帐篷旅馆大数据

① 互联网＋到大数据＋旅游业能在社交网络突围

互联网＋到大数据＋旅游业能在社交网络突围

今年流行“互联网＋”概念，其实我认为“大数据＋”才是我们需要重视的思维，无论是企业还是消费者。大数据与广告结合，产生更加精准的程序化广告；与商超结合，带来消费效率的提升和更多的利润；与电影结合，能够拍出更好更叫座的片子。而当大数据遇见旅游，不仅能够让人们更好进行出行决策，还能促进旅游目的地或企业进行更好的营销决策。

做大数据是有门槛的，从数据的生产、存储、挖掘到价值利用都有不同产业各方的参与。大数据，首先数据要足够大才行，然后才是将原始数据进行加工、存储、挖掘进而产生价值。许多公司想把整个链条打通，真正做到的却极少。最近社科院发布了微博旅游白皮书，其中有三个关于大数据的重要结论，对旅游行业可能有重要的参考价值。作为大数据金矿的社交网络，能帮助旅游行业在“互联网+”时代突围？

结论一：旅游行业已经进入大数据时代

传统旅行社的弊端在于无法对旅游人群有精准的画像，一锤子买卖较多。在线旅游网站则积累了用户大量旅游交易数据和浏览数据，但对于背后的心里动机及社会学分析却是欠缺的。在社交时代，微博凭借海量的用户生产内容，形成大数据，将旅游行为进行前置，并对整个旅游行业产生深远影响。在自由行用户成为主流的今天，用户旅游行为与本人身份属性关联更直接，旅游相关行为在微博上的呈现更多、更实时，产生的数据更丰富、更真实。

白皮书指出，在线旅游和旅游O2O的发展，推动中国旅游业进入“旅游大数据”时代。大数据不但可以应用于旅游消费者和市场研究，同时也是旅游业开展精准营销传播的重要基础和手段。作为国内最大的旅游内容聚合和分享平台，微博成为旅游大数据来源的“金矿”。数据显示，微博上24%的用户喜欢在微博上分享旅游内容，28%的用户会在微博上搜索旅游目的地信息，81%的旅游者会在出游前查找攻略并受口碑影响。

微博也通过鼓励旅游达人在微博分享优质内容，以生产出更多优质的旅游线上数字内容。今年6月微博与阿里旅行联合举办#你不知道的旅行#活动，获得超过2万人次高质量长微博生产者参加，阅读量超过12.67亿。2015年“带着微博去旅行”上线仅两个月，旅游达人发布旅行攻略就达到9000多篇，其中阅读量超过10万以上的就有158篇。而连续多年举办的#带着微博去旅行#，活动举办第一年就吸引了7000万人次参与，2014年参与人次接近1亿。今年活动开展以来，用户发布的旅行照片、旅行视频、旅行攻略是去年同期的近3倍。微博庞大的旅游数据为整个旅游行业发展及旅游决策依据奠定坚实的基础。

结论二：微博大数据已经贯穿旅游产业链

微博上旅游用户的规模庞大，这是微博大数据能够连接旅游产业链的前提。白皮书显示，监测期内提及旅游相关话题的微博用户达到7708万人，占同期微博活跃用户的43.8%。用户在微博提及旅游话题的总次数为9.77亿次，搜索次数为9928.3万次，提及旅游并签到的总次数为1695.5万次。年轻用户是微博旅游用户的主流，82.7%的旅游用户年龄在15岁至30岁之间。此外，通过对微博用户旅游搜索的关键词分析，可以挖掘出用户关注度最高的景点。

大数据只有流转起来才有价值。在旅游兴趣用户规模庞大的基础上，微博通过引导PGC用户提供攻略和游记，以及旅游目的地和相关企业开展微博营销，正是在推动数据的流转。各大旅游目的地也开始充分意识到微博营销重要性，纷纷开始建立和运营官方微博账号阵地。截止今年7月，微博上旅游行业账号达到58888个，同比增长24.3%。主要旅游目的地官方微博1689个，其中包括58个省级旅游局官方账号、820个市县旅游局官方账号，国内184个5A景区和521个普通景区拥有官方账号，全球共200个国家、地区旅游局及景区景点开通了微博。白皮书还公布了国内各地区和海外旅游社交资产排名。

用户行为数据及旅游目的地、旅游机构社交数据就像一张旅游全景图，让产业链各方信息对称，看到自身的需求与供给的匹配，更加高效作出决策。微博触发的这种“连接”使大数据的应用更便捷、效果更直接。微博已融入旅游产业中的各个环节，成为唯一一个连接旅游爱好者、旅游达人、旅游目的地、旅游产业链的平台。

