大數據背景下的經濟犯罪預警與偵查回應

楊宗輝，鄧志源

(中南財經政法大學 刑事司法學院，湖北 武漢 430073)

大數據時代下計算機科學、信息科學的迅速發展改變了人們認識和記錄世界的方式，社會生活的數據化為我們提供了新的觀察視角與研究思路。大數據較為廣泛地應用于商業領域、政府治理領域、公安情報領域、醫療領域、圖情檔案領域。大數據背景下經濟犯罪有著更加多樣的表現形式，跳出傳統自然犯罪在物理時空上的限制，社會接觸面更加廣泛，危害性更大，公安機關亟須將大數據技術融入犯罪偵查手段進行迭代升級。大數據時代下，與傳統偵查工作相比，經濟犯罪預警與偵查回應在偵查思維、偵查模式、偵查途徑上具有新特性，在偵查效益上也有著相應的優化與提升。梳理現階段大數據背景下的經濟犯罪預警與犯罪治理，找出存在的問題與不足，提出改進完善的可行性措施，具有理論與實踐的雙重意義。

一、犯罪預警與偵查回應

近些年來，社會生活數據化網絡化程度大幅提升，社會信息網絡建設愈發完備，數據平臺發展越發成熟，以大數據技術為底層支持的整合多平臺數據的健康碼、行程卡給社會治理難題帶來高效便利的技術解決方案。通常從數據體量、技術分析、思維邏輯三個層面對大數據進行概括與總結。“大數據之父”維克托·邁爾-舍恩伯格從大數據技術與分析利用角度出發，認為大數據是以一種前所未有的方式，通過對海量數據進行分析，獲得巨大價值的產品和服務[1]。大數據技術發展與應用亦是犯罪預警與偵查回應的底層技術支撐。科學技術的迅速發展與其在社會生活的深度運用已經成為我們所處時代的耀眼底色。

(一)理念

與傳統定向數據收集存儲與分析處理不同，大數據全景式記錄會帶來“客觀真實”的復現，當數據量累積到一定程度時，其價值會倍速增長。在數據經過挖掘、聚合、清洗、處理以后過濾掉價值較低或者重復收集的數據以進一步提煉價值，而后數據庫之間的連接、算法的優化、數據的新陳代謝更會帶來指數型的價值增長，這在深度學習領域已經得到了充分的驗證。大數據的全景式記錄能夠很好地修復和完善信息殘缺的情況，對于犯罪信息而言，缺失或者被故意抹去的關鍵信息可以通過大數據的修補而得到一定程度的復原。

公安情報分析發展從“情報導偵”理念指引下的犯罪治理到前瞻性犯罪預警與偵查回應，分析效能主要集中于兩方面：一方面是對已發案件的回溯推演，偵查人員通過梳理情報資料，對犯罪嫌疑人的社會地位與精神狀態、心理需求與行為傾向等方面進行分析和預測，即破案式分析研判；另一方面是對當前或下階段犯罪發生地點、類型、犯罪行為人、受害者的前瞻式預警，即預測預警式分析研判[2]。在犯罪預警與偵查回應模式里，公安機關通過既往犯罪數據中案件時間、空間、人群分布特征與各要素間相關性對下階段犯罪走勢進行分析與評估，測算出未來某一時段有關地區、有關人員發生犯罪或遭受侵害的具體形態與現實可能性，發布犯罪預警并進行有針對性的警務部署，這屬于分析、評價、應對的一體化偵查方法。對成體量的數據進行分析通常會輸出兩種結果，第一種是基于現有數據的客觀表達，描述性強，第二種是對未來走勢的判斷分析，預測性強。公安機關通過對社會數據資源的分析推演下階段犯罪趨勢，在通聯系統內發布犯罪預警并進行相應工作部署，實施前瞻性警務工作。

