杨宗辉，邓志源

(中南财经政法大学 刑事司法学院，湖北 武汉 430073)

大数据时代下计算机科学、信息科学的迅速发展改变了人们认识和记录世界的方式，社会生活的数据化为我们提供了新的观察视角与研究思路。大数据较为广泛地应用于商业领域、政府治理领域、公安情报领域、医疗领域、图情档案领域。大数据背景下经济犯罪有着更加多样的表现形式，跳出传统自然犯罪在物理时空上的限制，社会接触面更加广泛，危害性更大，公安机关亟须将大数据技术融入犯罪侦查手段进行迭代升级。大数据时代下，与传统侦查工作相比，经济犯罪预警与侦查回应在侦查思维、侦查模式、侦查途径上具有新特性，在侦查效益上也有着相应的优化与提升。梳理现阶段大数据背景下的经济犯罪预警与犯罪治理，找出存在的问题与不足，提出改进完善的可行性措施，具有理论与实践的双重意义。

一、犯罪预警与侦查回应

近些年来，社会生活数据化网络化程度大幅提升，社会信息网络建设愈发完备，数据平台发展越发成熟，以大数据技术为底层支持的整合多平台数据的健康码、行程卡给社会治理难题带来高效便利的技术解决方案。通常从数据体量、技术分析、思维逻辑三个层面对大数据进行概括与总结。“大数据之父”维克托·迈尔-舍恩伯格从大数据技术与分析利用角度出发，认为大数据是以一种前所未有的方式，通过对海量数据进行分析，获得巨大价值的产品和服务[1]。大数据技术发展与应用亦是犯罪预警与侦查回应的底层技术支撑。科学技术的迅速发展与其在社会生活的深度运用已经成为我们所处时代的耀眼底色。

(一)理念

与传统定向数据收集存储与分析处理不同，大数据全景式记录会带来“客观真实”的复现，当数据量累积到一定程度时，其价值会倍速增长。在数据经过挖掘、聚合、清洗、处理以后过滤掉价值较低或者重复收集的数据以进一步提炼价值，而后数据库之间的连接、算法的优化、数据的新陈代谢更会带来指数型的价值增长，这在深度学习领域已经得到了充分的验证。大数据的全景式记录能够很好地修复和完善信息残缺的情况，对于犯罪信息而言，缺失或者被故意抹去的关键信息可以通过大数据的修补而得到一定程度的复原。

公安情报分析发展从“情报导侦”理念指引下的犯罪治理到前瞻性犯罪预警与侦查回应，分析效能主要集中于两方面：一方面是对已发案件的回溯推演，侦查人员通过梳理情报资料，对犯罪嫌疑人的社会地位与精神状态、心理需求与行为倾向等方面进行分析和预测，即破案式分析研判；另一方面是对当前或下阶段犯罪发生地点、类型、犯罪行为人、受害者的前瞻式预警，即预测预警式分析研判[2]。在犯罪预警与侦查回应模式里，公安机关通过既往犯罪数据中案件时间、空间、人群分布特征与各要素间相关性对下阶段犯罪走势进行分析与评估，测算出未来某一时段有关地区、有关人员发生犯罪或遭受侵害的具体形态与现实可能性，发布犯罪预警并进行有针对性的警务部署，这属于分析、评价、应对的一体化侦查方法。对成体量的数据进行分析通常会输出两种结果，第一种是基于现有数据的客观表达，描述性强，第二种是对未来走势的判断分析，预测性强。公安机关通过对社会数据资源的分析推演下阶段犯罪趋势，在通联系统内发布犯罪预警并进行相应工作部署，实施前瞻性警务工作。

