大数据背景下的刑事技术

『壹』 大数据能对检察工作提供哪些帮助

能够起到的作用和帮助，有如下四种：
(一)领导决策
借助大数据计算,发现一些人脑想象不出却版又客观存在的权事物关联,提供给领导,作为决策的重要依据。
(二)刑检部门办案
大数据的帮助主要体现在把卷宗变成数据,把提审变成数据,对于卷宗就是把纸质的变成电子的,然后放在专用内网上,然后根据检察官的案子智能分析出所需要的卷宗,呈现给他。同时提审则采取远程提审。节约时间,提升效率,再者同法院联系建立数字法庭,对于不方便到法庭的人证、物证都能够采取远程展示的方式。
(三)自侦部门办案
运用大数据技术,职务犯罪侦查工作模式也能够良性改变。作为反腐败的重要力量,检察机关将所调查了解的情况、证据上传到系统中,使得反腐工作在职务犯罪线索的发现、侦查情报的获取、职务犯罪形势的分析以及刑事政策的制定等方面,提高了效率。
(四)群众服务
大数据在群众接待方面,主要是通过群众在之前来访时记录的数据,自动感知、通过数据挖掘,预测出群众所需的服务,分析出人民群众的需求。特别是窗口部门,在排队人数过多时,自动报警,新增窗口分流等待群众。
大数据不仅对检察工作有帮助，还能将其运用于实际的工作中！

『贰』 大数据预测犯罪，科幻还是现实

从硅谷到世界各地，大数据被视为科技领域最热门的话题。随着智能手机等其他便携式智能设备的出现，人类的位置，行为，个人喜好，甚至身体的各项生理数据等每一点变化都变成了可被记录，储存和分析的数据。这些数据看似普通，但是却是被广泛地使用在商业行为用途中。以此为基础，‘反馈经济’等新经济和新商业模式也应运而生。

曾几何时，大数据的价值被人类大大忽略。一方面，那时的计算机以及其附加计算工具发展尚不成熟。云计算出现之前，传统的计算机是无法处理如此量大，并且毫无规则的信息数据。而另一方面，是人类自身没有意识到蕴藏在大数据里无穷的信息价值。随着计算机技术和互联网技术的发展，云计算成为一个科技时代的优秀产物被作为发掘数据价值，征服数据海洋的强大动力。

这个方法真的有效吗？美国人抢先试用。2011年，洛杉矶（以下均简称洛城）警察局试用了这项研究的成果，结果当年洛城的入室抢劫犯罪案件大幅度减小。现如今，这项研究结果已经被做成了预测分析软件来进一步协助落成的警察们预测犯罪案件的发生地。

听说美国人成功吃了第一个螃蟹，英国也急于尝试一下自己的科研成果。随后，从肯特郡到约克郡，英国多地的警察局都参与到了英国的犯罪预测实验项目中来。实验结果显示，犯罪行为通常表现出明显的规律特征，而科学家们新加入的预警模型也可以帮助大幅度降低犯罪案件的发生率。其中一例，2011年曼彻斯特（以下均简称曼城）市的特拉福德区的抢劫案跟之前一年同期相比下降了26.6个百分点，而整个曼城市的抢劫案件发生率相较之前一年同期减少了9.8个百分点。

但并不是所有警察叔叔们都有着如此美好的用户体验。肯特郡警署却并不同意绝大多数同僚的用户感言。经历了大约四个月成功而有效地试用期后，2013年四月分开始，肯特郡的抢劫案如离离原上草一般，猛然复苏，犯罪率如疯狂报复般上涨。各地警署和专家们听闻后大为吃惊。难道大数据预测犯罪还是不够可靠吗？通过调查肯特郡的警力调动历史数据，专家们惊奇发现，在成功的四个月后肯特郡警署自以为犯罪率下降了，而降低了警力的布置，进而引发了犯罪案件数量的回涨。

作为2014年亚太经合组织领导人非正式会议的举办地，北京怀柔警方通过运用科学分析模型，云计算技术以及大数据技术，以怀柔地区9年1万6千个历史案件信息为数据库建立了犯罪数据分析系统和犯罪趋势预测系统。该系统有效地预测了北京地区的犯罪趋势，并成功地指导了警力的投入。

