大數據在西方被廣泛應用於總統選舉預測、商業營銷、疾病預防、金融分析、教育改革、社會監測和預測、公共安全管理、恐怖主義襲擊等等。
將大量數據用於刑事偵查和控制始於1994壹個新的公共安全信息管理系統，即CompStat(簡稱COMPSTAT(計算機統計))，由紐約警察局投入使用。CompStat通過對比統計報告確定警力資源分配、犯罪預防和對策[5]。隨著大數據時代的到來，西方大力構建大數據驅動的犯罪偵控體系。大數據驅動的犯罪偵控系統利用大數據幫助警方分析歷史案件，發現犯罪趨勢和模式；通過分析城市數據源和社交網絡數據來預測犯罪；利用大數據優化警力資源配置，從而提升社會公共安全水平[6]。大數據從根本上改變了犯罪偵控模式，利用大數據提升犯罪偵控能力是未來的發展方向。
公安部部長郭聲琨強調要大力加強大數據時代維護公共安全、服務人民群眾的能力和水平[7]。我國各級公安機關已經開始有意識地運用大數據推進犯罪偵控工作。然而，大數據不僅僅是壹個技術問題，它還帶來了偵查理念、方法和機制的變革。我國學術界的研究主要集中在大數據技術的應用研究上，對大數據帶來的偵查理念、方法和機制的變革的研究較少且不夠深入，急需更加系統深入的研究。
第壹，大數據時代復雜的犯罪形勢和犯罪的數字生態
當前，犯罪形勢更加嚴峻復雜。首先，犯罪總量大，犯罪率逐年上升。據統計，僅2012年，公安機關立案偵查刑事案件6551440件，檢察機關批準逮捕、決定逮捕犯罪嫌疑人680539人，數量為986056件[8]。近二十年來，中國的犯罪率逐年上升，刑事案件的發案量平均每年增長22%以上，超過了全國GDP的增長。①其次，犯罪的智能化。犯罪是壹種社會存在，科學的發展滲透到犯罪的方方面面，提高了它的能力和危害。這表現在兩個方面:壹是運用科學思維實施的犯罪，主要表現在嚴密的犯罪思維，犯罪前周密的部署和策劃，犯罪過程中滲透著科學的思維和策略。二是科技犯罪，尤其是數字犯罪。以利用網絡犯罪為例，2012年，全國公安機關共破獲網絡犯罪案件118000余起，抓獲犯罪嫌疑人216000余名。賽門鐵克2012年9月發布的諾頓安全報告顯示，從20112年7月開始，中國有超過2.57億人成為網絡犯罪的受害者。網絡犯罪造成的直接經濟損失達2890億元，受害者人均遭受的直接經濟損失約為1200元[9]。第三，犯罪時間和空間的復雜性。隨著現代科技的發展，犯罪的時間是非線性的，犯罪的空間是缺席的，時空組合是多維的、多樣化的、任意的[10]。第四，案件因果關系復雜。與傳統的靜態單壹社會相比，現代社會是壹個動態復雜的社會。在動態復雜的社會中，因果關系具有非線性、耦合性、多因素性和斷裂性，往往難以確定犯罪的因果關系。
隨著計算機和網絡技術的發展，社會已經進入大數據時代。大數據時代首先是數據記錄的時代。數據記錄時代，數據記錄成為默認模式[11]，人類社會處於數據網絡的記錄之下，數據網絡由無處不在的傳感器和微處理器組成。手機，網絡，監控探頭，射頻技術等等無處不記錄著我們的行為，甚至思想。“早上出門，電梯的攝像頭記錄著我們的出行時間；開車上班，路上的攝像頭記錄著我們的位置和速度；工作時，網頁記錄我們的瀏覽習慣和搜索記錄，電話記錄我們的聯網對象和通話時長；下班回家，購物記錄定義了我們的職業身份、家庭背景甚至性格特征，電視機頂盒記錄了我們的收視習慣和價值品味……”[12]“在數字世界裏，我們都會留下電子足跡或電子指紋。”“我們正處於壹個不斷變化但日益受到密切監控的狀態。事實上，現在我們的壹舉壹動都能在壹個數據庫裏找到線索。”[14]12
