大數據背景下行政執法的挑戰與對策＊

趙燕萍

（河南警察學院公安專業基礎教學部，河南 鄭州 450000）

以數據、信息為核心資源的大數據時代到來，對國家社會治理、和人民生活都產生了重大影響，世界各國紛紛將大數據作為重要國家發展戰略。目前，大數據思維和技術已經融入我國社會治理的各個層面，成為驅動社會治理現代化的重要戰略[1]。執法人員更應樹立科學的大數據執法理念，深刻理解大數據對于履職盡責的戰略意義。

一、大數據執法的發展歷程

目前，對數據的應用經歷了手工狀態向半信息化狀態轉變、數據分析“割據”階段和數據分析整合階段三個發展歷程，初步形成了一套大數據管理和應用制度體系，為大數據工作開展提供了制度保障。

第一階段，手工狀態向半信息化狀態轉變階段，是從20世紀80年代中期到90年代中期以個人電腦、辦公套件為主要標志，實現了數據統計和文檔寫作電子化，即將辦公信息載體從原始紙介質方式轉向比特方式。這也開啟了辦公的手工狀態向半信息化狀態的轉變。隨著科技的逐步發展，計算機技術逐漸進入了辦公領域，在存儲、計算、文字編輯和搜索方面起到了一定的作用。第五屆全國人民代表大會第五次會議首次提出了計算機工業，促進中小型計算機的逐步推廣應用。在這一階段，執法人員更為關注信息化的軟件技術、硬件設備、網絡、數據庫、系統等相關知識。

第二階段，數據分析“割據”階段，是從90年代中期開始的以網絡技術和協同工作技術為主要特征，實現了工作流程自動化，即將收發文從傳統的手工方式轉向工作流自動化方式。世紀之交，隨著信息技術的飛速發展和推廣運用，信息系統、數據庫、電子數據逐步取代了傳統的紙質報表和文書流轉。采用計算機、數據庫、網絡等現代化信息技術，改進傳統的執法方式和手段，實現工作信息化，不斷擴大執法覆蓋面，促進提高執法工作效率和質量[2]。初步實現了中央和地方各級機關的業務協同、互聯互通、資源共享，并為國家電子政務和國家宏觀調控決策提供了信息支持。

第三階段，數據分析整合階段，是融信息處理、業務流程和知識管理于一體的應用系統，隨著信息技術在現實中的運用和普及，進一步促進了對各類數據、系統進行整合，探索并形成了“總體分析、發現疑點、分散核查、系統研究”的數字化模式，為服務國家良治提供了良好條件，促進從靜態向靜態與動態結合、從現場向現場與非現場結合的轉變。特別是在公共衛生事件這一特殊時期，充分認識大數據執法在此次執法中的重要性，通過大數據分析來摸清情況、發現疑點、精確定位，集中力量有針對性地組織現場核查。加大非現場數據分析力度，拓展數據分析的廣度和深度，同時通過海量數據的篩選，為以后現場精準執法，打下堅實的基礎。

二、大數據執法中呈現的問題

雖然深入踐行科技執法理念，持續強化大數據思維，取得了顯著的成果，但是在推廣應用數據方法中，仍然存在著數據資源體系不完善的問題，包括完善數據采集、標準化、共享機制，加強數據質量控制，才能實現大數據執法理論框架中數據治理能力的重要途徑[3]。

夯實完善數據資源體系，提升數據治理能力數據是大數據執法的基礎資源，不斷夯實完善數據資源體系，包括完善數據采集、標準化、共享機制，加強數據質量控制，是提升大數據執法理論框架中數據治理能力的重要途徑。

1．完善數據采集和標準化制度

通過完善數據采集制度，利用多種技術手段圍繞執法目標全方位采集所需的各類數據，建立重點對象、重要領域的電子數據采集清單，建立定期采集或聯網實時采集的數據獲取機制，確保及時、準確、高效采集數據，實現數據采集全覆蓋。同時，完善數據標準化體系，提取各業務領域核心業務關鍵要素，構建適應大數據分析需要的完備的數據標準體系，建立數據標準化責任機制，加大力度推進數據標準化工作，為數據融合提供基礎，實現重點數據標準化全覆蓋。

2．建立數據質量評估標準

高質量的數據是做好大數據執法的前提，可減輕數據清洗工作量，保證數據分析質量。如果數據質量得不到保證，即使分析工具再先進，算法再優良，大數據分析結果和現場執法延伸結果或其他證據反映的客觀事實仍可能存在較大偏差，不足以支撐執法證據，進而影響執法的公信力。因此，建立一套大數據執法數據質量評估標準尤為重要。借鑒不同的數據質量控制模型，對大數據執法質量評估建議從以下維度展開。