(二)模式

受制于犯罪的时空性与传统侦查模式的回溯性特征，公安机关侦查工作往往起步于犯罪发生之后，在侦查工作渐趋繁重、技术性与程序性要求日益提升的当下略显乏力，反应式的犯罪治理模式需要更为科学精准的预测导引，犯罪控制中的“下游应对”急需向“上游预防”延伸[3]。大数据的融合性使得犯罪要素、手段的复杂性、灵活性与侦查方式的固着性、单一性之间的矛盾愈发凸显，单一业务资源与手段在犯罪侦查工作中发挥的作用愈发有限[4]。侦查是公安机关对犯罪的回应，对侦查工作进行合乎时代发展趋势的变革是大数据时代公安机关高效查明案件事实、精准打击犯罪的应有之义，信息化侦查侧重的信息聚合、查询处理、三维分析曾经有力推动了侦查工作的开展，但相较于以犯罪预警与侦查回应为代表的预测性警务还有着从理念到行为的差距。

运用大数据分析技术对公安数据库里存储的大量数据进行研究，将模糊的、有噪声的数据进行清洗和处理，运用犯罪预测模型得出分析结论，我们就可以看到社会因素与犯罪形势间的关联性。按照类别对犯罪活动进行规律性总结，探求有关犯罪“七何要素”(1)“七何”要素意指“何时、何地、何事、何物、何情、何故、何人”。详见杨宗辉主编《侦查学总论》，中国检察出版社2017年第2版，第94页。的描述，可以为后续可能开展的侦查工作提供先期智力支持。近年来,基于大数据的犯罪预测分析工具已有了长足发展，如高级热区识别模型、回归分析模型、近期重复模型、时空分析方法、风险地域分析等[5]。

需要明确的是，犯罪预警与侦查回应从理念提出到实体运行并非跳脱于大数据时代而产生，更多是情报主导警务模式在大数据时代的流变：早在2012年我国部分地方公安部门就已经建立了异常行为积分预警系统，该系统正是基于对异常行为信息的数据分析、情报加工，为侦查工作乃至其他相关警务活动的决策提供科学依据[6]。大数据、人工智能技术对基础设施和社会安全运行等重大态势准确感知、预测、预警，对群体认知及心理变化及时把握和主动决策反应，将显著提高社会治理的能力和水平，对有效维护社会稳定具有不可替代的作用[7]。在此基础上引入犯罪学领域被害人分析和犯罪关联因素分析，如辖区间经济发展水平差异因素、外来流动人口因素、城市务工人口因素、租住房人口因素、时空区位因素等进行综合性考量，赋予各因素不同权重，经由数据建模得出相关犯罪预警结论并进行针对性关注与警务派遣，以达到犯罪预防、先期治理、立体治理的目标。

(三)国内外实践

1.美国芝加哥、洛杉矶警察局犯罪预测项目

美国警方在预测性警务建设与实施上走在世界前列，理论积累与实践运用都十分成熟。芝加哥警察局与国家司法研究院等科研机构合作推进的战略主题清单(Strategic Subjects List)项目于2013年投入使用，主要强调犯罪行为人相关预测分析，以犯罪学领域里犯罪人研究与犯罪被害人学为理论基础，探究两者之间的社会关联。该系统侧重于对数据库内犯罪行为人数据进行汇总分析，对高犯罪行为可能性群体与受害人群体进行预测，既包括犯罪人再犯分析，也包括未来犯罪人预测。在芝加哥警察局，该项目主要用于涉枪犯罪行为人预测，通过把警用数据库里有关人员信息输入由专业人员设计的算法中，关联社交平台数据以推断行为人与被害人之间的关系，对高可能性犯罪主体进行预测估算。警局将计算得出的人员名单按区域分发给相应地区的指挥官，进行以先期关注、提前干预、及时反馈、事后评估四环节为完整工作周期的流程循环，使警务资源的运转更加精准高效。

此外，洛杉矶警察局还应用PredPol系统进行犯罪预测，该系统的核心算法与地震预测软件类似：与地震后带来的余震相同，“破窗理论”可以解释在发生盗窃或者抢劫等治安警情后，短期内该地区同类型警情发生概率会大幅提高的“邻近重复”(near repeat)效应。系统预测方向同样集中于犯罪概率、犯罪类型与犯罪时空三大板块，有效解决了警务资源调用被动、盲目的问题。