研究表明，每类犯罪案件的犯罪事件和犯罪地点都是有规律可循的，犯罪预测系统可以以数轴的方式预测出不同时间段犯罪的发生概率。目前，世界上犯罪预测系统通常包括了对入室盗窃，抢劫，诈骗，破坏公物等几十类案件的预测分析，大大提高了此系统的实际应用范围。最近，该系统又被扩展到了交通事故和火灾事故的领域。

『叁』 大数据环境下关于电信诈骗案件研判的思考

近年来，公安机关加大对电信诈骗的打击力度，并取得显著成果，但此类案件数量仍然持续增长，且犯罪手段变化快、空间跨度大、团伙化趋势明显、追赃困难，且破案模式难以复制，办案人员为了破案往往需要跨区域长期作战。

明略数据以大数据关联关系挖掘技术为核心研发了SCOPA系统，将海量多源异构的数据整合关联，将全量数据展示为一张易于理解的点边关系图。公安机关的任意部门、任意服务器中的数据都可以通过SCOPA系统整合在同一个界面上统一检索、关联、分析和研判。目前这套系统已广泛落地并获得大量实战成果。该系统应用在电信诈骗类案件研判和侦破方面，有以下三大优势：

一、极大提高线索研判的效率，有效缩短破案周期，抢占行动先机。

当电信诈骗侦破因为犯罪分子的反侦查手段深陷僵局时，往往需要综合犯罪分子的通话、短信、上网、转账等全维度行为线索寻找突破口，这时如果这些数据都处在割裂的系统中，民警就要花费大量的时间排查，犯罪分子有机会闻风而逃。利用全量关系网络图，和在此基础上搭建的全量搜索、关联分析、地理挖掘、话单分析等强大应用，SCOPA可以在短短几分钟内帮助办案人员锁定原本需要数小时、甚至几天的排查工作才能够得到的线索。此外，在具体案件侦破过程中实时发现的新线索，SCOPA也支持实时手动导入。再复杂的数据，无论是几千页通话记录、上网记录还是历史档案、笔录信息，都可以轻松快速地录入系统，与系统中已有的数据迅速建立关联，让新的线索浮出水面。

二、以简明图形界面还原真实案件的复杂推演，降低复杂研判的经验门槛。

电信诈骗案件犯罪嫌疑人狡猾异常，一旦发现任何风吹草动就有可能更改联系方式等，造成查案的线索中断。借助SCOPA平台的技术，即使一条线索中断了，也可以随时沿着另一条线索追查，更能轻易发现通过好几层关系连接起来的线索。通过SCOPA的技术辅助，民警可以通过简单的操作快速在图形界面中构建出案件的原貌。更进一步的，有经验的民警通过实践总结的应对各类案件情况采用的研判方法可以沉淀在SCOPA系统中，跨时间、跨地域、甚至跨警种让另一名民警借用其智慧解决面临的案件和问题。

三、化被动为主动，智能预警与预测，防范犯罪行为。

如果在诈骗案件发生之前就掌握犯罪分子违法行为的迹象，就能大大减轻案件研判的压力，并对犯罪分子起到强大的威慑作用。通过大数据技术，这一愿景也将成为现实。借助全量数据的分析和算法模型的挖掘，SCOPA能够通过机器学习技术学习犯罪分子的历史行为数据，总结出其作案的特征，从而在未来发现类似特征时发出预警。例如，电信诈骗涉案的手机话单很可能不同于普通人的手机话单，呈现频繁呼出、极少呼入、大量呼出被挂等特征。越是完整的数据就越能帮助计算机还原真实的犯罪分子“肖像”，从而帮助防范犯罪行为。

通过大数据技术与公安业务的结合与创新，SCOPA产品突破了传统的“反电信网络犯罪查控平台”限制，通过数据融合、实时分析模型、大规模情报分析等方面的技术优势，使得电信诈骗的研判展现出高效、精准和前瞻的全新面貌。在大数据时代，明略数据希望以技术的力量帮助公安机关告别传统警务，迈向真正的智慧警务。