(二)模式

受制于犯罪的時空性與傳統偵查模式的回溯性特征，公安機關偵查工作往往起步于犯罪發生之后，在偵查工作漸趨繁重、技術性與程序性要求日益提升的當下略顯乏力，反應式的犯罪治理模式需要更為科學精準的預測導引，犯罪控制中的“下游應對”急需向“上游預防”延伸[3]。大數據的融合性使得犯罪要素、手段的復雜性、靈活性與偵查方式的固著性、單一性之間的矛盾愈發凸顯，單一業務資源與手段在犯罪偵查工作中發揮的作用愈發有限[4]。偵查是公安機關對犯罪的回應，對偵查工作進行合乎時代發展趨勢的變革是大數據時代公安機關高效查明案件事實、精準打擊犯罪的應有之義，信息化偵查側重的信息聚合、查詢處理、三維分析曾經有力推動了偵查工作的開展，但相較于以犯罪預警與偵查回應為代表的預測性警務還有著從理念到行為的差距。

運用大數據分析技術對公安數據庫里存儲的大量數據進行研究，將模糊的、有噪聲的數據進行清洗和處理，運用犯罪預測模型得出分析結論，我們就可以看到社會因素與犯罪形勢間的關聯性。按照類別對犯罪活動進行規律性總結，探求有關犯罪“七何要素”(1)“七何”要素意指“何時、何地、何事、何物、何情、何故、何人”。詳見楊宗輝主編《偵查學總論》，中國檢察出版社2017年第2版，第94頁。的描述，可以為后續可能開展的偵查工作提供先期智力支持。近年來,基于大數據的犯罪預測分析工具已有了長足發展，如高級熱區識別模型、回歸分析模型、近期重復模型、時空分析方法、風險地域分析等[5]。

需要明確的是，犯罪預警與偵查回應從理念提出到實體運行并非跳脫于大數據時代而產生，更多是情報主導警務模式在大數據時代的流變：早在2012年我國部分地方公安部門就已經建立了異常行為積分預警系統，該系統正是基于對異常行為信息的數據分析、情報加工，為偵查工作乃至其他相關警務活動的決策提供科學依據[6]。大數據、人工智能技術對基礎設施和社會安全運行等重大態勢準確感知、預測、預警，對群體認知及心理變化及時把握和主動決策反應，將顯著提高社會治理的能力和水平，對有效維護社會穩定具有不可替代的作用[7]。在此基礎上引入犯罪學領域被害人分析和犯罪關聯因素分析，如轄區間經濟發展水平差異因素、外來流動人口因素、城市務工人口因素、租住房人口因素、時空區位因素等進行綜合性考量，賦予各因素不同權重，經由數據建模得出相關犯罪預警結論并進行針對性關注與警務派遣，以達到犯罪預防、先期治理、立體治理的目標。

(三)國內外實踐

1.美國芝加哥、洛杉磯警察局犯罪預測項目

美國警方在預測性警務建設與實施上走在世界前列，理論積累與實踐運用都十分成熟。芝加哥警察局與國家司法研究院等科研機構合作推進的戰略主題清單(Strategic Subjects List)項目于2013年投入使用，主要強調犯罪行為人相關預測分析，以犯罪學領域里犯罪人研究與犯罪被害人學為理論基礎，探究兩者之間的社會關聯。該系統側重于對數據庫內犯罪行為人數據進行匯總分析，對高犯罪行為可能性群體與受害人群體進行預測，既包括犯罪人再犯分析，也包括未來犯罪人預測。在芝加哥警察局，該項目主要用于涉槍犯罪行為人預測，通過把警用數據庫里有關人員信息輸入由專業人員設計的算法中，關聯社交平臺數據以推斷行為人與被害人之間的關系，對高可能性犯罪主體進行預測估算。警局將計算得出的人員名單按區域分發給相應地區的指揮官，進行以先期關注、提前干預、及時反饋、事后評估四環節為完整工作周期的流程循環，使警務資源的運轉更加精準高效。

此外，洛杉磯警察局還應用PredPol系統進行犯罪預測，該系統的核心算法與地震預測軟件類似：與地震后帶來的余震相同，“破窗理論”可以解釋在發生盜竊或者搶劫等治安警情后，短期內該地區同類型警情發生概率會大幅提高的“鄰近重復”(near repeat)效應。系統預測方向同樣集中于犯罪概率、犯罪類型與犯罪時空三大板塊，有效解決了警務資源調用被動、盲目的問題。

