澳大利亚的餐饮与农业企业正面临多重挑战。在提升生产效率、加快产品推向市场的同时，它们还需应对来自各方的持续压力：消费者对产品质量与可持续性的期待不断提高，极端天气与地缘政治风险扰乱着价格与供应链稳定等。尽管在提升员工安全方面已取得积极进展，严重伤亡事故及职业病仍时有发生。
截至2019年的数据显示，2017-2019年间，澳大利亚、美国和欧盟的农业、林业和渔业误工工伤率（LTIFR）基本保持稳定。然而，不同地区的人员死亡率存在显著差异： 2017-2019年间，澳大利亚的死亡率下降了44%，远低于美国。但与27个欧盟国家相比，澳大利亚的死亡率仍处于较高水平。
澳大利亚安全工作局2023年的数据显示，在所有行业中，农业、林业和渔业依然是人员死亡率最高的行业。
在最近一篇有关文化转型的观点文章中，dss+指出：当一家企业从“合规导向”的安全文化（仅强调满足规定） 转向“承诺驱动”的文化（员工不仅会遵守规则，还会主动承担安全责任）时，事故发生率和员工安全意识都将发生显著改善。接下来，我们将深入探讨如何利用数据推动这一积极转型的实现。
当一家企业从“合规导向”的安全文化（仅强调满足规定） 转向“承诺驱动”的文化（员工不仅会遵守规则，还会主动承担安全责任）时，事故发生率和员工安全意识都将发生显著改善。利用数据有助于推动积极转型的实现。
利用数据推动安全转型
通过让员工接触安全绩效数据并培养其数据分析和应用能力，可大幅提升员工安全意识。这主要体现在以下四大关键领域：
1. 确定事故模式和根本原因
分析事故、险肇事故和运营效率低下的趋势，有助于员工确定潜在的根本原因。企业应充分调动员工参与这一过程，激发他们提出改进建议、主动采取预防措施。这样做有助于提升员工的风险预判能力，从而培养更具自主性的安全文化。
示例：
- 事故分析――分析历史事故数据以确定事故模式和原因，并找出未处理的根本原因
- 风险热力图――绘制高风险任务或业务领域热图，以确定干预措施的优先级
2. 基于风险预测采取行动
借助数据分析和风险预测模型，员工可在问题升级前预判并规避风险。
示例：
- 风险预测――借助机器学习模型，基于历史数据和趋势数据预测潜在风险
- 预防性维护――根据设备使用数据，合理安排维护，防止故障发生
3. 评估并表彰先进员工
通过追踪客观数据，量化个人和团队对安全和运营目标的贡献，从而有效激发和并巩固积极行为。对采取数据驱动方法的员工进行表彰，还能带动更多员工效仿，从而加快企业进步。
示例：
- 行为观察――收集主动安全行为数据并表彰先进员工
- 绩效显示屏――突出展示在安全绩效方面持续改进并取得显著成效的个人或团队
4. 促进持续改进
数据收集和分析是推动员工持续学习和提升适应力的有效途径。参与数据工作的员工可培养出学习型企业所需的思维模式和技能，而这正是安全文化走向成熟的重要标志。
示例：
- “直面风险”――定期审查安全和运营绩效数据，并将任何负面趋势转化为学习机会
- 团队讨论――鼓励团队成员解读数据、提出可行性见解并挑战现有做法
- 反馈回路――基于反馈数据优化流程和政策