大数据环境下的社会公共安全治理

朱志萍

（上海公安高等专科学校， 上海 200137）

大数据环境下的社会公共安全治理

朱志萍

（上海公安高等专科学校， 上海 200137）

为适应大数据的新常态社会环境，社会公共安全治理模式由传统的事后补救的“治疗式管理”转向“预防式治理”。这一新模式的运作以大数据收集为起点，通过对其在公共安全治理过程中作用的挖掘，实现大数据参与治理的功能，并最终制定大数据策略付诸行动。

大数据；公共安全治理；预防式治理模式

维护社会公共安全是公安机关根本的法定职能之一。当社会安全已由传统安全威胁转向传统与非传统并存之时，对于公共安全的“理”就不再是“管理”，而是“治理”了。治理意味着主体由公安机关一元转向了公众多元；意味着信息由公安独享转向了公众共享；意味着手段由公安专职转向了公众通职。这些转向都是与当前社会环境因素的变化密不可分的，毫无疑问，大数据的出现及其广泛影响是当前社会环境中最重要的变化因子。

一、大数据于社会公共安全治理而言的全新内涵

为了适应国家经济发展的新常态，我国政府履职亦迈入了新常态的发展视域。所谓常态，是指一定阶段的恒常状态或态势；而谓之新，则意味着这种状态或态势异于以往。于公安机关履职而言，新常态作为一个新的发展阶段，其典型特征就是信息化——无论是工作的目标与内容，或是完成工作的手段与形式，抑或是工作的评估与检验，都必将与信息化紧密关联，由此，势必带来履职环境、主体、客体、思路等等的变化与发展。可以说，在当下这一信息化是与大数据密不可分的，大数据成为当下公共安全治理新模式运行的新常态社会环境。

早在20世纪80年代美国就有了“大数据”（Big Data）的概念，直至2012年被《纽约时报》称为“大数据的跨界年度”，但迄今为止，大数据仍非是一个确切概念。从最初意义讲，大数据仅为一个大的数据的概念，“是指那些大小已经超出了传统意义上的尺度，一般的软件工具难以捕捉、存储、管理和分析的数据”。[1]就此而言，关于大数据的基本属性，当前比较具有共识度的是认同大数据有以下四个基本的自然属性：“数据规模大(Volume)、数据种类多(Variety)、数据要求处理速度快(Velocity)、数据价值密度低(Value)，即所谓的四V特性”。[2]但实际上，所谓的大数据只有与人、与社会发生关系时，才具有其最真实的价值，所以，理解大数据，除了理解其作为纯粹的“大”数据而具有的自然属性之外，更应该理解其更深层次的社会内涵。

于公安机关履行社会公共安全治理职能而言，大数据的重要内涵无疑更需要从以下四方面加以关注：

其一，大数据是一种新型的治理能力。这种能力首先体现在“以一种前所未有的方式，对海量数据进行分析”。[3]维克托·迈尔-舍恩伯格在《大数据时代》中如此陈述，“到2013年，世界上存储的数据预计能达到约1.2泽字节”，[4]这一数据意味着，“如果把这些数据全部记在书中，这些书可以覆盖整个美国52次。如果将之存储在只读光盘上，这些光盘可以堆成五堆，每一堆都可以伸到月球”。而且，这些数据始终在呈指数级增长，可以说，社会就是由海量数据组成，正是由于这些海量数据的深度渗透和广泛应用，甚至引起了社会深层次的变化，如社会形态和社会结构的深刻变化，进而可能产生新的社会矛盾和冲突，并对社会公共安全带来负面影响。与以往不同的是，大数据不仅存在于特定的领域，如航天航空等尖端高科技领域，而且存在于每天的日常生活中，而这恰恰是公安机关一天可能需要面对的海量数据——城乡流动人车物管理的登记入册、视频监控的平台维护、侦查破案信息的排摸比对等。如此庞大的数据首先需要有相应的数据处理能力对其进行收集、存储、分析、统计、应用等操作，否则仅仅是庞大的数据而已。一言以蔽之，大数据就是大社会，大数据时代就是公安机关履职面临的新常态，由大数据引发的真正的革命在于如何运用数据，这种处理数据的能力成为履行社会公共安全治理职能所必需的能力之一。

