基于大数据应用的企业纪检监察体系架构探索研究

韩丽

摘要：目前，数据已经被作为国家战略性资源，大数据的应用也逐步渗透到了工作和生活的方方面面，成为了重要的实践性技术。随着市场经济体制的逐步完善和社会的日益进步，改革发展不断变化的新形势对党风廉政建设和反腐败工作提出了新的更高的要求，如何合理运用大数据技术优化现有的企业纪检监察机制不仅与科学发展观相吻合，也是企业创新创效实践的重要探索。本文基于大数据技术理念，融合集团公司现有纪检监察机制，提出基于大数据应用的纪检监察体系架构，从信息采集、信息量化、数据分析和数据决策四个层面，优化纪检监察流程，实现监督制约、智能预警和制度完善。

Abstract： At present， data has been used as a national strategic resource and the application of big data has gradually penetrated into all aspects of work and life which becoming an important practical technology. With the gradual improvement of the market economic system and the increasing progress of society， the changing new situation of reform and development puts forward new and higher requirements for the construction of a clean and honest party style and anti-corruption work. Therefore， how to rationally use big data technology to optimize the existing enterprise discipline inspection and supervision mechanism is not only consistent with the scientific concept of development， but also an important exploration of enterprise innovation and effectiveness practice. Based on the concept of big data technology and integrating the existing discipline inspection and supervision mechanism of the group company， a discipline inspection and supervision system framework based on big data application is putted forward in the artile. It optimizes the process of discipline inspection and supervision from four levels of information collection， information quantification， data analysis and data decision-making， and realizes supervision and restriction， intelligent early warning and system improvement.

關键词：纪检监察;大数据;保障监督;信息采集

Key words： discipline inspection and supervision;big data;safeguard supervision;information acquisition

中图分类号：TP391                                        文献标识码：A                                  文章编号：1006-4311（2019）11-0176-03

0  引言

当前，企业纪检监察工作的总体形势向好，党风廉政建设和反腐败工作不断取得新的明显成效，始终保持着良好的发展势头。但从纪检监察工作的历史和发展途径来看，客观上面临着“四个新变化”：即任务更加繁重、领域大大拓宽、标准不断提高、要求更加严格。因此，为了顺应时代发展的要求，适应新形势新任务的需要，迫切需要创新思想观念，与时俱进，寻找新的理念和技术，从而不断加强和改进纪检监察工作。

本文以南京晨光集团有限责任公司（以下简称“集团公司”）现有的职能架构与管理机制为基础，开展基于大数据的纪检监察工作创新性探索研究。

1  纪检监察大数据的创新优势

大数据毫无疑问是当今热门的话题，是否能够掌握并利用好数据对众多行业的发展将产生至关重要的影响。医疗行业可以利用大数据收集病症信息、减低医疗成本、改进医疗服务;教育行业利用大数据可以跟踪教学效果、改善教学质量、提升学生能力。那么，在纪检监察工作中，大数据也一样可以体现其巨大的价值。

第一，监督制约。以大数据为载体可对各类别、各层次的体制内外监督资源进行整合，形成监督合力。监督合力效能的发挥可以分为两个步骤：首先，在信息层面实现贯通整合，建立监督的立体网格，做到信息无死角，从而构造有效的“制度+科技的笼子”，对权力运行进行有效的监督制约。其次，随着纪检体制改革的深入，可以在适当时机，以监督管理平台为依托，逐步完成体制内各类别、各层级监督资源更深层次的整合。

第二，智能预警。发挥大数据平台的整合、挖掘作用，建立多维信息模型，以及智能化的预警分析机制，自动化、或者半自动化地从海量数据中识别需要重点关注的问题、环节、单位、岗位、个人，进行主动预警，最大限度发挥监督数据的作用，为领导决策提供强有力的支持。

第三，制度完善。通过纪检监察部、人力资源部、党委工作部、财务部等重点部门预设监测点与监测规则，获取海量数据，从中发现苗头性、趋势性、高发性等问题，并追本溯源查找制度的不足之处，实现制度完善，达到标本兼治。

然而，集团公司现有的保障监督体系、大监督平台等方案已经非常成熟，纪检监察大数据的研究和实施应作为现有机制的补充、优化和演进。

2  纪检监察大数据体系架构研究

纪检监察大数据平台涉及24个集团公司职能部门、纪检监察审计部、保监办和保障监督委员会。整个平台将分为信息采集层、信息量化层、数据分析层和数据决策层四层，每层分别有归口部门与之对应，整个平台以大数据为理念、以信息化为手段、以保障监督为原则，融合了集团公司成熟的大监督方案，并在其基础上进行了优化和创新。纪检监察大数据平台架构与操作流程如图1所示。

2.1 信息采集层

信息采集层由信息报送和信息校对两大功能模块构成，架构如图2所示。

2.1.1 信息报送

信息报送涉及保障监督体系方案中的24个集团公司业务部门，报送的内容涉及保障监督体系内容中关于各部门重点监督的警示事项，主要由具有监督权与考核权的部门在日常履职过程中，将相关部门及干部在执行集团公司决策和制度时，因违反相关规定，受到相应处罚或应进行处罚的事项，通过信息化平台的该层提供给保障监督委员会办公室（保监会）。

