jù)信息系統(tǒng)監(jiān)理質(zhì)量評價(jià)體系設(shè)計(jì)

2.1 評價(jià)指標(biāo)體系構(gòu)建

構(gòu)建基于大數(shù)據(jù)背景的信息系統(tǒng)監(jiān)理質(zhì)量控制評價(jià)體系^［5］，須要綜合考慮技術(shù)、管理、流程等多個(gè)層面，以下是體系構(gòu)建步驟。

第一步構(gòu)建監(jiān)理質(zhì)量評價(jià)體系，須明確目標(biāo)與KPIs（如進(jìn)度、成本、質(zhì)量、滿意度等），確保標(biāo)準(zhǔn)行業(yè)適用性與項(xiàng)目特性的結(jié)合。第二步全面數(shù)據(jù)采集覆蓋項(xiàng)目周期，利用ETL整合多源數(shù)據(jù)，保障數(shù)據(jù)一致性與完整性。實(shí)施數(shù)據(jù)質(zhì)量管理，進(jìn)行數(shù)據(jù)清洗與標(biāo)準(zhǔn)化，采用監(jiān)控工具定期評估，保證數(shù)據(jù)的準(zhǔn)確性。第三步搭建大數(shù)據(jù)分析平臺(tái)，利用Hadoop、Spark支持大規(guī)模數(shù)據(jù)處理，集成數(shù)據(jù)倉庫便于高效查詢。第四步開發(fā)智能分析模型（如機(jī)器學(xué)習(xí)算法），識別項(xiàng)目風(fēng)險(xiǎn)與預(yù)測偏差。第五步建立實(shí)時(shí)監(jiān)控系統(tǒng)，設(shè)定閾值預(yù)警，追蹤關(guān)鍵指標(biāo)動(dòng)態(tài)。第六步通過可視化工具展示質(zhì)量狀況，為決策提供直觀支持；實(shí)施反饋循環(huán)，持續(xù)優(yōu)化評價(jià)體系。第七步確保體系合規(guī)安全，采取加密等措施保護(hù)數(shù)據(jù)。第八步加強(qiáng)團(tuán)隊(duì)大數(shù)據(jù)技能培訓(xùn)，推動(dòng)數(shù)據(jù)驅(qū)動(dòng)的質(zhì)量管理文化。

通過上述步驟，可以構(gòu)建一個(gè)全面、動(dòng)態(tài)、高效的基于大數(shù)據(jù)的信息系統(tǒng)監(jiān)理質(zhì)量控制評價(jià)體系，有效提升項(xiàng)目管理質(zhì)量與效率。

2.2 評價(jià)方法選擇

在構(gòu)建基于大數(shù)據(jù)環(huán)境的監(jiān)理質(zhì)量控制評價(jià)模型時(shí)，定量與定性分析方法的結(jié)合至關(guān)重要，能確保評價(jià)的全面性和準(zhǔn)確性。具體評價(jià)方法可采用層次分析法（AHP）與模糊綜合評價(jià)法相結(jié)合的方式。

層次分析法（AHP）：通過構(gòu)建目標(biāo)、準(zhǔn)則、方案的層次結(jié)構(gòu)模型，計(jì)算相對重要性權(quán)重，實(shí)現(xiàn)綜合評價(jià)。

模糊綜合評價(jià)^［6］：鑒于監(jiān)理過程中存在許多不確定性和模糊性因素，模糊綜合評價(jià)法通過建立隸屬函數(shù)，將定性評價(jià)轉(zhuǎn)化為量化指標(biāo)，再綜合考慮所有因素的影響，對監(jiān)理質(zhì)量進(jìn)行綜合評判。這種方法能夠有效處理評價(jià)指標(biāo)間相互影響和評價(jià)結(jié)果的模糊性，提高評價(jià)的適應(yīng)性和實(shí)用性。

可視化評價(jià)：利用大數(shù)據(jù)可視化技術(shù)，如儀表板、熱力圖、時(shí)間序列分析等，直觀展現(xiàn)監(jiān)理質(zhì)量控制的各項(xiàng)指標(biāo)狀態(tài)，便于快速識別問題和決策支持。

KPI關(guān)鍵績效指標(biāo)法^［7］：明確監(jiān)理工作的關(guān)鍵績效指標(biāo)，設(shè)定評價(jià)標(biāo)準(zhǔn)和目標(biāo)值，定期監(jiān)測和評估指標(biāo)達(dá)成情況，直接反映監(jiān)理質(zhì)量水平。

數(shù)據(jù)挖掘技術(shù)^［8］：利用關(guān)聯(lián)規(guī)則、聚類分析、分類預(yù)測等數(shù)據(jù)挖掘方法，從監(jiān)理大數(shù)據(jù)中發(fā)現(xiàn)質(zhì)量控制的模式、規(guī)律和異常點(diǎn)，預(yù)測潛在問題。

2.3 實(shí)施流程與機(jī)制建立

實(shí)施基于大數(shù)據(jù)環(huán)境的監(jiān)理質(zhì)量控制評價(jià)體系，須遵循明確的流程與機(jī)制，確保評價(jià)的有效性與持續(xù)改進(jìn)，具體步驟如下。