结论三：微博大数据与旅游市场呈现明显正相关

“大数据的核心就是预测。”维克托？迈尔？舍恩伯格在《大数据时代》中直接了当指出。微博上的大数据并不只是告诉你“现在是什么”，而是通过分析与判断、机器学习能力告诉你“未来有多大几率是什么情况”。而在旅游行业，微博的这种大数据愈加有用。

从白皮书透露出的信息看，微博大数据的实用性已经得到验证。微博上旅游相关内容的热度，与旅游市场的热度呈现明显正相关。以搜索为例，用户在微博搜索旅游相关信息的高峰，基本上与暑期、五一和十一出游高峰重合。在市场层面，北京市旅游发展委员会数据显示，去年冬季为旅游淡季，相应的同期北京旅游微博提及量也随之下降。从今年4月开始每月旅客接待量提升，也伴随着微博提及量的提升。

笔者认为，微博大数据的价值的应用还有很大发展空间。比如，根据网友搜索、目的地讨论等数据，以及从时间纬度上的数据，可以对目的地旅游营销及旅游出行安排产生较为准确的预期。这种前置的预期将对目的地旅游营销资源配比、旅游人群出游计划等产生深刻的影响，并推动旅游市场管理的预见性。比如十一前通过对微博上用户数据的分析，预判热点景区，为游客出行提供参考，景区也有所准备，以防临时爆堵的尴尬局面。

除旅游行业外，微博也在电影、音乐、综艺方面正在尝试“大数据＋”，用户在平台上产生的社交数据为娱乐业提供大量信息决策依据。当社交数据成为产业入口的前置，各行各业的变革即开始到来。在各垂直领域纷纷以“单点突破”为图腾的时候，需要看到的是，大的平台正在以“大数据”为壁垒，以高屋建瓴之势重新配置产业经济。

以上是小编为大家分享的关于互联网＋到大数据＋旅游业能在社交网络突围的相关内容，更多信息可以关注环球青藤分享更多干货

② 大数据给我们生活带来啥

大数据对企业的帮助

1.帮企业进行消费者的需求分析

现在的消费者不再是营销产品的被动接收器。通过大数据帮助企业找准消费者的需求点设计产品，刺激消费。

2.帮企业挖掘锁定客户资源

通过大数据技术，可以实现企业的客户资源进行精准的锁定，形成可视化图片展示，有利于企业产品的营销推广的区域性。

3.帮企业危机预警

当代社会，舆情危机的爆发和扩散。企业潜在的质量问题、安全问题、经济问题、市场问题等在一定条件下一旦爆发；危机效应将瞬间传递开来，对企业的商誉和品牌造成极大的伤害，而大数据可以帮助企业进行舆情监控防止给企业造成巨大的损失。

大数据对政府城市管理的帮助

1.大数据应用于城市规划

城市的不断发展催生了不同的功能区域，如文教、商业和住宅区等。准确掌握这些区域的分布对制定合理的城市规划有着极其重要的意义。由于一个区域的功能并不是单一的，如在科学文教区里仍然有饭店和商业设施的存在，一个区域需要由一个功能的分布来表达(如70%的功能为商业，20%的功能为住宅，剩余的为教育)。另一方面，一个区域的主要功能是文教，但也不代表该区域的任何一个地点都服务于文教。因此，给定一种功能，我们希望知道它的核心区域所在。

以北京市通州和顺义的职住比(职业人数与居住人数比)来举例：作为北京著名的“睡城”，通州给人的印象往往是“遍地楼盘”“上班族天天候鸟式往返”;而顺义区依托首都机场周边的工业区，带来大量就业机会，看起来似乎通州的职住比要远低于顺义。然而，数据却显示，两个地方的职住比几乎持平。因此，有了大数据,规划者和决策者可以避免很多“印象流”的误区。

2.大数据应用于城市应急管理

大数据在应急管理中的应用方式分为两部分：大数据技术和大数据思维。大数据技术既包括诸如数据仓库、数据集市和数据可视化等旧技术，也包括云存储和云计算等新技术;而大数据思维则是从海量数据中发现问题，用全样本的思维来思考问题，形成了模糊化、相关性和整体化的考虑方式。大数据技术与思维相互融合和作用，共同形成了大数据的应用，并对包括应急管理在内的很多公共管理领域产生了巨大影响。

以疾病预防为例：大数据的使用可以将用户的每日数据输入到医疗数据系统，通过对匹配病原情况的数据筛查，可以准确的找到感染群体、规模、特征，同时可以快速调去处置方法，达到应急管理的重要目标。

