大數據背景下預測型警務的構建

閆鐵鑫?

內容摘要：當前犯罪出現了多元化、虛擬化、組織化的趨勢，基于因果思維的傳統偵查模式在應對犯罪異化問題時陷入了困境。數據時代的來臨在帶來數據分析技術的同時，也帶來了大數據思維和大數據分析方法，這為擺脫偵查工作的現實困境提供了一個有利的契機。

關鍵詞：大數據；預測警務；大數據分析方法

一、傳統偵查模式亟待轉型

近年來，隨著數據革命的深入發展，人們的生產、生活方式正在經歷著深刻的變化，人類社會的數據種類和數據總量正在以前所未有的速度進行增長，大數據時代的到來引發了傳統社會的劇烈變革，與此同時也為公安偵查工作帶來了新的機遇與挑戰。由于互聯網絡的蓬勃發展，當前犯罪出現了多元化、虛擬化、組織化的發展態勢，基于因果關系的傳統偵查模式在應對犯罪異化問題時陷入了困境，傳統偵查模式亟待轉型。

（一）犯罪形勢及犯罪形式的巨變

正如一枚硬幣有兩面一樣，我們在享受大數據帶來的巨大便利與財富的同時，我們必然也要承擔其所帶來的風險和麻煩。在犯罪領域這種風險和麻煩具體化的結果就是產生了一系列的犯罪新形勢、新變化。首先，犯罪由傳統走向多元。與傳統犯罪相比，計算機網絡犯罪手段復雜多樣，既有利用網絡實施的傳統犯罪，如網絡盜竊、網絡傳銷等；也有利用網絡非法攻擊計算機信息系統的犯罪，如利用網絡侵入計算機系統攻擊銀行賬戶、非法獲取個人信息等。在大數據時代，移動支付、互聯網金融、手機定位、后臺軌跡追蹤等融入到我們生活中的“衣、食、住、行、消、樂”各個方面，使得這種非傳統安全威脅走向多元。其次，犯罪由現實走向虛擬。大數據時代，犯罪活力與再生力明顯增強，依托于互聯網產生的網絡新型犯罪，如網絡賭博、網絡傳銷、電信網絡詐騙等犯罪層出不窮。據某研究機構統計，我國電信網絡詐騙近年來一直保持著高速增長的態勢，在2015年曾達到了30%的速度。究其原因，是虛擬空間的隱蔽性和低投入高產出的外在驅動力綜合作用產生的結果。網絡虛擬空間稱為犯罪行為的庇護所，使得犯罪過程暴露的風險大大降低，高增長也就成為必然了。最后，犯罪由個體走向組織。數據時代的來臨使得信息傳播更加快捷，給我們帶來方便的同時也使得犯罪組織策劃犯罪更為便利。網絡犯罪日趨組織化、集團化，特別是網絡賭博、電信網絡詐騙中，犯罪分子通過網絡信息交流，分工協作，各司其職，形成了嚴密的犯罪組織。傳統偵查模式基于其被動性的特點，不能積極主動適應這種犯罪異化趨勢，使得偵查成本隨之高漲，偵查效應卻相應走低。 除此之外，計算機網絡犯罪類型也在不斷變化。網絡惡意攻擊、網絡色情、網絡制假販假等犯罪日益頻發；網絡敲詐勒索、網絡恐怖主義、網絡制毒販毒等犯罪持續上升。