2.江苏省苏州市公安局犯罪预测系统建设

在国内，苏州市公安局自2013年底开始推行警务大数据建设，制定警务现代化战略，在系统建设过程中配套相应体制机制并在实践中不断修正、完善。其探索建立的犯罪预测系统在社会治安、反恐维稳与行为预测方面的分析结果经过实践检验，效度和信度都较为可靠。该系统以公安数据库与社会综合性数据平台为数据支持，以人工智能领域内信息分析技术、机器深度学习与人工智能算法为技术支持，加入时间、空间、人口流动性、社会政策、天气等因素分析进行犯罪分析、预测建模。在预测结果中对每天各班次需要重点巡防的区域和违法犯罪警情类型进行标注，并以简明扼要的图形界面，将警情高发区域及对应发案概率直观地显现出来，科学引导巡防力量实施针对性布防[8]。苏州市公安局对该系统进行运行实效分析后，于2015年年初在全市范围内推广使用，通过警情分析关联原有警务数据与犯罪地图，将城市平面图以百米为单位进行方格划分，突出团伙类、财产类、毒品类等高风险犯罪警情区域后由市局组织警力进行针对性部署。在阶段性警务工作结束后将预测结果与实际警情信息进行比对，在预测——执行——反馈的循环中提升系统分析精准度，从而让警务资源更加高效、科学地运转。

3.北京市公安局怀柔分局犯罪趋势预测系统

北京市公安局怀柔分局为了解决辖区面积广、警力资源匮乏的工作难题，在大数据警务建设推进进程中，致力于形成以犯罪趋势预测为长处的犯罪预警与侦查回应模式，借鉴美国警方Blue Crush等预测警务项目经验，与研究机构合作开发的“犯罪数据分析和趋势预测系统”于2013年4月上线运行[9]。该系统的工作原理和运行机制与苏州公安犯罪预测系统相类似：每日形成犯罪预测报告并在例行情报分析会议上传达给局属各单位，再进行相应的警力部署与巡逻防范。这一模式突破了情报分析的瓶颈，以科学的预测方法提高了基层工作的效率，项目推行一年内抢劫案件下降了近55%[10]。需要注意的是，系统分析并不会精确到某一个具体的商店是否会在周三遭遇盗抢，但可以推算某一区域在相应时段里有65%的可能发生入室盗窃，或者某地点有30%的概率发生抢劫，而后由警务指挥中心依据预测结论进行相应的警务派遣。

二、经济犯罪预警与侦查回应

以“金盾工程”(2)“金盾”工程，即公安通信网络与计算机信息系统建设工程。旨在利用现代化信息通信技术，增强公安机关的快速反应、协同作战能力，提高公安机关工作效率和侦查破案水平，是我国在现代社会经济条件下实现动态管理和犯罪治理的重要举措。建设为兆始，公安机关信息化建设进程中已经形成数据收集——数据清洗——数据导入建库——数据关联汇转——数据分析检索等体系性数据处理流程。大数据技术为侦查机关提供了认识犯罪的新视角，亦给侦查工作开展提供了新思路。在大数据技术应用于侦查工作的早期实践里，实务部门所理解的大数据侦查主要集中于以侦查技术、侦查途径为代表的侦查方法层面的探讨，随着技术与实务的深入融合，实务界与理论界逐渐认识到大数据给公安机关带来的是从基础建设、工作方法到思维模式、价值理念的多维度转变。

(一)现状

2018年1月，时任公安部部长郭声琨在全国公安厅局长会议上提出大力实施公安大数据战略、改革强警战略。公安大数据战略一时成为理论与实务界关注的焦点,并被寄予改革公安工作模式、提升警务效能的厚望。大数据技术应用于经济犯罪侦查工作并聚焦于犯罪预警与侦查回应，这其中既有犯罪预警的共性表现，亦有与经济犯罪相符的独特表现形式：打击防范经济犯罪的经侦工作，要紧紧围绕“人流、物流、资金流、信息流”这四个关键要素[11]。资金流查控已经成为经侦部门打击经济犯罪的主要抓手。面对经济犯罪，尤其是涉众类经济犯罪中的巨量资金流转信息，依靠侦查人员线下调取数据进行人工分析的传统侦查模式已经难以为继，需要借助以中国银联警银协助“JASS”系统为代表的多部门数据协同查询软件和以“IBM I2”为代表的可视化数据分析软件进行交易信息查控与资金流转分析，以便高效侦破发案量高、社会危害大、民众关注度高的涉众类经济犯罪。