3.大数据应用于城市环境保护

大数据分析最重要的应用领域之一就是预测性分析，从大数据中挖掘出独有特点，通过建立评估和预测预报模型，预测未来发展趋势;而大数据的虚拟化特征，还将大大降低环境管理风险，能够在管理调整尚未展开之前就给出相关答案，让管理措施做到有的放矢。

以管理污染源企业为例：通过大数据技术，可以实现污染源企业的精准锁定。在污染源的生命周期过程中，每个节点所需要的每一类数据，都可以进行搜集分析，形成基于污染源管理的数据资源分布可视图。就如同“电子地图”一般，将原先只是虚拟存在的各种点，进行“点对点”的数据化、图像化展现，使得环保部门的管理者可以更直观地面对污染源企业。

4.大数据应用于犯罪预警

随着智能电话和电脑网络的普及，犯罪嫌疑人活动会产生大量在线信息，通过对收集到的海量的、模糊的、不完整的案件信息中的涉案人员信息、涉案物品信息、旅馆业信息、航班信息、车辆信息等，进行分析、挖掘，发现案件属性与犯罪人员属性的关联规则，进而找到犯罪的规律、特点，对预防、打击犯罪，保障城市公共安全具有重要的理论意义和现实意义。

以美国为例：随着智能电话和电脑网络的普及，美国政府和大公司把自己的触角伸到个人生活的每个方面。美国个人的一切在线行为数据都被收集储存，再加上已被有关机构掌握的个人信用数据、犯罪记录和人口统计等数据，有关公司和政府机构可以运用数据挖掘的办法，监控和预测个人的行为，并做出相关决策。

③ 不同手机刷到机票差价巨大！四川一女子被大数据“杀熟”，对此你怎么看

不同手机刷到机票差价巨大！四川一女子被大数据“杀熟”，对此，我的看法是大数据杀熟是一种不道德的行为，需要国家出台法律去制止。需要各个大互联网企业以身作则，维护良好的互联网环境。

随着网络平台技术和算法的日趋完善，互联网平台的个性化推荐大大降低了消费者的平均搜索成本。但是，由于平台和消费者之间严重的信息不对称性，平台有可能向用户提出误导性建议或从理论上扭曲他们的正常消费体验，从而导致不当充实。这些平台占用的数据将导致一系列问题，例如用户个人信息泄露，数据滥用，信息公开交易等。当大数据技术的发展涉及公平和道德的价值判断时，由于大多数情况下市场的经济特性，市场无法自发调整。政府可以组织一些会议或采取各种形式的活动，以提高对企业合法价格行为的认识，并提前起到预防和预警的作用。其次，有关部门应建立相应的价格档案，以价格信用的形式跟踪和记录整个市场的价格违法行为。对于一些经常了解法律并违反法律的企业，他们应该通过媒体在市场上公开它们。

④ 大数据与侦查模式变革研究(1)

大数据与侦查模式变革研究(1)_数据分析师培训

大数据在西方广泛应用于总统选举预测、商业营销、疾病预防、金融分析、教育变革，也运用于社会监控和预测、治安管理、恐怖主义打击等等方面。

运用大量数据进行犯罪侦查和控制始于1994年纽约市的警察部门启用的一个新的治安信息管理系统，即CompStat(Computer Statistics的缩写)。CompStat是通过比较数据统计报告为基础来确定警力资源分配、犯罪预防和打击对策[5]。大数据时代的到来，西方更是着力建构大数据驱动的犯罪侦查和控制体系。大数据驱动犯罪侦查和控制体系利用大数据帮助警察分析历史案件、发现犯罪趋势和犯罪模式；通过分析城市数据源和社交网络数据，预测犯罪；利用大数据，优化警力资源分配，从而提高社会和公众安全水平[6]。大数据已使犯罪侦查和控制模式发生根本性变革，利用大数据提升犯罪侦查和控制能力是未来的发展方向。

公安部部长郭声琨强调要大力加强大数据时代提升维护公共安全和服务人民群众的能力和水平[7]。我国各级公安机关已开始有意识运用大数据推动犯罪侦查和控制。然而大数据不仅是一个技术问题，也带来了侦查理念、方式、机制的变革。我国学界的研究集中在大数据技术应用研究，对大数据带来的侦查理念、方式、机制的变革的研究偏少，也不够深入，迫切需要更为系统的、深入的研究。