相关报道

『肆』 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

『伍』 大数据技术在军事领域有什么应用

在军事上，用小数据时代的理念和技术，很难与大数据时代的思维和技能相对抗。面对大数据时代的军事机遇和挑战，要么主动进击，要么被动跟进，难以置之度 外。其间的取舍与成败，首先有赖于思维变革，其要求全体军事人员尤其是指挥员，更加具备基于体系作战的系统思维、基于数据模型的精确思维及基于对战争进行 科学预设的前瞻思维。
大数据创新了军事管理方法，且这种创新是全方位的--除了可以提高包含阅兵在内的军事训练水平，还可以：
1.提高军事管理水平
管理大师戴明与德鲁克都曾提出：“不会量化就无法管理”。数据的根本价值之一，就是可作为管理依据。大数据应用的特点是强调分析与某事物相关的总体数据， 而不是抽取少量的数据样本；大数据关注事物的混杂性，而不追求事物的精确性；大数据注重事物的相关关系，而不探求其间的因果关系。
将大数据应用于军事领域，意味着军事管理将更加刚性，基本不受人为因素的影响，且更加自动化。所以说，大数据强军的内涵，本质上是军事管理科学化程度的提 高，即与小数据比起来，由于有了大数据，军事管理活动量化程度更高了，工具更加先进了，边界更加宽广了，管理质量、效率会随之更高。
2.丰富军事科研方法
通常人们研究战争机理、找寻战争规律的方法有三种，又称为三大范式：实验科学范式，在战前通过反复的实兵对抗演习来论证和改进作战方案；理论科学范式，采用数学公式描述交战的过程，如经典的兰彻斯特方程；计算科学范式，基于计算机开发出模拟系统来模拟不同作战单元之间的交战场景。
但是，上述研究范式只能使人们感知交战的过程和结果，并未有效提高对海量数据的管理、存储和分析能力。
以大数据为核心技术的数据挖掘模式被称为第四战争研究范式。人 们可以有效利用大数据，探寻信息化战争的内在规律，而不是被淹没在海量数据中一筹莫展。大数据研究范式由软件处理各种传感器或模拟实验产生的大量数据，将 得到的信息或知识存储在计算机中，基于数据而非已有规则编写程序，再利用包括量子计算机在内的各种高性能计算机对海量信息进行挖掘，由计算机智能化寻找隐 藏在数据中的关联，从而发现未知规律，捕获有价值的情报信息。
例如，在第一次海湾战争前，美军就利用改进的“兵棋”，对战争进程、结果及伤亡人数进行了推演，推演结果与战争的实际结果基本一致。而在伊拉克战争前，美 军利用计算机兵棋系统进行演习，推演“打击伊拉克”作战预案。随后美军现实中进攻伊拉克并取得胜利的行动，也和兵棋推演的结果几乎完全一致。
作战模拟早已经从人工模式转变为计算机模式，再加上大数据，战前的模拟推演，从武器使用、战争打法到指挥手段，都可以清晰地显现，是非常好的战时决策依据。一旦发现作战计划有问题，可以及时调整，以确保实战伤亡最小并取得胜利。
3.加速型武器装备面世
大数据在武器装备上的广泛应用，意味着武器装备建设将从重视研发信息系统到重视数据处理与应用的转变，从注重信息系统的互联互通到注重信息系统的透明性互 操作的转变。当前武器装备的信息化程度越来越高，装备体系内各个节点之间的信息共享也越来越方便、可靠，但由此也带来了一些突出问题，如原始信息规模过 大、价值不够高、直接提取所需信息的难度增加等，从而使得武器装备体系在信息获取效率上大打折扣。在这种背景下产生的大数据为解决上述问题提供了有效方 法。