我国公安机关应用大数据的历程并不长，起步较早的北京、苏州、广州等地的公安机关，开发了各自的犯罪预测分析软件，建立了一套相对完整的闭环运行体系。其他地区多处于探索建立相应系统与试运行阶段，既有实质性效果，亦有共性问题显现，总体上处于应用发展阶段。

(二)存在问题

1.软硬件建设不足，区域间差异明显

目前各地公安经侦部门所使用的数据分析软件与平台较为典型的有数据魔方、I2、开合OCS-3000，与犯罪预警系统建设相似，其开发工作多由技术公司或依附于科研机构的技术研究院完成，公安机关并不掌握或者较少掌握核心技术，自主知识产权少，在运行维护上多交由技术公司技术人员负责。造成第三方技术依赖的同时，存在数据违规调取、泄露等侵犯公民隐私权的风险，公安大数据机密性特征要求对数据安全予以更高的关注。

在全国公安大数据战略普遍推进的宏观趋势下，不同地域经侦部门的发展状况还存在较大分别，究其原因，一部分是政策支持与基础设施配套程度的不均衡，另一部分是对公安大数据建设的认识问题：部分地区仅仅将公安大数据作为科技部门的一项工作任务来推进，或者将精力单纯放在引进或者开发某一个计算模型上，对于其他需要投入精力的基础性工作不闻不问。有的地方认为，公安大数据是纯技术，交给科技信息化部门来办就可以了。这种认识割裂了技术部门和业务警种部门之间的联系，容易使公安大数据局限在科信部门。有的地方认为大数据就是全面的智能化，盲目追求高大上的技术构架。这种认识可能导致建设结果与实际需求相去甚远[12]。部分公安机关对大数据与预测性警务认识不足，缺乏顶层设计与长远谋划，这也导致大数据中心建设与运用缺乏系统、谋略思维，区域间发展阶段存在较大差异。

2.数据收集不全，数据壁垒问题严重

数据收集种类有限，偏重于结构化数据，对以文档、音视频、图片为代表的非结构化数据收集较少，而此类数据往往展示着更宽广的社会生活。在数据收集过程中需统一数据采集标准，使得不同系统数据接口之间有着良好的相融性。从当前情况来看，大数据采集、上报、整合、汇总、应用等环节局限于技术部门，缺乏与实战单位和警种部门的“对接——反馈”机制，没有形成双向互动模式。部分侦查人员在收集数据时存在部门主义倾向，侧重收集对于本部门有实战价值的数据，对于其他数据则予以弃置，数据收集局限性大，数据库总体价值亦随之降低。此外，在数据库建设过程中，公安机关的数据收集渠道较为单一，数据库样本覆盖面不广、更新慢，数据质量不高、实用性较低。数据库资料囿于少部分政府部门数据库与公安数据库，在总量与类属上尚不能达到大数据评价标准。

各地数据库在建设之初缺乏顶层设计与统一标准，项目建设完成后多作为省级公安机关甚至地市级、县级公安机关数据仓库使用，不同建设主体各自为政，在数据交流与共享层面存在较大障碍，数据流通性差，数据孤岛、数据壁垒现象频现。诚然，这样做有着数据安全性考量，但是通过限定公安系统内共享、规范数字证书使用、严格审批与保密程序，可将数据泄露风险控制在最小范围。公安系统内数据共享不仅对数据库的封闭性与安全性予以保障，还有着数据聚合、更新、处理、运用等多方面效益。

3.思维观念滞后，缺乏经侦数据分析人才

虽然大数据对于公安机关来说已经不是新鲜事物，但公安机关对大数据的普遍采用和深化运用仍然缺乏系统的理论指导及丰富的实践积淀[13]。部分公安机关仍将传统侦查方法与思维模式带入经济犯罪预警与侦查回应工作中，将预测性警务与传统的信息化侦查归为一类，对新模式存在工具化、扁平化认识，难以为平台监控、数据挖掘与系统学习提供助力，在精准预测、犯罪治理、系统管理方面还需要精耕细作。民警培训科目跟进较慢，人才引进、培养与保障机制尚不完善，专业化人才储备不足的问题愈发明晰。一个完整的经济犯罪预警与侦查回应流程需要法学、经济学、计算机科学、侦查学、犯罪学、心理学、应用数据学等多学科知识，对侦查人员的知识背景提出了较高要求。