一、复杂的犯罪态势与大数据时代犯罪的数据化生态

当下，犯罪呈现出更加严峻和复杂的态势。首先是犯罪总量大，犯罪率逐年上升。据统计，仅2012年公安机关刑事案件立案的案件数为6551440起，检察机关批捕、决定逮捕犯罪嫌疑人的案件数为680539，人数为986056[8]。近二十多年来，中国犯罪率呈逐年上升趋势，刑事案件立案数平均每年增长22％以上，超过了全国GDP的增长。①其次是犯罪智能化。犯罪是一种社会存在，科学的发展渗透到犯罪的方方面面，提升了其能力和危害程度。这表现为两个方面：一是运用科学思维实施的犯罪，主要表现为犯罪思维严密，犯罪前经过周密部署和策划，犯罪过程渗透着科学思维和谋略。二是利用科学技术实施的犯罪，突出表现为数字化犯罪。以利用网络犯罪为例，2012年，全国公安机关累计破获涉网违法犯罪案件11.8万余起，抓获犯罪嫌疑人21.6万余人。据赛门铁克公司2012年9月发布的诺顿安全报告估算，2011年7月至2012年7月，中国有超过2.57亿人成为网络违法犯罪的受害者。网络违法犯罪所造成的直接经济损失达2890亿元人民币，受害者人均蒙受的直接经济损失约1200元人民币[9]。第三，犯罪时空的复杂性。现代科技的发展，使得犯罪时间非线性，犯罪空间缺席性，时空组合的多维、多样化和任意性[10]。第四，案件因果联系复杂。相对于传统的静态、单一社会来说，现代社会是一个动态、复杂社会。在动态、复杂社会中，因果联系具有非线性、偶合性、多因性、断裂性，犯罪的因果联系往往难以确定。

计算机及网络技术的发展，使得当下社会已经进入了大数据时代。大数据时代首先是数据记录时代。在数据记录时代，数据记录成为默认模式[11]，人类社会处在被无所不在各种各样传感器和微处理器构成“万维触角”的数据网络记录之下，手机、网络、监控探头、射频技术等等无所不在地记录着我们的行为乃至我们的思想。“早上出门，电梯的摄像头记录着我们的出行时间；开车上班，道路的摄像头记录着我们的位置和车速；工作期间，网页记录着我们的浏览习惯和搜索记录，电话记录着我们的联网对象和通话时长；下班回家，购物记录界定着我们的职业身份、家庭背景甚至性格特征，电视机顶盒记录着我们的收视习惯和价值品位……”[12]“在数字世界里，我们都会留下电子‘脚印’或电子‘指纹’。”[13]20“我们正处于一种不断变化却日趋紧密的被监视状态中。事实上，现在我们的一举一动都能在某个数据库中找到线索。”[14]12

狡猾的犯罪者能有例外而成为“数据隐士”吗?要成为“数据隐士”，意味着你要完全脱离现代社会系统，不仅不能使用数字化产品，还要完全意义上不食“人间烟火”。因为现代社会几乎被数据化了，一旦你与现代社会系统进行交换，就很有可能被数据捕捉和记录。然而，这并不是说犯罪者的具体犯罪的任何要素或片段如犯罪时间、犯罪空间、犯罪行为、犯罪工具等等都会直接且完整无缺被数据记录和储存；而是说犯罪者隐藏的犯罪信息总是被相关的海量数据从不同的侧面记录着，即便是某些甚至是主要或关键的犯罪要素或片段缺失，也可以通过不同侧面相关海量数据联接、分析，拼接或描画出犯罪过程。因此，在大数据时代，不要说数字化犯罪，即使传统手段的犯罪，都可以说落入了一种“天网恢恢，疏而不漏”的网络记录和存储体系，数据化就是当下犯罪的现实生态。

二、大数据驱动的侦查模式是时代的必然选择

模式指经过提炼和抽象的标准样式。侦查模式反映了侦查要素的结构关系和运行逻辑。侦查模式可以按照不同的标准进行分类。学界按照侦查是否运用信息科技手段，把侦查模式分为传统的侦查模式、信息主导侦查模式。然而，如果从信息论的视角来看，传统侦查模式与信息主导侦查模式的本质区别不是是否运用信息，而是信息记录、存储、提取以及分析方式上的根本差别。按照侦查所能运用信息的记录、存储、提取以及分析方式，可以把侦查模式划分为传统侦查模式、业务信息主导的侦查模式和大数据驱动的侦查模式。学界一般将业务信息主导的侦查模式和大数据驱动的侦查模式合称为信息主导侦查模式，但两者之间不仅是发展阶段上的差异(大数据驱动的侦查模式是在业务信息主导侦查的基础上发展起来的)，而且在信息类型、信息提取和研判方式上也有根本差异，最重要的是由此差异而带来侦查理念、特征和机制上的根本变革。