完整性的維度，數據不完整一定程度上會影響分析結果。當存在缺失數據情況時，采用貝葉斯的方法將缺失數據的影響進行彌補更為合理。如果缺失數據較多，數據的價值就會大大降低，這時需要執法人員結合相關執法經驗判斷缺失的數據對需要分析的結果影響到底會有多大，如果是不太重要的數據，可以舍棄選擇替代變量，如果是非常重要的數據，則要盡力收集數據或使用方法進行彌補，保證數據的完整性。

準確性的維度，除了防止常見的數據出現亂碼，或記錄的數據信息存在明顯錯誤以外，異常值也是數據準確性的一種。因為異常值的存在，會對整個分析結果產生較大偏差，在數據處理中通常需要把異常值進行處理。對于執法人員來說，又不能忽視異常值的出現，不能簡單地把異常值從數據分析中剔除，分析異常值產生的原因也會成為執法人員發現新問題的點。

時效性的維度，數據分析對數據時效性本身要求并不高，但大數據信息數據采集應是從數據生成較短的時間完成，可能是一年，也可能是一個月甚至可能更短。因此，只有在實時收集數據的情況下，才能保證收集數據的時效性，提高數據的質量。

數據質量控制問題是一項任務艱巨的基礎工程，既有技術性因素，又有非技術性因素。它是動態循環不斷調整的過程。在數據采集、存儲、共享、維護、分析、應用等每個階段里都可能存在各類數據質量問題，需要執法人員進行識別度量，增強對數據敏感性。

三、健全數據分析方法共創分享長效機制，提高分析挖掘能力

數據執法以用為本，數據分析思路和模型是數據應用的靈魂，健全長效化的數據分析技術創新應用的研發機制和分享機制，可以有效促進大數據執法分析挖掘能力的提高。

1．建立健全數據分析方法體系

通過研究制定創新激勵措施，試點建立創新考核機制，加快提升創新應用的速度和質量，同時提煉各領域數據執法方法，并對相對成熟的執法方法進行模型化、模塊化，建立數據執法分析模型體系。

建立簡化數據分析模型的操作流程，探索可視化、智能化執法，降低數據執法工作的門檻，在技術上實現數據執法的普及化。

2．完善大數據執法基礎設施制度建設，提高基礎設施 能力

基礎設施建設是大數據執法工作開展的必要載體，加強相關制度體系建設，加大基礎設施投入，提高基礎設施能力，是對大數據執法工作順利開展的重要保障。數據執法是一項復雜的系統工程，需要建立健全全方位的保障機制。研究建立健全數據執法相關法律制度體系，以法律的形式明確執法機關的數據執法權限，細化數據采集、轉換、分析以及執法取證等環節流程操作規程，促進規范開展數據執法工作。

研究建立健全安全管理制度細化數據權限控制、數據安全管理、分析行為控制等數據執法工作機制和行為習慣，強化執法網絡安全管理。同時創新數據執法組織模式，提高組織匹配能力。

3．建立協同高效的數據執法管理體系

探索運用統一領導、分組核查、上下聯動、縱橫交錯的扁平化矩陣式組織模式，整合資源，形成合力，使數據執法實施更加快捷高效。加強大數據執法人才體系建設，提高個體行為能力。執法人員是開展大數據執法工作的核心與關鍵，是采集數據、處理數據、分析數據、應用數據的主導者。提高個體行為能力是深化大數據執法工作、提高大數據執法工作質量的直接手段。建議從提高執法人員宏觀思維能力、加強團隊建設、加強人才培訓等方面展開。

當今中國法治進程和數據法制建設中，大數據執法更成為亟待完善的關鍵缺口。盡管與數據相關法律和大量的法規、規章都有專門條款規定數據執法，但這些條款并沒有很好實現從實體執法向虛擬執法的轉變，數據執法的合法性程度也未得到實質性的界定，在大量執法實踐中，數據執法的程序問題也未得到很好的落實，尤其在部分重大行政決策中，數據執法的信息化欠缺或過度簡化，使得一系列包括但不限于司法渠道的監督與救濟機制難以充分發揮作用，像專家的評論、媒體的報道、公眾的評價等，都缺乏正式的針對性根據進一步損害了社會凝聚力和“政府——公眾”之間的互信。強化數據執法的合法性和規范性、盡量爭取形成社會共識，取得公眾理解，已經成為當下法制建設的當務之急。數據執法中關鍵概念的界定的缺失，也已經成為當前中國法治進程推進時，公眾參與和程序控權所遇到的重要瓶頸。因此，對數據法學制度展開深入研究，有針對性地建立充分的大數據執法程序制度，發展各種理由審查和評議反饋機制，有著巨大的理論價值和實踐意義。