（二）信息化偵查遭遇瓶頸

信息化偵查是伴隨著信息化技術的發展而產生的偵查模式。與傳統的人證、物證等現實空間的偵查方式相比，信息化偵查的側重點在于強調信息化技術對偵查方式帶來的影響與變革。 但是，隨著時間的推移、犯罪形勢的改變，信息化偵查慢慢地已經不能滿足現今偵查工作的需要。首先，從數據角度而言，數據并未得到規模化的應用。信息化偵查中所用的數據大多來源于公安機關日常工作中采集的數據和銀行、運輸、民航等行業的數據。這些數據大多為結構化數據，且只能反應特定類型的社會生活或特定個人社會活動的某一方面。對于其他類型的社會活動、各類社會成員的日常行為數據，如社交媒體上的信息數據、非結構化數據等并未得到有效的應用。另外，各地方、各警種、各部門的數據庫尚處于封閉獨立狀態，并未形成一個統一的數據處理中心，這在一定程度上妨礙了數據更加有效地運用。其次，從思維的角度而言，信息化偵查所依靠的因果思維對公安信息情報的搜集也產生了一定的阻礙作用。本質上講，偵查活動就是一個回溯性的過程，是對犯罪行為及其過程的重新建構。傳統偵查模式是由犯罪結果回溯犯罪原因的，邏輯上是因果關系，二者之間需要較為緊密直接的聯系。基于因果律而設計產生的傳統偵查模式就決定了其在搜集情報的時候視野不夠開闊，思維不夠發散，對信息不夠敏感。處于信息時代和情報主導警務的背景下，在情報搜集方面的延遲反饋將會大大阻礙偵查工作的順利進行。最后，從分析方法而言，傳統的信息化偵查并不重視對于所收集到的信息的分析研判，而只是強調對電子信息的獲取，并加以簡單的信息查詢和檢索的方法，這并不能發揮出數據應有的價值。

二、大數據的優勢

（一）大數據思維

從功能角度上來看，大數據思維分為四個方面——整體思維、容錯思維、相關思維和預測思維。首先，整體思維是指數據時代的來臨使得人類完全有能力有條件去獲得某個或某些研究對象的全部數據，達到“樣本=總體”的程度。 擁有研究對象的全部或幾乎全部的數據，就能從不同的角度更加細致地觀察和考量數據各個方面的細節。基于這種數據的齊全性，對大數據的分析挖掘也沖破了傳統抽樣分析的束縛，進而發展成為一種全樣本分析。其次，容錯思維是指當擁有海量數據時，絕對的精準不再是追求的主要目標，在微觀層面上對精準性作出一定的讓步，容許存一定程度的誤差和混雜，反而可以在宏觀層面上獲取更多有價值的信息。另外，誕生于小數據時代的人類一直信仰并遵循著因果關系的思維模式，強調總是先有原因，后有結果，事物與事物之間總是存在著引起與被引起的因果關系，而相關思維的出現改變了人類長久以來奉為圭臬的因果思維。相關思維是利用大數據分析技術挖掘出事物之間隱蔽的相關關系，獲得更多的知識和見解的一種思維方式。最后，預測思維是通過事物與事物之間相關關系的分析來實現的，通過觀察理想關聯物的變化來發現其關聯事物的現實狀態或發展規律，并將之用于未來時空便可在一定程度上實現對特定領域的預測。例如百度公司開發的旅游景點預測軟件，其預測準確度能夠達到百分之九十，背后的原理就在于大多數人在旅游前都習慣在網上搜索旅游地的信息，搜索行為數據越多，實際旅游人數就越多，這之間包含著某種相關性，大數據分析技術可以根據搜索行為數據來預測實際旅游人數，而且這個預測數據與旅游局公布的數值相差無幾。

（二）大數據分析技術

數據量在進行爆發式增長的同時，也推動著數據分析技術的革新。人類從依靠自身主觀經驗作出決定判斷轉變到依靠數據作出決定判斷的關鍵在于大數據分析技術的革新。本質上講，大數據不僅僅是一種數據資源，更為重要的是它也是一種分析技術。美國著名的麥肯錫公司的一份報告認為，大數據分析技術是對數據存儲、統計分析、數據挖掘、人工智能、時空數據分析、自然語言處理等技術的綜合運用。 首先，于大數據而言，對數據的深度挖掘才是重中之重。數據挖掘是指從大量數據中挖掘或提取出未知的、有價值的規律或模式等知識的復雜過程。常見的數據挖掘方法包括聚類分析、分類分析、序列分析、預測分析和回歸分析等。其次，自然語言處理亦是一種常用的大數據分析技術。基于語言學和計算機科學的結合的它，是利用計算機算法對人類自然語言進行分析的技術。該技術領域典型的應用就是基于社交媒體對語言的情感進行分析感知，除此之外還包括文本分類、信息過濾、機器翻譯等。另外，機器學習在大數據環境下也采用了全新的學習算法實現深度機器學習。實際上，深度學習是對人工神經網絡發展的結果，其本質是基于海量數據，通過構建具有許多隱層的機器學習模型來學習更多有用的特征，進而提升分類或預測的準確度。 在這個領域，谷歌、微軟、百度等公司走在世界最前沿。其中以谷歌公司研發的AlphaGo項目最為出名，它是第一個擊敗人類職業圍棋選手且同時是第一個戰勝圍棋世界冠軍的人工智能程序。

