大数据视野下的公安管理精细化研究

马国春，申　蕾

（北京警察学院， 北京 102202）

大数据视野下的公安管理精细化研究

马国春，申蕾

（北京警察学院， 北京 102202）

公安管理精细化是社会治理精细化的题中之义，也是深化公安体制改革的必然要求。大数据对公安管理精细化具有重大助推作用，直接服务于侦查破案、警力配置、公安队伍考核等领域。大数据条件下公安管理精细化面临的制约因素，主要体现在公安管理理念和公安管理体制两个方面。如何在大数据时代背景下，创新公安管理理念和公安管理体制机制，是实现公安管理精细化必然面临的一个重大课题。

大数据；公安管理；精细化；社会治理

党的十八届五中全会明确提出，要加强和创新社会治理，推进社会治理精细化。社会治理精细化是在我国经济发展进入新常态和依法治国进入新阶段提出的具有鲜明时代特征的一个战略任务。作为政府社会治理中的一个重要维度，公安管理不仅关系到公安机关自身的内部有效管理，而且关系到社会公共安全治理水平的高低。在新时代背景下，大数据业已为公安管理精细化提供了强有力的技术支撑和观念指引，总结提炼当前大数据对公安管理精细化的助推作用，探究公安管理中制约大数据发展的不合理因素，无疑是进一步推动大数据在公安管理精细化中深度应用的必要条件。

一、从数据视角看公安管理精细化

数字是人类的另一种通用语言，承载着人类理性认知的客观性和精确性。数据起源于人类早期计数活动,在漫长的人类历史长河中，数字对于促进人类生产生活以及国家社会治理起着极其重要的作用。作为一门工具，数字具有简洁性、抽象性和可累积性的特点，无论生产生活领域的时间安排、农业统计或工业生产，还是社会政治领域中的人口普查、军事战争或政治文化，都能够看到数据在背后的作用。随着人类社会的发展，数字早已超越早期的计数工作的价值，而是直接牵动着人类日新月异的科学技术、纷繁复杂的社会生活等方方面面。数字日益成为一种超越工具意义上的思维方式和文化话语体系，正如涂子沛先生所言，“数据文化就是尊重事实、强调精确、推崇理性和逻辑的文化”。①涂子沛. 数据之巅：大数据革命，历史、现实与未来[M].中信出版社，2014年版，第1页。

相对于普通数据，大数据是指“大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据集”①赵国栋等. 大数据时代的历史机遇：产业变革与数据科学[M].清华大学出版社，2013年版，第21页。。大数据之“大”集中体现在4V，即（1）Volume，海量数据规模；（2）Velocity，处理速度；（3）Variety，多样化的数据类型；（4）Value，巨大数据价值。大数据就是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态②参考2015年8月31日《国务院关于印发促进大数据发展行动纲要的通知》。。在社会治理领域，大数据通过建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，将推动政府管理理念和社会治理模式进步，逐步实现政府治理能力现代化。

从某种角度来说，精细化实质上是一个数据化的概念。“精细化”的理念最早产生于20世纪50年代的日本企业，之后这一理念逐步推广到政府管理领域。精细化管理最基本的特征是“精”和“细”，“精”就是高要求，“细”就是具体化或者量化。③李燕宇.公安机关精细化管理探索与研究[J].湖北警官学院学报，2012年第5期。“精细化”管理是通过规则的系统化和具体化，运用程序化、标准化和数据化的手段，使组织管理各单元精确、高效、协作和持续运行的管理理念和管理手段。④刘明君，刘天旭. “精细化管理与基层政府治理创新——以桃园模式为例[J]. 甘肃社会科学，2010年第4期。从公共管理的视角来看，公安管理构成政府公共管理的一个重要组成部分，是一个公安机关作为核心主体与社会各种力量互动的过程，是对社会提供治安保障与服务的活动。⑤王舒娜.从公共管理的视角看公安管理的基本内涵[J].中国人民公安大学学报，2004年第1期。因而公安管理既包括对公安机关和公安民警的管理，也包括公安机关对社会安全问题的治理。从这个角度来说，公安管理精细化应该是指在公安机关在对社会安全问题的治理以及内部队伍的管理中，通过程序化、标准化和数据化的手段，强化细节管理，节约警力成本，注重量化操作，最大限度提升公安机关效能的公安管理理念和方式。

