檢府聯動構建大數據模型賦能類案救助探析

馮樹春 李佳杰 史夢云

摘 要：司法救助作為國家改善民生、健全社會保障體系工作的重要組成部分，實踐中存在著因信息銜接不暢通、救助線索發現難、救助標準不統一、部門協同不及時等導致救助實效不到位等問題。檢察機關應樹立大數據思維，加強大數據運用，通過加強與政府相關職能部門溝通協調，建立區域困難群體信息數據池，依托司法救助服務鄉村振興實體化工作平臺構建大數據模型。通過大數據賦能司法救助工作，檢察機關能夠快速鎖定救助對象，精準測算救助金額，同步開展社會救助、分類幫扶，更好鞏固拓展脫貧攻堅成果，助力全面推進鄉村振興。

關鍵詞：司法救助 大數據賦能 救助質效 鄉村振興

2023年5月，最高檢以大數據賦能類案司法救助為主題發布典型案例。本文擬通過對該批典型案例中的案例一“江蘇省灌云縣人民檢察院依托司法救助服務鄉村振興實體化工作平臺構建大數據模型賦能類案救助”為例，對大數據賦能類案司法救助的實踐路徑進行解讀，為檢察一線辦案人員更好理解、掌握、運用大數據辦理類案司法救助，提升司法救助案件的辦理質效提供參考，促進新時代檢察機關司法救助工作高質量發展。

一、大數據運用基本情況

在加快推進數字檢察背景下，江蘇省灌云縣人民檢察院針對司法救助中存在的救助信息銜接不暢通、救助線索發現不及時、救助標準不統一、部門協同不到位等問題，圍繞鄉村振興戰略規劃，積極探索構建信息化救助綜合平臺。經過充分調研論證，該院通過加強檢府聯動，建立起江蘇省首個司法救助服務鄉村振興實體化工作平臺。該平臺整合形成涵蓋民政、婦聯、殘聯等8個部門，涉及低保戶、困難婦女、殘疾人等14類18萬余條困難群體信息的數據池，并依托平臺構建司法救助線索篩查、金額計算、雙向移送三個數據模型。實際操作中，控告申訴檢察部門通過平臺對被害人信息進行檢索，綜合分析其是否符合司法救助條件，進而鎖定救助對象，提升救助效率；根據模型碰撞篩查出的救助對象類型，結合該院制定的司法救助資金分類量化標準中的量化要素，精準測算出個案具體救助金額，確保救助公平；對符合社會救助條件的司法救助對象，同步推送到相關部門開展多元社會救助，保障救助效果。

平臺建立以來，該院通過大數據模型已成功救助124人，發放救助金128.1萬元，實現同類案件平均救助金額上下限幅度不超過30%，司法救助金平均發放周期由原來的22天縮短至7天；制發社會救助建議函37份，協調落實低保政策34人，納入困境兒童保障范圍9人，免費配備價值9萬余元的康復器具，開展技能培訓15人，發放優惠信貸資金40萬元。

二、開展大數據賦能類案司法救助的必要性

最高人民檢察院檢察長應勇強調，“檢察機關要聚焦構建‘業務主導、數據整合、技術支撐、重在應用的數字檢察工作模式”。［1］最高檢、國家鄉村振興局部署開展“司法救助助力全面推進鄉村振興”專項活動以來，檢察機關開展司法救助工作面臨新的形勢和要求，一些傳統的工作方式和機制已經不能滿足更好保障涉案困難群體權益的需求，依托大數據建模賦能類案司法救助具有較強的必要性。

（一）傳統司法救助效率不高

實踐中，對當事人家庭是否因案致困，檢察機關并不能及時全面掌握，一方面造成對應當予以救助的對象未能做到“應救盡救”；另一方面，在審核申請人是否符合救助條件時，除申請人自述或申請人所在村居（社區）提供證明材料外，檢察機關還要對申請人家庭情況進行必要的調查核實，造成司法救助開展時間較長，不能做到“應救即救”。此外，司法救助案件需要當地黨委政法委審批、財政部門資金撥付等程序，相關工作期限缺乏明確規定，容易造成一些國家司法救助案件從啟動救助到發放救助金周期較長，導致國家司法救助的“救急”屬性未能充分體現。