準(zhǔn)備階段：明確評價(jià)目標(biāo)，建立多維度指標(biāo)體系（涵蓋時(shí)間、成本、質(zhì)量等），選用合適的評價(jià)方法（如AHP）。

實(shí)施階段：（1）數(shù)據(jù)收集。定期從各系統(tǒng)獲取數(shù)據(jù)。（2）評價(jià)與分析。運(yùn)用選定方法處理數(shù)據(jù)，計(jì)算指標(biāo)得分，評估監(jiān)理質(zhì)量。（3）監(jiān)控關(guān)鍵點(diǎn)。在項(xiàng)目重要階段實(shí)施監(jiān)控與評價(jià)。（4）反饋溝通。報(bào)告評價(jià)結(jié)果，含優(yōu)缺點(diǎn)及建議，確保信息對項(xiàng)目團(tuán)隊(duì)和管理層透明。

2.4 持續(xù)改進(jìn)

該部分分4個(gè)環(huán)節(jié)。（1）問題整改。針對發(fā)現(xiàn)的問題，制定措施，責(zé)任到人，限時(shí)完成。（2）體系優(yōu)化。定期審查評價(jià)體系，根據(jù)反饋與行業(yè)動(dòng)態(tài)調(diào)整優(yōu)化。（3）知識積累。收錄案例至知識庫，促進(jìn)學(xué)習(xí)，提升團(tuán)隊(duì)監(jiān)理水平。（4）閉環(huán)管理。形成循環(huán)流程，持續(xù)迭代監(jiān)理體系，保障大數(shù)據(jù)項(xiàng)目成功。

3 案例分析與實(shí)證研究

3.1 案例情況

在某個(gè)大型智慧城市建設(shè)項(xiàng)目中，相關(guān)地方政府管理部門與多家IT企業(yè)合作，旨在通過大數(shù)據(jù)、云計(jì)算和物聯(lián)網(wǎng)技術(shù)，提升城市公共服務(wù)、交通管理、環(huán)境保護(hù)等領(lǐng)域的智能化水平。項(xiàng)目涉及多個(gè)子系統(tǒng)，包括智慧交通、智慧應(yīng)急、智慧環(huán)保等，數(shù)據(jù)量龐大，系統(tǒng)復(fù)雜度高。

傳統(tǒng)監(jiān)理受限，監(jiān)管盲區(qū)多，影響質(zhì)控效率。大數(shù)據(jù)時(shí)代強(qiáng)調(diào)實(shí)時(shí)監(jiān)控、數(shù)據(jù)應(yīng)急處理及安全隱私保護(hù)，需高效數(shù)據(jù)管理與防泄露策略。監(jiān)理應(yīng)保障數(shù)據(jù)生命周期安全，融合技術(shù)與管理防御威脅。技術(shù)進(jìn)步要求監(jiān)理持續(xù)學(xué)習(xí)新標(biāo)準(zhǔn)和技術(shù)，靈活適應(yīng)，保持質(zhì)控的前瞻性和有效性。

3.2 體系應(yīng)用過程

3.2.1 前期準(zhǔn)備

監(jiān)理單位首先要建立基于大數(shù)據(jù)的項(xiàng)目質(zhì)量控制模型，利用Hadoop、Spark等技術(shù)搭建數(shù)據(jù)處理平臺(tái)^［9］，整合項(xiàng)目管理軟件、測試工具等數(shù)據(jù)源，實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一管理和分析。

3.2.2 數(shù)據(jù)驅(qū)動(dòng)的風(fēng)險(xiǎn)評估

應(yīng)用機(jī)器學(xué)習(xí)算法，對歷史項(xiàng)目數(shù)據(jù)進(jìn)行分析，識別風(fēng)險(xiǎn)因子，建立風(fēng)險(xiǎn)預(yù)測模型。通過實(shí)時(shí)監(jiān)控項(xiàng)目進(jìn)度、成本、資源使用情況，及時(shí)預(yù)警潛在的質(zhì)量和進(jìn)度問題。

3.2.3 智能質(zhì)量監(jiān)控

采用自動(dòng)化測試工具結(jié)合AI技術(shù)，對系統(tǒng)功能、性能進(jìn)行持續(xù)集成測試，快速發(fā)現(xiàn)缺陷。通過數(shù)據(jù)可視化工具，實(shí)時(shí)展示測試覆蓋率、缺陷密度等指標(biāo)，提高質(zhì)量監(jiān)控的效率和精準(zhǔn)度。

3.2.4 協(xié)同管理與決策支持

建立云端項(xiàng)目管理平臺(tái)，集成任務(wù)分配、溝通協(xié)作、文檔管理等功能，并通過數(shù)據(jù)挖掘技術(shù)分析項(xiàng)目運(yùn)行數(shù)據(jù)，為項(xiàng)目決策提供數(shù)據(jù)支持，優(yōu)化資源配置。