公安管理精细化不仅是科学管理意义上的技术革新过程，同时还应该是文化管理意义上的观念更新和体制机制转变的过程，特别是在管理中体现量化思维、精确思维、法治精神等价值理念追求。大数据正好为公安管理精细化提供了技术条件和理念指引。从相反角度来说，公安管理不仅因为大数据而获取更加便捷的治理手段，而且在大数据时代背景下传统公安管理模式面临越来越现实的“技术倒逼改革”的冲击与挑战，这在一定程度上为观察当前我国公安管理改革提供了一个新的思维路径。

二、大数据对公安管理精细化助推意义

大数据时代内在所包含的复杂而完备的技术体系，为社会精细化治理提供了先进的技术手段，并将在一个更具挑战意义的时空宽度和内涵深度里与社会治理有机结合。就公安管理而言，大数据技术应用直接为公安管理精细化提供了诸多便利的技术条件，并业已在以下几个方面对公安管理精细化产生了深刻影响。

（一） 侦查破案中数据挖掘的精确化

侦查破案中的数据挖掘是大数据在公安业务中最为直接的应用领域。随着整个社会的信息化和犯罪的高智能化，传统的公安信息化建设已经无法满足新时代背景下公安业务工作对信息整合和数据挖掘的要求，大数据正好能够有效解决这方面的瓶颈问题。大数据针对犯罪信息的数据挖掘，主要体现在侦查破案领域。通过建立犯罪信息数据库，整合社会各领域的数据资源，针对特定案件进行犯罪信息数据挖掘，如指纹和DNA数据库、人脸识别、智能化视频监控等，实现侦查信息的精确定位，实现从数据中找线索，在数据挖掘中破案的目标。告别传统基于人力和经验积累的侦查破案模式，大数据技术助推公安打击犯罪的科学化，极大地节省警力和提高警务工作的效率。

大数据技术对犯罪信息数据挖掘的精确化依托几个方面的条件，一个是大规模的数据整合。只有实现对整个社会各类数据的搜集、存储和整理，同时整合公安管理涉及的各领域数据，才能为大数据侦查破案奠定数据“量”的基础。二是依托云计算的快速数据处理技术，面对各种非结构化的海量数据，云计算的大规模、分布式和高效能等特点使其成为面对大数据处理的关键技术。目前不少地方在警务云平台建设方面取得长足进步，如山东省公安厅基于云海IPO建设的公安大数据警务云平台，通过跨部门、跨区域、跨警种多信息轨迹即时联动和信息共享，山东公安实现全省17个市、160多个区县分局及基层所队的信息共享机制①刘军，张晖. 公安大数据技术应用研究——以山东公安警务云平台建设为例[J].警察技术，2015年第3期。。大数据技术对犯罪信息数据挖掘的精确化，不仅提高了打击犯罪的效能和速度，而且为基于风险预测的警力配置精细化创造条件。

（二） 基于风险预测的警力配置精细化

警力配置是公安管理精细化必须面临的重大问题。当前，我国各地普遍存在警力缺乏的问题。除了与庞大的人口数相比,我国的警察总体数量相对偏少之外，警力配置效率比较低也是警力缺乏的一个重要原因。关键问题是还没有形成警力配置的科学模式，传统经验型的警力配置模式没有办法满足现代社会对警力配置高效率的需求。相比较经验型的警力资源部署，大数据提供的风险预测分析不仅可以促进警力配置的精细化，同时在打击犯罪和维护社会公共安全方面也能够实现主动出击及提前预防，从而使有限警力资源发挥最大功效。