2.江蘇省蘇州市公安局犯罪預測系統建設

在國內，蘇州市公安局自2013年底開始推行警務大數據建設，制定警務現代化戰略，在系統建設過程中配套相應體制機制并在實踐中不斷修正、完善。其探索建立的犯罪預測系統在社會治安、反恐維穩與行為預測方面的分析結果經過實踐檢驗，效度和信度都較為可靠。該系統以公安數據庫與社會綜合性數據平臺為數據支持，以人工智能領域內信息分析技術、機器深度學習與人工智能算法為技術支持，加入時間、空間、人口流動性、社會政策、天氣等因素分析進行犯罪分析、預測建模。在預測結果中對每天各班次需要重點巡防的區域和違法犯罪警情類型進行標注，并以簡明扼要的圖形界面，將警情高發區域及對應發案概率直觀地顯現出來，科學引導巡防力量實施針對性布防[8]。蘇州市公安局對該系統進行運行實效分析后，于2015年年初在全市范圍內推廣使用，通過警情分析關聯原有警務數據與犯罪地圖，將城市平面圖以百米為單位進行方格劃分，突出團伙類、財產類、毒品類等高風險犯罪警情區域后由市局組織警力進行針對性部署。在階段性警務工作結束后將預測結果與實際警情信息進行比對，在預測——執行——反饋的循環中提升系統分析精準度，從而讓警務資源更加高效、科學地運轉。

3.北京市公安局懷柔分局犯罪趨勢預測系統

北京市公安局懷柔分局為了解決轄區面積廣、警力資源匱乏的工作難題，在大數據警務建設推進進程中，致力于形成以犯罪趨勢預測為長處的犯罪預警與偵查回應模式，借鑒美國警方Blue Crush等預測警務項目經驗，與研究機構合作開發的“犯罪數據分析和趨勢預測系統”于2013年4月上線運行[9]。該系統的工作原理和運行機制與蘇州公安犯罪預測系統相類似：每日形成犯罪預測報告并在例行情報分析會議上傳達給局屬各單位，再進行相應的警力部署與巡邏防范。這一模式突破了情報分析的瓶頸，以科學的預測方法提高了基層工作的效率，項目推行一年內搶劫案件下降了近55%[10]。需要注意的是，系統分析并不會精確到某一個具體的商店是否會在周三遭遇盜搶，但可以推算某一區域在相應時段里有65%的可能發生入室盜竊，或者某地點有30%的概率發生搶劫，而后由警務指揮中心依據預測結論進行相應的警務派遣。

二、經濟犯罪預警與偵查回應

以“金盾工程”(2)“金盾”工程，即公安通信網絡與計算機信息系統建設工程。旨在利用現代化信息通信技術，增強公安機關的快速反應、協同作戰能力，提高公安機關工作效率和偵查破案水平，是我國在現代社會經濟條件下實現動態管理和犯罪治理的重要舉措。建設為兆始，公安機關信息化建設進程中已經形成數據收集——數據清洗——數據導入建庫——數據關聯匯轉——數據分析檢索等體系性數據處理流程。大數據技術為偵查機關提供了認識犯罪的新視角，亦給偵查工作開展提供了新思路。在大數據技術應用于偵查工作的早期實踐里，實務部門所理解的大數據偵查主要集中于以偵查技術、偵查途徑為代表的偵查方法層面的探討，隨著技術與實務的深入融合，實務界與理論界逐漸認識到大數據給公安機關帶來的是從基礎建設、工作方法到思維模式、價值理念的多維度轉變。

(一)現狀

2018年1月，時任公安部部長郭聲琨在全國公安廳局長會議上提出大力實施公安大數據戰略、改革強警戰略。公安大數據戰略一時成為理論與實務界關注的焦點,并被寄予改革公安工作模式、提升警務效能的厚望。大數據技術應用于經濟犯罪偵查工作并聚焦于犯罪預警與偵查回應，這其中既有犯罪預警的共性表現，亦有與經濟犯罪相符的獨特表現形式：打擊防范經濟犯罪的經偵工作，要緊緊圍繞“人流、物流、資金流、信息流”這四個關鍵要素[11]。資金流查控已經成為經偵部門打擊經濟犯罪的主要抓手。面對經濟犯罪，尤其是涉眾類經濟犯罪中的巨量資金流轉信息，依靠偵查人員線下調取數據進行人工分析的傳統偵查模式已經難以為繼，需要借助以中國銀聯警銀協助“JASS”系統為代表的多部門數據協同查詢軟件和以“IBM I2”為代表的可視化數據分析軟件進行交易信息查控與資金流轉分析，以便高效偵破發案量高、社會危害大、民眾關注度高的涉眾類經濟犯罪。