传统侦查模式是在信息存储、提取和分析上几乎没有什么科技含量的模式。传统社会，人类对信息的记录和存储方式主要是人的大脑和书写体系(传统社会由于信息记录的需要发展出一整套书写体系，由此而产生了许许多多按时间汇集的分门别类的书写档案库)。对于犯罪的信息记录来说，除了大脑和书写档案外，犯罪现场也以物质交换的形式记录着犯罪信息。因此，传统的侦查主要手段是调查访问(对大脑储存的信息提取)、书写档案的查询。②人脑信息的存储和提取的特点是：分散在不同的人身上；信息的准确性差，受到外在环境和信息储存者自身感受能力、记忆能力等影响；信息缺乏稳定性，信息量和准确性随着时间变化而衰减；信息能否提取以及提取的质量，首先取决于能否找到储存信息的人，其次取决于侦查人员的询问技术(经验)、被询问人表达能力、情绪、配合态度等等多种因素。书写档案记录信息的优点是准确性高、稳定性强，但其有两个重大缺陷：一是提取困难。人们要找到其中一点有用信息，就得把所有的资料翻阅一遍；尽管后来建立了图书馆式的目录索引，但查找起来依然耗时费力。二是不能提供直接的犯罪信息。书写档案不可能是犯罪的实时记录，只可能是犯罪破获后一种事后登记，因此这种档案对于需要破获的犯罪来说，不能提供直接的犯罪信息。传统侦查的信息分析研判主要依靠侦查人员的经验，有经验的侦查人员往往成为是否破案的关键。总之，这种模式科技含量低、粗放型特征突出，能否破案主要取决于侦查人员的经验和投入的人力多少，不仅如此，还取决于侦查人员的运气。这对于传统静态、单一的社会及其犯罪也许能够适应，而与动态、复杂的社会及其犯罪几乎完全不匹配。

业务信息主导侦查模式是在信息技术引领下的以业务信息存储、提取和研判为基础的侦查模式。随着信息技术的发展，各种各样信息记录和存储设备被广泛使用。信息记录和存储不再完全依赖人脑和书写档案，而是电子化的记录，存储设备成为人类记录和存储信息的主要方式。这些设备代替人脑和书写档案实时记录着人类的行为，也记录了犯罪行为。所记录和存储的信息从来源和存储分布来看，形成于不同的业务经营并分布储存在不同的业务信息库中，如商家记录和存储人们的消费信息、银行记录和存储了人们的金融交易信息、医院记录病人信息等等。这些信息库缺乏整合，相互之间形成信息孤岛，信息冗余和信息孤岛成为信息存在的基本生态。就业务信息主导侦查模式来说，其主要特征是：一是侦查部门依赖于公安平台所累积的结构化的数据库主要用于人、事、物的核查、比对，实时犯罪信息仍然主要依靠人工采集。二是信息提取依然困难。不可否认，相比传统侦查模式，业务信息主导的侦查模式针对公安机关所累积结构化信息来说，确实大大提高了查询、比对效率，但是面对越来越多地被累积的不同来源、不同结构的数据，尤其是大量的半结构化和非结构化数据，既缺乏数据整合的技术和机制，也缺乏信息提取的技术手段。结构化数据是先有模型后有数据，大多具有事后登记的性质(也有少量的实时记录的数据如旅馆住宿等)，很难有实时犯罪行为记录信息，其主要价值在于对人、事、物的核查；而正是不同来源的半结构化、非结构化数据中实时记录了犯罪的“蛛丝马迹”。三是信息分析、研判仍然主要依靠侦查人员的经验。业务信息系统主要用于简单的查询、比对，但是不能进行智能化的算法分析。总的来说，这种侦查模式面对当下的犯罪态势，尤其是流动性犯罪、数字化犯罪等，难有成效。

大数据驱动侦查模式是建立在大数据和云计算平台的基础上，是大数据时代的信息主导侦查模式的升级换代。在大数据时代，大数据驱动的侦查模式是一种时代的必然选择，这不仅在于复杂的犯罪态势及其数据化生态，更在于大数据技术使得这种选择成为现实。

首先，犯罪的数据化生态是大数据驱动侦查模式的现实基础。面对当下复杂的犯罪态势，人们似乎有点不知所措。犯罪的控制某种程度上是一种侦查技术对犯罪技术保持优势。然而现代性的发展使犯罪者具有更强的匿名性、流动性等，从而一度打破了公安机关曾经具有的优势，这也是如今犯罪爆发性增长的原因之一。然而犯罪作为一种社会存在，当社会成就犯罪条件时，也会给人类提供制约其的机会。犯罪的数据化生态根本改变了犯罪信息的记录和存储方式，极大扩大了“社会记忆”，大数据技术将彻底改变侦查技术与犯罪技术之间的对比关系。因此，我们必须改换传统的侦查模式，采用大数据驱动侦查模式以控制犯罪和打击犯罪。