目前在利用大数据技术进行风险预测方面，全国各地进行了有效试探，主要的模式有三种：第一类是犯罪活动时空分析型，即通过对犯罪活动时空分布信息进行大数据分析，将片区历史犯罪数据与警力配置对接，实现警力资源的精确部署和主动出击。其主要的原理是依靠大数据的强大数据分析功能，通过对以往案发数据、时间和地理信息等多种数据进行有效梳理，来预测未来特定时间段特定区域特定案件类型的案发概率。如北京市怀柔区就针对辖区历史犯罪信息的大数据处理和警力配置的对接进行过相应的试探，实现准确打击犯罪，有效提升了警务工作效率②阎耀军，张明. 犯罪预测时空定位信息管理系统的构建[J].中国人民公安大学学报（社会科学版），2013年第4期。。第二类是犯罪信息碰撞型。在信息化条件下实现犯罪信息碰撞，通过筛刑嫌、查轨迹、碰案件，建立“由人到案”侦察模式的大数据犯罪打击，使警力部署更具科学性、巡逻防控更具针对性、侦查破案更具精准性。如武汉市洪山公安分局在打击入室盗窃方面就是通过将特定人的身份背景信息、活动轨迹信息和案件信息进行碰撞，实现犯罪预防和侦查破案。①张晟. 大数据打防多发性盗窃案件探析[J].湖北警官学院学报，2015年第10期。第三类是风险信息防控型。这一类型的大数据应用主要是通过整合各类风险信息，实现风险预测。如近年来江苏大力推进消防大数据平台建设，通过依托政务网、公安网和互联网，建设消防数据中心，汇聚数据资源，实现各类消防风险信息的综合采集和分析研判，提升消防安全的精细化管理水平。②参考江苏省政府办公厅2016年1月下发的《关于开展消防大数据平台建设应用工作的通知》。

应该指出的是，上述三种分类只是理论上对目前大数据在风险预测中应用类型的划分，在公安实践中三种类型往往相互交叉，或者表现为以某一种类型的风险预测为主，其他类型风险预测为辅，但都服务于基于风险预测而促进警力配置精细化的目标。

（三）实现公安队伍考核的精准化

公安队伍考核的精准化是实现公安管理精细化的必然要求。当前公安机关业务工作繁重、一线民警压力普遍较大而警力数量又无法短期内快速增加的情况下，推进精细化考评，是增强警力效能的必经之路。③曹新平. 基层公安机关开展精细化考评的探索与思考——以上海市公安局长宁分局为例[J].上海公安高等专科学校学报，2015年第1期。就公安队伍考核的精细化而言，大数据能够在标准化建设、考核自动化系统开发等方面发挥切实作用。

“标准化是政府社会管理精细化的关键问题”④麻宝斌. 政府社会管理精细化初探[J].北京行政学院学报，2009年第1期。，实现考核内容的标准化当然也是公安管理精细化的前提。大数据的基础性条件就是要实现基础性数据标准统一，有了统一的数据标准，进而设置合理的考核内容、量化指标、评判依据等。目前，关于利用信息技术进行公安考核的研究特别是各类公安执法考核系统的开发应用研究取得了一定成果，如立体化执法考核体系建设，依托信息化技术对基础业务、个案评查、专项考评、监督业务、执法档案、星级办案人和法律法规等内容进行考核，对于促进警务执法源头把关、过程跟踪、环节审核、事后倒查、过错追究等能够发挥较好作用。⑤徐佳琪. 公安机关执法考核系统的设计与实现[D].吉林大学2014年硕士学位论文。还有如基于ASP的公安绩效考核管理系统的设计，将人事管理与绩效考核结合起来，提高考核管理效率。⑥李道静. 基于ASP的公安绩效考核管理系统设计与实现[D]. 2015年吉林大学硕士学位论文。也有的研究在当前公安部门采用的绩效考核方法基础上，设计公安绩效考核静态模型和动态模型，在此基础上研究公安绩效预警机制。⑦崔玉梅. 基于数据挖掘技术的公安绩效考核及预警方法研究与设计[D].天津大学2012年硕士学位论文。