（三）大數據分析方法

以大數據的世界觀來看，世間萬物皆可量化，整個世界就如同一個數據化的世界。隨著大數據技術的發展，在過去難以量化的領域，如人類的行為、思想，現在亦可用數據來進行刻畫。但是，如何將大數據和大數據技術二者進行有機融合、實現從大數據中提取出有價值的情報并輔助于決策這就需要用到大數據分析方法。大數據分析方法是指對增長快速、海量多樣、內容真實的數據進行挖掘分析，從中發現可以幫助決策的相關關系、隱藏模式以及其他有價值的信息的過程。 到目前為止，學界還未形成公認的大數據分析方法分類體系，甚至對于其包含哪些方法，也有不同的觀點。在此將大數據分析方法分為統計、挖掘、發現、預測和集成五個層次，并將不同種的大數據分析方法歸納到這五個層次之中。統計是指對數據整體的概括理解，可通過例如海量數據的基本統計方法找到信息背后所隱藏的歷史活動規律。挖掘是指提取有價值數據，可通過例如文本挖掘、機器學習等手段構建并驗證數據之間存在的相關性，發現并歸納其規律性。發現是指從信息中發現新知識，可通過例如神經網絡、語義理解等方式鑒別知識、推理知識。預測是指從歷史數據中建立對未來發展的假設，可通過例如時間序列分析、多元統計分析等方法進行對事件發展趨勢的預測和對現有決策方案的評估。集成是指聯系不同屬性的要素、使其成為一個有機整體，可通過例如社會網絡分析、數據分析等方法實現不同屬性元素之間的連接、融合。

三、大數據驅動預測警務的構建

在傳統偵查模式下由于犯罪時空的不可逆轉性，偵查人員無法在犯罪發生之前就預知并阻止其發生，所以只能在犯罪行為發生之后才采取偵查措施。而數據驅動的預測警務，不再和傳統偵查模式下回溯型偵查一樣只能在犯罪發生之后才介入進而重構犯罪事實，而是大大提前偵查行為的介入時間，使偵查行為時間同步于甚至先于犯罪時間。這樣，偵查行為便不僅僅針對已經發生的犯罪，還指向那些尚未發生或者正在發生的犯罪。犯罪預測并非是新鮮事物，但是過去的犯罪預測主要是依靠人們的主觀經驗和簡單的數據統計所完成的。但大數據、大數據分析技術和大數據分析方法的產生，有望改變傳統偵查的時空滯后性的缺陷。大數據的預測功能不僅可以運用在商業領域，同樣也適用于偵查領域。通過運用大數據挖掘技術研究分析大量已發生的案件數據，我們可以尋找犯罪因素之間的關聯性，總結各類犯罪活動規律；通過研究各類犯罪活動規律，我們便可以預知犯罪地點、作案人員、犯罪時間、作案手段等方面的趨勢，準確的預測為偵查工作的前期布置提供了有利條件。我們可以及時發現可疑人員、識別犯罪風險，進而優化警力配置，采取有針對性的措施。現在，大數據驅動的預測型偵查已經被越來越多的國家認可，而且越來越多的部門開始去將大數據技術人融入至偵查實務中去。例如洛杉磯警局根據大數據分析軟件描繪的犯罪熱點地圖，分別將轄區內的盜竊犯罪、暴力犯罪、財產類犯罪案件數量減少了33%、21%、12%。