我國公安機關應用大數據的歷程并不長，起步較早的北京、蘇州、廣州等地的公安機關，開發了各自的犯罪預測分析軟件，建立了一套相對完整的閉環運行體系。其他地區多處于探索建立相應系統與試運行階段，既有實質性效果，亦有共性問題顯現，總體上處于應用發展階段。

(二)存在問題

1.軟硬件建設不足，區域間差異明顯

目前各地公安經偵部門所使用的數據分析軟件與平臺較為典型的有數據魔方、I2、開合OCS-3000，與犯罪預警系統建設相似，其開發工作多由技術公司或依附于科研機構的技術研究院完成，公安機關并不掌握或者較少掌握核心技術，自主知識產權少，在運行維護上多交由技術公司技術人員負責。造成第三方技術依賴的同時，存在數據違規調取、泄露等侵犯公民隱私權的風險，公安大數據機密性特征要求對數據安全予以更高的關注。

在全國公安大數據戰略普遍推進的宏觀趨勢下，不同地域經偵部門的發展狀況還存在較大分別，究其原因，一部分是政策支持與基礎設施配套程度的不均衡，另一部分是對公安大數據建設的認識問題：部分地區僅僅將公安大數據作為科技部門的一項工作任務來推進，或者將精力單純放在引進或者開發某一個計算模型上，對于其他需要投入精力的基礎性工作不聞不問。有的地方認為，公安大數據是純技術，交給科技信息化部門來辦就可以了。這種認識割裂了技術部門和業務警種部門之間的聯系，容易使公安大數據局限在科信部門。有的地方認為大數據就是全面的智能化，盲目追求高大上的技術構架。這種認識可能導致建設結果與實際需求相去甚遠[12]。部分公安機關對大數據與預測性警務認識不足，缺乏頂層設計與長遠謀劃，這也導致大數據中心建設與運用缺乏系統、謀略思維，區域間發展階段存在較大差異。

2.數據收集不全，數據壁壘問題嚴重

數據收集種類有限，偏重于結構化數據，對以文檔、音視頻、圖片為代表的非結構化數據收集較少，而此類數據往往展示著更寬廣的社會生活。在數據收集過程中需統一數據采集標準，使得不同系統數據接口之間有著良好的相融性。從當前情況來看，大數據采集、上報、整合、匯總、應用等環節局限于技術部門，缺乏與實戰單位和警種部門的“對接——反饋”機制，沒有形成雙向互動模式。部分偵查人員在收集數據時存在部門主義傾向，側重收集對于本部門有實戰價值的數據，對于其他數據則予以棄置，數據收集局限性大，數據庫總體價值亦隨之降低。此外，在數據庫建設過程中，公安機關的數據收集渠道較為單一，數據庫樣本覆蓋面不廣、更新慢，數據質量不高、實用性較低。數據庫資料囿于少部分政府部門數據庫與公安數據庫，在總量與類屬上尚不能達到大數據評價標準。

各地數據庫在建設之初缺乏頂層設計與統一標準，項目建設完成后多作為省級公安機關甚至地市級、縣級公安機關數據倉庫使用，不同建設主體各自為政，在數據交流與共享層面存在較大障礙，數據流通性差，數據孤島、數據壁壘現象頻現。誠然，這樣做有著數據安全性考量，但是通過限定公安系統內共享、規范數字證書使用、嚴格審批與保密程序，可將數據泄露風險控制在最小范圍。公安系統內數據共享不僅對數據庫的封閉性與安全性予以保障，還有著數據聚合、更新、處理、運用等多方面效益。

3.思維觀念滯后，缺乏經偵數據分析人才

雖然大數據對于公安機關來說已經不是新鮮事物，但公安機關對大數據的普遍采用和深化運用仍然缺乏系統的理論指導及豐富的實踐積淀[13]。部分公安機關仍將傳統偵查方法與思維模式帶入經濟犯罪預警與偵查回應工作中，將預測性警務與傳統的信息化偵查歸為一類，對新模式存在工具化、扁平化認識，難以為平臺監控、數據挖掘與系統學習提供助力，在精準預測、犯罪治理、系統管理方面還需要精耕細作。民警培訓科目跟進較慢，人才引進、培養與保障機制尚不完善，專業化人才儲備不足的問題愈發明晰。一個完整的經濟犯罪預警與偵查回應流程需要法學、經濟學、計算機科學、偵查學、犯罪學、心理學、應用數據學等多學科知識，對偵查人員的知識背景提出了較高要求。