需要说明的是：大数据应用不仅意味着人们要以创新方式使用海量数据，还意味着人们要采用人工智能技术来处理自然文本和进行知识表述，以替代目前依赖专家和技术人员昂贵而又耗时的信息处理方式。
大数据与人工智能是一而二、二而一的关系。受益于大数据技术，武器装备体系将从战场上的信息使用者升级为高度智能化和自主化的系统。其具体流程为：经 过智能处理后的高价值信息进入战场网络链路后，与战场网络融为一体的武器装备体系能实时自动感知面临的有关威胁，各装备节点自动感知包括我情和敌情在内的 战场态势，在作战人员的有限参与下高度自主地分解作战任务，确定作战目标和行动方案，经过适当的审批流程后执行相关的作战行动。
在这方面走在前列的仍然是美军。美军大数据研究的第一个重要目标是通过大数据创建真正能自主决策、自主行动的无人系统。这一点已在无人机领域实现。美军希 望无人机可以完全摆脱人的控制而实现自主行动。美军2013年试飞的X-47B就是这一系统的代表，它已经可以在完全无人干预的情况下自动在航母上完成起 降并执行作战任务。
4.提升情报分析能力
19世纪初，军事战略家克劳塞维茨以人的认知局限为由，提出了“战争迷雾”概念。显然，“战争迷雾”即“数据迷雾”。信息战首先得消除“战争迷雾”。信息 战是体系对体系的战争，而这一体系是一个超级复杂的巨大系统，仅诸军兵种庞杂的武器装备和作战环境数据，就足以大到使普通的信息处理能力捉襟见肘；而敌我 对抗的复杂化，更是让数据量呈爆炸式增长，从而带来比传统战争更多的“数据迷雾”。可以说，信息化战争的机制深藏在“数据迷雾”中。
消除“战争迷雾”会提高指挥员的情报分析与军情预测能力。过去，由于可以掌握的数据不足，战争的不确定性很高，指挥员很容易陷在“战争迷雾”之中。而大数据最重要的价值之一是预测，即把数据算法运用到海量的数据上来预测事情发生的可能性。
具体而言，未来完全可能依托大数据分析处理技术和建构模型，通过数据挖掘模式，从海量数据中挖掘出有价值的信息，及时准确掌握敌方的战略企图、作战规律和 兵力配置，真正做到“知己知彼”，使战场变得清晰透明，从而拨开“战争迷雾”，达成运筹于帷幄之中、决胜于千里之外的作战目的。
对此趋势，很多国家及其军队都极为看重。例如，美军明确提出，要通过大数据将其情报分析能力提高100倍以上。如果这一目标实现，那么在这一领域其他国家 与美军的差距，将难以用简单的“代差”来描述。美军通过多年的发展，已拥有全球最先进的情报侦察系统，因为对海量情报数据的分析，曾是美军情报侦察能力的 瓶颈，而大数据正好能够帮助美军突破这一瓶颈。
大数据时代，往往不要求准确知道每一个精确的细节，只需了解事物的概略全貌即可。通过相关数据信息的大量积累，而不是对某个具体数据的精确分析，大数据技 术可以为我们提炼出事物运行的规律，并判断其发展趋势。例如，2011年美军击毙本·拉登的“海神之矛”行动，就有赖上千名数据分析员长达10年数据积累 的支撑。换言之，是大数据抓住了本·拉登。
5.引领指挥决策方式变革
管理的核心是决策。大数据带来的重要变革之一，是决策的思维、模式和方法的变革。建立在小数据时代基于经验的决策，将让位于大数据时代基于全样本数据的决策。
决策是进行数据分析、行动方案设计并最终选择行动方案的过程。军事决策建立在对敌情的正确分析预测之上，其目的是通过合理分配兵力兵器，优选打击目标，设计完成任务的最佳行动方法与步骤。