随着公安信息化建设的深入推进，公安绩效考核领域积累了海量的数据，不少公安业务部门在依托信息化技术进行公安考核上采取了许多试探性的作法。大数据公安考核不仅能够基于全方位的数据信息实现对考评对象的全面考核，而且能够避免许多人为因素造成的不公正因素。当然，如何依托大数据实现公安考核的精准化还是一个需要进一步深入研究的问题，特别是在当前废除破案率、抓捕率、起诉率等不科学考核指标的条件下，如何设定合理考核标准，将定性与定量结合起来，实现公安考核的科学化，无疑是摆在我们面前的一个突出问题。

三、大数据条件下公安管理精细化面临的制约因素

一百年前梁启超认为中国的社会进步可归纳为三个层面，即器物层面、制度层面和文化层面。就社会进步而言，最易实现变革的是器物层面，其次是制度层面，实现文化观念层面的改变难度最大。在科学技术日新月异的现代社会，相对于科技的进步，体制机制的改革和思想观念的变革也往往表现出一定的滞后性，反过来也会抑制技术的进步，这在大数据身上也同样如此。随着大数据在公安管理领域中的深度应用，来自于公安管理理念和体制机制方面的障碍性因素越发成为制约大数据助推公安管理精细化的瓶颈。

（一）公安管理理念方面的制约

黄仁宇在论述中国传统社会治理弊病时，将中国明朝未能走向资本主义归结为不能在“数目字上管理国家”。大数据虽是一种技术，但是其根植于悠久的数据文化之中。正如涂子沛先生论述的那样，美国开国至今不过二百年，但数据在国家生活中的历史，却几乎和其建国史相生相伴，准确地说，是和其宪法的制定同步。①涂子沛. 数据之巅：大数据革命、历史、现实与未来[M].中信出版社，2014年版，第3页。大数据作为一种思维方式，其广泛的影响力可能主要不是因为数据量的陡然增长或者受处理技术的突飞猛进，而是人们在数据利用思维方面实现了质的飞跃。大数据所蕴含的数据思维、精准思维直接为公安管理精细化治理提供了思维模式启发，然而在现实中我们仍然可以从公安管理理念中看到许多与这样一种数据思维和精细思维不相适应的地方。

1. 公安管理中经验主义思维。公安管理中经验积累固然重要，然而在一定程度上现代社会的发展就是一个精确数据逐渐代替主观经验的过程。传统的公安管理决策中，对经验的偏好胜过对细节和数据的重视，对事实的把握往往只满足于一个“大概”、“差不多”，管理中的主观色彩浓厚。即便是到了信息技术高度发达的今天，不少领导干部依旧忽视量化统计和数据分析，缺乏依靠数据进行科学决策的能力，直接影响公安管理的效果。因为公安队伍数据文化缺乏，大数据技术发展面临许多基础性的制约。基层民警缺乏对数据的敏感度，在数据的采集、录入、整理和分析等各个环节中难以实现客观精准的要求。例如在信息领域，相对于日益纷繁复杂的现代社会，传统的手段越来越难以有效应对各种社会安全风险，而依托大数据技术的新的信息手段又尚处于起步阶段。当前破除信息领域的经验主义思维无疑是公安信息工作发展面临的一个现实问题。

2. 针对数据的工具主义思维。数据文化承载着人类理性认知的客观性和准确性。大数据不仅是一种数据应用技术，更代表一种现代理性思维方式。如果仅仅把数据看成一种工具和手段，不尊重数据背后所代表的真实性和客观性价值，则很容易陷入一种为了数据而数据的工具主义思维中。现实公安管理中，我们经常可以看到这种针对数据的工具主义思维，如有的数据缺乏事实根据或者可信度不高；有的数据是为了应对上级检查而突击准备；有的数据为了让其好看被“注水”，甚至编造数据，等等。这些做法完全背离了实事求是的客观原则，也反映了工作中浮躁心态和侥幸心理。