三、大數據對經濟犯罪預警與偵查回應的提升

在社會數據傳輸越發高效、經濟聯系越發密切的同時，新型犯罪形態層出不窮，疊加網絡平臺高速傳播與高隱蔽特性，犯罪社會危害性越來越大，所帶來的人身與財產損失巨大。經濟犯罪尤其是涉眾型經濟犯罪受害者眾多，地域分布廣泛，社會影響嚴重。犯罪類型和手段更新、社會法治環境發展變化的偵查大環境要求公安機關對現有工作模式進行變革，向著更加高效、便捷、法治化方向發展。大數據時代產生了與物理空間相對應的數據空間。偵查領域則衍生出以數據空間為場景、以數據為載體、以算法為工具、以數據價值為目的的大數據偵查模式[14]。自2003年起在我國公安機關推行的“金盾工程”標志著信息化偵查的開端。當前社會形勢要求公安機關進一步增強預防和打擊犯罪的能力，面對經濟犯罪高發態勢，犯罪預警與偵查回應一體化已經成為經偵部門打擊犯罪的利劍。

(一)催生偵查思維轉變

大數據理念所強調的整體思維、預測思維、容錯思維等為偵查工作開辟了新視域。聚焦于經濟犯罪偵查工作中的犯罪預警板塊，由個體觀察、小體量樣本、特定行業樣本的局部思維轉變為收集探求多視角大體量跨行業樣本的整體思維；由追求樣本數據精確性、對應性變為適當模糊以追求數據價值最大化的容錯思維；由傳統偵查工作著重探尋的因果思維變為強調事物之間隱秘關系的相關思維；由刑事訴訟法規定的偵查工作探尋案件真相的回溯性思維變為對當下乃至未來犯罪前瞻性分析預防的預測思維。要尊重并保護公民隱私權乃至數據權，把相關性探尋與因果關系分析相結合，致力于“法律真實”的證成。

(二)促進偵查模式轉型

1.數據導偵偵查模式

偵查活動的對象是涉嫌犯罪的案件，即行為涉嫌觸犯刑法的案件[15]。偵查工作是在犯罪發生后，依照刑法有關犯罪的規定予以立案后開始的，傳統偵查工作多從現場勘驗調查與訪談入手開展偵查工作，以打擊與控制犯罪為價值追求。信息網絡時代，網絡平臺成為犯罪實施的渠道，完成目標策劃、人員聚集、物品采購、行動安排等活動，犯罪痕跡兼具實體化與電子化表現形式。這就要求公安機關對偵查模式進行合乎時代發展趨勢的革新，數據導偵模式應運而生。經濟犯罪案件數據研判思路重心在于數據，文本、時序、視頻等多源異類數據融合碰撞，結合案件特征定向分析，初步鎖定嫌疑人，在公安數據庫匹配查詢挖掘出外圍線索進行新一輪研判，最后落地打擊[16]。偵查機關將大數據技術應用于偵查工作中，帶來從偵查策略、偵查途徑到偵查工具及其操作程式的全過程變革。通過微小線索在大數據地圖中尋求事件原貌，找到相關數據痕跡后輸入系統模型中檢索、配對，逐步縮小有關“人、事、物、時、空”的偵查范圍直至破獲案件。

2.全景式偵查模式

大數據時代，社會活動記錄呈現數據化表現形式，數據收集、存儲、分析能力都有了很大的發展。受時空限制，傳統回溯型偵查工作在運行中呈現從點到面、從局部到整體的探求特征，且工作完成后總結提煉度不強，共享性不高。大數據背景下經濟犯罪預警與偵查回應一體化強調犯罪預警與精準打擊，以全景化視角進行數據采集，對臨近時空數據進行關聯比對、碰撞分析，縮小偵查范圍，快速確定犯罪嫌疑人。針對高發多發又難以投入人力專案專辦的民生類“小案”可以建立“網絡控制破案機制”，進行整體性、動態性、經營性、智能性偵查，應用前景廣闊[17]。偵查機關在立案后對案件開展偵查工作，將已掌握的情報線索帶入數據畫卷進行還原，運用相關性思維引入更多數據，讓行為人更加立體真實，偵查進程中可以收集到更多的證據，更便于“零口供”案件證據收集工作與偵查進程的推進。