以往的战争，做出作战决策时缺少足够数据支持，甚至数据本身的真实性、准确性也难以保证。目前信息化条件下的战争，各种条件都变成了数据，这就要求指挥人 员必须掌握分析海量数据的工具和能力。以往，指挥人员更多的是依靠经验进行相对概略或粗放式决策。大数据的出现必将要求指挥人员以全新的数据思维来进行指 挥决策。这种决策将有几个特点：
一是准确。只要提供的数据量足够庞大真实，通过数据挖掘模式，就可以较为准确地把握敌方指挥员的思维规律，预测对手的作战行动，掌控战场态势的发展变化等。
二是迅速。大数据相关技术所提供的高速计算能力有助于指挥员更加迅速地设计行动方案。
三是自动化。针对特定的作战对手和作战环境，大数据系统可以自动对己方成千上万、功能互补的作战单 元或平台进行模块化编组，从而实现整体作战能力的最优化；面对众多性质不同、防护力不同且威胁度各异的打击目标，大数据系统可以自动对有限数量、有限强度 和有限精度的火力进行分配，以收获最大作战效益。
在大数据时代的战争中，军事专家、技术专家的光芒会因为统计学家、数据分析家的参与而变暗，因为后者不受旧观念的影响，能够聆听数据发出的“声音”。
总之，基于数据的定量决策将和基于经验的定性决策同样重要，基于经验的决策将很大程度上让位给全样本决策，基于大数据的决策手段将从辅助决策的次要地位上升到支撑决策的重要地位。
对此，美军的认识是最到位的。美军发布的《2013-2017年国防部科学技术投资优先项目》就将“从数据到决策”项目排在了第一位，凸显了大数据对其指挥决策方式的巨大影响。
6.优化作战指挥流程
网络日益普及的情况下，信息的流通与共享已不是难题，人们开始关注对信息的认识，及将信息转化为知识的能力。
与之相适应，军事信息技术也从关注“T”（Technology）的阶段，向关注“I”（Information）的阶段转变；从建设指挥自动化系统 （C4ISR），即指挥、控制、通信、计算机、情报及监视与侦察等信息系统，整体管理“战场信息的获取、传递、处理和分发”的全信息流程；发展至重视大数 据处理应用，综合集成数据采集、处理平台和分析系统，统一优化管理“战场数据采集、传递、分析和应用”的全数据流程。即通过对海量数据进行开发处理，大幅 度提高从中提取高价值情报的能力，从而实现对战场综合态势的实时感知、同步认知，进一步压缩“包以德循环”（OODA Loop），即观察-调整-决策-行动的指挥周期，缩短“知谋定行”时间，提高快速反应能力。
随着数据挖掘技术、大规模并行算法及人工智能技术的不断完善并广泛应用在军事上，情报、决策与作战一体化将取得快速进展。在武器装备上，将特别注重各作战 平台的系统融合和无缝链接，以保证战场信息的实时快速流转，缩短从“传感器到射手”的时间差，实现“发现即摧毁”的作战目标。
比如近几年迅速发展的无人机作战平台，其本质就是一个智能系统。其可以成建制地对实时捕获的重要目标进行“发现即摧毁”式的精确打击，还能通过融合情报的 前端和后端，使数据流程与作战流程无缝链接并相互驱动，构建全方位遂行联合作战的“侦打一体”体系，从而实现了体系化的“从传感器到射手”的重大突破。
7.推动战争形态的演变
大数据可以改变未来的战争形态。美军一直追求从传感器到平台的实时打击能力，追求零伤亡。
由大数据支撑的拥有自主能力的无人作战平台，将使得这些追求成为可能。例如，目前全世界最先进的无人侦察机“全球鹰”，能连续监视运动目标，准确识别地面 的各种飞机、导弹和车辆的类型，甚至能清晰分辨出汽车轮胎的类型。现今，美空军的无人机数量已经超过了有人驾驶的飞机，或许不久的将来，美军将向以自主无 人系统为主的，对网络依赖度逐渐降低的“数据中心战”迈进。