其次，在大数据时代，侦查所面对和所能处理的数据不再是小数据，而是大数据。如今，侦查所面对和所能处理的数据具有体量大、类型多、价值密度低的特征。“池塘”和“大海”最容易发现的区别就是规模[15]。过去侦查，即使是业务信息主导侦查阶段，所面对或所能处理的数据量相当于“池塘”，而与此相对照，现代侦查所面对和能处理的数据量则是“大海”。不仅如此，现代侦查所面对的则是数据的多样性：从结构上看，不仅有结构化数据，还有大量半结构化和非结构化数据；从数据类型看，有业务数据、用户原创数据、传感器感知数据；从数据表现形式看，有文字、图片、音频、视频、链接等；从犯罪案件构成角度看，有人及其关系、行为、物、时间、空间和主观意图数据。数据的价值密度低。在巨量的数据中，有关犯罪数据混杂其间，仅仅是其中小小的“浪花”，但其弥足珍贵。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒[16]。

第三，大数据技术能从海量的数据中对犯罪信息进行提取、分析研判以及预测未来。大数据是其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、处理的数据。而以云计算为依托的大数据技术可以突破常规技术成本和时限的要求。具体来说，其一，大数据技术能适时提取和分析处理多结构多源数据，尤其是半结构和非结构化的数据，能够从海量的、杂乱无章的数据中抽取出大量的与犯罪相关的细节、点滴片断、不同侧面数据、信息，并且能把“数据联系起来、信息点连接起来、片断串联起来”[13]29-30，从而能将表面看来毫无意义、互不关联的数据碎片拼出一幅清晰完整的犯罪图画。而对于确定一个犯罪嫌疑人的身份来说，也许只需要四个信息点就足够了。其二，大数据以云计算为依托，能够在合理时间内进行信息提取和分析。以周克华案件为例，南京警方动用上百名警力花费了数天时间对视频监控数据进行人肉搜索，而运用大数据技术也许只要几个小时就足够了。其三，大数据技术，一个最为根本的突破是能够运用海量数据进行算法分析，进行信息研判，从而帮助我们认识过去，分析原因，揭示犯罪发生的规律。最后，大数据能在分析过去中寻找有意义的模式，从而预测未来，为我们优化警力资源配置、打击犯罪提供先机。

三、大数据驱动的侦查模式的理念变革

黑格尔指出，“理念是任何一门学问的理性”[17]，并认为理念中包含着“某种预想的东西”，具有前瞻性、导向性和设计性[18]。侦查模式转换首先是理念转换。侦查模式中的理念就是指贯穿在侦查模式中反映了侦查规律的并具有引导、支配、决定侦查活动的观点、看法、信念。大数据驱动侦查模式不仅是一种新的工作模式，更是一种新思维、新理念。在大数据时代，侦查要确立的理念有：

在线、开放的理念。大数据首先是在线数据。大数据不仅是体量大，更是实时记录社会的复杂动态数据：用户原创和各种传感器感知数据，而正是这些数据混杂了犯罪的“蛛丝马迹”。对于侦查来说，公安大平台累积的结构化数据是重要的，尤其是对人、事、物的核查具有重要价值，但是很难有实时的犯罪记录。大数据驱动的侦查就是在公安大平台累积的结构化数据的基础上，对不断变动用户原创和各种传感器感知数据进行提取、分析和处理，获取信息。因此，对于大数据驱动的侦查，我们必须坚持在线和开放的数据理念，以获得我们需要的海量数据，进而分析、处理这些数据。

数据主导侦查理念。大数据时代，数据是犯罪的生态，侦查过程就是数据储存、提取和分析过程，数据贯穿于侦查的各个环节，“让数据说话”成为侦查的基本思维。数据主导侦查的理念至少包括以下三个方面的内容：首先，有关犯罪的一切现象皆可数据化。凡事皆可量化，皆可数据化[19]25-26。不仅与犯罪相关的有形之物如时间、空间、人的特征(生物识别特征、行为习惯等)、行为、手段、物等可以量化和数据化，那些与犯罪相关的无形之物如人的价值观念、态度、情绪等等也可以量化和数据化。其次，大数据是侦查的基础资源，是侦查的工具箱。侦查就是对数据开矿式的挖掘和分析，侦查能否成功某种程度上取决于对大数据资源的提取、分析能力；运用大数据各种分析技术，可以获得我们所需要的犯罪信息。最后，在大数据时代，数据居于侦查过程的核心地位，支配着侦查的运行。犯罪现场重建、侦查决策、侦查途径的选择、侦查分析、数据摸排、侦查预测等等无不围绕数据运行。