三、大数据对经济犯罪预警与侦查回应的提升

在社会数据传输越发高效、经济联系越发密切的同时，新型犯罪形态层出不穷，叠加网络平台高速传播与高隐蔽特性，犯罪社会危害性越来越大，所带来的人身与财产损失巨大。经济犯罪尤其是涉众型经济犯罪受害者众多，地域分布广泛，社会影响严重。犯罪类型和手段更新、社会法治环境发展变化的侦查大环境要求公安机关对现有工作模式进行变革，向着更加高效、便捷、法治化方向发展。大数据时代产生了与物理空间相对应的数据空间。侦查领域则衍生出以数据空间为场景、以数据为载体、以算法为工具、以数据价值为目的的大数据侦查模式[14]。自2003年起在我国公安机关推行的“金盾工程”标志着信息化侦查的开端。当前社会形势要求公安机关进一步增强预防和打击犯罪的能力，面对经济犯罪高发态势，犯罪预警与侦查回应一体化已经成为经侦部门打击犯罪的利剑。

(一)催生侦查思维转变

大数据理念所强调的整体思维、预测思维、容错思维等为侦查工作开辟了新视域。聚焦于经济犯罪侦查工作中的犯罪预警板块，由个体观察、小体量样本、特定行业样本的局部思维转变为收集探求多视角大体量跨行业样本的整体思维；由追求样本数据精确性、对应性变为适当模糊以追求数据价值最大化的容错思维；由传统侦查工作着重探寻的因果思维变为强调事物之间隐秘关系的相关思维；由刑事诉讼法规定的侦查工作探寻案件真相的回溯性思维变为对当下乃至未来犯罪前瞻性分析预防的预测思维。要尊重并保护公民隐私权乃至数据权，把相关性探寻与因果关系分析相结合，致力于“法律真实”的证成。

(二)促进侦查模式转型

1.数据导侦侦查模式

侦查活动的对象是涉嫌犯罪的案件，即行为涉嫌触犯刑法的案件[15]。侦查工作是在犯罪发生后，依照刑法有关犯罪的规定予以立案后开始的，传统侦查工作多从现场勘验调查与访谈入手开展侦查工作，以打击与控制犯罪为价值追求。信息网络时代，网络平台成为犯罪实施的渠道，完成目标策划、人员聚集、物品采购、行动安排等活动，犯罪痕迹兼具实体化与电子化表现形式。这就要求公安机关对侦查模式进行合乎时代发展趋势的革新，数据导侦模式应运而生。经济犯罪案件数据研判思路重心在于数据，文本、时序、视频等多源异类数据融合碰撞，结合案件特征定向分析，初步锁定嫌疑人，在公安数据库匹配查询挖掘出外围线索进行新一轮研判，最后落地打击[16]。侦查机关将大数据技术应用于侦查工作中，带来从侦查策略、侦查途径到侦查工具及其操作程式的全过程变革。通过微小线索在大数据地图中寻求事件原貌，找到相关数据痕迹后输入系统模型中检索、配对，逐步缩小有关“人、事、物、时、空”的侦查范围直至破获案件。

2.全景式侦查模式

大数据时代，社会活动记录呈现数据化表现形式，数据收集、存储、分析能力都有了很大的发展。受时空限制，传统回溯型侦查工作在运行中呈现从点到面、从局部到整体的探求特征，且工作完成后总结提炼度不强，共享性不高。大数据背景下经济犯罪预警与侦查回应一体化强调犯罪预警与精准打击，以全景化视角进行数据采集，对临近时空数据进行关联比对、碰撞分析，缩小侦查范围，快速确定犯罪嫌疑人。针对高发多发又难以投入人力专案专办的民生类“小案”可以建立“网络控制破案机制”，进行整体性、动态性、经营性、智能性侦查，应用前景广阔[17]。侦查机关在立案后对案件开展侦查工作，将已掌握的情报线索带入数据画卷进行还原，运用相关性思维引入更多数据，让行为人更加立体真实，侦查进程中可以收集到更多的证据，更便于“零口供”案件证据收集工作与侦查进程的推进。

