風險預警預控作為風險管理中的關鍵環節，云服務器租用，其作用的好壞直接影響著風險管理工作的成敗，同時也是應用相關安全技術實現事故預防的關鍵環節。風險因素的辨識，目前仍然是以理論認知為依據，在進行風險辨識之前，便確定了所要辨識的風險因素。因此，只有在風險理論中確認存在的因素才會在風險辨識中作為參考，這就使得部分因素因沒有被充分發掘和準確定位而出現遺漏。而將安全生產大數據應用于風險預警預控中可以有效避免上述遺漏出現。
1.1 大數據
大數據是一個比較抽象的概念，按照麥肯錫全球研究所的定義，大數據（Big data）是指無法在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合。大數據有4大特點：(1)數據規模巨大、(2)處理速度快、(3)數據類型多樣、(4)數據價值密度低。
隨著信息科技的不斷發展和互聯網技術的不斷普及，許多先進的設備和技術被應用于安全生產管理過程中，同時也形成了體量巨大的安全生產大數據。大數據時代的到來為風險管理也帶來了新的思維方式和管理模式，將大數據應用于風險管理，能夠為解決風險管理存在問題提供對策措施，主要的對策措施有：
（1）應用大數據技術實現各風險管理對象狀態參數數據的實時采集，建立和生成安全生產大數據庫，實現風險管理因素數據化管理。
（2）風險辨識不在只依據于理論的認知，還依賴于對安全生產大數據的數據挖掘規律的發現，從而避免風險因素的遺漏。
（3）形成基于大數據思維和機械學習法的風險評價和分級的新模式，實現各要素之間的關聯分析。
（4）依靠大數據相關技術做支撐，保障風險管理的動態性充分發揮其作用，并實現連續、及時、準確的風險預警和風險管控的目標。同時依靠互聯網快速便捷的優勢，站群服務器，保障在風險預警的同時提供最優的風險管控方案。
（5）建立基于大數據的安全風險管理模型，系統的、模型化的研究大數據能為安全風險管理帶來的變革，從而實現風險管理水平整體性的提升。
安全生產大數據來源于四類主體，即政府，對安全生產負有監管職責的政府部門；企業，從事生產經營活動的單位；員工，所有勞動從業人員；社會，安全中介、媒體、相關機構和群眾個人。
安全生產大數據的產生方式，則主要包括主動、被動、自動三種方式，既包含傳統的事故記錄信息、行政文件、檢查記錄等，也包含在網絡平臺下自動記錄的安全信息，如安全新聞的點擊量、關注人群特征等。安全生產大數據包含結構化、半結構化和非結構化三種基本數據結構。安全生產大數據的數據類型，雖然可以從諸多角度進行劃分，如人、機、環、管的4M要素等，但是為了突出安全生產大數據的動態性和基于風險的防控思想，應從表達時間維度的“事前、事中、事后”三類進行界定。事前數據側重風險預警預控、事中數據側重常規策略、事后數據側重應急救援與恢復。三個維度之間相互制約和發展，數據來源與數據結構的連接能夠實現數據采集的高效化，將主要4個方面的數據來源以數據結構的不同進行預處理，按照大數據的特征將安全生產大數據進行分類整合，同時還融入了特有的安全思維，以事前、事中、事后為尺度，并作為一種數據存儲標準，以雙重標準的模式進行數據結構標準規范化，使安全生產大數據不僅是以基礎數據資源的身份被存儲，同時還貼上了安全領域數據的標簽，為以后作為安全生產大數據被提取和分析，從而輔助相關安全管理提供支撐；數據類型和數據來源的連接，以安全思維的數據類型為分類標準對數據來源進行系統化分類，主動去除與安全數據零相關的繁雜數據，并對政府、企業、員工、社會四個方面的數據來源系統化分類為目標數據類型，以便于后期的數據整合和存儲。三個維度相互依存和制約，形成了安全生產大數據區別于一般大數據和其它各領域先關大數據的獨特特性。
基于大數據的風險預警預控模型的建立包括五個維度，這五個維度分別為應用主體維度、大數據技術維度、實施過程維度、實現方式維度和預警預控目的維度。基于大數據的風險預警預控模型如圖1所示：
圖1 基于大數據的風險預警預控模型
該模型由五個維度組成，每個維度的名稱以及所包含的內容為：
應用主體維度：政府、企業、員工、社會。
