食物可追蹤性的重要性愈加突顯，加上科技有助於加強食品溯源的方法，從而在食安事件爆發後，能夠加快產品召回和減少損失。其實，除了讓「事後諸葛」做得更快更準之外，科技還能提供「先見之明」，幫助公衛部門和食品業者杜絕食安事件發生或防堵事件擴散。

食安問題為什麼棘手？最大的原因是食品供應鏈很長、很雜，可能影響食安的危險因子千頭萬緒。再者，食物汙染或中毒事件不是一次性爆發，往往在初期只有零星的少數案件。因此，通常得等到個案顯著增加，相關單位才能獲知問題，但屆此汙染源恐早已四處流竄，甚至已全數進入消費者口中。

從近年來國內外爆發的食安事件看來，掌握問題產品流向和制止其流竄確實不易，但解決這問題的必要關鍵——資訊——其實都已存在，只是散置在各個原料商、食品製造商、進出口商、零售業者的手裡，每每當問題發生時，必須動用龐大的人力，來交叉比對所有的資料，同時，無法預測問題發生起源掌握先機。

我認為透過新科技的輔助，尤其在海量資料分析（BIG DATA ANALYTICS）的奧援下，相關單位是可以加強供應鏈端到端的資訊串連，並運用預測來強化預警及查核，若把食安危機的整體發生，分為三個階段：前、中、後，那我們所提出的預測能力在兩個關鍵階段將更為重要：

一、「事前」預警：

食品產業需建立跨企業完整的食安監控和預警機制，除了對於品質的抽檢，生產環境與運送過程的監視外，其中一個重點是總產量/進貨量和總銷量間的對比及模擬分析。以問題油為例，每一公噸飼料油可製成哪些產品、各製成多少量、以及合理的耗損率又是多少，都有大致邏輯可循，若進口的飼料油總量和下游成品的銷量出現大幅度落差時，便是可能的警訊。

因為這涉及的環節很多，包括進出口關務資料、食品製造、倉儲乃至於零售等，且產銷狀況又更動頻繁，所以需要強大的海量資料收集和分析工具，才能快速地收集各個相關單位的產、銷、運、存資料，建立各種統計與分析的模型，並以電腦自動檢查原料，在各個階段所產生與收集有關產品、副產品、損耗與回收量的改變，從而比對「進」和「出」，和在兩者落差高出臨界值時發出警訊，以便及早介入、避免異常事件演變成大危機。

二、「事中」調查：

另外，當食安危機出現初期跡象時，科技也能夠幫助公衛部門快速鎖定根因，以阻止事態擴散。例如，德國在2011年時爆發大腸桿菌疫情，由於案件遍佈各區域，德國政府一直無法掌握汙染源，期間還誤判是西班牙進口的小黃瓜致病，導致兩國關係一度緊張，也造成西班牙農民的無故損失。

該事件落幕後，IBM研究團隊和德國政府合作，取得該國600多種食品的經銷和銷售資料，描繪出食物的地理分佈網絡，並按照通報醫療案件的先後順序，一件件比對其地理位置和食物銷售網路的相關性。結果，依照模擬結果，在第15天（即第13筆通報）時，分析模型已直指芽菜是最有可能的汙染源。相較於實際的狀況，德國當初整整拖了兩個多月才確認汙染源為國內的有機芽菜，但已造成4,000人就診、50多人死亡、經損更高達2.5億歐元。

倘若公衛部門可在平時（事前）就先建立起食物銷售的分佈狀態，當收到食物中毒或汙染通報個案時（事中），便可更快速縮小範圍、找出問題根源。

食安問題固然棘手，但在新科技的輔助下，相關業者和機構若能打破資訊間的壁壘，便有機會突破見微知著，透過預測和分析更妥善地因應風險，避免小問題變成大危機，而海量資料分析技術將是相關單位與企業可以利用的重要科技，若能夠透過這些預測有效地防止食品安全的漏洞，可預期的將大幅減少產業與消費者的損失與後續處理的延伸成本。