3.犯罪預測型偵查模式

刑事案件是偵查的邏輯起點，在立案之后根據案情進行相應的偵查工作，查證犯罪線索，查明案件事實，確定和查緝犯罪嫌疑人，從而完成偵查工作目標。犯罪預測型偵查同樣遵守著偵查的行為框架，只是將偵查的觸角延伸到犯罪行為進行時、犯罪結果發生前。立足于大數據及足夠的計算能力，輔之以專業的研判和分析，能夠實現對犯罪的預測、預防和深度控制、精確打擊，這是公安機關以宏觀治理思維解決社會犯罪問題的戰略思維轉變[18]。通過對以數據形式表現的社會行為進行分析與總結，建立配套數據分析使用的工作機制并接受嚴格的程序監督與權力約束，在社會利益與個人利益并重的前提下，對行為人犯罪信息痕跡進行捕捉分析后予以管控，取得偵查內外價值與政治、經濟、法律效益的統一，這就是犯罪預測型偵查模式的價值導引。但再完善的預警系統都不能完全取代人的分析與判斷，即使預警系統已經被訓練到智能甚至智慧層級，也禁止把注意力投放與警務工作安排完全交由系統決定，偵查人員需時刻警惕技術萬能主義傾向。

四、經濟犯罪預警與偵查回應的建構與完善

(一)建構

1.數據平臺搭建支持

理念是行為的先導，正確的認識來源于對生活實踐的嚴謹分析與經驗總結。經濟犯罪預警與偵查回應想要取得理想的效果，信息收集的合法性、準確性、時效性都需要保證。數據平臺是數據存儲與分析的“智庫”，必須充分認識到平臺蘊含的重要價值與戰略意義，在建設及后續運行維護中進行持續性的資金支持、人力投入。數據平臺建設作為一項持續性的工作，在建設伊始就應當加強頂層設計，統一謀劃，設立更具延展性、協調性的數據收集標準、平臺軟硬件建設標準與人員配備標準，避免行業主體各自為政、平臺數據壁壘、數據標準不兼容等低效局面的出現，以數據價值最大化為導向指引工作。建立公安機關內部數據共享機制，縱向上打通上下層級、橫向上打通地域層級信息系統之間的聯通。建立多部門協同使用的數據資源共享平臺，暢通公安機關對社會信息庫數據的查詢接口渠道，彌補公安大數據在數據種類和容量上的缺陷，發揮聚集效應。

2.預測模型建設導引

將公安大數據平臺內的數據導入接受過數據訓練的預測分析模型，得出高信度的前瞻性預測結論，評估測算下一階段社會治安形勢，確定工作重點，安排工作計劃。公安領域的數據挖掘是針對各種細分的業務領域，針對具體業務場景設計不同的算法和算符，再對數據挖掘的結果進行具體的分析研判，從而對新型犯罪模式作出總結和預測。預測模型在經偵預測型偵查中起到成果轉化的核心作用，一個完善的預測模型可以最大化地利用數據資源并得出科學的預測結果。應當注意，由于數據提供者的角色、動機、專業程度不同，信息噪音和對精準度的影響導致數據源具有不確定性。數據源的不確定性導致數據客觀性的偏離和價值密度的稀釋[19]。不同業務場景下，數據分析需求五花八門，關聯分析建模門檻高，且復用性較低，往往是建立一個模型就需要從數據獲取、數據預處理到特征提取、模型訓練、模型優化等全流程運行，難以做到通用[20]。各地應當對數據分析模型做好記錄、存檔與持續性訓練，互相提供智識資源。