无人机能否做到实时地对图像进行传输非常关键。
目前，美国正使用新一代极高频的通讯卫星作为大数据平台的支撑。未来，无人机甚至有可能摆脱人的控制实现完全的自主行动。美军试验型无人战斗机X-47B就是这一趋势的代表，它已经可以在完全无人干预的情况下，自动在航母上完成起降并执行作战任务。
总之，基于大数据的实时、无人化作战，将彻底改变人类几千年来以有生力量为主的战争形态。
8.引导军事组织形式变革
大数据即大融合，它有望打破军种之间的壁垒，解决军队跨军种、跨部门协作的问题，真正实现一体化作战。
就组织形态而言，扁平结构、层次简捷、高度集成、体系融合应该更符合大数据时代的要求。军事方面的相关趋势有：
（1）网状化。军队的指挥体系逐步发展为“指挥网”，原先的“树状结构”变为 “网状结构”。一个师的指挥系统一旦被打垮，师以下各级可通过“网”与上级或其他作战单元联系。这就改变了传统军事指挥体系由“树干、树枝、树叶”编成的 组织形态，避免了机械化战争时期“打断一枝、瘫痪一片”的指挥弊端，有效提高了局部战争中的指挥效能。
（2）小型化。发达国家的陆军多由军、师、团、营体制向军、旅、营制转变，使作战集团更加轻便灵活，机动性更强。 根据部队的不同功能优化组合，基本作战单位不需要加强补充就能实施多种作战，从而全面提高应对多种安全威胁，完成多样化军事任务的能力。将营作为基本战术 “模块”，将旅作为基本合成单位，以搭积木方式进行编组，战时根据需要临时编组，看迅速生成担负不同作战任务的部队。
世界各主要国家都非常重视军队组织形态变革，并致力于发展新兴军兵种，及时设计和建设新型部队。
2009年，美国国防部宣布组建网络战司令部。2013年3月，美国网络战司令部司令亚力山大宣布，美国将增加40支网络战部队。美国、俄罗斯等国都在积极筹划或正在建设能在太空进行作战的“天军”部队、“机器人”部队。
随着新兴军兵种的建立，军队的组织形态将出现新面貌，未来战争的触角不断延伸，网络、电磁频谱领域的争夺方兴未艾，太空不再是寂寞世界，天战也不再遥远。
（3）一体化。军队信息化必然要求一体化，信息化程度越高，一体化特征越明显。适应新形势下强军目标的要求，我军必须对战斗力要素进行一体化整合，推进武装力量一体化、军队编成一体化、指挥控制一体化、作战要素一体化，提高整体效益。
9.大数据将使体系作战能力大幅提升
从作战手段角度看，大数据及其支撑的新型武器装备的应用，将丰富军队的作战体系；从作战效能角度看，大数据下的作战行动循环（包以德循环）所耗时间将大为缩短，更符合“未来战争不是大吃小，而是快吃慢”的制胜规律。相关变革的结果，将是军队体系作战能力大幅提升。
10.提升军队的信息化建设水平
大数据给了各国军队（尤其是像我军这样的信息化发展水平参差不齐的军队）一个契机，可以牵引、拉动自身的信息化建设向更高层次发展，同时拉齐整体水平，因为大数据意味着“整体”。
具体来说，应以提高决策速度、反应速度和联合作战能力为目标，以数据为中心，以搜索分析处理数据为中枢架构，自上而下建设军事“数据网络”；加快组建云计 算中心，把对大数据分析处理作为军事信息化建设的重中之重，努力建构精确分析处理大数据的硬件系统、软件模型，实现大数据“从数据转化为决策”的智能化和 瞬时化。
同时，也要抓好末端的单兵及单件武器装备的数据采集、存储设备设计，从而为海量数据的挖掘和整合奠定基