3.犯罪预测型侦查模式

刑事案件是侦查的逻辑起点，在立案之后根据案情进行相应的侦查工作，查证犯罪线索，查明案件事实，确定和查缉犯罪嫌疑人，从而完成侦查工作目标。犯罪预测型侦查同样遵守着侦查的行为框架，只是将侦查的触角延伸到犯罪行为进行时、犯罪结果发生前。立足于大数据及足够的计算能力，辅之以专业的研判和分析，能够实现对犯罪的预测、预防和深度控制、精确打击，这是公安机关以宏观治理思维解决社会犯罪问题的战略思维转变[18]。通过对以数据形式表现的社会行为进行分析与总结，建立配套数据分析使用的工作机制并接受严格的程序监督与权力约束，在社会利益与个人利益并重的前提下，对行为人犯罪信息痕迹进行捕捉分析后予以管控，取得侦查内外价值与政治、经济、法律效益的统一，这就是犯罪预测型侦查模式的价值导引。但再完善的预警系统都不能完全取代人的分析与判断，即使预警系统已经被训练到智能甚至智慧层级，也禁止把注意力投放与警务工作安排完全交由系统决定，侦查人员需时刻警惕技术万能主义倾向。

四、经济犯罪预警与侦查回应的建构与完善

(一)建构

1.数据平台搭建支持

理念是行为的先导，正确的认识来源于对生活实践的严谨分析与经验总结。经济犯罪预警与侦查回应想要取得理想的效果，信息收集的合法性、准确性、时效性都需要保证。数据平台是数据存储与分析的“智库”，必须充分认识到平台蕴含的重要价值与战略意义，在建设及后续运行维护中进行持续性的资金支持、人力投入。数据平台建设作为一项持续性的工作，在建设伊始就应当加强顶层设计，统一谋划，设立更具延展性、协调性的数据收集标准、平台软硬件建设标准与人员配备标准，避免行业主体各自为政、平台数据壁垒、数据标准不兼容等低效局面的出现，以数据价值最大化为导向指引工作。建立公安机关内部数据共享机制，纵向上打通上下层级、横向上打通地域层级信息系统之间的联通。建立多部门协同使用的数据资源共享平台，畅通公安机关对社会信息库数据的查询接口渠道，弥补公安大数据在数据种类和容量上的缺陷，发挥聚集效应。

2.预测模型建设导引

将公安大数据平台内的数据导入接受过数据训练的预测分析模型，得出高信度的前瞻性预测结论，评估测算下一阶段社会治安形势，确定工作重点，安排工作计划。公安领域的数据挖掘是针对各种细分的业务领域，针对具体业务场景设计不同的算法和算符，再对数据挖掘的结果进行具体的分析研判，从而对新型犯罪模式作出总结和预测。预测模型在经侦预测型侦查中起到成果转化的核心作用，一个完善的预测模型可以最大化地利用数据资源并得出科学的预测结果。应当注意，由于数据提供者的角色、动机、专业程度不同，信息噪音和对精准度的影响导致数据源具有不确定性。数据源的不确定性导致数据客观性的偏离和价值密度的稀释[19]。不同业务场景下，数据分析需求五花八门，关联分析建模门槛高，且复用性较低，往往是建立一个模型就需要从数据获取、数据预处理到特征提取、模型训练、模型优化等全流程运行，难以做到通用[20]。各地应当对数据分析模型做好记录、存档与持续性训练，互相提供智识资源。