狡猾的罪犯能否例外地成為“數據隱士”？做壹個“數據隱士”，意味著妳要徹底脫離現代社會體系，不僅不能使用數碼產品，而且不能吃完全意義上的“人間煙火”。因為現代社會幾乎是數字化的，壹旦妳與現代社會系統進行交流，很可能會被數據捕捉和記錄。但這並不意味著犯罪人具體犯罪的任何要素或片段，如犯罪時間、犯罪空間、犯罪行為、犯罪工具等。，會被數據直接完整地記錄和存儲；意味著犯罪分子隱藏的犯罪信息總是被相關的海量數據從不同側面記錄下來。即使缺失部分甚至主要或關鍵的犯罪要素或片段，也可以通過不同側面的相關海量數據，對犯罪過程進行連接、分析、拼接或繪制。所以，大數據時代，不要談數字犯罪。即使是傳統手段的犯罪，也可以說落入了壹個“天網恢恢，疏而不漏”的網絡錄音存儲系統。數字化是當前犯罪的現實生態。
第二，大數據驅動的偵查模式是時代的必然選擇。
模式是指精煉和抽象的標準樣式。偵查模式反映了偵查要素的結構關系和運行邏輯。偵查模式可以根據不同的標準進行分類。根據偵查中是否使用信息技術，學術界將偵查模式分為傳統偵查模式和信息主導型偵查模式。但從信息論的角度來看，傳統偵查模式與信息主導偵查模式的本質區別不在於是否使用信息，而在於記錄、存儲、提取和分析信息的方式的根本區別。根據偵查中可以使用的信息的記錄、存儲、提取和分析方法，偵查模式可以分為傳統偵查模式、業務信息主導的偵查模式和大數據驅動的偵查模式。學術界壹般將業務信息主導偵查模式和大數據驅動偵查模式統稱為信息主導偵查模式，但兩者不僅發展階段不同(大數據驅動偵查模式是在業務信息主導偵查的基礎上發展起來的)，而且在信息類型、信息提取和判斷方法上也有本質的不同。最重要的是，這種差異帶來了偵查理念、特點和機制的根本變化。
傳統的偵查模式在信息存儲、提取和分析方面科技含量不高。在傳統社會，人類記錄和儲存信息的方式主要是人腦和書寫系統(傳統社會由於信息記錄的需要，發展出了壹整套書寫系統，產生了許多按時間收集的分類書寫檔案)。對於犯罪的信息記錄，除了大腦和文字檔案，犯罪現場還以物質交換的形式記錄犯罪信息。因此，傳統的主要調查手段是調查面談(提取儲存在大腦中的信息)和詢問書面檔案。②人腦信息的存儲和提取的特點是:分散在不同的人身上；信息的準確性差，既受外界環境的影響，又受信息儲存者自身的感受能力和記憶能力的影響。信息缺乏穩定性，信息量和準確性隨時間衰減；信息能否提取，提取的質量如何，首先取決於能否找到存儲信息的人，其次取決於調查人員的詢問技巧(經驗)，受訪者的表達能力、情緒、合作態度等因素。檔案中寫入信息的優點是準確性高、穩定性好，但它有兩大缺陷:壹是提取困難。如果人們想找到壹些有用的信息，他們必須瀏覽所有的信息；雖然後來建立了圖書館式的目錄索引，但查找起來還是費時費力。第二，它不能提供直接的犯罪信息。寫檔案不可能是犯罪的實時記錄，只是破案後的壹種事後登記，這樣的檔案無法為需要破案的犯罪提供直接的犯罪信息。傳統偵查的信息分析和判斷主要依靠偵查人員的經驗，有經驗的偵查人員往往成為破案的關鍵。總之，這種模式科技含量低，特點粗放，能否破案主要取決於偵查員投入的經驗和人力，不僅如此，還取決於偵查員的運氣。這或許能適應傳統靜態單壹的社會及其犯罪，但與動態復雜的社會及其犯罪幾乎完全不相容。
業務信息主導型偵查模式是在信息技術的指導下，以業務信息的存儲、提取和判斷為基礎的偵查模式。隨著信息技術的發展，各種信息記錄和存儲設備被廣泛使用。信息的記錄和存儲不再完全依賴人腦和書寫文件，而是電子記錄，存儲設備已經成為人類記錄和存儲信息的主要方式。這些設備取代了人類的大腦，並編寫文件來實時記錄人類的行為，以及犯罪行為。從來源和存儲分布來看，記錄和存儲的信息形成於不同的業務操作中，分布於不同的業務信息庫中，如商家記錄和存儲人的消費信息，銀行記錄和存儲人的金融交易信息，醫院記錄病人的信息等等。這些數據庫缺乏集成，相互之間形成信息孤島。信息冗余和信息孤島成為信息存在的基本生態。就業務信息主導的偵查模式而言，其主要特點是:壹是偵查部門依托公安平臺積累的結構化數據庫，主要用於人、事、物的查證比對，實時犯罪信息仍以人工采集為主。第二，信息提取依然困難。不可否認，與傳統偵查模式相比，以業務信息為主的偵查模式，對於公安機關積累的結構化信息，極大地提高了查詢和比對的效率。然而，面對越來越多不同來源、不同結構的積累數據，尤其是大量半結構化和非結構化數據，既缺乏數據集成的技術和機制，也缺乏信息抽取的技術手段。結構化數據是數據之前的模型，大部分是事後註冊的(也有少數是酒店住宿等實時記錄的數據。)，所以很難有實時的犯罪記錄信息，其主要價值在於對人、事、物的驗證；正是這些來自不同來源的半結構化和非結構化數據，實時記錄了犯罪的“線索”。第三，信息分析判斷仍然主要依靠偵查人員的經驗。商業信息系統主要用於簡單的查詢和比較，無法進行智能算法分析。總的來說，面對當前的犯罪形勢，尤其是手機犯罪和數字犯罪，這種偵查模式難以奏效。