3. 传统的“小”数据思维。传统的数据思维方式与大数据时代的思维方式有着根本的区别。正如舍恩伯格和库克耶曾指出的那样，大数据与三大思维方式转变有关，“要分析与某事物相关的所有数据而不是依靠少量的数据样本；乐于接受数据的纷繁，而不再追求局部精确性；不再探求难以捉摸的因果关系，转而关注事物的相关关系”。①[英]迈尔·舍恩伯格，库克耶（盛阳燕等译）. 大数据时代[M]. 浙江出版社，2013年版，第29页。这种留有弹性的数据思维方式实际上是对客观现实的一种尊重，因为在特定的技术手段和现实条件之下，人类理性的认知不可能对所有的事务建立精确的因果联系。因而从这个角度来说，建立相关关系更加能够符合事务的客观现实。

（二）公安体制机制方面的制约

唐皇凤认为，改革开放后中国社会治安治理中一直存在一个绕不开的困境，即常态化的社会与运动式的治理方式之间的悖论，其背后的根本原因是国家治理资源的缺乏，包括国家法治资源的匮乏、权力的市场网络和制度网络不完善，以及国家权力的后勤基础设施的落后等②唐皇凤.常态社会与运动式治理——中国社会治安治理中的“严打”政策研究[J].开放时代，2007年第3期。。就公共安全领域而言，国家治理资源的缺乏其重要根源在于公安体制机制问题。从单纯技术角度来说，大数据无疑能够极大地增强国家强化社会治安的能力，但是由于公安体制机制原因，大数据技术并未能够得到最充分的发展，如公安管理中的部门主义、人治大于法治的基层治理机构、“重权力归属”行政运行逻辑等，都在不同程度上制约了大数据技术在公安管理中的应用效果。

1. 传统公安管理体制中部门主义和人治模式。就部门主义而言，最直接的反映就是公安内部信息化建设中缺乏顶层设计，各类公安数据之间缺乏统一标准，带来信息壁垒和信息孤岛的现象。这种公安数据共享机制的缺乏，既体现在纵向数据开放程度低，往往上级公安机关掌握丰富的数据资源，而下级业务部门往往无法综合应用；也体现在横向上数据流通性差，即各个公安业务部门数据信息难以共享，各自为战，整合程度低，极大制约公安实战能力的提升。

公安部在1998年开展了“金盾工程”建设，该工程建设旨在通过使用信息化手段来增强公安系统统一指挥、快速反应、协调作战和打击犯罪的能力，将近二十年的“金盾工程”建设形成了两个方面的成果，一个方面是面向各部门和各警种的条线业务系统，另一个方面是面向多部门、多警种以及基层信息支撑的综合业务系统。但是由于地方公安机关的大部分业务系统无论是硬件上还是软件上都是单独设计和部署，系统与系统之间难以实现数据兼容共享，极大制约了公安信息化建设的效果。当前，如何有效破除壁垒、实现信息共享，已成为进一步推动公安信息建设的一项突出任务。另外，公安管理体制中的人治问题，公安信息化建设一任领导一任做法，缺乏明确的标准，更多从行政逻辑而不是从数据本身出发来规划信息化建设，结果则是“八仙过海、各显神通”，因人而异，因事而异，因领导人的注意力转移而异，导致重复信息化建设问题突出。从根本上来说大数据与机构臃肿、部门主义和官僚主义是冲突的，因为这些因素不能对大数据提供基础性的数据支撑，反而制约了大数据的发展。机构设置臃肿与层级过多，既导致数据资源无法整合，又导致无法实现扁平化管理，降低了大数据应用效果。

2. 在公共安全治理机制上，忽视治理主体的多元化。就公共安全而言，其涉及到的治理主体不仅包括公安、武警等部门，也涉及到社会企业和公民个人。传统的公共安全治理机制，强调的是政府公安部门维护社会公共安全的有效性，但是对于社会企业和公众的参与不够重视。在大数据时代背景下，实现社会治理精细化离不开多元的公共参与机制。充分发挥各方的积极性和创造性，能有效地弥补政府单一主体社会治理的漏洞和不足。开放社会治理的多元化主体，不仅要有原子化的“朝阳群众”、“西城大妈”，还要组织化的各类民间团体乃至于社会企业、各类公益组织等。特别是在信息技术高度发达的今天，信息技术企业在公共安全治理中能够发挥的作用越来越大，最经典的案例是谷歌公司对于甲型H1N1流感爆发的预测。2009年，就在该流感爆发前的几个星期时间，谷歌公司的技术工程师在《自然》杂志上发表了一篇论文，该论文通过将搜索记录和流感预测联系起来，预测了该流感在美国的传统范围，其精确度可具体到特定的州和地区。结果谷歌模型的预测与公共卫生部门给出的数据相关性高达97%，而且这一预测早于官方几个星期。这一案例显示出信息技术企业在社会治理方面的巨大价值，这对于我们丰富公共安全多元治理主体具有很好的启发。