（二）傳統司法救助標準不統一

中央政法委等六部門《關于建立完善國家司法救助制度的意見（試行）》（以下簡稱《司法救助制度意見》）及《人民檢察院開展國家司法救助工作細則》（以下簡稱《救助細則》）規定，救助金以職工月平均工資為基準確定，但只設定了司法救助金一般不得超過36個月工資總額的救助上限，如何確定救助金額還缺乏統一、客觀的標準。在司法救助實踐中，針對同類性質的案件、同樣的損失后果、同樣的生活困難狀況等，往往因當事人所處地域以及當地財政經濟水平不同等，申請人實際獲得的救助金額也不同。甚至在同一檢察院，由于個案救助標準主要由承辦人根據具體情況自行確定，且實踐中仍需要檢察人員對救助金額進行人工計算，一定程度上出現了“同案不同價”現象。

（三）傳統司法救助方式單一

《司法救助制度意見》以及《救助細則》均規定了國家司法救助以支付救助金為主要方式，同時與思想疏導、宣傳、教育相結合，與法律援助、訴訟救濟相配套，與其他社會救助相銜接。但在實踐中，檢察機關未與民政、鄉村振興、殘聯等部門建立信息共享機制，相互之間救助信息不暢，存在分散救助、單一救助現象，未能形成救助合力。實踐中多數救助方式為一次性支付救助金，存在“一救了之”現象，缺乏接續救助、長遠救助機制，影響司法救助效果。

在數字檢察工作背景下，檢察機關應當充分運用數字化思維，歸集民政、殘聯等部門的困難群體數據形成數據池，設計數據比對和碰撞規則，實現司法救助線索從人工篩查到智能篩選、從線下移送到平臺推送，救助金額從手工計算到智能計算，全面提高救助效率和精準性。

三、大數據賦能類案司法救助的實踐案例

數字檢察中大數據資源的獲取大部分依賴于外部數據資源共享，數據貫通成為數字檢察辦案的基礎。［2］構建大數據賦能類案司法救助模型，檢察機關應建立與政府相關職能部門的數據協調共享機制，解決數據源問題。同時通過大數據模型，實現快速鎖定救助對象、精準測算救助金額，并同步開展社會救助、分類幫扶以及后續的綜合救助等工作。

（一）大數據匯集，從“信息孤島”到“信息互通”，實現數據共享

近年來，灌云縣人民檢察院與民政、教育、殘聯等單位聯合會簽《關于建立和完善國家司法救助與其他社會救助銜接機制助推鄉村振興的意見》，在縣域范圍內建立起“1+20+N”多元救助機制。以此為基礎，該院通過與政府相關職能部門溝通協調，打破信息壁壘，在12309檢察服務中心建成全省首家司法救助服務鄉村振興實體化工作平臺。平臺通過前后兩期建設，接入全國社會救助業務信息系統、全國兒童福利信息系統、全國殘聯信息化服務平臺、江蘇省醫療保障信息平臺、江蘇工會困難職工信息管理系統，搭建起相關互聯網、政務內網、檢察工作網等網站，納入全縣低保、困境兒童、殘疾人、退役軍人、困難職工、困難婦女及醫療救助對象等信息，匯集形成容納6個系統、8類數據和1個檢察機關網上信訪信息系統的信息匯集中心，共匯集數據18萬余條，實現數據實時共享。