大數據驅動偵查模式是基於大數據和雲計算平臺，是大數據時代信息主導偵查模式的升級。大數據時代，大數據驅動的偵查模式是時代的必然選擇，這不僅在於復雜的犯罪態勢及其數字生態，更在於大數據技術使這種選擇成為現實。
首先，犯罪的數字生態是大數據驅動偵查模式的現實基礎。面對復雜的犯罪形勢，人們似乎有點不知所措。在某種程度上，控制犯罪是壹種偵查技術，它比刑事技術更具優勢。但是，現代性的發展使得犯罪分子更加匿名化和流動性，壹度打破了公安機關的優勢，這也是當今犯罪爆炸式增長的原因之壹。但是，犯罪作為壹種社會存在，在社會達到犯罪的條件時，也會為人類提供制約它的機會。犯罪的數字生態從根本上改變了犯罪信息的記錄和存儲方式，極大地擴展了“社會記憶”。大數據技術將徹底改變偵查技術和刑事技術的對比。因此，我們必須改變傳統的偵查模式，采用大數據驅動的偵查模式來控制和打擊犯罪。
其次，在大數據時代，偵查面對和能夠處理的數據不再是小數據，而是大數據。當今，偵查所面對和能夠處理的數據具有數據量大、類型多、價值密度低的特點。“塘”和“海”最容易區別的就是尺度[15]。在過去，即使是以業務信息為主導的調查階段，面對或處理的數據量也相當於壹個“池塘”，相比之下，現代調查面對和處理的數據量則是壹片“海洋”。而且現代偵查面臨著數據的多樣性:結構上，不僅有結構化數據，還有大量的半結構化和非結構化數據；從數據類型看，有業務數據、用戶生成數據和傳感器感知數據；從數據表現形式上，有文字、圖片、音頻、視頻、鏈接等。從刑事案件的構成來看，有人及其關系、行為、事物、時間、空間和主觀故意資料。數據的價值密度低。在浩如煙海的數據中，相關的犯罪數據只是小小的“浪花”，卻彌足珍貴。以視頻為例，在持續監控的過程中，可能有用的數據只有壹兩秒[16]。
第三，大數據技術可以從海量數據中提取、分析、判斷、預測未來。大數據是其規模或復雜性超過常用技術的數據，它以合理的成本和時間限制被捕獲和處理。基於雲計算的大數據技術可以突破常規技術成本和時間限制的要求。具體來說，第壹，大數據技術能夠及時提取、分析和處理多結構、多源數據，尤其是半結構、非結構化數據，能夠從海量、混沌的數據中提取大量與犯罪有關的細節、零碎、數據和信息，能夠將“數據、信息點、件串聯起來”[13]29-30。對於確定犯罪嫌疑人的身份來說，也許只有四個信息點就足夠了。第二，依托雲計算，大數據可以在合理的時間內提取和分析信息。以周案為例，南京警方花了幾天時間，動用數百名警力搜索視頻監控數據，而運用大數據技術，可能只需要幾個小時。第三，大數據技術最根本的突破是能夠利用海量數據進行算法分析和信息研究，從而幫助我們了解過去，分析原因，揭示犯罪規律。最後，大數據可以在分析過去中找到有意義的模式，從而預測未來，為我們優化警力資源配置、打擊犯罪提供機會。
第三，大數據驅動的偵查模式的觀念轉變
黑格爾指出“理念是任何知識的合理性”[17]，認為理念包含“預期的東西”，具有前瞻性、指導性和設計性[18]。偵查模式的轉變首先是觀念的轉變。偵查模式中的觀念是指反映偵查規律，具有指導、支配和決定偵查活動能力的觀點、意見和信念。大數據驅動的偵查模式不僅是壹種新的工作模式，更是壹種新的思維和理念。在大數據時代，調查需要建立的概念是:
在線和開放的概念。大數據首先是線上數據。大數據不僅海量，而且實時記錄著社會復雜的動態數據:用戶生成的和各種傳感器感知的數據，這些數據中夾雜著犯罪的“蛛絲馬跡”。對於偵查來說，公安平臺積累的結構化數據固然重要，尤其是對人、事、物的核查，但很難有實時的犯罪記錄。大數據驅動偵查是在公安平臺積累的結構化數據基礎上，對不斷變化的用戶生成的和各種傳感器感知的數據進行提取、分析和處理，獲取信息。所以對於大數據驅動的偵查，壹定要堅持數據在線化、開放化的理念，獲取我們需要的海量數據，然後對這些數據進行分析處理。
數據引導調查的概念。大數據時代，數據是犯罪的生態，偵查過程就是數據存儲、提取、分析的過程。數據貫穿於偵查的各個環節，“讓數據說話”成為偵查的基本思維。數據主導偵查的概念至少包括以下三個方面:第壹，壹切與犯罪有關的現象都可以數字化。壹切都可以量化和數字化[19]25-26。不僅僅是與犯罪有關的有形事物，如時間、空間、人體特征(生物特征、行為習慣等。)，行為，手段，事物等。，可以量化、數字化，也可以是與犯罪相關的無形的東西，比如人的價值觀、態度、情緒等。其次，大數據是基礎資源，是偵查的工具箱。偵查是對數據的挖掘和分析，偵查的成功在壹定程度上取決於對大數據資源的提取和分析能力；利用大數據的各種分析技術，可以得到我們需要的犯罪信息。最後，在大數據時代，數據是偵查過程的核心，主導著偵查的運作。犯罪現場重建、偵查決策、偵查途徑選擇、偵查分析、數據整理、偵查預測等都是圍繞數據進行的。
相關性的概念。大數據通過量化兩個數據值之間的數學關系來確定相關性。強相關性是指當壹個數據值增加時，另壹個數據值很可能增加[3]71。傳統的調查是按照因果關系和數據結構的標準來收集和分析數據。在大數據時代，我們可以分析和使用幾乎所有的相關數據。我們不必拘泥於因果關系和數據結構標準來收集數據，而是堅持相關性標準，不僅收集結構化數據，也收集半結構化和非結構化數據。這種相關性雖然不能直接揭示內在的因果關系，但對於刑事偵查和控制仍然具有很強的實用價值。
關聯可以讓偵查人員全方位、多角度地思考和分析案件。關聯雖然不追求準確，但追求豐富，不拒絕任何機會，盡量創造和利用機會。通過關聯，可以將看似不相關的信息內在聯系起來，從而對案件有更全面的了解。這可能有助於我們找到破案線索，理清破案思路，劃定案件範圍。
相關性可以給我們進壹步的指導，確定因果關系，從而確定犯罪原因，證明犯罪。相關性分析是因果分析的基礎。相關不壹定是因果關系，但因果關系壹定是高度相關的。通過關聯，可以進壹步探究是否存在因果關系，從而證明犯罪。
相關性的壹個重要價值是可以監控犯罪情況。如上所述，目前影響犯罪的原因是復雜的，要確定犯罪的原因並不容易，甚至是不可能的。對於偵查人員來說，可能重要的不是弄清犯罪原因，而是控制犯罪。通過關聯可以確定相關對象，進而可以監控犯罪情況，從而有效調配警力資源，打擊犯罪。
通過相關性，可以預測犯罪。大數據的核心價值是預測。通過收集相關數據，建立大數據模型，可以從微觀角度預測何時、何地、何人、何種類型的犯罪有可能發生，也可以從宏觀角度預測犯罪趨勢，為我們預防和打擊犯罪提供了更好的契機。
在線犯罪偵查與離線證據相結合的概念。大數據讓尋找和識別犯罪嫌疑人變得非常容易。但數據只是事實的鏡像，並不代表它就是事實；④而且大數據的算法邏輯(強調相關性，只確定壹個概率，甚至因噪音等因素導致致命錯誤)和法律證明邏輯(強調因果關系，排除合理懷疑標準)是有區別的。因此，刑事偵查需要根據法律體系的運行要求進壹步證明。即使能夠通過大數據認定犯罪嫌疑人，達到排除合理懷疑的標準，也必須將大數據的算法體系轉化為符合法律規範要求的證明體系，將數據認定轉化為法律認定。但是線上破案和線下舉證並沒有分開。大數據可以指導我們的證明，幫助我們找到證據，確定因果關系。所以，在大數據時代，我們既不能拋棄相關性，只追求因果性，也要防止相關性代替因果性，預測代替事實。
以上是邊肖分享的《大數據與偵查模式變革研究》(1)的相關內容。更多信息可以關註全球常春藤分享更多幹貨。