预测模型建设过程中不可避免存在技术人员的主观价值判断，预测结果的行为导向性要求我们在建模之初就要努力做到客观公正，理性对待预测结果，避免落入技术主义陷阱，应当着力提升算法技术，在实际投入使用前通过数据验证训练、既存规则提炼与既有经验归纳来设计最优算法。常见的建模技术有支持向量机、决策树，使用集群方法及数据关联技术建构预测模型，受制于信息处理复杂性，适当忽略黑箱分析技术中的信息运算过程也是科学合理的，但应当提防“黑箱运行”中数据输入与规则转化脱离公安机关控制的风险，强化部门自律意识与责任落实机制建设。公安机关预测模型建设工作可与科技公司联手进行，但应当努力掌握核心技术，确保系统运行安全性与可持续性。

3.人才培养机制探索

公安机关应当树立组织行为与机制运行功效最大化目标，这亦是效益原理与人本原理的体现。目前我国犯罪预警工作处于持续发展阶段，大数据技术人才缺口逐渐加大，公安机关应当制定大数据警务人才培养计划，加强经侦专业人才培养与警队再教育，建设适应时代发展的人才队伍，推动公安大数据技术发展。公安院校与科研院所应当加强大数据领域的专业教育，培养更多信息科技人才，同时面向社会招收具有大数据技能的专业人才，经过职业培训后充实公安大数据队伍。以国务院发布的《促进大数据发展行动纲要》为指导，对现役公安队伍进行大数据、深度学习领域的培训教育，加强部省市县四级专业技术民警队伍建设，在形成合力梯队的同时着力建构经侦犯罪侦查信息系统与信息流分析模型。注重队伍大数据意识与能力的养成并应用于侦查工作当中，将理念落于实处。

(二)完善

1.提升常态化运行机制

数据平台建设过程中要建立数据收集更新机制，定期上传数据并进行清洗，确保数据平台内数据时效性与可利用性；尝试建立系统数据内部检测机制，对于违规收集的数据应当立即清除并逆向追溯；推广数据脱敏技术，对于数据违规使用行为应当追查到人。公安机关现阶段普遍使用的警综平台在案件基本信息采集及处理上较为成熟，但在侦查基础工作数据与案件情报信息关联上还有提升的空间，缺乏对数据中所蕴含的情报信息的深层次分析、捕捉、筛选和研判，数据支撑破案能力较低。平台应配备运营专用人员负责日常运行、数据检测、后台监管、权限审批等工作，在全体民警皆可依规提供数据信息的基础上设立负责数据收集及清洗筛选工作的信息专员，为数据平台建设与运转提供坚实的基础与持续的保障。公安部门还应与大数据公司、金融机构、科研院所进行有关数据平台运行、管理方面的交流培训，引入先进的管理运行机制。

2.建立配套评估反馈机制

为经济犯罪预警与侦查回应工作建立配套评估反馈机制，审视工作成效与不足，提出具体解决措施。一方面要对数据平台、预测模型的科学性、准确性进行评估反馈，另一方面也要对经济犯罪预警与侦查回应的有效性进行评估，建立连续性预测结果及工作应对会商机制，对前一周、月、季度的工作应对进行分析提炼并提出分析意见。明确工作侧重点是犯罪预防与治理，防止地域歧视性算法出现，因为歧视性算法一旦进入算法系统，反馈回路就可能会进一步强化这种偏见[21]，避免出现将预测结果视为工作开展的倾向，结合经验理性分析，保持对预测结果的清醒认识与合理怀疑，防止大数据歧视怪圈与唯结果论倾向的出现。

五、结语

大数据时代下万物都以涌动的信息流形式被我们观测和审视，如何接收、理解、记录并更好地运用这些信息流，是我们无法回避的问题。将大数据技术、思维与理念应用于犯罪预警与侦查回应工作中，亦是经侦部门对时代发展的回应。现阶段大数据技术发展迅猛，公安机关在应用过程中应秉持审慎的态度，保持对新兴科技关注的同时，坚守法律的冷静与理性特质，热情推进工作，冷眼回看反馈。以刑法谦抑性与无罪推定原则为最根本标准，严格遵守国际公认的最低程序公正标准，避免技术主义与工具主义作风，合理利用侦查资源，大数据背景下的经济犯罪预警与侦查回应才能更好地实现政治、经济与社会价值的统一。