（二）大數據碰撞，從“人工排查”到“智能篩選”，實現快速救助

線索發現和個案辦理是數字技術和檢察大數據結合的直接目的，也是運用算法、模型、系統和平臺等數字技術對業已掌握的大數據資源進行碰撞、比對、分析等深度挖掘的結果。［3］灌云縣人民檢察院針對司法救助案件線索，通過“司法救助對象篩選”大數據模型，在司法救助服務鄉村振興實體化工作平臺上對救助線索中所涉人員信息進行檢索、碰撞，篩查出案涉人員是否系低保戶等特殊困難群體；綜合“案件發生后，被害人是否無法通過訴訟獲得有效賠償、是否因案致困、其他司法機關是否開展司法救助”等研判規則，精準鎖定救助對象，快速開展司法救助。

［案例一］ 2021年2月10日，孔某明駕駛電動自行車，與茆某鳳發生碰撞，致茆某鳳呈植物人狀態。該院控申部門接到刑檢部門移送的線索后，通過“司法救助服務鄉村振興實體化工作平臺”，對被害人茆某鳳家庭情況進行大數據碰撞比對，查詢出茆某鳳丈夫和兒子為建檔立卡低保戶。該院提請連云港市人民檢察院進行聯合救助，共發放救助金13萬元。該案被最高檢評為“檢察機關對農村地區生活困難當事人等重點救助對象開展司法救助典型案例”。

上述案例中，檢察機關通過“司法救助對象篩選”大數據模型，能夠精準查詢出救助線索中所涉人員是否系低保戶等特殊困難群體，再通過研判規則，綜合分析其是否符合司法救助條件，實現從“人工排查”到“智能篩選”，促進司法救助工作更加精準、高效。

（三）大數據計算，從“人工計算”到“智能計算”，實現公平救助

為防止出現同類案件或被害人困境類似案件“同案不同助”，灌云縣人民檢察院研究制定了《司法救助資金分類量化標準實施細則》（以下簡稱《實施細則》），統一救助標準，解決同案不同助難題。依托《實施細則》中的各類量化要素，該院通過建立規則數字算法，精準測算出個案具體的救助金額。第一步，根據平臺篩查出的救助對象不同類別信息，大數據模型依據《實施細則》中確定的量化要素，測算出個案的救助基本金額。第二步，將低收入戶等困難人員作為重點救助對象，測算出追加金額。第三步，確定救助對象的過錯系數，無過錯系數為1，承擔次要責任系數為0.7，同等責任系數為0.5，對承擔主要責任、有重大過錯的一般不予救助。第四步，確定司法救助資金量化測算的具體方法：最終實際救助金額=（基本金額+追加金額）×過錯系數。

［案例二］被救助人孫某涵（4歲）的父親因案被傷害致死，孫某涵的母親外出打工至今未歸、未盡撫養義務，孫某涵祖父死亡、祖母改嫁，孫某涵由曾祖父母撫養，系建檔立卡低保戶。孫某涵司法救助金額計算步驟如下：

1.確定救助基本金額。救助基本金額=救助基準金額×（案件類型系數+生活困難系數）。其中，救助基準金額根據縣域經濟社會發展水平，結合該院近3年司法救助金平均發放情況，確定為1000元；案件類型“系數”為根據不同類型案件設定的救助基準金額的一定倍數。依據《實施細則》，本案中，“救助對象系未成年人，救助金額為救助基準金額的5-10倍”，從未成年人權益保護最大化角度考慮，選擇最高的10倍；“年滿18歲前每年增加1倍”，增加14倍；“生活困難程度每提升1個檔次，增加不超過5倍基準金額”，孫某涵為低保戶，生活困難程度提升2個檔次，應增加不超過10倍基準金額，同上選擇最高的10倍。孫某涵的救助金額為救助基準金額的34倍，即34000元。

2.確定救助追加金額。“救助對象為重點優撫、困境兒童等，在已測算的救助金基礎上，增加5-10倍救助基準金額的救助金”。孫某涵父親死亡、母親未盡撫養義務，比照困境兒童增加6倍救助基準金額，即6000元。

3.確定過錯系數。孫某涵父親在案件中無過錯，過錯系數為1。孫某涵的救助金額=（基本金額+追加金額）×過錯系數=（34000+6000）×1=40000元。最終救助孫某涵40000元。

