A Data-driven Approach to Assessing Factors Affecting Food Safety Compliance of Finnish Food Business Operators

Elintarvikevalvonnan alalla on tällä hetkellä haasteita, jotka johtuvat mm. ilmastonmuutoksesta, ruoan globalisaatiosta sekä virallisten valvontaresurssien niukkuudesta. Riskiperusteinen elintarvikevalvonta on yksi merkittävimmistä lähestymistavoista elintarvikeketjujen turvallisuuden ja laadun valvonnan kehittämisessä. Tässä tutkimuksessa pyrittiin datavetoisia menetelmiä hyödyntämällä luomaan näkemyksiä tekijöistä, jotka ovat vaikuttaneet suomalaisten elintarviketoimijoiden elintarviketurvallisuusvaatimusten noudattamisen tasoon viime vuosina. Paikallisten elintarviketurvallisuusviranomaisten tallentamaa valvontadataa analysoitiin visuaalisen analytiikan konseptia hyödyntävällä Qlik Sense -analytiikkatyökalulla sekä data-analyysiin soveltuvalla Python-ohjelmointikielellä. Qlik Sensellä rakennettujen interaktiivisten visualisointien tarkoituksena oli edistää valtion avoimen datan käytäntöjä ja riskiperusteista elintarvikevalvontaa Suomessa. Visualisoinnit saivat toistaiseksi hyvää palautetta loppukäyttäjiltä. Pythonilla toteutetut analyysit, joissa hyödynnettiin valvontadatan lisäksi kuntadataa, tarjosivat lisänäkemyksiä elintarviketoimijoiden määräystenmukaisuuteen. Tutkimusdataan sovitettu logistinen regressiomalli löysi useita tilastollisesti merkitseviä ennustemuuttujia sekä elintarvikevalvonnan datasta että kuntadatasta, mutta sen suorituskyky oli heikko. Merkittävimmin elintarviketoimijoiden määräystenmukaisuuteen vaikuttivat toimijan toimintavuosien määrä sekä tapahtumaperuste, jonka vuoksi valvonta oli suoritettu. Toimintavuosien kohdalla havaittu suhde oli positiivinen, kun taas monet valvontasuunnitelman ulkopuolisista tapahtumaperusteista, erityisesti ruokamyrkytysepäilyt, valvontapyynnöt ja muut yhteydenotot, vaikuttivat määräystenmukaisuuteen negatiivisesti. Kaikista toimijoista eniten määräystenmukaisuuden todennäköisyyttä kasvattivat elintarvikkeita kuljettavat toimijat. Tutkimustulokset puoltavat datalähtöisten menetelmien potentiaalia riskiperusteisen elintarvikevalvonnan kehittämisessä, sillä niitä hyödyntämällä voidaan saada parempi käsitys tekijöistä, jotka vaikuttavat monimutkaisten elintarvikeketjujen laatuun ja turvallisuuteen.

Grantor dc:publisher

Helsingin yliopisto

Year dc:date.issued

2023

Author dc:creator

• Viitanen, Pauliina

Contributors dc:contributor

• Helsingin yliopisto, Maatalous-metsätieteellinen tiedekunta
• University of Helsinki, Faculty of Agriculture and Forestry
• Helsingfors universitet, Agrikultur- och forstvetenskapliga fakulteten

• Data analysis
• food control
• food safety
• machine learning
• visual analytics

Language dc:language.iso

fin

Identifier URI

URN:NBN:fi:hulib-202306273318

OAI identifier oai:identifier

oai:helda.helsinki.fi:10138/562950