（一）培養大數據思維，提高警務決策能力

思想指引行動的方向，思維指導行動的方式。對身處于大數據時代的偵查機關而言，培養大數據思維是提高警務決策能力的必然要求。首先，傳統偵查是按照因果關系和數據結構的標準來采集和分析數據，且認定犯罪事實必須要求證據與事實之間存在著引起與被引起的因果關系。 而大數據相關性思維的出現顛覆了人類長久以來的因果思維，更加強調事物之間的相關關系。與強調順序性的因果關系所不同，相關關系更加看重事物之間的關聯性。于公安機關而言，它提供了一種能夠在更多的線索之間關聯、碰撞出偵破案件火花的邏輯關系。將大數據的相關性思維應用于偵查實務中，可以大大拓展偵查視野，發現更多的線索和情報，這也改善了傳統偵查模式對情報信息不敏感的缺點。此外，研究表明數據總和比部分數據更有價值，而且多個數據集的總和重組時，重組組合本身的價值也要比單個總和更大。大數據整體性思維為公安機關開辟了一個全新認識世界的視角。以數據角度而言，世界就是一個承載海量信息的資源庫，在這個資源庫中，偵查機關有能力找到研究對象的海量數據，使其不斷地接觸、碰撞、催化重排，挖掘出更深層次的信息為偵查機關所用。數據雖然表示的是過去，但其實表達的是未來。大數據預測性思維更加強調聆聽數據自己的聲音，讓數據說話。傳統的偵查中，偵查人員只能憑借過往經驗、辦案直覺等來應對和辦理已經發生的案件，但現在歷史數據便可以告訴公安機關哪個地區、哪個時間段發案的可能性較大，這樣公安機關便可以事先謀劃提前布置警力，最大限度的預防犯罪的發生。按照大數據的思維方式，我們應該以數據化整體論的眼光認識和分析問題，利用相關性分析方法來研究來源不同、海量多樣的數據，進而對未來事物的發展趨勢做出一定的預測。

（二）開發數據分析技術，促進信息有效利用

如果沒有大數據分析技術，那浩如煙海的數據就會如同一座墳墓一般毫無生氣，死氣沉沉。正是大數據分析技術的存在盤活了這些沉睡的數據，挖掘出這些數據背后的巨大價值。大數據分析技術在警務中的應用主要體現在對已經發生的犯罪精準打擊，對當前熱點犯罪的精準預防以及對未來犯罪趨勢的精準預測等方面。在實踐中，越來越多的偵查機關在偵查中采用數據搜索、數據碰撞、數據畫像、數據挖掘、犯罪熱點分析、犯罪網絡關系分析以及與大數據公司合作等方式，幫助他們發現線索，爭取偵查的主動權。 例如2013年北京市懷柔區公安局研發的“犯罪數據分析和趨勢預測系統”將犯罪地理空間與時間特征相結合，基于其管轄區域近十年的犯罪數據，借助大數據犯罪熱點分析系統，使該區域的發案率、報案率、接警率等大幅度下降，并且還為2014年亞太經合組織領導人非正式會議的順利召開提供了有效的安全保障。對于已經積累多年的警務數據，偵查機關可以通過建立新的模型的分析方法，實現存儲數據的多次利用，為犯罪熱點、規律分析和趨勢預測提供基礎。對于互聯網隨時產生的非結構化數據，特別是文本、圖像、視頻甚至地理位置信息，要不斷創新算法和技術手段，實現對于這些數據實時化、可視化、智能化分析。但是，偵查機關現在能運用的大數據還僅僅是冰山一角，如何能更大程度的深挖其潛在能量發揮出它的真實價值，還有賴于數據分析技術不斷發展、部門之間相互協作等問題，這也是偵查機關在未來需要努力的方向之一。

（三）創新數據分析方法，實現多源情報融合

實現對于未來事件發展趨勢的精準預測有賴于前期情報工作的鋪墊和歷史數據的積累。究其本質而言，大數據時代就是一個數據分析的時代。從功能角度上來講，大數據分析方法實現了從數據到情報的轉換，其在情報領域內有著非常廣闊的應用前景，適用于情報的搜集、融合、發送、共享等諸多情報處理環節。例如，著名的數據庫開發公司Objectivity所開發的InfiniteGraph和Objectivity/DB兩款數據分析工具是比較典型的可適用于情報領域的工具。從本質上講，大數據分析方法應用于多源情報融合的主要任務是通過對海量、來源不同、類型眾多的數據（如文本、圖像、語音、視頻等）進行相關關聯，將其轉化為所需的各類專用情報，這為從事于情報工作的偵查機關提供了有力的支持。在情報分析的過程中，僅僅分析來自單個節點的情報并不足以支持決策，還需要對各個節點之間的關系進行全面的分析研究。因此，關系分析也是大數據分析方法在情報領域內的應用之一。但這僅僅還是一部分方法，大數據分析方法也需要隨大數據分析技術的發展不斷創新，這就需要有關人員以新穎的、富有想象力的方式研究數據、分析數據，需要不斷的去探索、試驗、評價和反饋，將其與情報工作進行有機的融合，為大數據驅動的預測警務工作提供強有力的支撐。