其二，大数据是一种新的治理技术手段。正如量变必然引起质变一样，海量信息的总量达到一定程度必然引起信息形态的变化，这就需要在处理这些数据的同时更要改进处理这些数据的工具，由此导致了“新的处理技术的诞生”——这种新的技术手段不再局限于传统的结构化数据库表格的整齐排列，而是实现了向“消除僵化的层次结构和一致性”技术的革新，实现了非结构化或半结构化数据的处理。所以，大数据不仅仅是“用现有的一般技术难以管理的大量数据的集合”，[5]也是“对这些数据进行存储、处理、分析、共享、预测的技术”。社会公共安全治理的创新也必然包括大量技术手段的创新。

其三，大数据是一种新的思维方式。“所谓大数据思维，是指一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案。”[6]这就说明，大数据的特征就在于相互关联，而且这些关联性是客观存在的。大数据产生之前，人们更多地是习惯于对事物进行因果关系的思考，习惯于对结果进行原因的查询，在传统的“小”数据时代，这是一种可信的、也可行的思维方式。但面对海量的大数据，人们再也难以凡事寻因。而且，由于客观世界信息的万千更替，人的主观认知能力极易处于落后状态，这种发展的不均衡使得仅仅关注因果关系将成为一种思维局限和行动瓶颈。由此，对社会公共安全治理带来的重大启示就是更需要关注事物之间相关关系的思考，也就是说，对公共安全影响因子的考量不仅仅需要知道为什么，更需要知道是什么，从而进一步预测未来的发展趋势，这即是一种思维方式的变化。而且，由这种新的思维方式带来了理解事物的新方法，即更多关注在事情发生之前预判事情产生的状态及概率。

其四，大数据是一个新的行动领域。大数据的概念原本只是出现在“最先经历信息爆炸”的天文学和基因学；如今，“这个概念几乎应用到了所有人类致力于发展的领域中”。[7]这足以说明，作为新的思维方式必然产生新的行动取向，大数据被认为是“人们在大规模数据的基础上可以做到的事情”，[8]其核心就在于预测事情发生的一切可能性，并由此成为获得新知、创造新价值、建立新关系、提供新服务的源泉。随着大数据时代的到来，各种新的社会阶层和社会组织出现，以及动态社会人口、物资等社会资源流动频率加大，这就使得公安机关履职面对的客体呈现出多元性、流动性、不确定性等特征。不难想象，在当下的经济社会环境中，强调大数据手段的运用必定带来公安机关履行社会公共安全治理职能的全新的行动领域，而且，离开了大数据手段，在这些领域行动定是寸步难行。

二、大数据参与下的社会公共安全治理新模式及其特点

“大数据的核心在于预测”，[9]大数据支持下的公共安全治理的核心也是在基于预测的基础上，把握公共安全变化及发展的趋势，作出正确判断，达到防患于未然的目的。

从社会学意义上讲，社会公共安全作为一种社会状态，是指不确定的大多数人的健康、人身、财产等不受威胁、没有缺损等状态，以及由人群而产生的社会公共秩序的良好与有序。对公共安全的治理主要是政府部门及其相关机构的职能。这些部门和机构运用公共权力为安全有序的状态提供服务与保障，并且在安全受到威胁时提供解除威胁的措施。不同的治理理念、治理方法、治理组织、治理程序等构成了不同的治理模式。

公共安全治理归根到底是对人和物的治理。人和物的和谐与有序形成了安全的公共状态，反之，纷争与无序则导致不安全的公共状态。在大数据条件下，每个人的生活方式、每件物的存在状态都可以最终以数据的形式被记录、被搜索、被查询。始于出生登记，终于死亡证明，人的一生所经历的求学入职、居家出行、体检就医、通讯往来，直至日常生活的每一个环节，几乎所有的信息都需要借助网络平台予以保存。同样，所有的物品，从设计、生产、出厂，到购买、发货、取件，再到发件、流通、运输，最后到收件、使用、维修等，几乎所有的环节也都是通过条形码、芯片、二维码、传感器等实现了数据化的全程跟踪。这种海量的、多样的、复杂的数据化存在的人和物，为管理提供便捷的同时，更为公共安全提出了挑战，也使得公共安全治理模式的转型成为可能。传统的事后补救的“治疗式管理”转向事前的“预防式治理”就是适应时代大数据特征的产物，这也是公安实战中缓解警力资源不足、实现警力无增长改善要求的有效策略。这种新模式主要有以下特点：

第一，将事前的风险预防视为公共安全治理的起点。传统的事后补救的“治疗式管理”模式虽然也强调预防为主，但实际只是更多侧重于发现安全隐患发生的先兆，尽力做到早发现、早报告、早处置。这其实容易造成事前预防和预警机制的缺位，即便有，也往往由于实战性不强而没有实际效果。大数据支持下的“预防式”公共安全治理模式则不仅重视消除和控制已发生的风险，更将事前的风险预防放在首位，通过对相关数据的统计分析，发出风险预警，将问题解决于发生之前。