2.1.2 信息校对

信息校对涉及24个集团公司职能部门报送信息的初审，由各职能部门的自行把关，确认报送信息真实无误后进行提交，报送信息将经由数据出口，由信息采集层传送至信息量化层。

2.2 信息量化层

信息量化层由信息分类、映射模型、信息量化、数据存储四大模块构成，架构如图3所示。

2.2.1 信息分类

信息分类涉及调用由信息采集层上报的信息，并依据上报信息的内容进行分类，信息分类将融合大监督平台进行报送信息的映射。信息映射从下层收集报送信息，并通过映射模型对信息进行识别和区分。映射模型将融合集团公司大监督中五协同一派驻工作平台方案，并基于各职能部门的个性化监督警示事项，进行更加细粒度的划分和关联。

2.2.2 映射模型

映射模型是对职能部门报送的信息进行的一次专业处理，更是大数据和大监督的一次融合。映射模型的架构如图4所示。

映射模型基于24个职能部门报送的重点监督警示问题，首先进行一级映射，一级映射依据报送信息或报送事件的主体和性质，将所报送问题中的关键信息提取出来，一级映射的作用是将事件变为一个个独立的、指向性较为明确的属性;信息属性提取出来后，将会进行二级映射，二级映射融合了成熟的大监督体系中五协同一派驻工作平台方案，依据信息属性的归口部门、对应的监督主体和所应涉及的相关专业，将信息属性进行更加专业、细粒度的分类，二级映射的作用是明确指向监督的主体。

映射模型是大数据和大监督的协同和融合，是信息分类所应遵循的一种标准，也是纪检监察信息量化的重要基础。

2.2.3 信息量化

信息量化是将主观的文字描述转变为客观数据的过程。对于纪检监察工作所涉及的监督警示事项，一方面要从事件本身的流程、规范、重要性等角度依据标准给出客观评价，即给出警示流程量化值？姿，另一方面，要从事件所造成的影响和带来的隐患给出客观评价，即给出风险评估系数？着。两种数据结合所得出的数据则为该事件的评估数据，评估数据不但可以为“事后处理”提供证据，更可以为“事前预防”提供有效历史依据。大监督体系中“五协同”的引入将增加数据的专业性，而引入多人进行评价再加权平均得出数据，将增加数据的客观性。因此，评估数据将满足如下公式：■

式中，？着表示事件的风险评估系数，取值在0到1之间，0表示风险最小，1表示风险最大;？姿表示该事件的警示流程量化值，取值在0到100之间，数值越大表明该事件从专业角度的流程、规范等越符合标准。

2.2.4 数据存储

数据存储模块通过数据库等工具对量化后的信息进行留存，以供后期大量数据进行对比分析时使用。

2.3 数据分析层

数据分析层由数据审核和数据分析两大模块构成，架构如图5所示。

2.3.1 数据审核

数据审核通过数据入口2，从信息量化层数据出口2中调用量化后的报送信息，经过保监办对量化后的数据进行审核后，通过数据出口2传至数据决策层进行事件的最终决策和处理。

2.3.2 数据分析

数据分析是纪检监察大数据的精华所在，当量化后的数据存储到一定规模之后，大量的历史数据就变成了纪检监察工作分析的原始素材，这些数据可以做成可视化的曲线等，可一目了然的实现横向数据比对（如某职能部门1年中每个月的评估数据比对）和纵向数据比对（如某三个职能部门在同一个月中的评估数据比对）。从数据比对中依据纪检监察工作的实际需求，可以得出有效的趋势分析，这种基于客观数据的趋势分析，可以使纪检监察工作的开展更加有针对性，也更加有效。

2.4 数据决策层

数据决策层的架构如图6所示。

数据决策通过数据入口1从数据分析层调用趋势分析等有效数据对事件进行辅助决策，使“事前预防”更加有针对性，更加有据可循。通过数据入口2调用的信息仍然参照成熟的保障监督体系中的红黄牌预警、问责处理等机制进行“事中控制”和“事后问责”。

3  结束语

大数据是一种新兴技术，也是一种新的认知方式，将它运用到纪检监察工作中去，可以使纪检监察工作更加智能化。纪检监察大数据是大监督平台的继承，是保障监督体系可持续发展的有效手段，也是企业管理信息化的重要探索，可以进一步促进企业纪检监察工作走向科学、法治和高效。

参考文献：

[1]郑晓毅.运用大数据创新纪检监察工作的思考与探索[J]. 法制与社会，2017（34）.

[2]付艳茹，马强.大数据背景下职务犯罪预防途径和方法[J]. 中国人民公安大学学报（社会科学版），2015（6）.

[3]钱美宏.提高纪检监察干部队伍素质的几点思考[J].企业文化，2017（23）.

[4]赵颖，贺晓东.互联网+高校纪检监察工作的新路径[J].北京航空航天大学学报（社会科学版），2017（30）.

[5]李宜颖.大数据下的基层审计信息化建设的几点思考[J]. 科学与财富，2017（3）.

[6]鄭毅.证析——大数据与基于证据的决策[M].北京：华夏出版社，2012.