該案獲評江蘇省檢察機關“國家司法救助助力脫貧攻堅典型案例”。

上述案例中，通過“司法救助資金測算”大數據模型，較好解決了司法救助金計算標準不明確導致的“同案不同助”以及手工計算耗時耗力且容易出錯等問題，實現了同類案件救助金額上下幅度不超過30%，保證了公平救助。

（四）大數據推送，從“各自為戰”到“協作聯動”，推動多元救助

數字檢察能有效打破信息孤島，實現跨部門、跨系統平臺協作，突出不同程序及不同辦案階段之間的協同性與耦合性。［4］對于平臺能夠檢索到的救助對象，灌云縣人民檢察院在開展司法救助的同時，通過平臺將救助對象的具體情況推送給民政等相關職能部門，建議按照“1+20+N”機制開展多元化社會救助，形成幫扶合力。對于平臺未能檢索到的因案致困人員，該院在走訪調查后決定開展司法救助的，通過平臺同步向相關職能部門制發《社會救助建議函》，建議采取納入低保等長期幫扶措施。相關部門辦結后，將辦理結果、相關證明材料及回復函等上傳至平臺，實現了救助信息線上移送、線上交辦、線上反饋，進一步提升了多元救助效果。

［案例三］ 2016年10月23日凌晨，犯罪嫌疑人王某月駕車與騎電動車的王某婷相撞，致王某婷當場死亡。該院通過司法救助服務鄉村振興實體化工作平臺，篩查出被害人王某婷的丈夫蔣某童系聽力二級殘疾，兩名子女年幼，其家庭為當地建檔立卡低收入戶。該院在對被害人家庭發放6萬元救助金的同時，同步制發《社會救助建議函》，通過大數據平臺推送至縣教育、民政、殘聯等部門。民政局為該家庭解決低保待遇，教育局為兩名未成年子女減免學雜費用，并邀請心理專家進行心理疏導，殘聯為蔣某童免費配置了3.2萬元的助聽器，并幫助其安排合適的工作。

此外，針對司法救助后部分救助對象可能因病或其他事由導致家庭生活仍然困難的，該院通過平臺定期對救助對象進行查詢，篩查其家庭困難程度有無發生變化。對家庭生活仍然困難的救助對象，與鄉村振興等部門進行實地走訪，通過“司法救助+社會救助”長效工作機制，形成“一次救助，長期幫扶”的多元化救助工作格局。

四、大數據賦能類案司法救助的完善路徑

上文結合相關案例能夠反映出大數據賦能類案司法救助在智能篩選救助對象、精準計算救助金額、多元救助信息雙向移送等方面取得的良好成效。但在實踐中，檢察機關司法救助的線索多為本院辦案部門移送，鑒于辦案部門工作量大、對司法救助工作的認識和重視程度不一等情況，可能會發生符合司法救助條件的救助對象被遺漏的現象。相應地，在現有司法救助大數據模型中仍缺少依托辦案系統智能抓取司法救助線索的模塊。因此，為更加充分發揮大數據技術在辦理類案司法救助中的作用，建議依托全國檢察業務應用系統2.0，建立國家司法救助線索發現模塊，實現司法救助線索線上篩查移送、全過程留痕，進一步提升司法救助工作效率。

具體來說，通過現有司法救助服務鄉村振興實體化平臺與全國檢察業務應用系統2.0對接，實現2.0系統內刑事被害人、民事案件申訴人等數據與平臺內低保、困境兒童等數據的實時碰撞，由系統自動提示案件承辦人審查是否存在救助線索，對審查結果可能符合國家司法救助條件的，承辦人將救助線索推送到控申部門進行逐案審查；或者由系統自動提示控申部門，由檢察官進行逐案審查，從而更加高效篩查出救助對象，將檢察人員從繁雜的線索排查工作中解放出來，進一步提升司法救助工作質效。