第二，遵循的是公共安全治理的正向思维模式。传统模式遵循的是“由果寻因”的逆向思维，即从突发事件倒推，进行逻辑分析，寻找因果关系，作出应急决策。大数据支持下的“预防式”公共安全治理模式则是从风险预测开始，进行数据挖掘和量化分析，寻找相关关系，最后作出行动决策，这即是一种“从因预果”的正向思维模式。显然，这是一种更为积极主动的治理模式。

第三，运行的是一种“谋定而动”的警务战略。传统模式以事件为中心，是一种相对被动的应急式行动策略，重在事后补救，但很难做到资源的优化配置，容易形成资源短缺或资源浪费。大数据支持下的“预防式”公共安全治理模式则是主动采取有针对性的措施预防风险，这是一种基于预见性的智慧策略，意味着警务战略的深刻变革，即从战略层面利用情报预警实现实时定位，精准打击，而不仅仅是在案发之后行动层面的快速反应。“谋定而动”显然可以达到资源最优化的效果。

三、大数据参与下公共安全治理新模式的运作

基于大数据的深刻影响力，公共安全治理新模式的运作以大数据收集为起点，通过对其在公共安全治理过程中作用的挖掘，实现大数据参与治理的功能，并最终制定大数据策略付诸行动。

（一）大数据收集：实现由数据到情报的转换

运用大数据首先需要从收集大数据开始。对以结构化或非结构化等多种形式呈现的数据进行有意识的关注和积累，并努力找出事实依据，这是收集大数据的重要来源。此时，即便没有对这些数据进行分析和研判，仅凭由此产生的敏感意识，也是成功运用大数据的目的之一。

“预防式”公共安全治理模式是一种注重犯罪预防的主动警务。毫无疑问，公安工作必须关注信息与情报，而信息的收集离不开数据——数据转化为信息，信息再转化为情报。一种狭义上的数据仅仅是单纯的以阿拉伯数字显示的数据，其本身并无实质性的意义，如172；只有将以数字形式呈现的数据结合一定的环境、置于一定的环境中，才算是赋予了数字以实际意义，如某几起案件的嫌疑对象身高约172厘米，这就是信息。更进一步，社区民警在与居委会交流中得知，最近某户借住了一个身高为172厘米左右的男子，从房东反映的该男子的作息情况来看，与案件发生的时间等特征有吻合之处，这时就由信息转变成了情报，并为警方的侦破工作提供了线索。通过收集数据、分析信息，进而形成情报产品。一句话，新模式以数据形成情报，用情报预测未来的行动，而不是根据现有的行动来收集情报，即用情报印证现有的行为。这是一种注重犯罪预防的主动警务，从而起到防患于未然的作用。

（二）大数据挖掘：实现相关关系的确认

大数据挖掘是指通过对海量数据的分析与研判，发现隐藏在数据背后的关联关系，由此既揭示出了事物过往的规律，又为预测未来的趋势提供了依据。所以，预测依靠的是情报，而情报则是对尚未形成结果的要素之间的相关关系进行确认。以反恐预警为例，从当前日趋严峻的反恐斗争形势来看，恐怖袭击一旦发生，造成的社会危害就非常巨大，后续的社会恐慌无法估量，社会负面影响也将会持续发酵。恐怖袭击中，恐怖分子已经抱有必死的信念，这一点和普通的犯罪行为是不一样的。而且，事后旷日持久的反恐作战更会带来极大的社会资源消耗，所以，反恐必须更加注重事前预防和事中紧急处置，尤其是事前预防，终结犯罪在事发之前，这是反恐追求的终极目标。但是，恐怖袭击在事前非常隐蔽，可以说是没有任何先兆，这种前期的隐蔽性决定了事前防范的难度。

在介入大数据之后，数据挖掘技术使得恐怖活动也有迹可寻。不同于普通人，恐怖分子由于有着特定的行动目标，其所有行为都是趋向目标而实现的。事先的踩点、活动设备材料的准备、资金的筹划、成员之间的联络，总之，从犯罪准备到犯罪实施，再到犯罪之后的逃逸，无所不在的“数据”必定在海量的交易空间中出现并留下痕迹。循迹而动就是数据挖掘技术的触角指向，最终发现锁定嫌疑对象。由此，在事先确定异常值域的前提下，凭借对大量产生的数据进行比对分析，并通过实时监控发现异常，以此掌握地区治安局势的规律和趋势，然后向决策部门提供预测分析材料。正是通过对海量数据的挖掘，可实现与恐怖袭击行动相关关系的确认。