四、依托大数据的公安管理精细化实现途径

大数据时代的到来，对于当前推进国家治理能力和治理体系现代化来说无疑是一种巨大的推动力量。大数据助推社会治理精细化，体现的是科学管理与依法治国在社会治理领域的深度融合。进一步推动大数据在社会治理精细化中的应用，就必须要从技术深度应用、体制机制变革、文化创新等各个角度进行综合调整，为大数据助推公安管理精细化创造良好的条件。

（一）进一步推进大数据技术在公安管理中的深度应用

当前要进一步推动大数据在公安管理中的深度应用，一方面要着力推进公安管理中所急需的大数据应用项目的技术开发，如信息数据挖掘、智能人脸识别、风险评估预测等，切实在公安管理的各个领域发挥大数据技术的优势。依托于警务信息的有效整合，目前许多地方都在探索“云警务”平台的建设，这必将深刻地推动传统警务模式向现代大数据警务模式的转变。“云警务”在信息领域中的应用将尤为关键，融合“信息主导警务”的理念，“云警务”将在一个新的高度上推动信息模式变革。根据最新出台的反恐法第43条，国家将建立反恐情报信息中心，这一反恐情报信息中心必须依托大数据技术的深度应用。随着以大规模城市视频监控系统为代表的警务物联网技术的迅猛发展，在未来公安实战中类似于信息感知、云计算、智能化分析处理等技术将从信息感知、信息传输、数据处理和业务应用等各个方面上提升公安大数据应用水平。

另一方面，解决当前公安领域大数据应用的不均衡问题也至关重要。当前大数据在公安管理中的应用技术已经取得长足发展，特别是在东部发达省市，一些先进的大数据技术在打击犯罪、风险预测和警力配置等方面发挥了应有作用，有效地提升了公安战斗力。但是在广大中西部地区，大数据技术应用还有非常大的潜力可以挖掘，推动中西部地区公安大数据技术的发展显得尤为迫切，这也是提升全国公安大数据应用整体水平的重要举措。推动大数据均衡发展，还应该按照公安部“四项建设”的任务要求，切实提升“基础信息化”水平，夯实基础，打牢大数据应用的基础数据平台，为大数据的综合应用开发奠定坚实基础。

（二）牢固树立数据文化理念，着力提升公安队伍管理者的数据决策思维

“理念一新天地宽”。 推动公安数据文化的形成，最关键的是提升公安队伍管理者的数据决策思维，真正使公安管理体现数据理念，以推进全方位的公共安全体系创新，实现国家公共安全管理的提质增效。毛泽东在《论党委的工作方法》中提到了“心中有数”，提出“对情况和问题一定要注意到它们的数量方面，要有基本的数量的分析”，并认为“不懂得注意事务的数量方面，不懂得注意基本的统计、主要的百分比，不懂得注意决定事务质量的数量界限，一切都是胸中无‘数’，结果就不能不犯错误”。①毛泽东选集：第四卷[M]. 北京：人民出版社，1991年版，第1442页。未来警力部署必须更加强化定量分析和精确测算，最大限度地实现警力的科学配置和合理布局，真正要将数据文化理念贯穿于公安管理的各个环节，防止“拍脑门”决策和粗放式管理。

提高全体公安民警的数据素养是一项基础性的任务。在全球化与信息化相互激荡的时代，数据文化的重要性更加凸显。从某种角度来说，国家竞争包括经济、科技、军事等各领域，但归根结底是文化软实力的竞争，数据文化就是国家软实力的一部分。要通过数据知识培训、数据人才引进、数据文化宣传促使广大民警形成数据思维习惯，真正在全体民警中厚植数据文化，掌握大数据时代数据采集、整理和应用的基本能力，做到用数据说话，在业务运行、人员管理、公共服务中真正体现数据管理、数据服务和数据逻辑。