『陆』 大数据时代背景下如何构建“智慧警务”

数据是科学的度量、知识的来源。随着互联网特别是移动互联网的发展，一个以信息爆炸为特征的大数据时代正在到来。这对公安机关来说既是挑战，也是机遇。对此，必须以创新的理念和思维，把深入实施科技强警战略，大力推进科技创新摆上更加重要的位置，努力提升公安工作的信息化、科学化和现代化水平。 ■强警论坛黎伟挺大数据时代呼唤数据大开发 如果说过去是一个技术为王的时代，那么大数据时代就是一个内容为王的时代。技术作为获取内容、加工内容、利用内容的工具，更先进的技术无疑可以为我们提供更优的解决方案。就警务信息化应用而言，近年来，浙江公安机关通过系统大整合，从技术层面初步解开了信息孤岛和信息碎片化的死结，为实现更大范围、更高层次的共享应用提供了现实基础。现在的问题已经更多地集中在如何实现对海量数据的深度应用、综合应用和高端应用，促使这些数据从量变到质变。笔者认为，这就需要对数据的大开发，通过使用数学算法对海量数据进行分析和建模，挖掘出各类数据背后所蕴涵的内在的、必然的因果关系，进而研判出某一事件发生的概率，科学预测其发展趋势，以此来服务打防管控等现实斗争。结合公安机关实际来说，就是要重点做好以下四个方面的工作： 二要搞好技术架构大优化。重点是加强技术构架的顶层设计，进一步优化当前技术架构，应该着重做好基于云技术的基础设施梳理；基于可视化、扁平化、集成化以及一站式、点到点技术线路梳理；基于内外网交互的多种传输存储和计算实现方式的梳理；基于安全考量的战略性布局的梳理。 三要搞好海量数据预处理。所谓数据预处理，就是要对各类数据进行筛选、过滤、分类、关联等初加工，建立起如同“超市净菜”这样的数据仓库，并根据特定用户的需求提供定制、配送服务，以改变杂乱无章的原始数据存储状况，提高数据的应用效益。要努力实现从技术服务商向内容供应商转变，通过对海量数据进行预处理，建立公安机关的数据仓库。 四要以刚性手腕建立信息化标准规范。在大数据时代，信息共享已成为大家的共识，关键是如何才能更好地利用。要坚持从源头上解决好标准规范与信息共享问题，除了树立“共享是原则，不共享是例外”的理念外，还要树立“入库是原则，不入库是例外”的理念，做到项目管理要规范、代码体系要规范、接口要规范、数据使用和系统运维也要规范。 新黄金十年呼唤构筑创新大平台 10年前，浙江公安机关在没有成功经验可资借鉴的情况下，通过自主创新建设了浙江公安打防控信息主干应用系统，走出了一条具有鲜明时代特征、浙江特色、公安特点的信销清息化发展道路。如果把此前的以打防控系统为标志的浙江公安信息化称为信息警务黄金十年的话，那么，现在正在徐徐开启的以数据的大整合、大融合、大应用为标志的“智慧浙江公安”无疑是又一个黄金十年。 对于一个国家来说，能否实现现代化的关键是科学技术的现代化，核心是科技创新的竞争力。创新不是口号，必须落实在行动中。具体到“智慧浙江公安”建设，应抓住五个突破口册斗猛进行着力： 一是项目牵引。纲举就能目张，抓住重点项目建设就可带动一般项目建设。当前要重点抓好警务云的建设与应用，PGIS平台的深度开发应用，视频数据整合挖掘与应用，模块化、集成化、即插即用、可快速部署的现场通信指挥保障平台，以及智能化的终端和个性化、人性化的后台服务。 二是搭建面向全警的创新应用平台。就是要为全警打造类似Google、Facebook、维基和网络、腾讯、淘宝、土豆、优酷这样的公安信息创新应用平台，建立起公安机关的“苹果商店”、“安卓市场”。既要从现有应用中筛选出一批创新应用的小软件、小工具，也要为打击破案、执法办案等专业领域工作研发或扶持一批业务工具，同时还要面向公安基层基础工作以及社会管理、服务群众等领域，开发一批便捷、低成本州桥、普及型的应用软件，以方便全警随时随地下载应用。同时，要完善发明创造评审鉴定、版权保护、奖励表彰等制度，激发和保护好广大民警的创造激情。 三是打造信息化高地和特区。典型示范引领是推动工作的一个重要方法。打造“智慧浙江公安”，应先抓一些试点县建设，每个市选择基础条件较好的一个县作为“智慧浙江公安”的示范县、引领县先行先试，上级公安机关要在项目建设、资金补助、人才支撑、工作帮扶等方面采取一些配套政策，予以重点倾斜。 四是最大化利用外脑进行借力创新。分工合作是现代社会的必然，信息化发展也需要内外进行协作。