（三）大数据参与：实现公共安全的多元协同治理

“预防式”公共安全治理打破了以往以公安机关为单一主体的模式，强调治理主体的多元化。即当公共安全事件发生时，形成以公安机关为主，其他政府部门、组织、企业、个人协同合作的治理网络。2013年4月15日美国波士顿马拉松赛现场爆炸案侦破中大数据的参与就是实现这一治理模式的典范。

在这起被定性为恐怖袭击的爆炸案发生之后，美国警方立即启动了对嫌疑对象线索数据排摸采用“众包”的手段，以尽快尽可能多地获取了现场的数据。这一手段主要包括：一是调取爆炸发生地科普利广场上的监控摄像头提供的视频数据；二是收集事发地点附近街区居民拍摄的各种现场私人录像、照片；三是大量收集社交媒体上出现的相关相片、录像等；四是专门设立了一个网站供民众上传图片、视频等线索，并很快收到了数千份由观赛者摄于不同角度和不同时间的照片和视频数据。正是根据这些海量的、种类极其丰富的、极富时效性的数据，调查人员按时间顺序将其排列开来，拼凑出当时的场景，并利用图像处理工具来进行聚焦，最终选定可疑人物。显然，单靠警方自身的力量是无法完成所有数据资源的收集。这就是典型的通过大数据参与实现公共安全的多元协同治理，并保证了最后决策的科学性和时效性。

显而易见，通过多种方式的数据发布，将会吸引一批公众有意无意地参与到公共事务的处置中，更多的问题被发现，更深的细节被关注，更有效的方案被激发，直至在长时间、大范围内产生复制和连锁效应，这是大数据参与公共安全多元协同治理的最佳效果。

（四）大数据决策：实现公共安全事件的实时化解决

大数据的参与并不一定带来精准无误的结果，相反，海量错综复杂，甚至冗余错误的数据往往参插其中。若要依靠大数据的实时应用使得数据实时采集、处理、处置成为可能，就需要找寻某种技术手段与能力，并依靠这种手段与能力对参与数据的准确性、有效性、完整性等进行检验，唯有如此，方能为提高快速应急反应能力提供有力的数据支撑。这种技术手段与能力的运用折射的就是大数据的决策功能。

大数据决策的基本操作模式即是通过数据统计技术，对前期检测到的异常进行比对、分析，必要时进行多次重复处理，形成符合要求的数据，最终实现大数据的决策功能。这种决策功能对于预防公共安全事件的产生尤为有效。公共安全事件表面看似具有突发性，但其实可以通过大数据的监测来采取行动决策。试想，倘若在事件发生之前，能首先依托大数据平台，充分研究人流量在静态和动态环境下对应于一般流量、大流量、超大流量的标准参数；同时，借助互联网、移动终端等技术的应急系统，实时不间断地捕获现场中心区域及周边地区相关的数据，实现动态监控，从而有效提高现场感知和快速反应能力，如一旦发觉中心区域的手机数量过了预警线，立即通过短信、微信等方式提前预警，则可有效降低风险。这种智能研判决策即是通过大数据实现了公共安全事件的实时化处置，显然是最科学高效的处置策略。

四、运用大数据手段践行公共安全治理新模式需要强化的观念

毫无疑问，大数据时代以海量的大数据为其本质特征，亦是其最大的优势，已在或将在城市应急处突、交通管理、重大安保、侦查破案和治安防控等各个领域发挥重大作用，成为现代城市治安防控体系中无形的支撑力量。但这显然是把双刃剑。倘若将大数据仅仅视为工具、手段、技术、方法，则无论其有着何等重要的作用，都可能导致负面效果。因此，运用大数据手段践行公共安全治理新模式更需要强化以下观念：