（三）创新体制机制，推动数据开放共享，提升公共安全治理水平

大数据与公安管理精细化的融合，不仅需要技术上的突破和文化上的更新，更需要体制机制上的创新与引领。当前制约公安大数据发展的一个重要瓶颈因素是数据壁垒问题，要突破这一瓶颈就需要构建打破数据壁垒、适应数据共享要求的公安管理体制机制。其前提是树立以公开、透明、共享、协作为基础的数据应用平台和数据共享标准，特别是在公安机关内部通过顶层设计和体制创新，统一公共安全领域中各类数据标准，破除数据壁垒，提升公共数据信息的整合力度和共享程度，增强公安内部数据信息的应用能力。在破除数据壁垒实现数据整合这一方面，不仅要在各区域各系统实现数据整合，而且还应该推动全国公安大数据的建设，建立跨部门、跨领域、跨地区的数据联通与开发标准体系，推进大数据整体实施方案的完善。

另一方面，在大数据时代背景下还应深化公安管理制度改革，适应扁平化管理，强化职能机构之间的整体联动效果和整体合力，推动法治公安建设。当前全面深化公安改革的总体目标是：完善和推进国家治理体系和治理能力现代化，建设中国特色社会主义法治体系相适应的现代警务运行机制和执法权力运行机制，建立符合公安机关性质任务的公安机关管理体制，建立体现人民警察职业特点、有别于其他公务员的人民警察管理制度。②参考《关于全面深化公安改革若干重大问题的框架意见》。当前要构建现代警务运行机制和公安管理体制，其核心是法治公安建设，要以法治的形式来规范大数据建设，推动公安扁平化管理，形成系统的针对数据采集、数据整合、数据共享以及数据应用的规章制度，为大数据提供良好的法治基础。

（四）在大数据背景下增强防范数据风险的能力，有效维护数据安全

在大数据时代，公安管理不仅关系到维护社会公共安全，而且其本身也含有对社会信息安全的潜在隐患，特别是涉及到公共安全方面的许多信息一旦外泄，不仅给公民个人带来隐私方面困扰，同时也有可能增加公共安全领域中的安全风险。在大数据背景下增强防范数据风险的能力，一方面要在大数据技术条件下增强数据安全防控能力，必须建立数据安全保护体系，不仅要强化内部安全管理，防止大数据警务信息外泄，同时也要防御外部风险，特别是针对一些重要的涉及到公共安全的互联网数据信息，必须要通过有效的技术设置，防御黑客攻击及其他网络不法行为。另一方面，也要树立数据运用的法治观念，制定关于数据采集、分析、运用、公布等各流程的规范，确保数据始终在规范的条件下运行，确保数据只能运用于公共安全管理领域，确保数据在每一个环节都能够符合法治社会的要求。

A Study on Delicacy Management of Public Security from the Vision of Big Data

Ma Guochun， Shen Lei
（Beijing Police College， Beijing 102202， China）

Delicacy management of public security is the core of social governance， and it’s also an inexorable requirement for the further reform of the public security system. Big Data has a great positive effect on the delicacy management of public security in the area of data mining from criminal information， the deployment and the assessment of police force. The delicacy management of public security faces two restriction factors； the one is the idea of police management， the other one is the management system of police force. Under the background of the era of big data， it’s vita to innovate the idea and the system of public security management.

Big Data； Public Security Management； Delicacy Management； Social Governance

D631

A

1008-5750(2016)04-0012-(09)

10.13643/j.cnki.issn1008-5750.2016.04.002

2016-07-01责任编辑：孙树峰

马国春（1988—），男，汉族，湖南郴州人，北京警察学院侦查系讲师，中国社会科学院2015级博士研究生；申蕾（1987—），女，汉族，河南安阳人，北京警察学院侦查系讲师。