要善于借力创新，通过全面梳理信息化业务，理清外包服务内容，规范和编制好外包业务目录，探索完善外包服务模式。只要是社会和企业能够承担的，就要大胆放开准入。同时，要加强与高科技单位的战略合作，培养一批技术领军和项目技师等开发应用型专业人才，逐步走自主开发和运维之路。 高风险时代呼唤念好安全“紧箍咒” 网络无疆界，互联网在给生产生活提供极大便利的同时，也给信息安全带来极大隐患。一定意义上说，互联网时代就是高风险时代。处在风险时代，一定要有风险防范意识和危机管理能力，牢记“100-1=0”，没有安全保障这个“1”，其他再多也是没有意义的。现在浙江公安机关拥有5000多个应用系统、3000个网站、设备和上千个T数据，已是一个名副其实的“巨系统”。这么大的系统出问题是必然的，关键是要避免出大问题。 守住数据不丢、网络不断、系统不瘫这条底线，必须时刻关注九大安全：一是内容安全，杜绝“一机两用”。二是运行安全，重点关注运行平台是否可靠，运行制度是否完善，运行值守是否到位。三是边界安全，确保内外网交互不出纰漏。四是终端安全，严防警务通、平板电脑等终端遗失，并确保这些终端联入系统的安全性。五是传输安全，确保网络拥有足够的带宽和稳定性，并严防发生数据丢失事故。六是系统开发安全，防止源代码流入社会，并做好知识产权保护工作。七是通信保障安全，提高系统的稳定性，并确保一旦出现危机，能够快速反应、迅速排除。八是队伍自身安全，坚持拒腐防变警钟长鸣，反腐倡廉常抓不懈，与运营商等公司企业打交道时一定要洁身自好。九是大安防产业的健康发展，特别是要加强视频监控资源管理，防止侵害群众的隐私权。 创新时代呼唤队伍素质能力大提升 人才是科技创新中最具能动性的因素。各级公安科技信息化部门作为公安机关信息化建设的主管部门，队伍素质能力的高低直接决定整个公安信息化建设的成败。 一是机构要健全、统一、规范。要按照职能明晰、称谓统一的要求，大力加强科技信息化队伍的正规化建设。现在还有不少县级公安机关没有设立科通部门，笔者认为，这是适应工作需求的，即便不要求机构都单列，可以与其他部门合署，但必须要有专门的人从事科技信息化工作。称谓也要统一，职能也要进一步明晰，逐步理顺与信息办的关系以及科通部门内部行政与事业的关系。 二是培训学习要加强。信息化发展步伐日新月异。对科技信息化民警来说，学习培训比其他警种更加重要，更要抓紧。要根据信息化发展和公安实战需求，及时调整培训大纲，既要学习信息化新知识，也要学习掌握新的政策法律知识、新的公安业务知识，促进先进技术与公安业务互融共进、互促共长。要大力培养专家型人才，鼓励民警参加各类岗位执业资格认证，同时还可选调一批基层骨干民警到专班和项目办进行跟班培训，培育一批行家里手。 三是活力要增强。增进人才交流，要吐故纳新，及时引进优秀人才，及时更换不适应岗位需求的人员。既要立足自身培育自有人才，也要坚持眼睛向外，积极借用公司和企业的人才为我所用。要进一步完善交流协作机制，与大企业开展战略协作，与小企业开展微观协作，通过多层次、宽领域的交流与合作，不断为公安信息化发展注入活力源泉。 四是团队文化要培育积淀。文化是队伍的灵魂，没有文化的队伍必然是一盘散沙。IT产业有着特殊的文化，如果说它是朝阳文化，那它就代表着潮流、代表着未来。要善于吸纳IT产业中的蓬勃朝气、创新勇气，以及IT人所独有的梦工厂文化元素和中华民族淡泊明志、宁静致远的传统文化元素。要恪尽职守，盯住一些事进行攻坚克难，在干事中享受成功的喜悦，实现自我的人生价值。（作者单位：浙江省公安厅）

『柒』 大数据运用在公安工作的什么地方

1. 统计查询：抄这是对大袭数据最基本的应用方式，主要面向历史与现状，回答已经发生了什么事情，如流动人口分区域统计、实有车辆归属地统计、各类案件的数量分布和趋势。

2. 数据挖掘：是目前大数据的核心应用方式，其重点不在于发现因果，而是发现数据之间的关联关系。这种关系可能可以直观解释，也可能不能马上发现其中的深层次原因，但对工作具有一定指导意义，比如季节气候与某些类型案件的关联关系、车辆活动范围、活动习惯与黑车的关联关系。

3. 预测预判：是大数据应用未来的发展方向，在数据统计、分析、挖掘的基础上，建立起合适的数据模型，从数据的关联关系入手，推导出因果关系，能够对一定时期内的趋势走向做出预测，对危险信号做出预警，指导预防工作的走向。