預測模型建設過程中不可避免存在技術人員的主觀價值判斷，預測結果的行為導向性要求我們在建模之初就要努力做到客觀公正，理性對待預測結果，避免落入技術主義陷阱，應當著力提升算法技術，在實際投入使用前通過數據驗證訓練、既存規則提煉與既有經驗歸納來設計最優算法。常見的建模技術有支持向量機、決策樹，使用集群方法及數據關聯技術建構預測模型，受制于信息處理復雜性，適當忽略黑箱分析技術中的信息運算過程也是科學合理的，但應當提防“黑箱運行”中數據輸入與規則轉化脫離公安機關控制的風險，強化部門自律意識與責任落實機制建設。公安機關預測模型建設工作可與科技公司聯手進行，但應當努力掌握核心技術，確保系統運行安全性與可持續性。

3.人才培養機制探索

公安機關應當樹立組織行為與機制運行功效最大化目標，這亦是效益原理與人本原理的體現。目前我國犯罪預警工作處于持續發展階段，大數據技術人才缺口逐漸加大，公安機關應當制定大數據警務人才培養計劃，加強經偵專業人才培養與警隊再教育，建設適應時代發展的人才隊伍，推動公安大數據技術發展。公安院校與科研院所應當加強大數據領域的專業教育，培養更多信息科技人才，同時面向社會招收具有大數據技能的專業人才，經過職業培訓后充實公安大數據隊伍。以國務院發布的《促進大數據發展行動綱要》為指導，對現役公安隊伍進行大數據、深度學習領域的培訓教育，加強部省市縣四級專業技術民警隊伍建設，在形成合力梯隊的同時著力建構經偵犯罪偵查信息系統與信息流分析模型。注重隊伍大數據意識與能力的養成并應用于偵查工作當中，將理念落于實處。

(二)完善

1.提升常態化運行機制

數據平臺建設過程中要建立數據收集更新機制，定期上傳數據并進行清洗，確保數據平臺內數據時效性與可利用性；嘗試建立系統數據內部檢測機制，對于違規收集的數據應當立即清除并逆向追溯；推廣數據脫敏技術，對于數據違規使用行為應當追查到人。公安機關現階段普遍使用的警綜平臺在案件基本信息采集及處理上較為成熟，但在偵查基礎工作數據與案件情報信息關聯上還有提升的空間，缺乏對數據中所蘊含的情報信息的深層次分析、捕捉、篩選和研判，數據支撐破案能力較低。平臺應配備運營專用人員負責日常運行、數據檢測、后臺監管、權限審批等工作，在全體民警皆可依規提供數據信息的基礎上設立負責數據收集及清洗篩選工作的信息專員，為數據平臺建設與運轉提供堅實的基礎與持續的保障。公安部門還應與大數據公司、金融機構、科研院所進行有關數據平臺運行、管理方面的交流培訓，引入先進的管理運行機制。

2.建立配套評估反饋機制

為經濟犯罪預警與偵查回應工作建立配套評估反饋機制，審視工作成效與不足，提出具體解決措施。一方面要對數據平臺、預測模型的科學性、準確性進行評估反饋，另一方面也要對經濟犯罪預警與偵查回應的有效性進行評估，建立連續性預測結果及工作應對會商機制，對前一周、月、季度的工作應對進行分析提煉并提出分析意見。明確工作側重點是犯罪預防與治理，防止地域歧視性算法出現，因為歧視性算法一旦進入算法系統，反饋回路就可能會進一步強化這種偏見[21]，避免出現將預測結果視為工作開展的傾向，結合經驗理性分析，保持對預測結果的清醒認識與合理懷疑，防止大數據歧視怪圈與唯結果論傾向的出現。

五、結語

大數據時代下萬物都以涌動的信息流形式被我們觀測和審視，如何接收、理解、記錄并更好地運用這些信息流，是我們無法回避的問題。將大數據技術、思維與理念應用于犯罪預警與偵查回應工作中，亦是經偵部門對時代發展的回應。現階段大數據技術發展迅猛，公安機關在應用過程中應秉持審慎的態度，保持對新興科技關注的同時，堅守法律的冷靜與理性特質，熱情推進工作，冷眼回看反饋。以刑法謙抑性與無罪推定原則為最根本標準，嚴格遵守國際公認的最低程序公正標準，避免技術主義與工具主義作風，合理利用偵查資源，大數據背景下的經濟犯罪預警與偵查回應才能更好地實現政治、經濟與社會價值的統一。