相关性理念。大数据是通过量化两个数据值之间的数理关系来确定相关关系。相关关系强，是指当一个数据值增加时，另一个数据值很有可能随之增加[3]71。传统侦查，是按照因果关系和数据结构的标准③来采集数据和分析数据。到大数据时代，我们能分析、运用几乎所有相关数据，收集数据不必再拘泥于因果关系和数据结构标准，而是坚持相关性标准，不仅采集结构化数据，还要采集半结构化和非结构化数据。这种相关关系虽然不能直接揭示内在的因果关系，但是对于犯罪侦查和控制来说，其展现的相关关系仍具有较强的效用价值。

相关关系能让侦查人员全方位、多角度地思考分析案情。相关关系虽然不追求精确性，但是其追求丰富性，不拒绝任何机会，尽可能去创造和利用机会。通过相关关系，才能将看起来没有联系的信息内在地联系起来，从而更为全面地认识案件情况。这也许可以帮助我们发现破案线索，理清破案思路，划定侦破范围。

相关关系可以给我们进一步确定因果关系以指引，从而确定犯罪原因和证明犯罪。相关关系的分析是分析因果关系的基础。相关关系并不必然是因果关系，但因果关系必然是高度相关关系。通过相关关系，我们可以进一步探究其中是否存在因果关系，从而证明犯罪。

相关关系的一个重要价值是可以监控犯罪情势。如上所述，当下影响犯罪的原因是纷繁复杂的，要确定犯罪发生的原因相当不容易甚至不可能。对于侦查人员来说，重要的也许不是去理清犯罪原因，而是控制犯罪。通过相关关系，确定关联物，进而可以监控犯罪情势，从而使我们有效配置警力资源，打击犯罪。

通过相关关系，可以预测犯罪。大数据的核心价值是预测。通过收集具有相关关系的数据，建立大数据模型，我们可以从微观上预测什么时间、什么地点、什么人、什么类型等等的犯罪容易发生，也可以从宏观上预测犯罪趋势，这为我们防范和打击犯罪提供了更好的机会。

线上破案与线下证明相结合的理念。大数据使得发现和确定某一犯罪嫌疑人似乎变得相当容易。但是数据只是事实的镜像，并不等于就是事实；④而且大数据的算法逻辑(强调相关关系、确定的只是一种概率，甚至由于噪音等因素会出现致命的误差)与法律证明逻辑(强调因果关系和排除合理怀疑标准)存在差异，因此，犯罪侦查尚需要进一步按照法律体系的操作要求进行证明。即使我们通过大数据可以确定犯罪嫌疑人，达到了排除合理怀疑的标准，我们也必须把大数据的算法体系转化为符合法律规范要求的证明体系，把数据确定转换为法律确定。然而，线上破案和线下证明并不是割裂的，大数据能对我们证明起引导作用，帮助我们寻找证据，确定因果关系。因此，在大数据时代我们既不能抛弃相关关系，只追求因果关系，也要必须防止用相关关系代替因果关系，防止用预测来代替事实。