3.3 結(jié)果分析

通過質(zhì)量控制模型和評價(jià)體系的構(gòu)建應(yīng)用，本項(xiàng)目取得了良好效果。（1）效率得到顯著提升。通過自動(dòng)化測試和智能監(jiān)控，大幅度縮短了測試周期，減少了人工錯(cuò)誤，提升了項(xiàng)目執(zhí)行效率。（2）風(fēng)險(xiǎn)提前干預(yù)。風(fēng)險(xiǎn)預(yù)測模型幫助項(xiàng)目組提前識別并應(yīng)對潛在風(fēng)險(xiǎn)，有效避免了多次成本超支和進(jìn)度延誤。（3）質(zhì)量持續(xù)得到優(yōu)化。數(shù)據(jù)驅(qū)動(dòng)的質(zhì)量控制體系確保了項(xiàng)目各階段的質(zhì)量穩(wěn)定可控，提高了最終系統(tǒng)的穩(wěn)定性和用戶滿意度。（4）決策更加科學(xué)化?；诖髷?shù)據(jù)分析的決策支持系統(tǒng)，為管理層提供了數(shù)據(jù)支撐，使得決策更加精準(zhǔn)和迅速。

4 結(jié)語

通過構(gòu)建基于大數(shù)據(jù)背景下的信息系統(tǒng)監(jiān)理質(zhì)量控制模型和質(zhì)量評價(jià)體系，得出以下結(jié)論：一是能夠?qū)崟r(shí)監(jiān)控?cái)?shù)據(jù)，快速識別風(fēng)險(xiǎn)與問題，大幅提升效率與質(zhì)量控制精度。二是有效利用數(shù)據(jù)輔助驅(qū)動(dòng)決策，提供客觀依據(jù)，增強(qiáng)決策科學(xué)性，降低主觀誤判風(fēng)險(xiǎn)。三是通過數(shù)據(jù)分析促進(jìn)閉環(huán)管理，及時(shí)反饋優(yōu)化質(zhì)控標(biāo)準(zhǔn)，推動(dòng)質(zhì)量持續(xù)改進(jìn)。四是增強(qiáng)跨部門信息共享與協(xié)同作業(yè)，全局優(yōu)化資源配置，提升項(xiàng)目執(zhí)行效率。五是促進(jìn)行業(yè)技術(shù)創(chuàng)新與管理變革，使得監(jiān)理工作更加智能化、精細(xì)化，整體服務(wù)得到升級。

參考文獻(xiàn)

［1］樓林鑫，蔣孝軍，賀佃宏.淺析信息系統(tǒng)安全工程監(jiān)理質(zhì)量控制［J］.信息技術(shù)與信息化，2014（8）：176-178.

［2］胡大平，陶飛.電子政務(wù)系統(tǒng)綜合評價(jià)指標(biāo)體系及評估模型研究［J］.科技進(jìn)步與對策，2005（6）：41-43.

［3］羅淦之.淺談大數(shù)據(jù)在項(xiàng)目管理中的應(yīng)用［J］.百科論壇電子雜志，2022（15）：331-333.

［4］任安，馮佳，王娟，等.信息化項(xiàng)目管理方法淺談［J］.信息系統(tǒng)工程，2016（12）：120-121，138.

［5］李曉寧，張一鳴.基于PDCA循環(huán)的全流程審計(jì)質(zhì)量控制體系構(gòu)建研究［J］.西安財(cái)經(jīng)大學(xué)學(xué)報(bào)，2023（6）：80-93.

［6］韓利，梅強(qiáng)，陸玉梅，等.AHP-模糊綜合評價(jià)方法的分析與研究［J］.中國安全科學(xué)學(xué)報(bào)，2004（7）：86-89.

［7］晏槐.基于KPI的企業(yè)績效考核體系探討［J］.中國商貿(mào)，2013（19）：115-116.

［8］王光宏，蔣平.數(shù)據(jù)挖掘綜述［J］.同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2004（2）：246-252.

［9］杜光達(dá).計(jì)算機(jī)數(shù)據(jù)信息處理中大數(shù)據(jù)技術(shù)的應(yīng)用研究［J］.軟件，2023（3）：122-124.

（編輯 沈 強(qiáng)）

Construction of quality control model and evaluation system for information system supervision in the era of big data

ZOU Qunshan

（Guangdong Provincial Computing Technology Application Research Institute， Guangzhou 510030， China）

Abstract：In response to the challenges faced by information system supervision in the era of big data， this article proposes a comprehensive quality control model and evaluation system. Firstly， the characteristics and challenges of supervision in the big data environment were analyzed， and key issues such as data complexity， technology integration， and evaluation system construction were identified. Construct a quality control model design based on the problem， including model architecture， dynamic adjustment mechanism， implementation process and key element assurance. Secondly， design a quality evaluation system， including the construction of evaluation indicators， selection of evaluation methods， and establishment of implementation processes and mechanisms. Finally， through case analysis and empirical evidence， it is concluded that the quality control model and evaluation system can significantly improve supervision efficiency and accuracy， enhance decision-making scientificity， promote continuous quality improvement， achieve cross departmental collaborative optimization work， contribute to technological and management innovation， and promote more intelligent and refined supervision work， thereby improving the overall service level of the industry.

Key words：big data; information system supervision; quality control; evaluation system; model construction