一是要正确认识大数据交叉复现的特点，形成包容大数据的心态。

大数据不仅是技术，更是一种价值观和方法论。可以肯定的是，在大数据时代，大数据已然成为一种核心竞争力。传统的数据多为结构化数据，结构化数据正是因其固定的结构而得名，每项结构所代表的内容都是根据需要而设定的，正如EXCELL表格一样，既便于管理，也便于使用。更关键的是，由此呈现出的信息量是可见可控的，其价值也基本是显性的。而在大数据时代，更多的是非结构化数据和半结构化数据，如微信、微博、视频、音频等，其特点在于没有固定的格式，无法通过固定的样本在数据库中进行管理和使用。而且由于其散点式的存在状态，势必产生“交叉复现”的特点，即这些数据会在空间上多角度、多层次呈现，时间上也会持续出现、反复出现，这一特点非常有利于实现对于细节的监控和管理。因此，这些非结构化和半结构化的数据对于公共安全治理而言，其价值是潜在的、无法估量的，因为交叉出现的信息可以实现交叉验证。以公安机关对嫌疑对象的排摸比对为例，某人留在各种空间和时间中的信息，包括日常作息、行为习惯、活动场所、行动轨迹等各种各样、各时各地的信息，即便其中有价值的在当时仅仅是很小的一部分，但被汇总之后，经过分析，就可以逐步推算出相对固定的行动模型，进而作出未来时间内的行为预测，并进行重点布防。这些都是通过大数据“交叉复现”所获取的价值。包容大数据，就是要更多考虑其潜在价值，“潜在价值的概念表明，组织机构应收集尽可能多的使用数据并保存尽可能长的时间。”[10]

二是要处理好预测行为倾向与认定行为事实的关系，避免“唯大数据论”，杜绝重蹈有罪推定的覆辙。

大数据的核心是预测，这种预测是建立在相关性基础上的。在对破坏公共安全秩序的违法犯罪行为的认定中，单纯依靠大数据的分析，极易对行为“可能”产生的后果进行有罪认定，而法律惩处的必须是最终行为“实际”产生的后果，行为的动机显然不能作为惩处的理由，否则就是违背了公正的基本原则。因为让行为者为只是可能实施但尚未真正实施的行动“买单”是有碍司法公正的。由此，在大数据背景下，拓宽对公正的理解就意味着需要保护行为的动机，“不能只因为大数据分析预测它们可能犯罪，就判定其有罪”。[11]这里的核心就是处理好预测行为倾向与认定行为事实的关系，杜绝重蹈有罪推定的覆辙。也就是要处理好大数据技术手段的运用与传统数据分析方法之间的关系，避免“唯大数据论”。也即是意味着，大数据的技术手段仅仅是工具理性的，而一切对人和物的治理最终本质是价值理性。看不到这点，研究大数据参与公共安全治理新模式就失去了意义。

三是要改变警方独占信息的传统理念，树立整体性方法论，满足公众对公共安全治理相关信息的知情权。

数据无处不在是大数据时代的基本特征，大数据最终将走向大社会，大社会的公众不仅具有极强的信息意识，而且其获取数据的领域是开放的，途径也是多种多样。由此，势必倒逼警方打破独占信息、“唯我独享”的传统理念。在公共安全协同治理中，公安机关与其被动公开信息，不如主动公开；与其事后公开，不如事前公开；与其不得已而为之，不如心甘情愿为之。事实上也是，信息公开既满足了公众对公共安全治理相关信息的知情权，也是实现公共安全协同治理的重要措施。只有拥有对等的信息自由及知情权，公众才能真正履行对社会事务的实质性参与权和监督权，否则，所谓的监督和参与只能是形式上的权利。这是整体性方法论对大数据时代践行公共安全治理新模式的指导意义。

[1] 涂子沛.大数据[M].桂林：广西师范大学出版社，2013：57.

[2] 马建光.大数据的概念、特征及其应用[J].国防科技，2013（2）.

[3][4][6][7][8][10][11] [英]维克托·迈尔-舍恩伯格.大数据时代[M].盛杨燕，译. 杭州：浙江人民出版社，2013：4，13，167，8，9，143，224.

[5] [日]城田真琴.大数据的冲击[M].周自恒，译. 北京：人民邮电出版社，2013:8.

[9] 陈潭. 大数据时代的国家治理[M].北京：中国社会科学出版社，2015：207.

Public Security Management in the Big Data Environment

Zhu Zhiping
（Shanghai Police College， Shanghai 200137， China）

In order to adapt to the new social environment of big data， the mode of public security management should be transformed from the traditional remedial “treatment management” to “preventive management”. This new mode starts with the big data collection and manages public security by taking advantage of datum function， which ultimately helps put developed big- data-related strategies into action.

Big Data； Public Security Management； Preventive Management Mode

D631

A

1008-5750(2016)01-0090-(07)

10.13643/j.cnki.issn1008-5750.2016.01.014

2015-12-20责任编辑：何银松

朱志萍，女，上海公安高等专科学校副教授，法学博士。