以上是小编为大家分享的关于大数据与侦查模式变革研究(1)的相关内容，更多信息可以关注环球青藤分享更多干货

⑤ 大数据与商业决策关系

大数据与商业决策关系

今天，我们正处于决策成本产生巨变的爆发点，过去那些想尽办法都无法获取的数据，在今天唾手可得，而当有些表面上完全不相关的行业数据关联起来时，居然产生了新的商业价值。更重要的是，过去，我们更多地是带着问题去寻找能够验证自己观点的数据，而今天我们却可以使用数据去预测可能出现的问题。海量数据可以使人的智慧得到更大的发挥，并变得更加规模化。大数据的本质是人，数据研究的极点就是莫测的人性。我们一旦掌控了数据之后的数据，就会拥有制胜未来商业的无敌利器。
假定数据是脏的
在处理数据的时候，会像污水处理厂一样，每一步都问自己要如何处理这些污水。这种情况的出现，到底是因为数据源脏了，还是因为数据提炼过程做得不好？美国有一家初创公司，专注于与地理位置相关的数据收集、整理和查询服务。它将地理位置的相关指标，按照酒店和旅馆等属性划分为不同细类，对外提供基于位置信息的实时查询，为包括美国最大点评网 Yelp在内的多个知名应用提供底层数据服务。
这家公司最令人印象深刻的是，它对于所收集来的数据会提供一个数据质量评分，以反映数据的可信度和质量水平。它会对这些数据的源头以及对处理数据阶段所用的算法进行评分。也就是说，这家公司在提炼数据的每一个阶段都进行了数据化管理。
这家公司的做法让我们看到了一个趋势，也是一个非常重要的趋势。因为它首先已经接受了数据源肯定是脏的和数据源一定会被污染的事实。所以，它在处理数据的时候，会像污水处理厂一样，每一步都问自己要如何处理这些污水。这种情况的出现，到底是因为数据源脏了，还是因为数据提炼过程做得不好？这个过程我们一定要区分，而且这样的区分是可取的。这家公司是假定数据是“脏”的来做数据管理，而不是假定数据是稳定的。而且，假定数据是“脏”的来处理数据，在大数据时代将是一个非常重要的趋势。
事实上，我们今天在处理的大数据，依然只是冰山一角，而更大的数据都隐藏在我们的语言中，比如我们说的话和写的字。所以，将来我们要准确地从互动中抓取数据，也一定要依赖对自然语言的处理。现在，美国的很多数据研究人员都在瞄准非结构性数据，即语言处理这一领域。
学会慢慢淡化数据
数据是有优先值的，在数据中有些是特别核心的，有些即使缺失了也没有多大问题。所以，我们要学会真正坐下来盘点那些对公司最有价值、对用户最有价值的数据。
想要确定数据的优先值，就要先解决以下几个问题。
一是数据的标准化。在大数据时代，我们需要一个标准化的东西供我们进行交流。二是我们到底如何对接和交换数据，如何在交换的时候保持数据的稳定性。比如自然语言，比如在无线和 PC不同场景下受到的影响，这些情况都会滋生出许多新问题。第三个重要的问题是数据的存储，这将涉及数据的时效性这一问题。有人曾经提出过一个很有价值的观点，即现实中，网站最大的场景变化就是网站改版。因为重新设计网站，本身就影响数据，比如公司的详情页和首页，任何改变都在影响数据。如果在 1~3年后，你才说得出数据的这一改变是由于促销、用户行为或是改版引起的，那这一数据就已经没有任何价值了，这就是数据的时效性。所以，美国出现了一个概念叫数据淡化（ Data Decay），意思很明显，数据会慢慢淡化。我们要更清楚地认识到，数据是有优先值的，在数据中有些是特别核心的，有些即使缺失了也没有多大问题。所以我们要学会真正坐下来盘点那些对公司最有价值、对用户最有价值的数据，这是一个非常重要的趋势。
重要的是数据和数据之间的关系，而不是数据本身
大数据价值的实现，在于数据与数据的连接。
Google做了一件非常惊人的事情 —— Google甚至能在不明白某个网页语言的情况下，知道其内容是什么。试想一下，如果你懂俄语，看出俄语网页里在讲什么当然很简单。但是，如果你仅仅通过看字词的排列和网站的分类，就知道网页的内容，这是不是很令人惊叹？
这就是知识图谱，它是一个无穷无尽的世界。事实上，知识图谱并不是数据，而是数据和数据之间的关系。但这里有一个非常大的弊端，就是数据的储藏量非常大、储存的方法也很复杂，且稍微改变一点点关系的定义，整体就会产生巨大的变化。
比如说，有一个知识图谱在说电商平台用户之间的关系，那数据信息就非常庞大了。试想一下，今天电商平台里有多少个用户跟你有关系？假如说有 25个人，那么 25个人的关系就演变成了 25×25条关系。这时候，我再问你“什么是关系”、“见过就算关系，还是一起买过东西叫关系”的问题就具备了一定的难度。
关系建立的维度是无限大的，而且定义稍微改变一下，整个存储和整个数据库都会发生变化。所以，知识图谱的把控是有难度的。举个贴近我们生活的例子，比如说银行很早之前就给你开办了信用卡，决定银行这一决策的不是你的个人关系而是总关系。银行决定是否贷款给你，是要看你爱人做什么职业以及你家中其他人的经济情况如何。当这种种关系关联起来时，就会产生一个极为重要的知识图谱。
以往我们谈大数据时候的本钱，莫过于“我有这种数据，你没有”。在未来，数据和数据之间的关系才是重中之重，而不是单纯的数据本身。

以上是小编为大家分享的关于大数据与商业决策关系的相关内容，更多信息可以关注环球青藤分享更多干货